Lo gratis tiene techo: el día en que mi alternativa a Lovable de 0 $ se congeló — y los cinco carriles de salida

Serie: Vibe coding en tus propios términos
Relacionado: Post n.º 1 — "Lovable Alternative: Free Vibe Coding with VSCode, Cline, Ollama & Supabase" y "Lovable vs. una alternativa de 0 $" (el marcador honesto)

El día en que se paró la música

En el post comparativo escribí que el trato del setup gratuito es "excelente pero sin garantías". Este es el post donde la parte sin garantías pasa factura: el diario de un día real, construyendo una app real, en un MacBook Air con 16 GB de RAM y un presupuesto de modelos de 0 $.

La app era deliberadamente modesta: una herramienta de gestión de proyectos para un solo usuario. Proyectos, tareas, hitos, una vista de línea de tiempo, sin autenticación. En Lovable esto es un trabajo de cinco minutos y quizá 20 créditos. En mi setup gratuito — King Island, la alternativa a Lovable autoalojada del post 1 — se convirtió en una visita guiada por cada techo que tiene el nivel gratuito.

Primero, un repaso rápido del setup, para que el informe de fallos tenga sentido.

El hardware. Un MacBook Air con 16 GB de memoria unificada: un portátil estupendo para el día a día y (como mostrará este post) exactamente una categoría de peso demasiado ligero para alojar su propio cerebro de IA.

La plataforma. King Island, mi orquestador de construcción propia: una página de inicio local donde un solo prompt monta un proyecto completo a partir de una plantilla dorada. Cada proyecto nuevo viene con:

• Frontend: Vite + React + TypeScript + Tailwind + shadcn/ui
• Backend: un stack local dedicado de Supabase/Postgres por proyecto (vía Docker)
• Historial: git, inicializado desde el primer commit — un commit por tarea de IA
• Memoria: un archivo MEMORY.md que el agente lee antes de cada tarea y actualiza después

El agente. La construcción en sí la hace la Cline CLI — el arnés de agente headless que es dueño de las ediciones de archivos y los comandos de terminal en mi máquina. King Island le entrega un prompt; él hace el trabajo.

Los cerebros. Los modelos están configurados a través del pool gratuito de proveedores de Cline, con un desplegable en cada workspace de proyecto para cambiar por tarea:

• Poolside Laguna S 2.1 — el predeterminado y mi caballo de batalla fiable
• NVIDIA Nemotron 3 Ultra — el peso pesado gratuito para problemas difíciles
• Google Gemma 4, Cohere North Mini Code, Laguna XS alojado — el reparto secundario
• Todos en niveles gratuitos — ese detalle es el villano de esta historia
• (Ollama con un Qwen 2.5 Coder 7B local se queda en el banquillo de la máquina — es el modelo que demostró que 16 GB no pueden ejecutar un cerebro de nivel agente)

El rastro documental. Cada tarea de IA se registra automáticamente: modelo, duración, resultado. Por eso este diario tiene marcas de tiempo.

Esto es exactamente lo que pasó, según esos logs:

Mañana — el peso pesado tira la toalla. Le di el prompt completo de construcción al Nemotron 3 Ultra de NVIDIA, el modelo gratuito más fuerte de mi desplegable. Planificó con ambición, escribió código sustancial de varios componentes — y luego murió a mitad del build con ResourceExhausted: Worker local total request limit reached (33/32). Traducción: un agente quema una petición por cada paso de herramienta, un build completo de una app son 30–50+ pasos, y el presupuesto de peticiones del nivel gratuito se agotó antes que la app. El placeholder de la plantilla seguía en pantalla; el trabajo quedó commiteado a medias.

Mediodía — el fiable se pone raro. Le pasé los escombros a mi modelo de diario, el Laguna S de Poolside. Leyó 37 archivos, ejecutó 8 comandos y escribió — nada. Cero llamadas de escritura. En su lugar imprimió el contenido completo de los archivos en el chat como markdown, un modo de fallo que desde entonces llamo colapso en modo prosa: el código existe como conversación, no como archivos. Lo hizo dos veces ese día. Un tercer intento murió con un socket cerrado tras 29,5 minutos de monólogo de planificación. Tres fracasos, un síntoma compartido: pensamiento sin fin, escritura ninguna.

Tarde — la sonda, y el arreglo que funcionó. Una tarea de prueba deliberadamente diminuta — dos archivos, lista explícita de archivos — corrió impecable: ediciones limpias, chequeo de tipos por iniciativa propia, resumen disciplinado. La lección: la degradación del nivel gratuito depende del tamaño de la tarea. Los builds grandes y abiertos entran en espiral; las tareas pequeñas y acotadas aterrizan. Así que dividí la app en cuatro "platos" explícitos (tipos + capa de API, migración de base de datos, componentes, dashboard + cableado) y los serví de uno en uno. Los platos uno a tres se construyeron limpiamente. Estaba funcionando.

Noche — el muro. El plato cuatro — el dashboard, el plato final — volvió con: Daily free model limit reached. Resets in 8h 31m. Esta vez no era el pool del modelo; era la asignación diaria de mi cuenta sobre todo el nivel gratuito. La app estaba al 75% de completitud, cada problema restante resuelto sobre el papel, y yo no podía hacer nada salvo esperar hasta aproximadamente las once y cuarto de la noche.

Vuelve a leer ese último párrafo, porque es la tesis de este post: no estaba atascado en ingeniería. Estaba atascado en contabilidad. Los fallos que me costaron el día no eran bugs de mi código ni carencias de mi setup — eran contadores que no controlo, acoplados a capacidad que no poseo.

Anatomía de lo "gratis": tres especies de límites

Ese único día sacó a la superficie los tres tipos de límite de uso que existen en la economía de los niveles gratuitos, y distinguirlos importa porque la vía de escape difiere según la especie:

La especie 1 es sobrevivible — cambiar de modelo ayuda. Las especies 2 y 3 son muros: aquel día, ningún modelo del desplegable me habría salvado, porque el tope estaba por encima de los modelos. Y un detalle cruel que conviene saber de antemano: los intentos fallidos también queman cuota. Los maratones de colapso en prosa y el socket muerto contaron todos contra la asignación diaria que después detuvo la estrategia que sí funcionaba.

Por qué mi MacBook Air no puede simplemente hacerlo en local

La réplica obvia: "ejecuta el modelo en tu propia máquina — sin contador, sin tope, nunca". Correcto en principio, y es exactamente hacia donde va esta serie. Pero aquí está la realidad de hardware de un MacBook Air de 16 GB en 2026, medida, no supuesta:

El modelo open-weight capaz de trabajo de agente que realmente quiero — el Laguna XS 2.1 de Poolside, el gemelo Apache 2.0 de mi modelo alojado de diario, 33B parámetros (3B activos), contexto de 256K, construido explícitamente para el uso autónomo de herramientas — necesita aproximadamente 33–36 GB de RAM para funcionar bien. Mi máquina tiene 16. Los modelos que sí caben en 16 GB los probé: un coder de 7B narraba sus llamadas a herramientas como texto en lugar de ejecutarlas — un fallo clásico de modelo pequeño que ningún prompt engineering arregla. Por debajo de cierto tamaño, los modelos pueden charlar sobre código pero no pueden actuar de forma fiable como agentes. El único experimento interesante que queda en 16 GB es Devstral-2 22B (~13 GB cuantizado, afinado para agentes) — e incluso ese deja al sistema operativo, Docker, un stack de Postgres, Vite y un navegador peleándose por los 3 GB restantes. El resumen honesto: 16 GB ejecutan el taller o al obrero, no ambos.

Así que "totalmente gratis" se divide en dos afirmaciones distintas. Gratis por licencia — el modelo open-weight existe, es genuinamente excelente y no cuesta nada. Gratis para mi máquina — no. Entre esas dos afirmaciones se asienta un umbral de hardware de unos 36 GB de memoria unificada, y ese umbral es la verdadera etiqueta de precio de la independencia.

Carril 1: comprar la máquina (la vía del capex)

¿Cuánto cuesta cruzar el umbral en agosto de 2026? Más que hace un año — en una de las mejores ironías de toda esta historia, el boom de los centros de datos de IA ha disparado tanto los precios de la memoria que Apple subió los precios de los Mac aproximadamente un 15–20% en junio de 2026 y descatalogó varias configuraciones con mucha RAM. La industria que te vende IA alojada ha encarecido tener la tuya propia. Estado actual del menú:

Y lo que correría en ella — la lista corta open-weight de agosto de 2026, con apetitos de RAM medidos:

Las máquinas de 48 GB ejecutan los tres primeros con comodidad; el Studio de 64 GB añade Scout y gpt-oss. Ahora la aritmética que reencuadra la compra: mi plan de Lovable cuesta $480 al mes. Un Mac mini M4 Pro de ~$2,000 se paga solo en poco más de cuatro meses de cuotas de Lovable — y a diferencia de la suscripción, en el quinto mes sigue ahí, ejecutando un modelo cuya licencia no puede revocarse jamás, sin contador, sin reset diario y sin proveedor que tenga un mal día. Capex una vez frente a opex para siempre. Si construyes en volumen, este carril deja de ser el extravagante sorprendentemente rápido.

Carril 2: Cline Pass (el carril intermedio de $9.99)

Si una máquina nueva queda fuera de alcance, el fabricante del arnés de agente que uso vende el término medio: Cline Pass — $4.99 el primer mes, luego $9.99/mes, que agrupa 11 modelos open-weight curados de seis proveedores (GLM 5.2, Kimi K3, DeepSeek V4, MiniMax M3, MiMo, Qwen3.7-Max y hermanos) con cuotas de 2–5× los límites gratuitos estándar, cero malabares con claves API, y utilizable también desde otros agentes de programación.

Medido contra mi día perdido: el margen de 2–5× casi con certeza lo habría absorbido — cuatro platos más los fracasos caben dentro de un presupuesto duplicado. Por una hamburguesa al mes, la ruleta del tope diario desaparece en su mayor parte. Pero seamos precisos sobre lo que es: un depósito más grande, no una tubería abierta. Las cuotas son mayores, no infinitas; una semana realmente intensa todavía puede encontrar el muro. Los modelos son el nivel open-weight capaz, no frontera. Y tu cerebro sigue viviendo en la máquina de otro, con todo lo que eso implica para la privacidad y la disponibilidad. Es el carril correcto para alguien sin suscripción de IA, sin 36 GB de RAM y con un hábito de construcción constante pero moderado.

Carril 3: trae la suscripción que ya pagas (p. ej., Claude Max)

Aquí está el superpoder silencioso de toda esta arquitectura: el arnés es agnóstico del proveedor. A Cline — y a King Island encima de él — no le importa de quién es el cerebro con el que habla. Lo que significa que si ya pagas una suscripción de IA de frontera por otras razones — Claude Max es mi caso, pero el patrón se generaliza — puedes enchufar esa como motor y salir por completo de la economía del nivel gratuito: tarifa plana que ya estás pagando, código de calidad frontera, y ninguna de las tres especies de límites, porque ya no eres inquilino del pool gratuito.

Este carril tiene una forma económica distintiva: coste marginal cero. La suscripción existe de todos modos; enrutar tu vibe coding a través de ella no cuesta nada extra. En calidad, convierte la mayor derrota del setup gratuito en el marcador (acierto al primer intento) en un empate con Lovable — la misma clase de modelo, tu infraestructura. La pega es honesta y obvia: solo existe si ya posees la suscripción, y $100+/mes es el precio equivocado a pagar solo por esto. Es una escotilla de escape, no una rampa de entrada.

La matriz de carriles

Todas las opciones en un solo mapa — el menú completo de "dónde corre el cerebro y quién paga", con aproximadamente un orden de magnitud de separación por escalón:

Mi propio enrutamiento después de aquel día: el pool gratuito para el trabajo rutinario (es excelente cuando está abierto), la división en platos como práctica estándar para todo lo grande, la suscripción ya poseída como válvula de escape — y una máquina de 48 GB en la lista de la compra, con cuatro meses de cuotas de Lovable como justificación presupuestaria.

Quién debería usar de verdad una alternativa gratuita a Lovable — y cuándo

Tras un mes usándola, puedo responder a la pregunta de "para quién es esto" con más precisión que entusiasmo:

Estudiantes y el mundo académico. El caso más fuerte. El presupuesto es cero, el tiempo está disponible y el rendimiento de aprendizaje es enorme — este setup es un laboratorio en funcionamiento de cómo funciona realmente la programación con IA. Un proyecto de semestre construido así enseña más sobre LLMs, bases de datos y toolchains que el mismo proyecto en una plataforma pulida, precisamente porque se ven las costuras.

Cualquiera que estudie por su cuenta cómo programan de verdad los LLMs. Las plataformas como Lovable están construidas para ocultar la maquinaria; este setup es la maquinaria. Ves el bucle del agente en crudo: prompt → el modelo decide una llamada a herramienta → el arnés la ejecuta en tu disco → el resultado alimenta el siguiente pensamiento. Conoces las piezas porque las ensamblaste tú: el orquestador (la página de inicio que monta los proyectos — la UI de Lovable, mi King Island), el arnés (el agente dueño de las ediciones de archivos y la terminal — Cline), el cerebro (el LLM, intercambiable), el scaffold (Vite + React + Supabase — idéntico en ambos mundos) y la vista previa (hot reload). Cada modo de fallo de este post — la narración de llamadas a herramientas, el colapso en prosa, la muerte por presupuesto — es una lección de comportamiento de LLMs que una plataforma gestionada habría absorbido de forma invisible. Si tu objetivo es entender, la fricción es el plan de estudios.

Constructores en fase de maquetas y pre-desarrollo. Explorar cinco ideas para encontrar la que merece construirse; validar un modelo de datos; producir la versión tosca a la que reacciona un stakeholder. La exploración son muchos prompts y muchos callejones sin salida — exactamente donde un contador duele más y donde los builds gratuitos más lentos cuestan menos, porque entre prompt y prompt estás pensando de todos modos.

Tareas pequeñas y proyectos pequeños, en general. El resultado de la sonda de mi día perdido es la directriz de diseño: las tareas acotadas con listas explícitas de archivos triunfan de forma fiable incluso en modelos gratuitos. Un formulario de contacto, una vista CRUD, un refactor — el carril gratuito los maneja con margen de sobra. Es en el build abierto de 40 pasos donde los niveles gratuitos se doblan.

¿Y cuándo deberían tomar el relevo las herramientas mayores? En los momentos de graduación: una fecha límite con un cliente detrás; colaboradores que necesitan tocar el proyecto; la publicación con un clic como requisito, no como un algún-día; el pulido donde el acierto al primer intento merece pagarse. Ahí es cuando Lovable, Cursor o Windsurf se ganan sus suscripciones — y como el setup gratuito construye sobre el stack idéntico (React, TypeScript, Tailwind, Supabase, git), graduar un proyecto es un traspaso, no una reescritura. Mi flujo de trabajo en una frase: las ideas nacen gratis, y las que merecen facturas, las reciben.

Veredicto

La alternativa gratuita a Lovable es real — el post 1 demuestra que puedes construirla, el post comparativo la puntúa con dignidad frente a un producto de $480/mes, y construyó tres cuartos de una app real el mismo día en que también me enseñó sus límites. Pero "gratis" resulta ser un carril, no un destino: un carril genuinamente excelente con un techo que se resetea a diario, conectado por rampas claras con otros cuatro. Lo que aquella noche congelada me enseñó de verdad es que la pregunta nunca fue "¿puede el vibe coding ser gratis?" Es "¿con qué contador estás dispuesto a vivir?" — el tope diario, la cuota de $9.99, el goteo por token, la suscripción que ya pagas, o el precio único de una máquina cuyo contador no existe. Yo ya he elegido. Mientras escribo esto, la cuenta atrás de mi pantalla dice que el pool gratuito reabre esta noche a las once y cuarto — y el plato cuatro, el último, espera en la cola, completamente especificado, aguardando a que un contable en alguna parte abra la puerta.

Este post forma parte de la serie "Vibe Coding a tu manera". El post 1 explica cómo construir el setup gratuito; "Lovable vs. una alternativa de 0 $" es el marcador honesto; próximamente: el benchmark de LLMs gratuitos con los datos de rendimiento recopilados detrás de las batallas de este post.