LM Studio como intern

Guía · @vanlookeren

LM Studio como intern

Dejar de gastar el modelo caro en trabajo que no lo necesita. Sin cambiar de plan.

La idea, en una línea

Chocar con el límite del plan a mitad de un proyecto casi nunca es por trabajo difícil. Es por volumen: borradores largos, transformaciones repetitivas, resúmenes. Trabajo que consume tokens y no necesita el mejor modelo del mundo.

Entonces son dos modelos, no uno. El caro piensa y decide; el local, que corre en tu máquina y no cobra, ejecuta lo mecánico. No es reemplazar al bueno: es dejar de desperdiciarlo.

Qué conviene delegar

Esta es la parte que decide si te sirve o te complica. Sale de 73 delegaciones registradas y puntuadas una por una, no de intuición.

Al modelo local
Borradores largos y resúmenes Mucho texto, poco razonamiento. Es el caso ideal.
Transformaciones repetitivas Reformatear, renombrar, pasar de un formato a otro. El patrón está claro y no hay que decidir nada.
Explorar archivos y clasificar Leer un montón de cosas y resumirlas. Necesita contexto largo, no inteligencia.
No Cuentas sobre muchos ítems Sumas, promedios y conteos salen mal seguido, aun cuando el razonamiento alrededor es sólido. Es la falla más consistente que medí.
No Bugs, seguridad, arquitectura Todo lo que tiene consecuencia real si sale mal. Ahí el modelo caro se paga solo.
No Lo ambiguo y urgente Delegar bien exige iterar. Si no hay margen para revisar, hacelo vos y listo.

Los números

De las delegaciones al modelo local, puntuadas del 1 al 10 según qué tan bien resolvieron comparado con haberlo hecho a mano:

37 delegaciones puntuadas
8 o más entre 6 y 8 menos de 6
Promedio
7,57
Casos que salieron bien o muy bien
65 %
El promedio que casi me hace tomar la decisión equivocada

Mirando el log entero el promedio daba 6,10, y con ese número la conclusión era «no vale la pena». Pero ese promedio mezclaba dos cosas distintas: las delegaciones reales al modelo local y otras corridas que nunca pasaron por él.

Separadas, las del modelo local dan 7,57 y las otras 4,58. Mismo dato, conclusión opuesta. Antes de promediar, fijate si estás mezclando poblaciones distintas.

La regla para decidir

Delegar tiene un costo escondido: revisar y corregir lo que vuelve. La regla que uso es una sola:

Si corregir lo que devuelve te cuesta más del 70% de lo que te habría costado hacerlo vos, dejá de delegar ese tipo de tarea.

Antes de descartarlo del todo, probá con otro modelo: el esfuerzo de corrección depende tanto del modelo como de la tarea, y el cómputo local es gratis — solo cuesta tiempo.

Cómo se conecta

  1. Tené un modelo local corriendo

    LM Studio con el servidor local encendido. Si todavía no llegaste a eso, empezá por la otra guía: te dice qué modelo te entra según tu RAM.

    Correr un modelo local en tu Mac

  2. Instalá el puente

    Está armado como MCP, que es el estándar con el que estas herramientas se conectan entre sí. Por eso el mismo puente sirve igual en Claude Code, Claude Desktop y Codex: se configura una vez.

    github.com/fvanlookeren-bit/llm-Intern

  3. Empezá a mandarle trabajo

    A partir de ahí le pedís al modelo principal que delegue: «esto pasáselo al local». Arrancá por la tabla de arriba y no por lo difícil.

Medí, no confíes

Lo que hace que esto funcione a largo plazo no es la instalación: es llevar registro. Cada vez que delegues algo, anotá qué modelo usaste, qué le pediste y qué tan bien salió del 1 al 10. Una línea alcanza.

A las pocas semanas vas a saber con datos propios qué conviene mandarle a cuál. Sin eso, cada decisión es una corazonada — y como muestra el promedio de más arriba, las corazonadas sobre estos números fallan.