Guías
Alquilar o comprar GPU: qué te conviene según tu caso
La decisión que no se resuelve con una calculadora simple
Llevo años trabajando con modelos de lenguaje y cada vez que un compañero me pregunta si le sale más a cuenta alquilar o comprar GPU, le digo lo mismo: depende de cuántas horas de uso real vayas a darle. No es una frase hecha, es la conclusión de haber quemado tarjetas de crédito en AWS y de haber visto a colegas comprar una A100 que luego usan dos horas al día.
El error típico es comparar el precio de una GPU de alquiler por hora (p.ej. 2,50 € para una A100) con el coste amortizado de comprarla a 10.000 €. Eso da un punto de equilibrio en horas, pero ignora mantenimiento, depreciación, consumo eléctrico y tiempo de administración. Voy a intentar darte un marco práctico, con números reales y sin humo.
Tu caso de uso manda: entrenamiento vs. inferencia vs. experimentación
Antes de hablar de dinero, define qué vas a hacer. No es lo mismo entrenar un modelo desde cero que hacer fine-tuning o servir inferencia en producción. Cada escenario tiene un patrón de uso muy distinto y eso cambia la ecuación.
Entrenamiento: ráfagas intensas y poco predecibles
Si entrenas un LLM, necesitas decenas o cientos de GPUs durante días. Nadie compra 64 H100 para entrenar un modelo de 7B una vez al mes. Aquí el alquiler gana por goleada: puedes lanzar un cluster de 8 GPUs durante 48 horas y apagarlo. Con alquiler por hora pagas solo el tiempo de cómputo, sin coste de ocio.
Fine-tuning: cargas medias y recurrentes
El fine-tuning es más manejable. Con una sola GPU de 24-48 GB sueles bastar para modelos de hasta 13B con LoRA. Aquí la decisión ya no es tan clara: si haces fine-tuning cada semana durante años, comprar puede salir a cuenta. Pero ojo con la obsolescencia: en dos años tu GPU puede quedarse corta para los modelos que quieras usar.
Inferencia: el caso que justifica comprar
La inferencia es un uso continuo, 24/7. Si tienes un servicio en producción con tráfico constante, el alquiler por hora se convierte en una factura mensual enorme. Comprar una GPU para inferencia empieza a tener sentido si superas el equivalente a 200-300 horas mensuales de uso. A partir de ahí, la amortización es rápida.
El coste real de comprar: más que el precio de la tarjeta
Cuando comparas precios, la GPU es solo la parte visible. Tienes que sumar el servidor, el almacenamiento, la red y el espacio en un centro de datos o en tu oficina. Una H100 en un rack con refrigeración líquida no funciona en un armario normal.
Además, la depreciación de las GPUs es brutal. Hace dos años una A100 valía 15.000 €; hoy se encuentra por menos de 8.000 € de segunda mano. Si compras y tu proyecto se retrasa, habrás perdido dinero. El alquiler, en cambio, traslada ese riesgo al proveedor.
No olvides el tiempo de administración: instalar drivers, gestionar CUDA, parchear, monitorizar. Si tu equipo no tiene un DevOps dedicado, cada hora de mantenimiento te cuesta más que el alquiler de la GPU.
Ventajas del alquiler que no se ven en el precio por hora
El alquiler no solo evita la inversión inicial. Te da flexibilidad para escalar, probar arquitecturas distintas y acceder a hardware que no podrías comprar. Por ejemplo, si quieres probar un modelo de 70B con QLoRA, puedes alquilar una A100 80GB por un día y experimentar sin comprometerte.
Otra ventaja: la disponibilidad. Los proveedores de GPU cloud suelen tener las últimas generaciones (H100, L40S, A6000) justo cuando salen. Comprarlas implica listas de espera y sobreprecios. Alquilar te permite estar al día sin arriesgar tu capital.
Por último, el alquiler es ideal para proyectos con financiación externa o para startups que necesitan mostrar tracción sin gastar en CAPEX. Los inversores prefieren un gasto operativo predecible antes que una compra de 50.000 € en hardware.
Cuándo comprar es la jugada inteligente
Si tu equipo lleva más de un año usando la misma GPU de forma constante, comprar merece la pena. Por ejemplo, si tienes un pipeline de inferencia que necesita 4 GPUs 24/7, el alquiler mensual puede ser de 6.000 €. Comprar esas GPUs te costaría unos 40.000 €, así que en menos de 7 meses las amortizas.
También compensa comprar si tienes requisitos de seguridad o latencia que exigen procesar en local. No puedes enviar datos de pacientes a una nube pública. Ahí, una GPU propia es la única opción viable.
Y un caso menos obvio: si tu equipo ya tiene servidores con espacio libre y electricidad barata, el coste marginal de añadir una GPU es bajo. En ese contexto, comprar es casi siempre mejor que alquilar.
Estrategia híbrida: alquilar para lo variable y comprar para lo fijo
La opción más sensata para muchos equipos es combinar ambos. Compra una GPU para tu carga de trabajo estable (inferencia o fine-tuning recurrente) y alquila para picos de entrenamiento o experimentos puntuales. Así tienes lo mejor de los dos mundos.
Por ejemplo, puedes tener una RTX 4090 o una A6000 en tu oficina para desarrollo y pruebas, y alquilar un cluster de H100 para los entrenamientos grandes. De esa forma, no bloqueas capital en hardware que solo usas de vez en cuando, y tampoco pagas por horas ociosas en la nube.
Esta estrategia también te protege ante cambios de hardware: si en un año sale una GPU mucho mejor, solo habrás invertido en la parte fija, que seguirá siendo útil.
Herramientas para decidir con datos, no con corazonadas
No improvises. Lleva un registro de tu uso real de GPU durante un mes. Anota horas de cómputo, tipo de tarea y tamaño de modelo. Después, compara con los precios de alquiler de los proveedores que uses. La mayoría tienen calculadoras de coste mensual.
Calcula tu punto de equilibrio: divide el coste total de comprar (GPU + servidor + mantenimiento anual) entre el coste por hora de alquiler. Si tu uso mensual supera ese punto, compra. Si no, alquila. Y no te olvides de incluir tu tiempo: cada hora que dedicas a mantener hardware también vale dinero.
En mi caso, llevo un script que registra el uso de cada GPU que alquilo. Así sé exactamente cuántas horas he necesitado en el último trimestre. Con esos datos, la decisión de alquilar o comprar deja de ser una adivinanza.