SkyPilot permite ejecutar modelos de IA en cualquier nube sin pagar extra por descargar datos de Hugging Face
Una nueva integración elimina las costosas tarifas de salida de datos cuando entrenas o ejecutas modelos alojados en Hugging Face desde Amazon, Google o Microsoft.
Hugging Face ha anunciado una integración con SkyPilot (una herramienta de código abierto que permite gestionar trabajos de inteligencia artificial en diferentes proveedores de nube) que elimina uno de los costes ocultos más frustrantes para quienes trabajan con modelos de IA: las tarifas de egreso. Estas tarifas, también llamadas de salida de datos, son lo que cobran servicios como Amazon Web Services (AWS), Google Cloud o Microsoft Azure cada vez que descargas información desde sus servidores hacia otro lugar.
Hasta ahora, si querías entrenar o ejecutar un modelo alojado en Hugging Face (una plataforma donde desarrolladores comparten y descargan modelos de IA ya entrenados) usando infraestructura de alguno de estos gigantes tecnológicos, tenías que pagar por transferir esos gigabytes o terabytes de datos. Con modelos que pesan decenas o cientos de gigabytes, la factura podía dispararse rápidamente. La nueva funcionalidad permite que SkyPilot acceda directamente al almacenamiento de Hugging Face sin que esos datos cuenten como salida facturable.
En la práctica, esto significa que puedes elegir el proveedor de nube que mejor te convenga en cada momento —por precio, disponibilidad de GPUs (chips especializados en acelerar cálculos de inteligencia artificial) o ubicación geográfica— sin que el coste de descargar el modelo condicione tu decisión. Según explica Hugging Face en su blog, la integración funciona configurando SkyPilot para que trate el repositorio de Hugging Face como una fuente de datos sin egreso, similar a como ya lo hace con buckets de Amazon S3 o Google Cloud Storage cuando se usan dentro de la misma región.
El anuncio llega en un momento en que los costes de infraestructura son una preocupación creciente para equipos pequeños y medianos que experimentan con modelos grandes (LLMs, por sus siglas en inglés: Large Language Models, modelos de lenguaje entrenados con cantidades masivas de texto). SkyPilot ya permitía optimizar costes eligiendo automáticamente el proveedor más barato para cada tarea; esta integración añade otra palanca de ahorro importante. Para usarla, basta con actualizar a la última versión de SkyPilot e indicar en la configuración que los datos vienen de Hugging Face, sin necesidad de cambiar el código del entrenamiento o la inferencia (el proceso de usar un modelo ya entrenado para generar resultados).
