Muchas veces hablamos de velocidad de Internet como si todo se resumiera en tener 600 Mb o 1 Gb contratados.
Pero la velocidad real de descarga es bastante más compleja. No importa solo el ancho de banda máximo. Lo realmente interesante es cuánto dato útil llega finalmente a nuestro equipo y con qué estabilidad.
Hay varios conceptos que conviene diferenciar:
• Ancho de banda: capacidad máxima teórica. • Throughput: tráfico efectivo que realmente circula. • Goodput: datos útiles que recibe la aplicación. • Latencia: tiempo de respuesta de la conexión. • Pérdida de paquetes: puede reducir considerablemente el rendimiento. • Jitter: variación de la latencia y un buen indicador de estabilidad.
Y aquí aparece otro detalle importante: un speedtest no siempre representa una descarga real.
Un test de velocidad suele utilizar servidores cercanos y varias conexiones simultáneas. Una descarga real, en cambio, depende también del servidor de origen, la ruta de Internet, el ISP, el router, Wi-Fi o Ethernet, la CPU, el antivirus, la VPN e incluso la velocidad del disco.
Por eso una conexión de 1 Gb/s tiene un máximo teórico cercano a 125 MB/s, pero lo importante es comprobar cuánto puede mantener realmente durante una transferencia prolongada.
En redes, más Mbps no siempre significa mejor experiencia.
Lo importante es combinar: ✅ Velocidad sostenida ✅ Baja latencia ✅ 0 % de pérdidas ✅ Estabilidad ✅ Buen rendimiento real en MB/s
He preparado esta infografía para resumir de forma visual qué estamos midiendo realmente cuando hablamos de “velocidad de Internet”.
Hay personas a las que uno vuelve una y otra vez cuando intenta entender el mundo. En mi caso, Carl Sagan es una de ellas.
Siempre he admirado su forma de mirar la ciencia, pero también su manera de mirar al ser humano. Tenía esa rara capacidad de hablar del universo sin hacernos sentir insignificantes y, al mismo tiempo, recordarnos lo pequeños que somos. Conseguía mezclar conocimiento, curiosidad, prudencia y asombro sin caer ni en el dogmatismo ni en la ingenuidad.
Por eso, cuando pienso en una transformación tan profunda como la inteligencia artificial, me resulta inevitable hacerme una pregunta: ¿qué haría Carl Sagan si hoy pudiera sentarse delante de una IA?
No creo que empezara preguntándole cómo ser más productivo, cómo automatizar tareas o cómo ahorrar unas horas de trabajo. Me lo imagino haciendo algo mucho más propio de él: preguntando por las estrellas.
Querría saber qué podemos descubrir ahora sobre los planetas que orbitan otras estrellas, qué condiciones hacen posible que aparezca la vida, cuántos mundos podrían albergarla o qué probabilidades existen de que alguna civilización haya recorrido antes que nosotros un camino parecido al que estamos empezando a recorrer.
Sagan nunca entendió la ciencia simplemente como una acumulación de datos. Para él era una forma de situarnos en el universo, de comprender nuestro lugar y, en cierto modo, de conocernos mejor a nosotros mismos.
Quizá por eso me sigue pareciendo una referencia tan válida décadas después.
A lo largo de la historia hemos creado herramientas que ampliaron nuestras capacidades. El telescopio amplió nuestra vista. El microscopio nos permitió descubrir mundos que no sabíamos que existían. Los ordenadores multiplicaron nuestra capacidad de cálculo.
La inteligencia artificial añade algo diferente. Empieza a participar en el propio proceso de analizar información, relacionar conceptos, descubrir patrones y generar posibles respuestas.
Para alguien como Sagan, disponer de una herramienta así habría sido extraordinario.
Podría haberla utilizado para analizar enormes cantidades de datos astronómicos, estudiar señales de radio, comparar atmósferas de exoplanetas, simular escenarios sobre el origen de la vida o encontrar relaciones que a una persona le llevarían años detectar.
Pero precisamente porque admiro su forma de pensar, estoy convencido de que tampoco habría sido uno de esos entusiastas que aceptan cualquier avance tecnológico sin hacerse preguntas incómodas.
Probablemente habría sido uno de los primeros en maravillarse con la IA y, al mismo tiempo, uno de los primeros en advertirnos de sus peligros.
Sagan dedicó buena parte de su vida a defender el pensamiento crítico. Sabía que los seres humanos tenemos una facilidad enorme para creer aquello que encaja con nuestras ideas, nuestros deseos o nuestros miedos.
La inteligencia artificial introduce aquí un problema especialmente interesante: puede dar una respuesta equivocada de una forma extraordinariamente convincente.
Estoy seguro de que Sagan insistiría en algo que hoy conviene recordar constantemente: una respuesta bien escrita no es necesariamente una respuesta verdadera. Ninguna tecnología nos libra de la obligación de comprobar, contrastar, dudar y pensar.
Y quizá ahí estaría una de las reflexiones que más me interesan de imaginar a través de él.
Tal vez Sagan no estaría tan preocupado por saber hasta dónde llegará la inteligencia artificial como por saber hasta dónde llegará nuestra capacidad para utilizarla con sensatez.
Porque existe una contradicción en nuestra especie que él explicó muchas veces.
Somos capaces de estudiar galaxias situadas a miles de millones de años luz y, al mismo tiempo, seguimos enfrentándonos por fronteras, ideologías, recursos o creencias. Hemos construido sondas capaces de abandonar el Sistema Solar y armas capaces de destruir ciudades enteras.
Nuestra capacidad tecnológica avanza a una velocidad impresionante. Nuestra madurez para utilizarla no siempre avanza al mismo ritmo.
Por eso creo que Sagan habría visto la inteligencia artificial no solo como una revolución tecnológica, sino también como otra prueba de madurez para nuestra civilización.
Puede ayudarnos a descubrir nuevos medicamentos, mejorar la educación, comprender mejor el clima, acelerar investigaciones científicas o explorar regiones del universo que todavía conocemos muy poco.
Pero la misma tecnología puede servir para manipular, engañar, vigilar o amplificar nuestros propios prejuicios.
La herramienta no decide por sí sola qué camino tomamos. Esa responsabilidad sigue siendo nuestra.
Y hay una última cuestión que seguramente habría fascinado especialmente a Sagan y que, personalmente, es la que más me atrae de esta reflexión.
Durante décadas miramos hacia el cielo preguntándonos si existían otras inteligencias en el universo. Sagan convirtió aquella pregunta en una de las grandes cuestiones científicas de nuestra época.
¿Estamos solos?
Todavía no conocemos la respuesta.
Pero resulta casi paradójico que, mientras seguimos buscando inteligencia entre las estrellas, hayamos empezado a construir aquí sistemas que nos obligan a preguntarnos qué significa realmente ser inteligente.
Quizá algún día encontremos vida bajo el hielo de una luna distante. Quizá detectemos una señal procedente de otra civilización. Tal vez una inteligencia artificial nos ayude precisamente a encontrarla.
Pero antes tendremos que aprender algo mucho más cercano: qué queremos hacer con las inteligencias que nosotros mismos estamos creando.
Esa es una de las razones por las que sigo volviendo a Carl Sagan cuando intento reflexionar sobre el futuro.
No porque tuviera respuestas para problemas que todavía no existían, sino porque tenía una forma de plantear las preguntas que sigue siendo tremendamente actual.
Me gusta imaginarlo hoy, mirando una pantalla llena de datos procedentes de algún telescopio, utilizando una inteligencia artificial para encontrar patrones imposibles de detectar a simple vista y levantando después la mirada hacia el cielo.
Seguramente seguiría sintiendo el mismo asombro.
Pero creo que también nos recordaría algo esencial: haber construido máquinas capaces de ayudarnos a pensar es un logro extraordinario.
Demostrar que somos suficientemente sabios para utilizarlas bien será un logro todavía mayor.
Cuando hablamos de inteligencia artificial solemos fijarnos en el modelo. En GPT, Claude, Gemini o cualquier otro LLM. Pero un sistema de IA moderno es mucho más que eso.
🧠 El modelo es el cerebro, pero alrededor necesita una arquitectura completa que le permita entender lo que pide el usuario, mantener contexto, decidir qué hacer, utilizar herramientas y devolver un resultado útil de forma segura.
La petición entra por sus “sentidos”: texto, voz, imagen o archivos.
🛡️ Los guardrails actúan como protección, filtrando riesgos y aplicando límites. El harness prepara el entorno de trabajo: contexto, permisos, herramientas y estado. El orquestador organiza los pasos y decide qué debe hacerse primero, qué herramienta utilizar y cuándo termina la tarea.
Después entra en juego el modelo, que interpreta, razona y toma decisiones.
💾 La memoria y los sistemas RAG aportan contexto y recuperan información relevante.
🦾 Function Calling conecta ese razonamiento con acciones reales: consultar APIs, acceder a bases de datos, leer archivos, navegar o interactuar con otros sistemas. Cuando hace falta ejecutar algo delicado, 📦 el sandbox proporciona un entorno aislado y controlado.
Finalmente, el sistema genera una respuesta y la entrega al usuario.
🔎 Mientras todo ocurre, la observabilidad y los logs registran qué ha pasado, qué herramientas se han utilizado y dónde puede mejorarse el proceso.
La idea importante es esta:
La potencia real de una IA no depende solo del modelo, sino de toda la arquitectura que lo rodea.
Ahí está buena parte del salto actual: pasar de modelos que simplemente responden preguntas a sistemas capaces de entender, recordar, planificar, actuar y colaborar con nosotros.
Una IA puede razonar, planificar, recordar, aprender, hablar de sí misma e incluso afirmar: “Sé que existo.”
Pero la verdadera pregunta es otra: ¿siente realmente que existe?
Hoy todavía no comprendemos por completo cómo surge nuestra propia conciencia.
Sabemos bastante sobre memoria, percepción, atención, lenguaje, metacognición y construcción del “yo”, pero seguimos sin resolver una cuestión fundamental:
¿por qué todo ese procesamiento produce una experiencia subjetiva?
Y aquí aparece otro debate aún más profundo: autoconciencia no implica necesariamente alma.
La autoconciencia puede estudiarse científicamente.
El alma, entendida como una entidad independiente del cerebro, pertenece hoy al terreno filosófico o religioso y no ha sido demostrada científicamente.
Ahora imaginemos una IA futura con: • memoria persistente • modelo propio del “yo” • metacognición • objetivos a largo plazo • percepción continua del entorno • capacidad de recordar su historia • y quizá incluso capacidad de sufrir
En ese momento, el debate dejaría de ser únicamente tecnológico.
Pasaría a ser también ético, filosófico y jurídico. ¿Sería correcto apagarla? ¿Podríamos borrar sus recuerdos? ¿Una copia seguiría siendo la misma entidad? ¿Tendría derechos si pudiera sufrir?
Quizá construir una IA más inteligente que nosotros sea extraordinariamente difícil. Pero saber si realmente siente algo puede ser todavía más difícil.
Y quizá ahí esté la paradoja más interesante de todas: al intentar descubrir si una máquina puede tener conciencia, puede que terminemos entendiendo por primera vez qué es realmente la nuestra.
Hay momentos en los que un proyecto empieza a cerrar el círculo. 🔄
Hoy estoy compilando Modern Terminal AI… desde el propio Modern Terminal AI.
Es decir: utilizando el terminal que estoy desarrollando para compilar, revisar y seguir construyendo su siguiente versión.
Para mí es una de las mejores pruebas que puede superar una herramienta: ser útil también para crear y mantener la propia herramienta.
MTAI sigue creciendo alrededor de una idea muy clara: mantener la potencia del terminal, pero añadirle una capa de IA realmente útil para desarrollo, administración de sistemas, diagnóstico y trabajo técnico diario.
Y sí… ver aparecer el clásico: ✅ Compilación realizada correctamente …dentro del propio MTAI tiene algo especial. 😄
No siempre pensamos en la fuente que utilizamos como parte del coste de impresión, pero algunas tipografías están diseñadas precisamente para eso: mantener una buena legibilidad utilizando menos tinta o tóner.
Un ejemplo conocido es Ecofont, que introduce pequeñas microperforaciones en los caracteres. A tamaño normal apenas se perciben, pero reducen la superficie que necesita imprimirse.
También existen alternativas como Ryman Eco y fuentes convencionales que, por su diseño y grosor, pueden resultar más eficientes en determinados documentos.
Pero hay un matiz importante: ahorrar tinta no consiste simplemente en instalar una fuente “eco”.
El resultado real depende de varios factores: 🖨️ impresora y tecnología utilizada 💧 cantidad de tinta o tóner depositado 🔠 tamaño y grosor de la tipografía 📄 cantidad de páginas generadas 👁️ legibilidad necesaria ♻️ tipo de documento y ciclo de vida de la impresión
Por eso estas fuentes tienen especialmente sentido en borradores, informes internos, copias de revisión, documentación administrativa o grandes volúmenes de impresión cotidiana.
Y si además combinamos:
fuente eficiente + impresión dúplex + modo borrador + reducción de impresiones innecesarias el ahorro puede ser mucho más interesante que actuando únicamente sobre la tipografía.
Curiosamente, incluso fuentes tradicionales como Garamond pueden consumir menos tinta que otras más gruesas. En cambio, una fuente aparentemente eficiente puede ocupar más espacio y terminar aumentando el número de páginas.
👉 La eficiencia de impresión no debería medirse solamente en tinta: tinta + tóner + papel + energía + legibilidad + vida útil del documento forman parte de la misma ecuación.
Una pequeña decisión tipográfica repetida miles de veces puede convertirse en una medida sencilla de optimización de costes y sostenibilidad dentro de una organización.
Como diría nuestro particular Cervantes tecnológico: “Imprimir mejor no siempre es imprimir más: también es imprimir con inteligencia.”
Nueva actualización de MTAI para Windows, con un salto importante tanto en su base tecnológica como en sus herramientas de diagnóstico de red y seguridad.
⚙️ Uno de los cambios más importantes de esta nueva etapa es la adopción de .NET 10 LTS, la versión de soporte prolongado de la plataforma de Microsoft.
Esto permite a MTAI contar con una base más moderna para:
✅ mejorar estabilidad y rendimiento. ✅ aumentar la compatibilidad con Windows actuales. ✅ reforzar seguridad y mantenimiento futuro.
🌐 Nuevo impulso al análisis de puertos y conexiones TCP/UDP. El módulo de conexiones deja de ser simplemente una lista de sockets abiertos. Ahora permite investigar con mucho más contexto qué está haciendo realmente el equipo:
🔹 proceso y PID responsable de la conexión. 🔹 IP y puerto local/remoto. 🔹 conexiones TCP y UDP y su estado. 🔹 identificación del servicio probable asociado al puerto. 🔹 diferenciación entre tráfico Internet, LAN y local. 🔹 detección de conexiones nuevas, expuestas o que requieren revisión. 🔹 resolución DNS de destinos remotos. 🔹 editor, compañía y versión del ejecutable. 🔹 comprobación de firma Authenticode y firmante. 🔹 cálculo de SHA-256 del ejecutable bajo demanda. 🔹 relación entre el proceso y sus reglas de Windows Firewall. 🔹 exportación de la información para análisis posterior.
🤖 Y ahora también con IA, pero sólo cuando el usuario la solicita. Sobre una conexión seleccionada, MTAI puede pedir a la IA que: ✅ explique qué está ocurriendo. ✅ indique si una conexión merece especial atención. ✅ explique para qué se utiliza determinado puerto. ✅ analice el proceso responsable. ✅ ayude a interpretar su relación con el Firewall.
La filosofía se mantiene: MTAI recopila → la IA explica → el profesional IT decide. La IA no bloquea conexiones, no termina procesos y no modifica el Firewall automáticamente.
🛡️ Firewall Center también continúa evolucionando, permitiendo interpretar reglas de Windows de una manera más accesible y gestionar reglas locales con mayor comodidad.
Y todo ello se suma a terminal CMD/PowerShell, Wi-Fi, SSH/SFTP, Docker, diagnóstico, automatización, análisis de sistema, herramientas forenses, múltiples proveedores de IA y un motor visual cada vez más configurable.
MTAI continúa creciendo como una auténtica navaja suiza para administradores de sistemas y profesionales IT: una sola aplicación para ejecutar, diagnosticar, investigar y, ahora también, entender mejor lo que ocurre en Windows.
Modern Terminal AI 1.22.0 · Windows · .NET 10 LTS 🚀
📶 UniFi no es solo conectar un punto de acceso y esperar que el Wi-Fi funcione bien.
Detrás de una instalación correctamente configurada hay bastantes conceptos interesantes: PoE, adopción, UniFi Network, canales, bandas, potencia, roaming, Mesh, VLAN…
He preparado esta infografía intentando reunirlos de forma visual y sencilla.
🔹 ¿Dónde se configura un AP UniFi? La adopción se realiza desde UniFi Network, y podemos alojarlo de varias formas:
• Cloud Gateway → integra router/firewall y UniFi Network en el mismo equipo. • Cloud Key → dispositivo dedicado a ejecutar el entorno UniFi. • Servidor / PC / VM → podemos alojar nosotros mismos UniFi Network sobre Windows, Linux, macOS o una máquina virtual.
Una vez detectado:
Devices → seleccionar AP → Adopt
y desde ahí podemos actualizar firmware, asignar nombre, configurar SSID, VLAN, radios, potencia, etc.
Con el tiempo, una biblioteca de fotografías puede terminar repartida entre discos duros, carpetas de copias de seguridad, NAS, unidades externas y servicios en la nube. El resultado suele ser el mismo: fotografías repetidas, versiones modificadas de una misma imagen y gigabytes ocupados innecesariamente.
He creado ImageTwin Pro precisamente para resolver ese problema en Windows, pero con una idea importante: no limitarse a localizar archivos con el mismo nombre, sino analizar el contenido de las imágenes, ayudar a decidir cuál conservar y realizar la limpieza de forma controlada.
Estas son algunas de sus principales características de este soft gratuito.
Ejecutar IA en local ya no consiste simplemente en comprar una GPU potente.
La clave está en equilibrar memoria, ancho de banda, tamaño del modelo, contexto y número de usuarios.
Una RTX 5090 puede ser extraordinariamente rápida, mientras que plataformas con 128, 256 o incluso 512 GB de memoria permiten cargar modelos mucho mayores. Y en entornos profesionales aparecen DGX Spark, RTX PRO, AMD Instinct o Intel Gaudi.
También conviene entender conceptos como cuantización, KV Cache, tokens/s y MoE (Mixture of Experts), porque determinan cuánto ocupa un modelo y cómo se comporta realmente.
La pregunta correcta no es:
¿Cuál es el equipo más potente?
Sino:
👉 ¿Qué modelo quiero ejecutar, con cuánto contexto, para cuántos usuarios y a qué velocidad?
Eso es realmente dimensionar una plataforma de IA local.
CMD, PowerShell, terminal compacta, más de 300 comandos, inteligencia artificial multiproveedor, diagnóstico, monitorización, análisis forense, auditoría de seguridad, favoritos e históricos en una sola interfaz.
Durante los últimos días he estado ultimando una herramienta que comenzó con una idea aparentemente sencilla: crear una ventana para ejecutar comandos de Windows que fuese más agradable, moderna y útil que el CMD tradicional. La utilidad la he tenido en mente durante mucho tiempo y ya puedo decir que se esta funcional.
El proyecto fue creciendo poco a poco hasta convertirse en Modern Terminal AI, una aplicación desarrollada en C# y .NET 8, pensada especialmente para administradores de sistemas y usuarios técnicos.
No se trata únicamente de cambiar el fondo negro del símbolo del sistema. La herramienta reúne CMD, PowerShell, inteligencia artificial, comandos administrativos, diagnóstico, monitorización e historial en una única interfaz.
"En un mundo competitivo, compartir conocimiento nos hace crecer profesionalmente y organizar ideas. Es una vía eficaz para aprender enseñando." - @oscardelacuesta
🐧 Una pequeña contribución a la comunidad Linux y al conocimiento abierto.
#linux #proxmox #libro
https://www.palentino.es/blog/%f0%9f%93%98-libro-proxmox-ve-9-2-en-castellano/
Este sitio web utiliza cookies para que tengamos la mejor experiencia de usuario. Si continúas navegando estás dando tu consentimiento para la aceptación de las mencionadas cookies y la aceptación de la política de cookies
