RunInfra
RunInfra · Programación
RunInfra es una plataforma de inferencia de IA que cubre dos trabajos en una sola cuenta. Puedes llamar a los modelos de pesos abiertos que ya aloja a través de una API compatible con OpenAI y otra compatible con Anthropic, o entregarle un modelo de Hugging Face en el chat y dejar que un agente ajuste el stack de servicio por ti. Está pensada para desarrolladores y equipos pequeños que quieren endpoints de producción sin elegir GPU. Aprovisionar a mano no es el trabajo aquí. Servir LLM en tus propios términos, sí.
Acerca de RunInfra
Qué es RunInfra
RunInfra es una API de modelos alojada y un servicio de optimización dentro de un mismo espacio de trabajo. La primera mitad funciona como la mayoría de los proveedores de modelos: envías una petición HTTP a una URL base y recibes las completaciones. Las completaciones de chat y el formato Responses siguen la especificación de OpenAI, mientras que Messages sigue la de Anthropic, así que los SDK existentes suelen encajar con solo cambiar la URL y la clave. No hay GPU que elegir. Tampoco tipo de instancia sobre el que discutir.
La segunda mitad es la parte que destaca. Describes un modelo de Hugging Face en lenguaje sencillo, y el agente de RunInfra lo evalúa, ajusta el stack de servicio y devuelve un resultado medido. A partir de ahí, o mantienes un endpoint activo o exportas un kit de despliegue. El kit se puede inspeccionar y es portátil, lo que significa que puedes llevarlo a tu propio hardware más adelante.
La limitación principal es el dinero y el alcance. El acceso funciona con créditos prepago en lugar de niveles, así que recargas antes de gastar, y el flujo de trabajo tira a técnico. Si nunca has tocado una clave de API ni un repositorio de modelos, el chat del agente te parecerá un montón de piezas en movimiento. ¿Es eso un problema? Solo tú puedes decirlo.
Cómo empezar
- Crea una cuenta de RunInfra y añade créditos al saldo del espacio de trabajo. Las cuentas nuevas reciben 1 $ gratis, y la recarga mínima es de 10 $.
- Genera una clave de API desde el panel y configura la URL base en
https://api.runinfra.ai/v1. - Para los modelos alojados, apunta tu cliente de OpenAI o Anthropic a esa URL base y elige un modelo publicado. Para un modelo personalizado, pega su nombre de Hugging Face en el agente de chat.
- Revisa el resultado del benchmark que informa el agente y, luego, elige un endpoint o exporta el kit de despliegue.
- Conecta el endpoint a tu app o herramienta de programación y controla el uso frente a tu saldo.
Información del producto
Un vistazo rápido a los precios, las plataformas compatibles y el rendimiento de RunInfra.
Ideal para
Los usuarios, tareas y casos de uso en los que esta herramienta encaja mejor.
Usuarios
- Desarrolladores individuales y equipos pequeños que lanzan funciones de IA
- Ingenieros de ML con un modelo de Hugging Face que necesita ajuste
- Creadores atentos al costo
Tareas
- Cambiar un proveedor alojado en una app existente
- Comparar configuraciones de servicio para un mismo modelo
- Salir del alojamiento gestionado
Casos de uso
- Conectar un agente de programación como Claude Code, Codex o Cline a modelos de pesos abiertos mediante una sola clave del espacio de trabajo.
- Levantar un endpoint de prototipo cuando aún no tienes GPU y no quieres alquilarlas a ciegas.
- Mantener un modelo portátil para que cambiar de proveedor no signifique reescribir todo.
Funciones clave
API compatibles con OpenAI y con Anthropic
RunInfra expone las completaciones de chat y Responses en el formato de OpenAI, y Messages en el formato de Anthropic. Si tu código ya habla con cualquiera de los dos proveedores, en la práctica solo cambias la URL base y la clave. Eso abarata la migración. También permite que un mismo espacio de trabajo sirva apps construidas sobre SDK distintos.
Optimización de modelos basada en chat
Nombra un modelo de Hugging Face en el chat del agente y describe lo que necesitas. El agente lo evalúa, ajusta el stack de servicio y reporta un resultado medido, no una promesa. Es el flujo que separa a RunInfra de un simple host de modelos, porque el paso de ajuste ocurre por ti en lugar de seguir siendo tu trabajo.
Kits de despliegue portátiles
Cuando termina la optimización, puedes desplegar un endpoint o exportar un kit de despliegue. El kit se puede inspeccionar, así que lees qué se cambió, y es portátil, así que lo ejecutas en tu propio hardware. Eso importa cuando quieres que el trabajo de ajuste sobreviva a cualquier proveedor concreto.
Un solo saldo por espacio de trabajo
El chat del agente, las ejecuciones de optimización, los endpoints desplegados y las llamadas a la API de modelos se descuentan del mismo saldo. No hay plan que comprar; añades créditos sobre la marcha. Un crédito equivale a un dólar, así que las cuentas se mantienen simples.
Amplio soporte de agentes de programación
RunInfra publica pasos de conexión para una larga lista de herramientas de programación, entre ellas Claude Code, Codex, OpenCode, Aider, Cline, Zed y otras. Esto lo convierte en un backend de reemplazo razonable cuando quieres modelos de pesos abiertos dentro del editor o la terminal que ya usas. La configuración está documentada, no adivinada.
Ventajas y desventajas
Ventajas
- Nada de seleccionar ni aprovisionar GPU, lo que quita la parte más propensa a errores del autoalojamiento de un modelo.
- Créditos prepago sin suscripción, así que los usuarios ocasionales no pagan un mínimo mensual.
- Los endpoints hablan los formatos de OpenAI y Anthropic, así que casi todo el código existente solo necesita cambiar la URL y la clave.
- El kit de despliegue exportable mantiene el trabajo de ajuste utilizable fuera de RunInfra.
- Existe una ruta de conexión publicada para un amplio conjunto de agentes de programación.
Desventajas
- El flujo de trabajo presupone soltura con API y repositorios de modelos, así que a los usuarios no técnicos les resultará áspero.
- Los créditos prepago implican que una llamada con saldo cero devuelve un 402 antes de hacer ningún trabajo, así que tienes que vigilar el saldo.
- La librería no lista ninguna categoría para RunInfra, así que la familia exacta de producto a la que pertenece no queda fijada por los propios datos del producto.
Preguntas frecuentes
Hace dos cosas. Puedes llamar a modelos de pesos abiertos que aloja mediante API compatibles con OpenAI o con Anthropic, o entregarle un modelo de Hugging Face en el chat y hacer que un agente ajuste el stack de servicio hasta convertirlo en un endpoint o un kit portátil.
Contenido relacionado
Explora herramientas, habilidades y artículos relacionados con RunInfra.
Alternativas a RunInfra
Forefront
Forefront · ProgramaciónForefront es una plataforma web para construir con IA de código abierto. Te deja ajustar los principales modelos de lenguaje de código abierto con tus propios datos, evaluar cómo rinden y ejecutarlos a través de una API o exportarlos para alojarlos tú mismo. Los desarrolladores que quieren la comodidad de una plataforma cerrada pero insisten en ser dueños de sus modelos y sus datos son el público objetivo.
Startkit
StartKit.AI · ProgramaciónStartkit es un boilerplate para crear productos de SaaS con IA y wrappers de IA. Piénsalo como un boilerplate para startups de IA con las partes aburridas ya conectadas: autenticación, pagos con Stripe y Lemon Squeezy, límites de uso, correo transaccional y un kit de inicio de API de IA que habla con OpenAI, Anthropic, Groq o Llama. Clonas el repositorio, pones tu precio y te dedicas a la parte del producto por la que la gente paga de verdad. Está hecho con Next.js sobre React y Tailwind, así que buena parte del código boilerplate ya te resulta familiar.
Testim
Tricentis · ProgramaciónTestim es una plataforma de automatización de pruebas impulsada por IA para crear y ejecutar pruebas de extremo a extremo en aplicaciones web, móviles y Salesforce. Se apoya en el aprendizaje automático para mantener las pruebas estables cuando cambia una interfaz, así que los equipos dedican menos tiempo a reparar selectores rotos. No está nada mal para una herramienta de pruebas automatizadas que puedes empezar a usar hoy mismo. Creas pruebas grabando acciones en un navegador y luego añades JavaScript cuando necesitas más control. Es una opción sólida para equipos de QA con mucho trabajo.