AGI Bar: cerveza y tokens gratis de IA — ¿funcionaría en Argentina?

En Zhongguancun, el distrito tecnológico de Pekín que muchos llaman el Silicon Valley chino, hay un bar que no ofrece WiFi gratis. Ofrece tokens gratis. Se llama AGI Bar, lo abrió un desarrollador independiente llamado Song De, y detrás de la barra tiene dos workstations de NVIDIA corriendo DeepSeek en local. Pedís una cerveza de 9,9 yuanes (algo así como 1,50 dólares), te conectás al WiFi del local, y tenés acceso ilimitado al modelo para programar, experimentar o simplemente jugar.

La frase del dueño resume todo: los bares dan WiFi gratis con un router, así que él da tokens gratis. Es una idea preciosa. También es, según él mismo reconoce, un negocio que pierde plata.

Vale la pena desarmar esto en serio: qué hardware hace falta, qué modelo se puede correr realmente sobre él, cuánto cuesta el token servido en local versus el token servido por API, y si tiene algún sentido replicar la idea en un bar de Buenos Aires, Córdoba, Rosario o Tucumán. Spoiler: la economía de la inferencia local no cierra, pero la economía del marketing quizás sí.

Qué es exactamente el AGI Bar

El local abrió el verano pasado en Inno Way, la calle de startups de Zhongguancun, en el distrito de Haidian. Está a pocas cuadras de las universidades Tsinghua y Peking —las dos fábricas de talento en IA más importantes de China— y rodeado de oficinas de empresas del sector, incluidas DeepSeek y Microsoft.

El nombre registrado en chino significa «destilación de conocimiento», un juego de palabras doble: destilación de bebidas alcohólicas y knowledge distillation, la técnica de transferir capacidades de un modelo grande a uno chico. El trago insignia se llama AGI y es un vaso casi enteramente lleno de espuma, un chiste sobre la burbuja del sector. Hay una cerveza llamada «AGI bubble» y una membresía anual llamada Drinking Plan. En las paredes están los logos de los laboratorios chinos de IA. Una pantalla rota vacantes laborales de empresas del rubro.

El local funciona como club social de la industria: seminarios para desarrolladores, simposios de IA open source, encuentros de investigación universitaria, fiestas de laboratorios como Z.ai. Song automatizó buena parte de la operación —inventario, reservas, membresías— con agentes de IA.

Y el dato incómodo: Song le dijo a Reuters que el bar pierde dinero por completo, y que regala unas diez veces más bebidas de las que vende.

El hardware: dos NVIDIA DGX Spark detrás de la barra

Acá está la parte que a los que hacemos infraestructura nos interesa de verdad. El AGI Bar no consume la API de DeepSeek: autoaloja el modelo sobre dos NVIDIA DGX Spark expuestos a la vista del público.

Especificaciones del DGX Spark

El DGX Spark es una workstation compacta de escritorio pensada para trabajo local con modelos. Sus números relevantes:

• SoC: NVIDIA GB10 Grace Blackwell — CPU Arm de 20 núcleos + GPU Blackwell integrada.
• Memoria: 128 GB de LPDDR5X unificada (compartida entre CPU y GPU).
• Capacidad declarada: modelos de hasta ~200 mil millones de parámetros en precisión FP4.
• Interconexión: NIC ConnectX-7, que permite unir dos unidades y agrupar 256 GB de memoria.
• Consumo: del orden de 240 W por unidad — el equivalente a una consola de videojuegos, no a un rack.
• Precio: tras una suba del 18% por la escasez de memoria, la Founders Edition quedó cerca de los 4.699 dólares. El par: alrededor de 9.400 dólares antes de servir un solo token.

El detalle que casi nadie menciona: ancho de banda, no capacidad

Acá viene la letra chica técnica. La métrica que la gente mira es la memoria (128 GB, ¡enorme!), pero la que manda en generación autoregresiva es el ancho de banda de memoria. El DGX Spark ronda los 273 GB/s de LPDDR5X. Una H100 con HBM3 está arriba de los 3.000 GB/s. Es más de un orden de magnitud de diferencia.

¿Por qué importa? Porque en la fase de decode (generar token por token), el modelo tiene que leer todos sus pesos activos de memoria por cada token generado. La cota superior teórica de velocidad es:

tokens_por_segundo ≈ ancho_de_banda_memoria / tamaño_pesos_activos

Ejemplo, modelo denso de 32B en 4 bits (~17 GB):
273 GB/s ÷ 17 GB ≈ 16 tok/s por stream (techo teórico)

Ejemplo, modelo MoE con ~3B parámetros activos en 4 bits (~1,8 GB):
273 GB/s ÷ 1,8 GB ≈ 150 tok/s por stream (techo teórico)

En la práctica se alcanza entre el 60% y el 80% de ese techo. La conclusión operativa es clara: en este hardware, las arquitecturas Mixture-of-Experts son el único camino razonable. Un modelo denso grande entra en memoria pero se arrastra; un MoE con pocos parámetros activos por token vuela relativamente bien porque el ancho de banda solo tiene que mover los expertos activos.

¿Qué DeepSeek corre realmente en un bar?

Los reportes hablan de DeepSeek V4 Flash. Vale la pena ser honestos con la aritmética. DeepSeek V3 y R1 tienen 671 mil millones de parámetros; V4 escala al orden del billón y medio. Ni siquiera 256 GB agrupados alcanzan para los pesos completos en 4 bits de un modelo de ese tamaño.

Es decir: lo que sale por el WiFi del AGI Bar es casi con seguridad una versión destilada o agresivamente cuantizada del modelo, no el modelo insignia completo. Lo cual, por otro lado, es exactamente lo que el nombre del bar —»destilación de conocimiento»— venía anunciando desde el principio. Muy fino el chiste.

La aritmética que rompe el modelo: costo por token servido

Esta es la parte que ningún medio hizo y que a mi juicio define todo el análisis. ¿Cuánto le cuesta al bar cada millón de tokens que sirve, comparado con simplemente pagar una API?

Costo fijo amortizado

CapEx hardware:            USD 9.400 (2× DGX Spark)
Amortización:              36 meses
Costo mensual hardware:    USD 261

Consumo eléctrico:
  2 × 240 W + switch/AP/UPS ≈ 600 W
  10 h/día × 30 días        = 180 kWh/mes
  A USD 0,12/kWh            ≈ USD 22/mes

Costo fijo total mensual:   ≈ USD 283

¿Cuántos tokens hacen falta para que cierre?

Supongamos un bar activo: 40 personas por noche usando el servicio, 25 noches al mes, 150.000 tokens por sesión (una sesión de vibe coding generosa). Eso da:

40 × 25 × 150.000 = 150 millones de tokens/mes

Costo local por millón:  USD 283 / 150 = USD 1,89 por millón de tokens

Ahora comparemos contra el mercado. Los modelos chinos de bajo costo —incluido el propio DeepSeek en su versión Flash— se mueven en el rango de 0,10 a 0,50 dólares por millón de tokens. Es decir, el bar está pagando entre 4 y 20 veces más por token que si simplemente comprara créditos de API y los repartiera con un proxy.

Para que la inferencia local empatara con una API a 0,20 USD/millón, el bar necesitaría servir más de 1.400 millones de tokens por mes — unos 47 millones diarios. Ningún bar del mundo tiene esa demanda.

Conclusión técnica: el hardware local en el AGI Bar no es una optimización de costos. Es una pieza de escenografía funcional. Y como pieza de escenografía, es brillante — pero hay que llamarla por su nombre antes de copiarla.

Existen tres razones legítimas para autoalojar igual: privacidad de los prompts (nada sale del local), independencia de precios de terceros (relevante justo cuando DeepSeek anunció una suba significativa de tarifas para desarrolladores) y, sobre todo, el valor de exhibición: dos cajas de NVIDIA con luces encendidas detrás de la barra son mejor marketing que un contrato de API en un Excel.

Arquitectura técnica: cómo se implementa esto de verdad

Si alguien quisiera montarlo, la pila no es exótica. Estos son los componentes reales y cómo se conectan.

Capa 1: red y portal cautivo

El cliente se conecta al WiFi y cae en un portal cautivo que le pide un código impreso en el ticket de consumición. Ese código se canjea por una virtual key con cupo. Con OpenWrt o un Mikrotik alcanza; el flujo típico es hotspot + RADIUS.

# Mikrotik: perfil de hotspot con límite de sesión y de datos
/ip hotspot user profile add name="ia-consumicion" \
    session-timeout=3h \
    shared-users=1 \
    rate-limit=10M/10M

# El código del ticket se crea al momento de facturar
/ip hotspot user add name="TKT-8F42A1" profile="ia-consumicion" \
    limit-uptime=3h comment="mesa 7 - 2026-08-19"

Capa 2: servidor de inferencia

Para MoE cuantizados sobre hardware unificado, vLLM o llama.cpp con continuous batching. Lo crítico acá es el batching: sin él, cada usuario espera su turno; con él, la GPU procesa varias secuencias en paralelo y el throughput agregado sube mucho aunque la latencia individual empeore un poco.

# docker-compose.yml — servidor de inferencia con vLLM
services:
  vllm:
    image: vllm/vllm-openai:latest
    runtime: nvidia
    ports:
      - "8000:8000"
    volumes:
      - ./models:/models
    command: >
      --model /models/deepseek-distill-awq
      --quantization awq
      --max-model-len 16384
      --max-num-seqs 24
      --gpu-memory-utilization 0.90
      --enable-prefix-caching
      --served-model-name bar-ia
    restart: unless-stopped

Dos flags valen oro en este escenario: --enable-prefix-caching (si todas las sesiones comparten el mismo system prompt, se cachea el prefijo y se ahorra cómputo de prefill) y --max-num-seqs, que define cuántas secuencias concurrentes admite antes de encolar.

Capa 3: proxy, cuotas y observabilidad

Nadie debería exponer el endpoint de inferencia directo a una red pública de clientes. Entre medio va un gateway como LiteLLM, que da claves virtuales, cupos, rate limiting y logging con una API compatible con OpenAI.

# litellm_config.yaml
model_list:
  - model_name: bar-ia
    litellm_params:
      model: openai/bar-ia
      api_base: http://vllm:8000/v1
      api_key: "sk-local"

general_settings:
  master_key: os.environ/LITELLM_MASTER_KEY
  database_url: os.environ/DATABASE_URL

litellm_settings:
  max_budget: 0            # sin costo real, pero se contabiliza uso
  budget_duration: 30d
  success_callback: ["langfuse"]
  failure_callback: ["langfuse"]

router_settings:
  routing_strategy: least-busy
  num_retries: 2
  timeout: 120

Y la generación de la clave por consumición, que es el corazón del modelo de negocio:

#!/usr/bin/env python3
"""Genera una virtual key con cupo al facturar una consumición."""
import os, requests, secrets

LITELLM = "http://localhost:4000"
HEADERS = {"Authorization": f"Bearer {os.environ['LITELLM_MASTER_KEY']}"}

def emitir_clave(mesa: str, horas: int = 3, tokens_max: int = 200_000) -> str:
    payload = {
        "key_alias": f"mesa-{mesa}-{secrets.token_hex(3)}",
        "models": ["bar-ia"],
        "duration": f"{horas}h",
        "max_parallel_requests": 2,
        "tpm_limit": 6_000,          # techo por minuto, evita abusos
        "rpm_limit": 30,
        "metadata": {"mesa": mesa, "origen": "consumicion"},
    }
    r = requests.post(f"{LITELLM}/key/generate", json=payload,
                      headers=HEADERS, timeout=10)
    r.raise_for_status()
    return r.json()["key"]

if __name__ == "__main__":
    print(emitir_clave(mesa="7"))

El tpm_limit no es un detalle burocrático: es lo que impide que una sola persona corriendo un agente en loop consuma toda la capacidad del local durante tres horas. En un servicio «ilimitado» el límite real no es el cupo total, es la concurrencia.

Capa 4: lo que casi siempre falta

• UPS. Un corte de energía en pleno decode no rompe nada, pero un corte sucio repetido sí castiga el hardware. En Argentina esto no es opcional.
• Refrigeración. Dos equipos a 240 W en una barra cerrada, en enero, con 38 grados afuera, hacen thermal throttling y el servicio se vuelve lento justo cuando hay más gente.
• Logging con criterio. Guardar prompts de clientes es un pasivo legal, no un activo. Si se loguea, debe ser anonimizado y con retención corta.
• Filtro de salida. Un modelo abierto sin guardrails en una red pública, servido por un comercio habilitado, es responsabilidad del comercio.

Trasladar la idea a Argentina: el análisis honesto

Acá es donde el ejercicio se pone interesante, porque las variables argentinas cambian el resultado en las dos direcciones: encarecen el hardware y abaratan (relativamente) el valor de marketing.

El costo del hardware puesto en Argentina

Un DGX Spark a 4.699 dólares FOB no cuesta 4.699 dólares acá. Entre derechos de importación, tasa estadística, IVA, percepciones de Ganancias e Ingresos Brutos, y honorarios del despachante, el multiplicador real para bienes de informática suele ubicarse en un rango del 1,5x al 1,9x según el régimen que se use, con variaciones importantes según cómo esté el esquema vigente al momento de la operación (esto cambia seguido: verificalo con un despachante antes de presupuestar nada).

2 × DGX Spark FOB              USD  9.400
Multiplicador estimado 1,7x    USD 15.980  ← costo puesto en Argentina
UPS + rack + red + AP          USD  1.200
Instalación eléctrica          USD    600
--------------------------------------------
CapEx total estimado           USD 17.780

Amortizado a 36 meses: unos 494 dólares mensuales, sin contar la electricidad ni el riesgo de robo (que en un local a la calle no es hipotético y encarece el seguro).

Alternativas de hardware que sí cierran en Argentina

La buena noticia es que el DGX Spark es la opción cara. Para un bar, hay tres caminos con mejor relación costo-beneficio:

Vale subrayar el último renglón: con un mini PC de 400 dólares corriendo LiteLLM contra una API barata, y un presupuesto de 80 dólares mensuales en tokens, un bar puede servir del orden de 400 millones de tokens al mes. Eso es mucho más de lo que cualquier local va a consumir, por menos del 20% del costo mensual del hardware local. La diferencia es que nadie saca una foto de un mini PC.

Los pro del modelo en Argentina

• Hay comunidad y no hay lugar. Buenos Aires, Córdoba, Rosario, La Plata, Mendoza y Tucumán tienen comunidades tech densas, meetups activos y muchísimos devs trabajando en remoto para el exterior. Lo que escasea no es la gente: es el tercer lugar con buena conectividad, enchufes y tolerancia a que te quedes cuatro horas.
• Costo de diferenciación bajísimo. El rubro gastronómico argentino compite por temática (bares de vinilos, de juegos de mesa, de arcades). Un bar de IA es una categoría vacante, y las categorías vacantes se ganan con prensa, no con presupuesto publicitario.
• Prensa gratis. El AGI Bar salió en Reuters, AFP, Tom’s Hardware y decenas de medios. Un local que replique la idea en Argentina tiene garantizada la cobertura de medios tech locales y buena parte de los generalistas. Ese earned media vale más que los 18 mil dólares del hardware.
• Márgenes gastronómicos altos. El markup de la cerveza artesanal y la coctelería en Argentina es de los que permiten subsidiar un amenity sin desarmar la ecuación, siempre que el amenity traiga gente.
• Sinergia con reclutamiento. El AGI Bar tiene una pantalla con vacantes. En Argentina, con software factories peleando por seniors, un canal de contacto físico con devs tiene valor comercial concreto y vendible.

Los contras, sin edulcorar

• La ecuación de consumo no cierra. El propio Song lo dice: regala diez veces más de lo que vende. Un público que se queda cuatro horas consumiendo una cerveza es el peor cliente posible para un local con rotación de mesas. El ticket promedio de un desarrollador programando es bajo y el tiempo de ocupación es altísimo.
• Nadie necesita tus tokens. Este es el contra decisivo y el que más cambia respecto a China. El dev argentino promedio ya tiene una suscripción a Claude, ChatGPT o Copilot que le funciona mejor que un modelo destilado y cuantizado corriendo sobre hardware compartido con quince personas más. En Pekín el diferencial de precio de la IA importa; acá, el que programa en serio ya pagó por su herramienta. El token gratis no es el producto: es la excusa.
• Riesgo cambiario y de importación. El CapEx está dolarizado; los ingresos, en pesos. Si el hardware se compra en un momento de tipo de cambio desfavorable, la amortización se vuelve mucho más pesada de lo proyectado.
• Obsolescencia acelerada. Un modelo abierto de hace dieciocho meses es un fósil. El hardware comprado hoy va a estar sirviendo modelos que en un año serán claramente inferiores a lo que ofrece cualquier API gratuita. La amortización a 36 meses es optimista.
• Infraestructura eléctrica. Cortes de luz, tensión inestable y verano tucumano o cordobés. Todo esto es CapEx adicional (UPS, estabilizador, refrigeración) que rara vez aparece en el plan original.
• Responsabilidad legal. Ofrecer inferencia desde una red del comercio implica pensar en registro de logs, protección de datos personales (Ley 25.326) y qué pasa si alguien usa el servicio para algo indebido desde tu IP. No es bloqueante, pero requiere asesoramiento y política escrita.

Un modelo de negocio que sí podría cerrar acá

Si el token gratis es la excusa y no el producto, entonces el negocio no es vender cerveza con IA: es monetizar la comunidad que la IA convoca. Un esquema de ingresos plausible para un local argentino:

1. Membresía mensual (el equivalente al Drinking Plan). Un abono que incluye acceso prioritario, cupo ampliado de tokens, coworking en horario diurno y descuento en consumición. Con 60 miembros a 25 dólares mensuales ya se cubre la amortización del hardware completa.
2. Sponsoreo de empresas. Software factories, consultoras y proveedores de cloud pagan por tener presencia física ante devs. Es el mismo presupuesto con el que hoy patrocinan meetups, pero con permanencia. Cuatro sponsors anuales de escala media pueden sostener toda la operación técnica.
3. Reclutamiento. La pantalla de vacantes del AGI Bar es, en realidad, un producto. Un fee por publicación —o por contratación efectiva— tiene ticket muy superior al de cualquier consumición.
4. Eventos y capacitación. Workshops de fine-tuning, talleres de agentes, hackathones cerrados, lanzamientos de producto. Alquiler del espacio en horarios muertos (martes a la tarde) con la infraestructura de IA incluida como diferencial.
5. Turno diurno como coworking. El mismo local, de 9 a 18, con café en lugar de cerveza y el mismo servicio de inferencia, ataca el problema real de ocupación: un bar de noche está subutilizado el 70% del tiempo.

Con ese esquema, el hardware deja de ser un centro de costos que hay que justificar por eficiencia y pasa a ser lo que realmente es: un activo de posicionamiento. La pregunta correcta no es «¿cuánto me sale el millón de tokens?», sino «¿cuánto me saldría comprar la misma cantidad de atención por vías tradicionales?». Vista así, la respuesta cambia bastante.

La versión mínima viable: cómo probarlo sin gastar 18 mil dólares

Si alguien de la industria gastronómica quisiera validar la hipótesis antes de comprometer capital, el camino es evidente:

1. Fase 1 (USD 500). Mini PC + LiteLLM + presupuesto mensual de API + portal cautivo. Códigos por consumición impresos en el ticket. Medí durante tres meses: ¿sube la frecuencia de visita? ¿aparece un público nuevo? ¿el ticket promedio aguanta?
2. Fase 2 (USD 2.500). Si los números dan, sumá una máquina con dos GPUs usadas, ponela detrás de un vidrio con iluminación y empezá a comunicar el «corre en local». Ahí ya tenés la foto que necesita la prensa.
3. Fase 3. Recién con membresías y sponsors firmados tiene sentido evaluar hardware de la categoría DGX Spark, y solo si el diferencial técnico (modelos más grandes, privacidad total, cargas de trabajo de terceros) se puede vender.

Es la misma lógica que aplicaría a cualquier proyecto de infraestructura: empezar por el proxy, medir la demanda real, y comprar cómputo solo cuando la curva de uso lo justifique. Lo que el AGI Bar hizo fue al revés — y por eso el propio dueño admite que pierde plata. Aunque, hay que decirlo, también consiguió que el mundo entero hablara de su bar de barrio. Quizás esa era la operación desde el principio.

El AGI Bar es, técnicamente, una decisión de infraestructura mala y, estratégicamente, una decisión de marketing excelente. Las dos cosas son verdad al mismo tiempo, y confundirlas es lo que va a hacer fracasar a quien lo copie sin entenderlo.

Song De dice que la IA debería ser como el WiFi: una utilidad pública que uno espera encontrar cuando se sienta en algún lado. Puede que tenga razón a diez años vista. Pero mientras tanto, el que quiera traer esa idea a un local en Palermo, en Nueva Córdoba o en el centro tucumano debería tener presente que el WiFi de los bares nunca fue un negocio. Fue una razón para quedarse. Y lo que se monetiza no es el que se queda: es lo que se puede construir alrededor de un lugar donde la gente correcta se queda.