Lambda Labs

Lambda Labs (ahora conocida simplemente como Lambda) es una plataforma en la nube de GPU fundada en 2012 por Stephen y Michael Balaban, con sede en San José, California. La oferta principal de la empresa es sencilla: alquilar acceso a hardware de GPU de NVIDIA, facturado por horas, con frameworks de aprendizaje profundo preinstalados para que puedas empezar a entrenar o ejecutar inferencias sin tocar un controlador. Lambda posee y opera sus propios centros de datos, lo que la distingue de los proveedores con modelo de mercado que agregan suministro de terceros. A principios de 2026, la empresa cambió su enfoque a "The Superintelligence Cloud", reflejando un giro hacia la infraestructura de fábricas de IA a gran escala tras su Serie D de $480M en febrero de 2025 y su Serie E de $1.5B en noviembre de 2025.

La línea actual de GPU incluye NVIDIA B200 SXM6 (desde $6.69/GPU/hr para nodos de 8 GPU), H100 SXM (desde $3.99/GPU/hr en configuraciones de 8 GPU), H100 PCIe ($3.29/hr), GH200 ($2.29/hr), A100 y tarjetas de generaciones anteriores hasta por $0.69/hr. Cada instancia se inicia con Lambda Stack: Ubuntu Linux, PyTorch, TensorFlow, el kit de herramientas CUDA y cuDNN ya instalados. El producto estrella de clústeres, 1-Click Clusters, aprovisiona de 16 a más de 2,000 GPU H100 o B200 conectadas a través de NVIDIA Quantum-2 InfiniBand para cargas de trabajo de entrenamiento distribuido. No hay tarifas de salida de datos ni gasto mínimo para las instancias bajo demanda. Los productos gestionados Inference API y Lambda Chat se retiraron en septiembre de 2025; Lambda ahora se centra por completo en la infraestructura de computación de GPU.

Lo que Lambda realmente hace en abril de 2026

El conjunto de productos de Lambda, reducido a lo esencial, se compone de tres elementos: máquinas virtuales de GPU bajo demanda, clústeres multinodo reservados y el entorno de software Lambda Stack. Las instancias bajo demanda se inician en minutos a través del panel web o la REST API. Obtienes acceso root por SSH a una instancia de Linux con CUDA, PyTorch y TensorFlow ya en funcionamiento. JupyterLab es accesible desde el navegador. El almacenamiento persistente NFS se puede adjuntar y compartir entre múltiples instancias en la misma región.

El producto 1-Click Clusters es donde Lambda compite en el nivel de laboratorios de vanguardia. Clústeres de 16 a más de 2,000 GPU, ejecutando hardware HGX B200 o H100, con Quantum-2 InfiniBand y aceleración SHARP para comunicaciones colectivas. La orquestación es a tu elección: Kubernetes gestionado o Slurm. La certificación SOC 2 Type II hace que esto sea viable para los requisitos de cumplimiento empresarial. El alquiler mínimo es de dos semanas, con plazos de hasta un año y precios personalizados más allá de eso. A partir de GTC 2026, Lambda es socio de lanzamiento de la plataforma de CPU Vera de NVIDIA y ha anunciado una instalación con más de 10,000 GPU Blackwell Ultra.

Lo que Lambda ya no hace: endpoints de API de inferencia gestionados. La Inference API compatible con OpenAI y Lambda Chat, que alojaban DeepSeek-R1 y otros modelos de código abierto, se cerraron el 25 de septiembre de 2025. Los equipos que habían creado servicios sobre estos productos tuvieron aproximadamente dos semanas de aviso antes del corte.

Dónde se sitúa Lambda frente a CoreWeave y RunPod

CoreWeave es la nube de GPU dedicada más grande, con una arquitectura nativa de Kubernetes diseñada para el entrenamiento de modelos fundacionales empresariales a gran escala. CoreWeave ofrece instancias GB200 (Lambda tiene B200 SXM6 pero no unidades a escala de rack GB200 NVL72 a principios de 2026), cobertura multirregión que incluye un centro de datos en Londres lanzado en 2026, y una profunda integración con la pila de software de NVIDIA. El precio bajo demanda de la H100 en CoreWeave ronda los $6.16/hr, significativamente más alto que el rango de $3.99-4.29/hr de las SXM de Lambda. La contrapartida: CoreWeave requiere compromisos contractuales importantes y no es accesible para un investigador independiente con una tarjeta de crédito, mientras que Lambda admite la facturación por horas de una sola GPU. La estructura financiera de CoreWeave también atrae el escrutinio: la empresa tenía $8B en deuda frente a $1.9B en ingresos en 2024, con pérdidas reportadas de $863M ese año.

RunPod opera un modelo de mercado, agregando suministro de operadores de centros de datos de terceros en su Community Cloud junto con un nivel Secure Cloud con proveedores verificados. La Community Cloud de RunPod ofrece instancias H100 desde tan solo $1.99/hr, aproximadamente un 40-50% más baratas que el precio de la H100 PCIe de Lambda, lo que la convierte en la opción predeterminada para investigadores con presupuestos ajustados que pueden tolerar una calidad de hardware variable y posibles interrupciones. RunPod también ofrece endpoints de Serverless GPU para inferencia (facturación por segundo), algo que Lambda ya no proporciona. La diferencia mecánica clave: Lambda es propietaria de su hardware y cuenta con la certificación SOC 2 Type II, lo que la hace adecuada para cargas de trabajo empresariales y con estrictos requisitos de cumplimiento que el nivel comunitario de RunPod no puede atender. Lambda también ofrece clústeres multinodo conectados en red con InfiniBand; RunPod tiene un límite de configuraciones de un solo nodo de 8 GPU sin InfiniBand.

"La fiabilidad del rendimiento es algo que no puedo encontrar en otras ofertas de OpenRouter." - mpapili, foros de Lambda DeepTalk, septiembre de 2025 (reaccionando al cierre de la Inference API, reconociendo que la calidad de Lambda en los modelos alojados era genuinamente difícil de reemplazar)

Cómo es la realidad del flujo de trabajo

El flujo de trabajo típico de Lambda para un investigador: iniciar sesión en el panel, seleccionar el tipo y la cantidad de GPU, adjuntar o crear almacenamiento persistente, y lanzar. La instancia está lista en menos de dos minutos. Accedes por SSH con tu clave, PyTorch funciona, CUDA está configurado, Jupyter está disponible en una URL del navegador. Para un investigador independiente o un equipo pequeño, esto elimina días de depuración de controladores y resolución de conflictos de CUDA que plagan las configuraciones autoalojadas.

La fricción surge a escala y en los límites de capacidad. La disponibilidad de GPU bajo demanda ha sido el problema documentado más persistente de Lambda. Un revisor de Medium con datos de seis meses de uso de Lambda descubrió que el aprovisionamiento de A100 en el mismo día solo tuvo éxito el 64% de las veces, lo que significa que aproximadamente una de cada tres solicitudes fallaba en el acto. Un incidente a finales de 2024 que involucró 26 horas de estado "temporalmente no disponible" para H100 durante un proyecto de un cliente fue el punto de quiebre que llevó a ese revisor a cambiar a un competidor. Según los informes, la disponibilidad ha mejorado en 2026 con la mayor inversión en infraestructura de Lambda, pero el riesgo sigue siendo real para las cargas de trabajo sensibles al tiempo.

Para las cargas de trabajo en clúster, el producto 1-Click Clusters se acerca más a un servicio gestionado: Lambda se encarga del aprovisionamiento de la estructura InfiniBand, la configuración de Kubernetes o Slurm, y la configuración del almacenamiento. La contrapartida es que el alquiler mínimo es de dos semanas y el precio ($6.16/GPU/hr para H100, $9.86/GPU/hr para B200 en términos reservados) es significativamente más alto que bajo demanda. No hay precios spot o interrumpibles en ninguna parte de la línea de productos de Lambda.

"Durante seis meses, mi tasa de éxito para el aprovisionamiento de A100 en el mismo día fue de aproximadamente el 64%, lo que significa que aproximadamente una de cada tres veces no pude obtener computación bajo demanda." - Alexa V., Medium, finales de 2024 (documentando fallos recurrentes de disponibilidad que finalmente provocaron un cambio a vast.ai)

Para quién está diseñado Lambda

El mejor ajuste de Lambda es con investigadores de ML y equipos de IA pequeños y medianos que necesitan un acceso a GPU fiable y que cumpla con las normativas sin la complejidad de la configuración de la nube de los hiperescaladores. La propuesta de valor de Lambda Stack es real: puedes pasar de la tarjeta de crédito a ejecutar un trabajo de entrenamiento en PyTorch en menos de cinco minutos. Para universidades, laboratorios de investigación y startups de IA financiadas, Lambda se sitúa en la intersección de la eficiencia de precios (frente a AWS o Google Cloud, que todavía tienen tarifas 2-3 veces superiores a las de Lambda en hardware equivalente a pesar de los recortes de precios de mediados de 2025) y la simplicidad operativa.

Para el entrenamiento distribuido a escala de vanguardia, los 1-Click Clusters son una alternativa creíble a CoreWeave para los equipos que desean InfiniBand gestionado sin los mínimos de contrato o la complejidad financiera de CoreWeave. Según se informa, la base de clientes de Lambda incluye a las 10 principales universidades de EE. UU. y a cinco de las diez empresas tecnológicas más grandes, lo que habla de la credibilidad empresarial de su infraestructura con certificación SOC 2.

La Serie D de $480M codirigida por Andra Capital y SGW en febrero de 2025, con la participación de NVIDIA, Andrej Karpathy, ARK Invest e In-Q-Tel, validó la posición de Lambda como un actor serio en infraestructura. La posterior Serie E de $1.5B en noviembre de 2025, liderada por TWG Global, confirmó la ambición de la empresa de construir fábricas de IA a escala de gigavatios.

Lo que Lambda no es

Lambda no es una nube de propósito general. No hay bases de datos gestionadas, ni computación sin servidor (serverless), ni CDN, ni balanceadores de carga, ni primitivas de gestión de identidad y acceso, ni redes VPC multirregión. Si tu pila tecnológica necesita alguna de esas cosas junto con la computación de GPU, estás ejecutando una configuración híbrida con un hiperescalador, y tendrás que gestionar la complejidad de eso tú mismo.

Lambda no es un proveedor de API de inferencia gestionada, a partir de septiembre de 2025. El cierre repentino de la Inference API y Lambda Chat con dos semanas de aviso dejó a los desarrolladores que habían creado servicios de producción en ese nivel sin una ruta de migración obvia. La reacción en el foro de la comunidad fue dura: "¿Cómo pueden simplemente anunciar que la Inference API se retirará y ya está?" (dmatic, DeepTalk, 4 de septiembre de 2025). Este incidente es importante para cualquiera que evalúe a Lambda como una plataforma sobre la cual construir, en lugar de simplemente alquilarle computación.

Lambda no es competitivo en precio en la parte más baja del mercado. La Community Cloud de RunPod ofrece instancias H100 a $1.99/hr y A100 por debajo de $1/hr en hardware comunitario. vast.ai agrega un suministro aún más barato. Un usuario documentado redujo su factura mensual de Lambda de $1,400 a $590 al trasladar cargas de trabajo equivalentes a vast.ai. La prima de Lambda sobre el nivel de mercado compra la propiedad del centro de datos, la certificación SOC 2 y la consistencia del hardware, pero los equipos para los que el precio es la variable principal deberían evaluar las alternativas.

Evita Lambda cuando: necesites precios spot/interrumpibles para la optimización de costes, necesites endpoints de inferencia gestionados en lugar de computación en bruto, tu carga de trabajo requiera acceso de baja latencia en Europa o Asia, o necesites servicios en la nube más allá de la computación de GPU.