Capacidad real de ClickHouse en Langfuse v4: 2.782 bytes por observación, y por qué casi la mitad no son datos15 sept. 2026
deepagents en un cluster propio: el SDK es libre, el servidor no, y lo que hay que construir en medio15 sept. 2026
Que el modelo prefiera nuestras herramientas: la prioridad que no existe en ninguna capa, las dos primitivas que sí, y el `_meta` que atraviesa el gateway15 sept. 2026
Completar Keycloak para MCP: el recurso protegido que ningún SDK te da hecho, y la extensión empresarial que se salta el flujo entero12 sept. 2026
Keycloak en una plataforma de IA: dónde encaja, qué resuelve y los dos estándares que MCP exige y no implementa12 sept. 2026
Langfuse v4, día 2 (1 de 10): el modelo de datos cambió debajo, y qué entra de verdad en una traza12 sept. 2026
El gateway no vive solo: el JWT que no valida la audiencia, el usuario que nunca llega a la traza y las costuras que hay que escribir a mano12 sept. 2026
Dimensionar para agentes: 275 tokens de entrada por cada uno de salida, y por qué el cuello de botella sigue siendo el decode12 sept. 2026
El gateway MCP de LiteLLM: la segunda puerta de entrada, el catálogo de herramientas que nadie factura y por qué filtrarlo puede empeorar la selección11 sept. 2026
Enrutado por prefijo: lo que LiteLLM no hace, quién sí lo hace y cuánto mejora de verdad11 sept. 2026
Humanos y agentes en el mismo gateway: por qué `priority` no prioriza, el 429 que tumba el pool entero y las dos formas de separar el tráfico10 sept. 2026
Claves virtuales, presupuestos y límites en LiteLLM: la capa que decide quién consume la GPU, y las cuatro cosas que la documentación cuenta mal8 sept. 2026
LiteLLM en día 2: un worker por pod, seis mil segundos de timeout y las otras cinco cosas que hay que cambiar antes de abrir tráfico8 sept. 2026
LiteLLM y Langfuse: el par operativo, y los cuatro sitios donde la traza se pierde entre el gateway y el panel7 sept. 2026
TCO completo de un cluster GPU on-premise: del capex al €/GPU-hora all-in y el break-even contra cloud16 jun. 2026
On-premise soberano vs hyperscalers: el caso con datos (coste, energía, rendimiento y soberanía)14 jun. 2026
El especialista del plato estrella: el backend de atención de vLLM (FlashAttention, FlashInfer y la asimetría prefill/decode)8 jun. 2026
El jefe que canta cada comanda: SMs, CUDA streams y CUDA graphs, o por qué la GPU se aburre generando tokens7 jun. 2026
La puerta de la cocina que el maître no miró: NUMA de red, Cilium eBPF y DRANET, la cuarta pata del pinning6 jun. 2026
Elegir la centralita: qué gateway OSS poner por delante, y por qué la licencia decide antes que las features6 jun. 2026
El maître que solo te sienta si cabéis en una mesa: CPU, Memory y Topology Manager en RKE26 jun. 2026
La planta de al lado: NUMA, hugepages y aislamiento de CPU, o por qué tu GPU espera al kernel6 jun. 2026
La mesa compartida: NVLink, NVSwitch y NCCL, el cable por el que pasa cada token en tensor parallel6 jun. 2026
Langfuse por dentro: el centro de clasificación que no debe convertirse en el cuello de botella que vino a observar6 jun. 2026
Entornos mixtos NVIDIA + Intel para inferencia LLM: del cluster H100 central al NUC en la sucursal2 jun. 2026
El router de inferencia LLM: la centralita L7 que en el post de canary llamábamos LoadBalancer2 jun. 2026
Observabilidad GPU para inferencia LLM: las doce métricas DCGM y vLLM que dictan la salud de tu producción1 jun. 2026
Capacity planning para inferencia LLM on-premise: cómo dimensionar GPUs a partir de un SLO1 jun. 2026
Siete fases de despliegue greenfield de una plataforma LLM on-premise: del hardware en la sala al primer token productivo31 may. 2026
Cinco niveles de madurez de la plataforma debajo del LLM: del servidor con Linux al cluster listo para vLLM31 may. 2026
Anatomía de un stack de inferencia LLM on-premise: las siete capas que tienen que sostenerse las unas a las otras30 may. 2026