QDivZero ya está en beta pública
Publicado el 15 de septiembre de 2026 por Marta Barea Sepúlveda8 min de lectura
La IA ha pasado rápidamente de ser un experimento a formar parte del día a día de muchos productos. Hay más modelos para elegir, pero el trabajo práctico que los rodea no siempre es más sencillo. Ejecutar uno de forma fiable puede exigir coordinar proveedores, hardware, enrutamiento, recuperación de información, reglas de seguridad y varias facturas.
Queríamos simplificar esa parte sin ocultarla. Hace tres meses invitamos a un grupo reducido de equipos a nuestra beta privada para comprobar si estábamos resolviendo un problema real. Sus preguntas y sus comentarios han dado forma a lo que QDivZero es hoy.
Junio y el comienzo de la beta privada
Los primeros equipos no nos pidieron otra ventana de chat. Nos hicieron las preguntas que aparecen cuando un producto de IA tiene que funcionar de forma fiable. Qué modelo encaja mejor con cada tarea. Dónde conviene ejecutarlo. Qué ocurre si deja de ser la mejor opción. Cómo se controla el coste. Qué pasa con los datos.
Todas esas preguntas están relacionadas, pero la mayoría de las plataformas de infraestructura las tratan por separado. El modelo puede venir de un sitio, la GPU de otro, el enrutamiento depender de la aplicación y la seguridad añadirse al final. El equipo que construye el producto acaba encargándose de unir todas las piezas.
La beta privada nació de una idea sencilla. El equipo que utiliza la IA debería poder tomar esas decisiones desde un mismo lugar y mantener su aplicación independiente de la infraestructura que hay debajo.
Lo que aprendimos trabajando con equipos reales
La beta privada cambió el producto de forma concreta. Confirmamos que la elección del modelo debe seguir siendo flexible, porque el modelo adecuado depende del trabajo y esa respuesta cambia con el tiempo. También comprobamos que la infraestructura no puede dejarse para el final, ya que la disponibilidad, el hardware y la ubicación influyen en el resultado.
Vimos además que el precio se entiende mejor cuando refleja el recurso que el equipo está utilizando. Y, sobre todo, los equipos nos recordaron que el control no es una función que se añade después. El tratamiento de los datos, el aislamiento, el enrutamiento y las reglas de las peticiones deben formar parte de la misma conversación que el rendimiento y el coste.
Esas conclusiones se convirtieron en la base de la beta pública.
QDivZero hoy
QDivZero es una plataforma para desplegar modelos de IA sobre cómputo gestionado. Cada componente tiene una función clara y todos están pensados para trabajar juntos.
Compute ejecuta modelos de pesos abiertos y los expone mediante un endpoint compatible con OpenAI. La plataforma puede buscar infraestructura compatible sin hacer que la aplicación dependa de un único proveedor.
Smart Balancers enruta las peticiones entre modelos y rutas de despliegue. Así, un equipo puede mantener una sola integración en su aplicación y aplicar decisiones distintas según la carga de trabajo.
Flexible Vector Database gestiona la búsqueda y la recuperación de información que aporta contexto al modelo. También permite crear búsquedas semánticas y recomendaciones.
Firewall aplica reglas antes de que una petición llegue a la inferencia. Los equipos pueden decidir qué tráfico se permite, se marca o se bloquea.
El resultado es una única capa operativa para el modelo, el cómputo, el recorrido de la petición, el contexto y los controles que los rodean.
Elegir un modelo no debería condicionar todo lo demás
La IA avanza demasiado rápido como para que elegir un modelo implique fijar para siempre la infraestructura. Aparecen nuevos modelos de pesos abiertos, cambian las cargas de trabajo y también cambia el lugar más adecuado para ejecutar un modelo.
Con QDivZero, la aplicación se conecta mediante una API compatible con OpenAI. El equipo puede elegir el modelo y QDivZero se ocupa de buscar el cómputo compatible y gestionar el despliegue. El producto puede mejorar sin tener que moverse cada vez que cambia una decisión de infraestructura.
Esto crea un límite más claro entre ambos trabajos. El equipo técnico puede centrarse en el producto y en su comportamiento, mientras QDivZero se encarga de la infraestructura necesaria para ejecutarlo.
Pagar por el recurso que realmente utilizas
Durante la beta privada también revisamos a fondo el modelo de precios de la inferencia. Las API basadas en tokens son cómodas para muchos casos, sobre todo cuando el uso es pequeño u ocasional. Sin embargo, en una aplicación con actividad constante la factura sigue cada petición, mientras la infraestructura que hay detrás continúa siendo difícil de ver y planificar.
QDivZero está construido alrededor de la capacidad de cómputo desplegada. Pagas por la capacidad que ejecuta tu carga, no por cada token procesado. Para equipos con un uso estable, esto ofrece otra forma de prever, comparar y gestionar el coste de la inferencia.
| Precios por token | Precios por capacidad en QDivZero |
|---|---|
| El coste depende de los tokens procesados | El coste depende de la capacidad desplegada |
| Cada petición modifica el total de uso | La infraestructura en ejecución es la referencia principal |
| El hardware queda oculto tras el servicio | El hardware forma parte de la decisión de despliegue |
| Escalar implica seguir un contador de uso | Escalar implica elegir la capacidad que necesita la carga |
No afirmamos que un único modelo de precios sirva para todos los equipos. Es una alternativa para quienes ejecutan inferencia de forma continua y quieren relacionar el coste con la infraestructura que hace el trabajo.
Mantener el control de la carga de trabajo
Una carga de IA puede contener información de clientes, documentos internos, prompts privados y procesos propios de una empresa. Por eso las decisiones de infraestructura influyen tanto en la confianza como en el rendimiento.
QDivZero ofrece un lugar para tomar esas decisiones de forma consciente. El equipo puede elegir cómo se despliega la carga, definir reglas para las peticiones, añadir políticas de enrutamiento y utilizar infraestructura dedicada o privada cuando necesita un mayor aislamiento. El objetivo es sencillo. Tus datos deben seguir bajo tu control mientras la plataforma ejecuta tus modelos.
Una API estable mientras cambia la tecnología
La beta pública se apoya en una integración estable. Las aplicaciones y herramientas de desarrollo existentes pueden conectarse mediante una API compatible con OpenAI mientras los equipos prueban otros modelos y opciones de despliegue.
Un cambio de modelo no tiene por qué convertirse en un cambio de aplicación. Un cambio de proveedor no tiene por qué exigir una nueva integración. La plataforma puede evolucionar por debajo del producto y el producto puede seguir avanzando.
Por qué abrimos ahora la beta pública
La beta privada nos dio un producto funcional, críticas útiles y una visión mucho más clara de lo que los equipos necesitan de una capa de infraestructura de IA. También nos enseñó dónde todavía tenemos trabajo por hacer.
Abrir la beta pública es el siguiente paso. Más equipos probarán la plataforma con modelos, patrones de tráfico, regiones y necesidades operativas diferentes. Su experiencia nos ayudará a decidir qué mejorar y a comprobar que QDivZero aporta valor en el trabajo diario.
La beta pública no significa que todas las decisiones estén tomadas. Significa que la plataforma está preparada para utilizarse en más productos reales y para evolucionar con más equipos.
Qué puedes hacer hoy con QDivZero
Puedes desplegar modelos de pesos abiertos sobre cómputo gestionado, conectarte mediante una API compatible con OpenAI, añadir enrutamiento entre distintas rutas, acercar la recuperación de información a la inferencia y aplicar reglas antes de ejecutar una petición.
También puedes analizar la infraestructura y el coste como parte de la misma decisión, en lugar de tratar el cómputo como una dependencia invisible que solo aparece cuando llega la factura.
Este es el producto que ponemos en tus manos. Una forma de elegir el modelo que necesitas hoy y mantener la infraestructura preparada para lo que venga después.
Preguntas frecuentes
¿Para quién está pensado QDivZero?
QDivZero está pensado para equipos de producto e ingeniería que necesitan desplegar modelos, operarlos en el tiempo y entender la infraestructura que los rodea. Puede encajar especialmente bien cuando las cargas son continuas o varias capacidades están repartidas entre sistemas distintos.
¿Qué significa pagar por cómputo?
El despliegue se calcula alrededor de la capacidad de cómputo que utiliza, en lugar de cobrar por separado cada token de entrada y salida. Esto ofrece otra forma de planificar los costes cuando el uso de la aplicación es estable.
¿Puedo desplegar modelos de pesos abiertos?
Sí. QDivZero está diseñado para desplegar modelos de pesos abiertos sobre infraestructura gestionada y exponerlos mediante un endpoint compatible con OpenAI.
¿Tengo que usar una única nube o proveedor de modelos?
No. QDivZero está diseñado como una capa de infraestructura multiproveedor. La aplicación mantiene una API estable mientras el cómputo compatible y las opciones de despliegue pueden cambiar por debajo.
El próximo capítulo
QDivZero comenzó con un grupo reducido de equipos dispuestos a probar una idea antes de que tuviera todas las respuestas. Sus preguntas ayudaron a convertir esa idea en una plataforma.
Ahora abrimos la puerta a más equipos. Si quieres elegir tus modelos con más libertad, entender mejor la infraestructura de tus cargas y mantener el control de tus datos, te invitamos a probar QDivZero.
