¿Por qué ejecutar Vibe en local?
En esta página
Lección actualizada el 2 de noviembre de 2026 basándose en la página Using offline models de la documentación de Vibe. Devstral se ha eliminado de la API de Mistral, pero sus pesos siguen publicados: Devstral Small 2 y Mistral Small 4 son los dos modelos abiertos recomendados para uso local. Vibe no incluye un modelo local: debes conectarlo a un servidor OpenAI compatible mediante un preajuste en
config.tomly cambiar entre ellos usando/model. Fuente: Using offline models.
Los límites de la nube
Hasta ahora, hemos utilizado Mistral Vibe con modelos alojados en los servidores de Mistral AI: una solución cómoda, rápida y sin configuración. Sin embargo, en algunos contextos profesionales esa comodidad no es una opción viable. El modo local aborda estas situaciones permitiéndote desplegar un modelo en tu propia infraestructura, trabajar sin conexión a internet y mantener el control total sobre tus datos.
Cuatro razones para hacer el cambio
La primera razón es la confidencialidad y la propiedad intelectual. En el modo nube, tu código fuente pasa por los servidores de Mistral AI. Aunque existan sólidas garantías contractuales, algunas organizaciones simplemente no pueden permitirlo: código propietario cubierto por un acuerdo de confidencialidad (NDA), proyectos clasificados o regulados, datos sensibles de clientes en sectores como la sanidad, las finanzas o la defensa, por no mencionar los secretos corporativos que suelen esconderse en los archivos de configuración. En modo local, tu código nunca abandona tu máquina ni tu red interna y no se transmite ningún dato al exterior.
La segunda es el funcionamiento sin conexión. Un modelo local responde sin necesidad de conexión a internet. Esto supone un cambio radical para los desarrolladores en movimiento —en aviones, trenes o zonas sin cobertura—, pero es una necesidad absoluta en entornos aislados de red (air-gapped) propios de infraestructuras críticas y sistemas militares. Las redes corporativas restrictivas, con sus proxies que descartan una de cada tres solicitudes, y los centros de datos aislados siguen la misma lógica: donde la nube es inaccesible o inestable, lo local es la única opción viable.
La tercera es económica. La API de Mistral se factura por uso, y un equipo que adopte realmente Vibe consume muchos más tokens de lo previsto: cada revisión de código y generación de pruebas suma a la factura. En modo local, los costes se concentran en la inversión inicial de hardware —una GPU— y en el consumo eléctrico. Pagas una vez y te olvidas de tarifas recurrentes por token o sorpresas a final de mes.
La cuarta tiene que ver con la soberanía de los datos. El RGPD, la directiva NIS2 y DORA imponen restricciones estrictas, y cada transferencia fuera de tu jurisdicción se convierte en un punto que hay que justificar. Un despliegue local elimina el problema de raíz: tus datos permanecen dentro de tu jurisdicción, controlas todo su ciclo de vida, no es necesario documentar transferencias transfronterizas y las auditorías regulatorias se vuelven significativamente más ligeras.
Devstral, el modelo diseñado para este caso de uso
La documentación de Vibe recomienda dos modelos abiertos para uso local: Devstral Small 2 (24B-Instruct-2512, licencia Apache 2.0), un modelo denso optimizado para tareas agentivas y código, y Mistral Small 4, un modelo de mezcla de expertos con 119 mil millones de parámetros (6,5 mil millones activos), que exige más memoria de vídeo. Devstral Small 2 salió de la API de Mistral el 31 de marzo de 2026, pero sus pesos siguen publicados. Sus 24 mil millones de parámetros lo hacen competente en programación y, al mismo tiempo, permiten alojarlo en hardware razonable: ese es su compromiso central. Su licencia permisiva permite un despliegue gratuito y su entrenamiento, orientado específicamente a la comprensión y generación de código, le otorga una clara ventaja sobre un modelo generalista de tamaño comparable. La integración con Vibe es nativa: basta con el comando /config para cambiar a él.
Qué ganas y qué pierdes
Para tareas cotidianas, una instancia local de Devstral se defiende perfectamente: autocompletado y generación de código, refactorización, corrección de errores, revisiones y sugerencias de código, generación de pruebas y documentación técnica. Esto cubre lo esencial de lo que sueles pedir a un asistente de codificación en un día normal.
Los compromisos son reales y conviene conocerlos antes de comprar una GPU. Lo primero es la velocidad: una GPU local suele ser más lenta que la API en la nube para solicitudes largas, y la diferencia se hace notable en cuanto le pasas un archivo grande para que lo procese. Lo segundo es el contexto, que depende de tu VRAM: unos 32K en una RTX 4090 frente a 128K y más en una H100. Por último, la calidad: Devstral 24B tiene buen rendimiento, pero no rivaliza con los modelos en la nube más grandes en tareas de arquitectura compleja. A esto hay que sumar la carga de mantenimiento: las actualizaciones y la disponibilidad recaen ahora sobre tus hombros.
Quédate en la nube o combina ambos enfoques
Por tanto, lo local no siempre es la elección correcta. Para la creación rápida de prototipos, la nube sigue siendo más sencilla. Para tareas de arquitectura complejas, los grandes modelos en la nube mantienen una clara ventaja. Un equipo distribuido tendrá que asumir el mantenimiento de un servidor local centralizado. Y sin una GPU dedicada, la comparación financiera se inclina decisivamente a favor de la nube.
La estrategia más pragmática suele ser híbrida: local para el trabajo diario con código confidencial y nube para tareas complejas ocasionales, como una renovación de arquitectura o un sistema de diseño; posiblemente ambos detrás de un enrutador de solicitudes que arbitre automáticamente. Vibe admite este enfoque: puedes cambiar entre modelos locales y en la nube mediante /config en cualquier momento, incluso a mitad de una sesión.
Puntos clave
- El modo local garantiza que tu código no salga nunca de tu infraestructura
- Cuatro impulsores principales: confidencialidad, capacidad offline, costes y soberanía
- Devstral Small 2 (24B) es el modelo recomendado para despliegues locales
- El modo local implica compromisos en velocidad y ventana de contexto
- Un enfoque híbrido (local + nube) suele ser lo más pragmático
- El RGPD y la normativa europea refuerzan el valor del modo local