Resumen

  • La tarifa de Colab establece una caducidad de 90 días para las unidades de cálculo; los recursos que compra cada unidad dependen de la configuración y del acelerador.
  • Google AI y Colab pueden aportar unidades al mismo saldo en fechas distintas. El usuario debe coordinar esas entradas con trabajos que realmente pueda ejecutar.

Un laboratorio puede tener el presupuesto aprobado, las unidades compradas y el experimento todavía en una hoja de cálculo. Falta limpiar los datos. Falta decidir una variable. Falta que alguien conteste. Mientras tanto, en Colab, parte de la compra ya tiene fecha de salida.

La tarifa oficial anuncia 100 unidades mensuales para Pro y 600 en total para Pro+, con caducidad a los 90 días. También explica que los recursos accesibles mediante una unidad dependen de la máquina virtual y del uso de aceleradores como GPU o TPU. La cifra del saldo no equivale a una cantidad fija de horas de GPU.

Este detalle cambia el sentido de «ya tenemos cómputo». Lo que hay es crédito para utilizar un servicio dentro de unas condiciones. Convertirlo en una comparación de modelos, una prueba terminada o un resultado reproducible requiere otra clase de organización. El departamento de compras puede cerrar su expediente mucho antes de que el investigador consiga cerrar el suyo.

El calendario no acepta recargas

Google conserva margen para ajustar el servicio. En sus preguntas frecuentes vincula el acceso a GPU a bajo precio con límites y disponibilidad de hardware dinámicos. Esa variación también existe en los planes de pago. Las GPU de gama alta están sujetas a disponibilidad.

El intercambio tiene sentido para trabajos que toleran flexibilidad. Colab ahorra la preparación y administración de una máquina propia, y facilita comenzar un notebook sin una pequeña ceremonia informática. Un ensayo corto que puede cambiar de configuración aprovecha bien esa comodidad.

La tensión aparece cuando el proyecto tiene una cita que no se mueve. Pensemos en una demostración que necesita entrenar con datos entregados tarde. Comprar más unidades amplía el crédito disponible, pero no aparta una GPU concreta para la víspera de la presentación. Si el equipo debe reorganizar el experimento para otra configuración, el precio acaba incluyendo trabajo humano y cambios de agenda. Ese es el riesgo que se desprende de las reglas, sin atribuirlo a un caso concreto.

Caducidad y disponibilidad se combinan de una manera incómoda: el cliente controla cuándo compra, pero no controla por completo cuándo encuentra la configuración deseada. La flexibilidad del servicio necesita una contraparte: un usuario capaz de adaptar su trabajo.

Dos grifos, un depósito

La incorporación de Colab a los planes Google AI, anunciada el 22 de septiembre, amplía la entrada de créditos. Google mantiene las suscripciones Colab existentes y permite sumar los beneficios de ambas ofertas cuando se cumplen los requisitos.

La FAQ detalla que Google AI y Colab Pro o Pro+ pueden coexistir en una cuenta. Sus unidades llegan al mismo saldo, aunque las fechas mensuales de entrega sean distintas. Las suscripciones se administran por separado en el lugar de compra.

Para quien ya consume esas unidades con regularidad, la suma puede ser útil. Quien contrata Google AI principalmente por otros productos puede recibir capacidad de gasto sin haber añadido ningún experimento a su agenda. El saldo crece; los datos, el tiempo y las preguntas de investigación permanecen iguales.

Conviene mantener el origen de cada lote a la vista. Los 90 días están publicados en la tarifa Colab; las condiciones de los beneficios concretos de Google AI requieren su propia comprobación. Una cifra conjunta sirve para ver cuánto hay, pero resulta pobre como calendario de trabajo.

La peor solución consiste en inventar pruebas para gastar lo que sobra. Un barrido de parámetros sin una pregunta clara produce actividad, archivos y trabajo de interpretación. Puede mejorar el porcentaje de unidades consumidas y empeorar la productividad del equipo. La caducidad es una condición comercial; convertirla en directora de investigación sería ascenderla demasiado.

Terminar importa más que arrancar

Pro+ permite ejecutar código de forma continua hasta 24 horas si quedan suficientes unidades. Google también advierte que, al agotarlas en Pro, Pro+ o Pay As You Go, se termina la ejecución del backend. Una sesión larga necesita saldo para llegar al final, además de un entorno adecuado al principio.

Por eso el coste útil se mide en resultados terminados y conservados. Una configuración que consume más por hora puede completar antes una prueba valiosa; otra aparentemente ahorradora puede alargarla. El gasto por hora aislado premia con demasiada facilidad la lentitud.

Faltan registros por cuenta que relacionen entregas, caducidad, hardware disponible y experimentos útiles terminados; esos datos permitirían cuantificar el saldo desaprovechado y el coste efectivo de los resultados.

El comprador sí puede actuar sobre lo que conoce: tener preparados los datos, estimar el consumo con la configuración real y reservar margen para guardar resultados y repetir lo necesario. La compra debe seguir a una lista de trabajos ejecutables, con prioridad científica o comercial propia. Un número bonito en la cuenta no sustituye esa lista.

El cuaderno viaja; la máquina necesita dueño

El entorno local de Colab permite conservar la interfaz y ejecutar en hardware propio. Compartir el notebook no comparte ese entorno. La salida existe, pero alguien debe proporcionar capacidad, mantenerla y reconstruir las dependencias.

Así se hace visible el precio de la certeza. Hay tareas para las que compensa aceptar variaciones y disfrutar de la comodidad del servicio. Otras tienen un plazo tan rígido que pagar por una ventana de recursos más previsible resulta razonable.

La comparación decisiva enfrenta el coste de terminar el trabajo en fecha con el de reorganizarlo. Las unidades son la entrada de esa cuenta. El experimento terminado es la salida. Entre ambos queda todo lo que el botón de comprar no hace.