Novato construye un 'segundo cerebro' local en Intel Arc Pro B60: Qwen 3.8 27B a 38 tok/s, contexto de 128K

Una persona sin formación en programación creó un agente de IA personal (OpenClaw) casi totalmente local en un viejo Dell OptiPlex y, después, montó un servidor de IA dedicado en torno a una GPU Intel Arc Pro B60. La fuente es un análisis detallado del hardware exacto, los costes y los resultados, incluyendo la ejecución de Qwen 3.8 27B a ~38 tok/s con una ventana de contexto de 128K.

Cómo empezó

El autor era un usuario medio de chatbots —solo para investigar y escribir— hasta que un vídeo de YouTube sobre OpenClaw (un agente de IA que hace cosas de verdad, no solo charla) le animó a construir. La configuración se completó en unos 2 días usando una cuenta gratuita de Claude en un viejo Dell OptiPlex 3431, inicialmente con una suscripción de ChatGPT de 20 $/mes.

El Dell (plano de control del agente)

• CPU: Intel Core i9-9900 (actualizado desde el i5 de serie)
• RAM: 32GB DDR4-2666 (eran 64GB; la mitad se movió al equipo de IA)
• GPU: NVIDIA Quadro P620, 2GB (de serie, inútil para IA)
• Disco del SO: 512GB NVMe (añadido)
• Almacenamiento: SSD SATA de 2TB (original)
• SO: Windows 11 Pro

Ejecuta OpenClaw (el arnés del agente), la memoria, la programación, Telegram (la interfaz de chat), las copias de seguridad y almacena modelos locales listos para desplegar en el equipo de IA en cualquier momento.

Los problemas de estabilidad se remontaban a módulos de memoria baratos "de mercado gris" que el Dell traía en Amazon: el autor sospecha que una RAM defectuosa corrompió archivos de Windows. La actualización al i9 fue señalada como el único gasto malo hasta ahora (200 $ en eBay), y el agente literalmente suplicó que no se comprara.

La BlackBox (BB): servidor de IA dedicado

Mientras ejecutaba el agente, el autor pidió y luego canceló un Mac Studio de 2.000 $ tras darse cuenta de que no podía ejecutar un modelo capaz de hacer lo que necesitaba. Pasó brevemente a todo en la nube: 20 $/mes de Claude más un plan de ChatGPT de 100 $ = 120 $/mes solo para ejecutar el agente, lo que le pareció una trampa.

El punto de inflexión fueron los modelos abiertos pequeños: Qwen, GPT-OSS 20B, Mistral, Gemma. Cuando salió Qwen 3.8 27B, se comprometió a construir una máquina aparte que no hace nada más que servir IA al agente. Esa separación se describe como la mejor decisión del proyecto.

La regla rectora

Todo debe ser genérico e intercambiable: nunca atado a un modelo, a un componente de hardware ni siquiera al propio arnés del agente. Eso permite cambiar la máquina anfitriona del agente mientras la inferencia local permanece en su sitio.

Números reportados

Qwen 3.8 27B a aproximadamente 38 tok/s con una ventana de contexto de 128K en la Intel Arc Pro B60 —ahora el modelo predeterminado, con los modelos en la nube como respaldo en lugar de al revés. Las especificaciones completas, la configuración y los números están en la publicación original.