Cómo usar esta lista de comprobación antes de elegir un LLM gratuito para código
Elegir un modelo de lenguaje para programar no va de cuál saca más puntos en un benchmark, sino de si encaja con tu flujo de trabajo real. Esta checklist está pensada para que la recorras de arriba abajo con el editor abierto: son criterios que se notan a los cinco minutos de uso, no en una demo de marketing.
Un aviso previo, y es importante: los planes gratuitos cambian sin previo aviso. Límites de mensajes, cuotas de tokens y modelos disponibles se modifican con frecuencia según la documentación oficial de cada proveedor. Lo que hoy funciona puede no funcionar el mes que viene, así que valida cada punto en el momento de contratar o registrarte.
Bloque 1: Modelos que puedes usar sin pagar y para qué sirve cada uno
No existe un ganador absoluto. Hay familias de modelos con perfiles distintos y conviene tener claro cuál encaja con cada tarea.
Modelos generalistas con capa gratuita generosa
- ChatGPT (versión gratuita): útil para explicar fragmentos, generar tests y refactorizar funciones sueltas. En el plan gratuito el acceso al modelo más potente suele estar limitado, así que rinde mejor en tareas acotadas que en proyectos completos.
- Claude (plan gratuito): destaca en lectura de código largo y en mantener coherencia cuando le pegas varios archivos. Su cuota gratuita es más restrictiva que la de otros, y eso se nota en sesiones de depuración intensas.
- Gemini (nivel gratuito): buena integración con el ecosistema de Google y ventana de contexto amplia, lo que ayuda cuando trabajas con repositorios medianos.
- DeepSeek: modelo con versión abierta y acceso web gratuito; rinde bien en código y matemáticas, aunque la latencia y la disponibilidad del servicio han sido irregulares en momentos puntuales.
- Qwen Coder y variantes abiertas: pensados específicamente para código, con licencias que permiten ejecución local. Requieren hardware, pero eliminan la cuota.
Asistentes integrados en el editor
- GitHub Copilot Free: ofrece un número limitado de completados y peticiones al mes. Sirve para autocompletado en línea, no para sesiones largas de chat.
- Codeium / Windsurf (nivel gratuito): autocompletado ilimitado en muchos casos y chat con cuota. Buena opción si lo que buscas es no perder el foco del editor.
- Continue o Cline con modelos gratuitos vía API: permiten conectar modelos abiertos o capas gratuitas de proveedores. Más configuración, más control.
Bloque 2: Comprobaciones técnicas que marcan la diferencia
Ventana de contexto: cuánto código cabe de verdad
Un modelo con 200.000 tokens de contexto no significa que puedas pegarle el proyecto entero y salga bien. La calidad de la atención decae en contextos muy largos, y muchos planes gratuitos recortan ese límite. Prueba con un archivo de 500 líneas y observa si mantiene referencias cruzadas entre funciones.
Calidad en lenguajes que no son Python o JavaScript
Aquí es donde se rompen muchas comparativas. Los modelos suelen brillar en Python y JavaScript y flojean en Kotlin, Swift, Rust o SQL complejo con dialectos concretos. Si trabajas con COBOL, ABAP o lenguajes de nicho, espera resultados irregulares y verifica siempre la salida.
Manejo de dependencias y versiones
Un error frecuente: el modelo genera código con APIs de versiones antiguas. Pasa mucho con librerías que cambian rápido (React, Next.js, Tailwind). Pídele explícitamente la versión y comprueba la documentación oficial. No hay atajo para esto.
Ejecución de código y sandbox
Algunos asistentes ejecutan el código que generan en un entorno aislado. Es cómodo para validar scripts, pero no sustituye a tus tests. Si el modelo dice que el código funciona porque lo ejecutó, comprueba que el entorno sea equivalente al tuyo.
Bloque 3: Límites reales de los planes gratuitos
- Cuota por ventana temporal: muchos servicios limitan mensajes cada X horas. Planifica las sesiones largas en consecuencia.
- Modelo degradado: el nivel gratuito suele usar un modelo inferior al de pago. Compara la calidad real, no el nombre.
- Privacidad de tu código: revisa si el proveedor usa tus conversaciones para entrenar. En código propietario esto es un factor decisivo. Algunos permiten desactivarlo en ajustes; otros no.
- Retención de datos: cuánto tiempo guardan tus prompts y respuestas. Para proyectos con clientes, esto puede ser un problema legal.
- Disponibilidad: los planes gratuitos tienen menos prioridad en horas punta. Si dependes de ello para trabajar, ten un plan B.
Bloque 4: Checklist práctica de validación en 15 minutos
Antes de decidirte por uno, haz esta prueba con el mismo prompt en cada candidato:
- Pega una función con un bug sutil y pide que lo localice sin reescribirla. Mide si acierta o inventa.
- Pide una explicación de un fragmento de código legacy sin contexto. Observa si rellena huecos con invenciones.
- Solicita un test unitario para esa función y ejecútalo. Muchos modelos generan tests que pasan por construcción y no prueban nada.
- Pregunta por una limitación del propio modelo o sobre un tema que no conoce. Un buen modelo reconoce lo que no sabe.
- Pide código con una versión concreta de una librería y verifica la sintaxis contra la documentación oficial.
Un caso concreto que ilustra por qué esto importa: al pedir a varios modelos una función de parseo de fechas en una librería específica, es habitual que devuelvan una sintaxis que ya no existe en la versión actual. El código parece correcto, compila en un ejemplo aislado y falla en producción. La comprobación contra la documentación no es opcional.
Bloque 5: Cuándo un LLM gratuito no te sirve
Esto no funciona para todos los escenarios, y conviene decirlo claro:
- Refactorizaciones grandes con dependencias cruzadas: la cuota gratuita se agota antes de terminar y la coherencia se pierde entre sesiones.
- Código bajo NDA o con datos sensibles: si no puedes garantizar que no se entrena con tus datos, no lo uses.
- Tareas que exigen ejecución reproducible: necesitas tests y CI, no un chat que dice que funciona.
- Aprendizaje desde cero: un modelo puede darte una solución que no entiendes. Sin base, no detectas cuándo se equivoca.
Bloque 6: Estrategia de uso combinado
En la práctica, la mayoría de desarrolladores que conozco no usan uno solo. Combinan un asistente en el editor para autocompletado y consultas rápidas con un chat generalista para explicaciones y depuración. Esa combinación cubre más que apostar por un único proveedor. Ten en cuenta la curva de aprendizaje de cada herramienta: configurar un asistente local con modelos abiertos lleva tiempo, pero elimina los límites de cuota.
Según análisis del sector, la calidad de los modelos abiertos se ha acercado a la de los cerrados en tareas de código, aunque con más requisitos de hardware. Si tienes una GPU con memoria suficiente, ejecutar un modelo local es una alternativa real, no un experimento.
Resumen de la checklist
- ¿El modelo entiende tu lenguaje principal de trabajo?
- ¿La ventana de contexto cubre los archivos que manejas?
- ¿Conoces el límite de mensajes y cómo afecta a tus sesiones?
- ¿Sabes si tu código se usa para entrenar?
- ¿Has validado la salida contra documentación oficial?
- ¿Tienes un plan B si el servicio cae o cambia sus condiciones?
- ¿Reconoces cuándo el modelo no sabe y lo admite?
Si respondes afirmativamente a estas preguntas con un candidato concreto, tienes una elección sólida. Si falla en dos o tres, sigue probando. Ningún modelo gratuito sustituye la revisión de código, y ninguno te garantiza que la salida sea correcta sin verificarla.
Perfiles verificables: Sitio web
Publicado el 25 de October de 2026. Última revisión: 25 de October de 2026.