Vast.ai

Vast.ai es un mercado descentralizado de alquiler de GPU fundado en 2018 por Jake Cannell. En lugar de poseer su propia flota de GPU, la plataforma conecta a anfitriones independientes (particulares, centros de datos, proveedores de servicios gestionados) con arrendatarios que necesitan capacidad de cálculo para entrenamiento de IA, inferencia y renderizado. Los precios se fijan por la oferta y la demanda, razón por la cual Vast.ai supera sistemáticamente a las nubes gestionadas ofreciendo precios entre un 60-80% más bajos en hardware comparable. A principios de 2026, la plataforma cuenta con más de 20,000 GPU de 68 tipos diferentes provenientes de más de 1,400 proveedores, abarcando desde tarjetas RTX de consumo hasta hardware empresarial H100, H200 y B200.

El producto principal son las instancias de GPU bajo demanda, aprovisionadas a través de una consola web, CLI o API REST con facturación por segundo. Los arrendatarios buscan, filtran por tipo de GPU y puntuación de fiabilidad, y luego despliegan un contenedor Docker en cuestión de segundos. En diciembre de 2025, Vast.ai lanzó su producto Serverless, que añade un escalado de GPU totalmente automatizado para cargas de trabajo de inferencia, incluyendo optimización predictiva de carga y endpoints para múltiples grupos de trabajo (workergroups). La plataforma cuenta con las certificaciones SOC 2 Tipo I y II, con un modo opcional Secure Cloud (ISO 27001, HIPAA) para equipos que manejan datos sensibles.

Lo que Vast.ai realmente hace en mayo de 2026

Vast.ai opera tres productos de computación distintos. El GPU Cloud original es un mercado bajo demanda donde los arrendatarios eligen una máquina, establecen una puja máxima y activan un contenedor Docker en el hardware de ese anfitrión. La facturación es por segundo, con conceptos separados para el tiempo activo de la GPU, el almacenamiento (que se cobra incluso cuando la instancia está en pausa) y el ancho de banda de salida.

El segundo producto es Clusters, que proporciona configuraciones dedicadas de múltiples nodos con redes InfiniBand para trabajos de entrenamiento distribuido que son demasiado grandes para un solo nodo. Este servicio es menos estándar y requiere coordinación directa con la plataforma.

El tercer producto es Vast.ai Serverless, lanzado el 10 de diciembre de 2025. Esta capa gestiona los arranques en frío, el autoescalado y el enrutamiento de trabajos de forma automática a través de la red de anfitriones distribuidos. Un decorador del SDK de Python permite a los desarrolladores llamar a funciones de inferencia como si fueran código local, mientras la infraestructura se ejecuta de forma remota. La actualización del producto de abril de 2026 añadió endpoints compatibles con OpenAI y una ruta de despliegue nativa en Python sin dependencia del panel de control.

Los tipos de hardware disponibles a partir de abril de 2026 incluyen toda la línea de consumo RTX (desde la 3060 hasta la 5090), variantes de centro de datos A100 y H100, L40S, H200, B200 y hardware AMD Radeon/Instinct añadido en mayo de 2024, cuando Vast se convirtió en el primer gran mercado de alquiler de GPU en incorporar soporte para AMD. Ese anuncio sobre AMD coincidió con el informe de la empresa de un crecimiento interanual del 265% desde 2019 y una tasa de crecimiento del 310% específicamente en 2024. El CEO Jake Cannell enmarcó la expansión de AMD como una jugada deliberada por el lado de la oferta: "Añadir soporte para AMD ayuda a Vast a continuar la tendencia y seguir liderando el sector". El efecto práctico fue que los proveedores de servicios gestionados con hardware AMD inactivo ahora podían anunciarlo en el mercado, ampliando el lado de la oferta sin requerir que Vast.ai comprara ningún hardware por sí misma.

Las más de 700,000 transacciones mensuales de la plataforma y sus más de 123,000 clientes de pago reflejan una base de usuarios que se inclina hacia los profesionales técnicos. El usuario típico de Vast.ai no es alguien que hizo clic en un enlace de registro y necesita un tutorial guiado. Ya sabe qué GPU necesita, cuánta VRAM requiere su modelo y cómo escribir un Dockerfile. La plataforma recompensa ese conocimiento con acceso a niveles de precios que las nubes gestionadas no pueden igualar. Ese mismo requisito de conocimientos es también la principal razón por la que Vast.ai no es adecuada para todos los equipos.

Dónde se sitúa Vast.ai frente a RunPod y Lambda Labs

El espacio de la nube de GPU se divide a grandes rasgos en tres niveles. Las nubes empresariales gestionadas (Lambda Labs, CoreWeave) poseen su propio hardware, proporcionan SLA de fiabilidad y cobran en consecuencia. Las plataformas gestionadas híbridas (RunPod) operan sus propios centros de datos al mismo tiempo que actúan como intermediarios para anfitriones de terceros. Los mercados (Vast.ai) no poseen nada y dejan que la oferta y la demanda fijen los precios. Esta diferencia estructural es lo que explica tanto la ventaja de precios de Vast.ai como su límite de fiabilidad.

Frente a RunPod, Vast.ai suele ganar en el precio bruto por hora, a veces por un amplio margen. A100 SXM 80GB: RunPod $0.79/hr vs Vast.ai $0.67/hr. L40: RunPod $0.69/hr vs Vast.ai $0.31/hr. H100 80GB: RunPod $1.50-1.99/hr vs Vast.ai $0.90-1.87/hr dependiendo del nivel de verificación del anfitrión. RunPod opera sus propios centros de datos "Secure Cloud" con aproximadamente un 99.5% de tiempo de actividad y ofrece plantillas de despliegue con un solo clic para los frameworks de ML más comunes. Vast.ai no tiene un nivel gestionado equivalente a menos que se opte por Secure Cloud, lo que cierra gran parte de la brecha de precios. El resumen honesto de un análisis de precios de 2026: "Vast.ai suele ganar en el precio bruto por hora de la GPU (a veces por mucho), mientras que RunPod a menudo gana en la comodidad de 'necesito que esto simplemente funcione'".

Lambda Labs es la otra comparación habitual, dirigida a equipos de investigación y clientes empresariales que desean una nube gestionada con personal de soporte centrado en ML. La A100 de Lambda cuesta ~$1.29/hr frente a los $0.52-0.80/hr de Vast.ai por un hardware equivalente, una prima del 60-150%. El catálogo de GPU de Lambda es más reducido (A100, H100, A10G, RTX 6000 Ada), las H100 pueden agotarse durante los picos de demanda y los precios son fijos en lugar de estar impulsados por el mercado. Lo que Lambda ofrece a cambio: ingenieros de soporte dedicados, una incorporación fluida y una infraestructura que no depende del comportamiento de anfitriones externos independientes. Para los equipos con requisitos estrictos de manejo de datos o sin tolerancia a la variabilidad de la infraestructura, la previsibilidad de Lambda justifica el coste. Para los investigadores con presupuesto limitado que se manejan bien con Docker, Vast.ai suele ganar únicamente por razones económicas.

Frente a CoreWeave, Crusoe, Modal y Replicate, Vast.ai ocupa una posición diferente. CoreWeave es un proveedor gestionado de nivel hyperscaler; sus H100 funcionan a $3.90+/hr bajo demanda. Crusoe se centra en la computación sostenible para contratos empresariales. Modal y Together AI abstraen la infraestructura por completo, ofreciendo API de inferencia serverless donde los usuarios nunca aprovisionan instancias. El producto Serverless de Vast.ai ahora se solapa parcialmente con Modal y Together AI para la inferencia, pero el producto principal del mercado sigue priorizando la infraestructura: los usuarios siguen aprovisionando contenedores Docker y gestionando sus propias dependencias.

"Vast me ha ahorrado decenas de miles de dólares ejecutando experimentos de ML." - tehsauce, Hacker News, marzo de 2023

"Escalamos a 46 servidores H100, completando una tarea de enriquecimiento de LLM de 100,000 documentos en 38 minutos a una cuarta parte de los costes típicos de la nube." - Anna Bosch, VP Data Intelligence, Launchmetrics, diciembre de 2025

Cómo es la realidad diaria del alquiler

El flujo de trabajo: añadir saldo (mínimo $5), buscar ofertas disponibles filtradas por tipo de GPU, VRAM, puntuación de fiabilidad, estado de verificación y precio, y luego desplegar una imagen Docker. La facturación por segundo comienza inmediatamente; la facturación por almacenamiento continúa incluso cuando la instancia está detenida. La CLI y el SDK de Python admiten la búsqueda y el aprovisionamiento programáticos, lo cual es importante para los flujos de trabajo por lotes en los que se desea encontrar automáticamente la instancia disponible más barata que cumpla los criterios.

Las instancias interrumpibles permiten a los anfitriones reclamar su GPU con poco margen de aviso, normalmente unos minutos. Estas son entre un 30-50% más baratas que las instancias bajo demanda del mismo anfitrión y tienen sentido para trabajos de entrenamiento con el guardado de checkpoints activado. Sin checkpoints, una interrupción en la hora 8 de una ejecución de 10 horas significa tener que reiniciar desde cero.

Los anfitriones de centros de datos verificados cuestan más ($1.50-1.87/hr para las H100) pero reducen la brecha de fiabilidad a un sobrecoste del 3-13% por encima de la tarifa indicada. Los anfitriones no verificados son más baratos, pero conllevan una prima de coste efectivo del 20-55% tras tener en cuenta el tiempo de inactividad y los gastos generales de reinicio. El filtro de puntuación de fiabilidad en la interfaz de búsqueda pone de manifiesto este riesgo, pero no lo elimina. Un consejo práctico de la comunidad: filtrar por anfitriones verificados cuando se ejecuten trabajos de más de 2-3 horas, y establecer siempre intervalos de checkpoints en cualquier caso.

El ancho de banda es una deficiencia conocida. Múltiples usuarios han reportado un rendimiento real consistentemente 10 veces inferior al anunciado, lo que afecta a los tiempos de descarga de grandes conjuntos de datos y ralentiza los flujos de trabajo que dependen de transferencias de datos frecuentes. Se trata de un problema de infraestructura del lado del anfitrión que la plataforma no puede controlar plenamente a través de la mecánica del mercado.

Para quién está diseñado Vast.ai

Vast.ai es muy adecuado para investigadores de ML y estudiantes con experimentos de presupuesto limitado, desarrolladores independientes que ejecutan trabajos de fine-tuning o inferencia por lotes y se sienten cómodos con Docker, y equipos que realizan procesamiento por lotes a gran escala donde los costes por ejecución importan más que la fiabilidad por ejecución. Los checkpoints gestionan los reinicios, y el ahorro es real: a $0.34/hr por una RTX 4090 frente a los $0.79-1.00/hr de las alternativas gestionadas, una ejecución de fine-tuning de 40 horas puede costar $14 en Vast.ai frente a los $32-40 en otros lugares. Esa diferencia se multiplica en un laboratorio de investigación que ejecuta docenas de experimentos a la semana.

La plataforma también es una excelente opción para las organizaciones que construyen pipelines de IA programáticos. La API REST y el SDK de Python permiten la búsqueda, el aprovisionamiento y el desmontaje automatizados de instancias, lo cual es importante para los trabajos de inferencia por lotes o los pipelines de evaluación de modelos que necesitan activar capacidad de cálculo bajo demanda sin intervención humana. El producto Serverless lanzado en diciembre de 2025 amplió aún más esto, dirigiéndose a equipos que desean un endpoint de inferencia sin gestión de instancias, situando ahora a Vast.ai en competencia parcial con Modal y Together AI en ese caso de uso específico.

Los equipos de startups con presupuestos ajustados suelen utilizar Vast.ai para el desarrollo y la experimentación, y luego pasan a una nube gestionada para la producción. La economía favorece fuertemente esta división: crear prototipos en Vast a precios de mercado, y desplegar la inferencia de producción en RunPod Secure Cloud o Lambda una vez que el modelo está consolidado y los requisitos de fiabilidad son firmes. Este flujo de trabajo evita pagar de más por la computación gestionada durante la fase exploratoria, al tiempo que mantiene una fiabilidad de nivel de producción donde es necesario.

Lo que Vast.ai no es

Vast.ai no es una nube gestionada. No hay un SLA de tiempo de actividad en las instancias estándar. No hay un equipo de soporte dedicado análogo al personal de ingeniería de ML de Lambda Labs. Vast.ai describe su soporte como un chat humano, pero múltiples informes de la comunidad describen la profundidad de las respuestas como básica en lugar de a nivel de experto en infraestructura.

La seguridad es la preocupación más citada por los usuarios con experiencia técnica. Dado que los anfitriones tienen acceso completo al entorno del host de Docker, teóricamente pueden inspeccionar las cargas de trabajo en ejecución: "Vast es un mercado gris con muy pocas medidas de seguridad. Un anfitrión puede husmear en tus cargas de trabajo muy fácilmente porque tiene acceso completo al host de docker." - deserialized, Hacker News, mayo de 2023. La opción Secure Cloud con ISO 27001 mitiga esto para el uso empresarial, pero las instancias estándar del mercado no son apropiadas para cargas de trabajo que involucren pesos de modelos propietarios, datos de entrenamiento privados o información personal regulada.

La restricción de un solo contenedor limita la integración con arquitecturas multiservicio. No se puede conectar limpiamente Vast a un clúster existente de Dagster o Airflow; la plataforma aprovisiona contenedores individuales, no capas de orquestación. Para los equipos cuyas cargas de trabajo de IA están estrechamente integradas con las herramientas de infraestructura existentes, RunPod o una nube gestionada son una mejor opción operativa.

Evite Vast.ai cuando: su trabajo no pueda tolerar interrupciones a mitad de ejecución sin checkpoints, esté manejando datos sensibles/PII fuera de Secure Cloud, necesite un endpoint de inferencia de producción con garantías de SLA, o su equipo carezca de experiencia en Docker y necesite un despliegue basado en plantillas para avanzar rápidamente.