Stefan VaskevichHerramientas usadas en este artículo
Cada pocas semanas sale un nuevo modelo de IA 3D de código abierto, y la mitad viene con el mismo detalle — piden 24 GB de VRAM o más. Mi tarjeta tiene 14 GB. Pero igual quiero probar bien estos modelos antes de escribir sobre ellos o agregarlos a la Arena. Así que no espero una compilación cuantizada ni una demo alojada — alquilo una GPU en la nube por una hora, dejo que un agente de programación con IA instale todo desde cero y ejecuto el modelo.
A continuación está el proceso exacto que usé para poner a funcionar CubePart de Roblox — cada comando, en orden. El modelo es solo el ejemplo; este mismo flujo funciona para cualquier repositorio pesado de IA 3D local. CubePart ya está disponible en top3d.ai si solo quieres ver sus resultados — esta guía trata sobre cómo ponerlo a funcionar.
El problema: pide 24 GB de VRAM o más
El ejemplo que usaré es Roblox CubePart, un nuevo modelo local de código abierto — pero aquí el modelo en sí no importa tanto. Lo que importa es su requisito: Roblox recomienda 24 GB de VRAM para una ejecución normal, y mi tarjeta tiene 14 GB. Ese es el obstáculo, y es el mismo que encontrarás con la mayoría de los modelos locales pesados de IA 3D. Si aumentas la calidad, incluso 48 GB se quedan cortos.
La solución: alquilar una GPU en la nube por una hora
En vez de comprar hardware, alquilo una GPU con acceso por SSH, instalo todo desde cero, hago mis pruebas y la apago. Para esto usé RunPod con una A40 (48 GB) — una exageración, pero quería margen de sobra. Costó alrededor de $0.50 por hora.
- Vast.ai — los precios más bajos entre las plataformas de alquiler
- Lambda Cloud — instancias limpias enfocadas en ML
- Paperspace (DigitalOcean) — alquiler sencillo de GPU por hora
- Modal / Replicate — GPU serverless orientadas a código
El flujo de trabajo completo, comando por comando
Inicia el pod con suficiente espacio
En RunPod elegí una A40 (48 GB) — 24 GB son suficientes para ejecuciones estándar de CubePart. La parte que muchos pasan por alto es el almacenamiento: estos proyectos descargan muchos pesos, así que configura un contenedor de ~50 GB y hasta 100 GB de almacenamiento persistente.
Agrega una clave SSH y prueba la conexión
Una clave SSH es solo un par de archivos — uno privado que se queda en tu máquina, uno público que le das al proveedor — para que te permita entrar sin contraseña. Genérala una vez con ssh-keygen -t ed25519, pega el contenido de id_ed25519.pub en RunPod en Settings → SSH Public Keys, y luego prueba la conexión desde Windows PowerShell (usa el host/puerto que muestra tu pod):
ssh root@<POD-IP> -p <PORT> -i ~/.ssh/id_ed25519Si entras a la shell del pod, funciona.
Conecta Cursor / VS Code mediante Remote-SSH
En Cursor (o VS Code), presiona Ctrl+Shift+P → Remote-SSH: Open SSH Configuration File y agrega un bloque host (completa el HostName y Port de tu pod):
Host runpod-cubepart
HostName <POD-IP>
User root
Port <PORT>
IdentityFile ~/.ssh/id_ed25519Luego Ctrl+Shift+P → Remote-SSH: Connect to Host → runpod-cubepart → elige Linux y abre la carpeta /workspace. Todo lo que quieras conservar debe estar aquí — después de apagar el pod, solo se conservan los datos del almacenamiento persistente.
Crea un usuario seguro no root
Te conectas como root. Antes de dejar que un agente de IA opere libremente, creo un usuario normal para que no funcione como root. En la terminal de Cursor, todavía como root:
apt update && apt install -y curl git sudo
useradd -m -s /bin/bash stefan
mkdir -p /workspace/stefan
chmod -R a+rwX /workspace/stefan
ls -ld /workspace/stefanCambia a ese usuario e instala Claude Code
Pasa al nuevo usuario (no hace falta reconectarse) y luego instala el agente. A partir de aquí, el agente se ejecuta como stefan, no como root:
su - stefan
cd /workspace/stefan
curl -fsSL https://claude.ai/install.sh | bash
source ~/.bashrc
claude --versionAl iniciarlo por primera vez, claude te pide iniciar sesión — abre el enlace en tu navegador y luego vuelve a pegar el código.
Ejecuta el agente en modo bypass y dale el trabajo
Inicia el agente omitiendo las confirmaciones de permisos — aquí es seguro porque se trata de una máquina aislada y desechable en la nube (Anthropic solo recomienda este modo dentro de contenedores o máquinas virtuales, y eso es precisamente lo que estamos usando):
claude --dangerously-skip-permissionsA partir de aquí no escribo los comandos de instalación yo mismo. Solo le digo a Claude, en inglés sencillo, lo que quiero: clonar el repositorio de CubePart, instalarlo con todas las dependencias, descargar los pesos del modelo y ejecutar una prueba rápida. Determina los wheels de CUDA y los comandos correctos para esta GPU específica y se encarga de todo. La única instrucción que siempre hago explícita: instalar en /workspace, ya que todo lo que esté fuera del almacenamiento persistente se borra cuando el pod se apaga.
Pide la demo de Gradio y ábrela en tu navegador
CubePart incluye una app de Gradio (sin versión para ComfyUI). Simplemente le pido a Claude que inicie la demo de Gradio y la exponga con un enlace público para compartir. Inicia la app y me devuelve una URL de https://….gradio.live — la abro en mi propia laptop y obtengo la interfaz completa, mientras el modelo sigue ejecutándose en la GPU en la nube. A partir de ahí es el flujo habitual de Gradio: soltar un GLB, escribir los nombres de las partes, ejecutar.
Eso es todo: dónde ver el resultado
Ese es todo el método: un modelo que no puedo ejecutar localmente pasó de un enlace de GitHub a una interfaz funcional en mi propio navegador, por alrededor de un dólar. El mismo flujo funciona para el siguiente modelo pesado, y para el que le siga.
Costo, limpieza y cuándo vale la pena
Apaga el pod en cuanto termines. La facturación es por hora y continúa hasta que lo detengas. Si solo necesitas un modelo de vez en cuando, esto supera por mucho a comprar una GPU de $2,000+ — pagas por los minutos exactos que usas. Si pruebas modelos todos los días, la ecuación se invierte y el hardware local empieza a tener sentido.
Así es como pruebo lo más pesado sin tener el hardware. Llegan modelos nuevos constantemente — cada vez que sale uno, va directo a la Arena para que puedas compararlo sin instalar absolutamente nada.
