Hugging Face y SkyPilot integran almacenamiento sin coste de salida para entrenar en cualquier nube
Hecho Qué ha ocurrido
SkyPilot y Hugging Face han anunciado una integración que permite montar modelos y datasets del Hub de Hugging Face en trabajos de entrenamiento e inferencia ejecutados en cualquier nube o cluster, con transferencia de datos sin coste. Los usuarios pueden ahora leer desde Hugging Face Storage sin pagar egress (salida de datos), mientras mantienen sus artefactos centralizados en el Hub.
Resumen generado mediante IA a partir de Hugging Face (original en inglés). Naturaleza de la información: hecho documentado.
Análisis Por qué importa
Elimina una fricción económica y operativa importante: los equipos de IA que trabajan en múltiples proveedores de nube (AWS, GCP, Azure, etc.) han debido elegir entre duplicar datos en cada proveedor o pagar altos costes de egress. Esta integración permite reaprovechar capacidad reservada sin penalización de transferencia de datos, lo que reduce gastos y complejidad operativa.
- Quién se ve afectado
- Equipos de investigación y empresas que entrenan modelos grandes con acceso a múltiples nubes o clusters, y que almacenan modelos y datasets en Hugging Face Hub.
- Qué puede cambiar
- Los usuarios pueden ahora especificar con un URL hf:// dónde alojar su compute sin estar limitados por dónde residen sus datos. La descarga es lazy (bajo demanda) y cacheada localmente, reduciendo latencia y ocio de GPU durante el entrenamiento. Los checkpoints se escriben en Buckets de Hugging Face con deduplicación automática basada en contenido.
Análisis generado a partir de la información disponible; no procede de la fuente.
Predicción Qué observar a continuación
Señales de adopción en equipos que actualmente pagan altos costes de egress; validación de rendimiento en entrenamientos largos con múltiples épocas; extensión del soporte a nuevos tipos de archivos o formatos de checkpoint; evolución de precios competitivos frente a S3 y otros almacenamientos en nube.
Recomendación Qué debería hacer una empresa
Equipos que usan SkyPilot o están evaluando arquitecturas multi-nube deberían probar esta integración en proyectos piloto en los próximos 6 meses para cuantificar ahorros de egress y validar el rendimiento en su contexto específico.
Recomendación generada por IA con la evidencia disponible; no es asesoramiento profesional.
Enviar esta noticia por correo
Enviado. Revisa que llegue a la bandeja de entrada de quien lo reciba.
La dirección no parece válida.
Has enviado varios correos seguidos. Espera un rato.
No se ha podido comprobar que no eres un robot. Vuelve a intentarlo.
No se ha podido enviar. Inténtalo de nuevo en unos minutos.
Fuente original: Hugging Face (fuente primaria). La referencia es siempre el artículo original.
Ver fuente original ↗almacenamiento distribuidoFUSElazy loadingdeduplicación de contenidoRAG Hugging FaceSkyPilotAWSGoogle CloudAzure costes Hugging Face infraestructura multi-nube SkyPilot
Relacionadas
Hugging Face lanza Storage Buckets para artefactos de ML mutable en la Hub
Hugging Face ha presentado Storage Buckets, un sistema de almacenamiento mutable tipo S3 integrado en su Hub, construido sobre su backend Xet. Los buckets…
Por qué importaPara equipos de ML y data science, representa una solución nativa en la plataforma que evita forzar flujos de trabajo (checkpoints, datos…
Amazon integra LeRobot con Storage Buckets para entrenar robots sin descargar datos
Amazon anunció en agosto de 2026 una integración de Strands Robots (SDK de AWS de código abierto) con LeRobot y Hugging Face Storage Buckets, permitiendo…
Por qué importaSimplifica significativamente el ciclo de desarrollo de robótica al eliminar descargas completas de datasets y reuploads costosos, reduciendo…
DeepInfra se integra en Hugging Face como proveedor de inferencia serverless
Hugging Face ha añadido a DeepInfra como proveedor de inferencia soportado en su Hub. La plataforma serverless, que ofrece más de 100 modelos, lanza…
Por qué importaReduce la fricción para desarrolladores que buscan ejecutar modelos open-source en producción: acceso centralizado a múltiples modelos, pricing…
Hugging Face y Unsloth ofrecen créditos gratuitos para entrenar modelos pequeños
Hugging Face ha lanzado un programa de créditos gratuitos para entrenar modelos de lenguaje pequeños (como LFM2.5-1.2B-Instruct) mediante Hugging Face Jobs, en…
Por qué importaReduce significativamente las barreras de entrada para equipos pequeños y desarrolladores que desean ajustar modelos de lenguaje sin inversión…
Tu opinión
Te hemos enviado un correo para confirmar tu dirección. El comentario se procesará cuando pulses el enlace.
Gracias. Tu comentario se publicará cuando lo revise el equipo (los primeros comentarios de cada persona se moderan).
Comentario publicado. Gracias por participar.
No se puede comentar aquí.
Indica un nombre (de 2 a 60 caracteres).
El correo no parece válido.
El comentario debe tener entre 10 y 2.000 caracteres.
Demasiados enlaces en el comentario.
No se ha podido comprobar que no eres un robot. Vuelve a intentarlo.
Has alcanzado el límite diario de comentarios.
Demasiados comentarios seguidos. Espera un rato.
No se ha podido enviar el correo de confirmación. Inténtalo de nuevo en unos minutos.