GitLab expandió el soporte de modelos open-source para redes cerradas

GitLab 19.0 expandió el soporte de modelos open-source para su Duo Agent Platform auto-alojada. Esto es especialmente importante para equipos que trabajan en redes aisladas y no pueden enviar código fuente a la nube.

El air-gap ya no es un rezago

Los equipos que trabajan en redes completamente aisladas sin acceso a internet históricamente son los últimos en acceder a nuevas capacidades de IA. La razón no es la tecnología, sino la legislación: en industrias reguladas, los requisitos de compliance prohíben enviar código fuente a terceros.

Anterioremente, GitLab ofrecía una selección limitada de modelos para tales entornos, lo que creaba un doble problema. Por un lado, se necesitaba un modelo potente para reasoning complejo: análisis de diffs grandes, herramientas multiples pasos. Por otro, tareas simples como renombrar variables no requieren potencia computacional. Tenías que pagar de más por el exceso o trabajar con baja calidad en tareas complejas.

Cuatro nuevos modelos para diferentes escenarios

GitLab añadió soporte para cuatro modelos open-source. Todos han sido probados en tareas reales de Duo Agent Platform: uso múltiples pasos de herramientas, generación de código, trabajo con diffs grandes y codebases multiarquivo.

• Mistral Devstral 2 123B — enfoque en generación de código, la mejor en escritura de código
• GLM-5.1 — modelo multilingüe, adecuado para equipos internacionales
• Kimi-K2.6 — se destaca por logging y reasoning múltiples pasos
• MiniMax-M2.7 — la más ligera, adecuada si los recursos computacionales son limitados

La elección no es casual. GitLab probó a los candidatos exactamente en las tareas que resuelve la plataforma. Los ingenieros evaluaron la calidad de generación de código, adherencia a instrucciones y capacidad de trabajar con contexto grande.

Dos opciones de despliegue

La opción principal es hardware propio con vLLM (plataforma recomendada por GitLab para servir modelos open-source). Los cálculos permanecen en tu servidor, los datos no salen de la red local. Esto es ideal para entornos con requisitos de data residency.

Para equipos sin gran capital en hardware hay una alternativa: máquinas virtuales con GPU en nube privada (AWS, Azure y otras). Pagas solo por lo que usas, sin costos de compra y mantenimiento de hardware. Aun así, las garantías de aislamiento de datos siguen siendo las mismas: nada sale a internet público.

Cómo elegir tu camino

La elección depende de los requisitos de tu empresa. Si necesitas aislamiento air-gap completo, solo modelos auto-alojados en tu infraestructura. Si el compliance permite un enfoque híbrido, puedes usar diferentes modelos por feature: por ejemplo, refactorizaciones simples en MiniMax ligera y análisis complejo en Kimi.

Qué significa esto

El air-gap ya no es sinónimo de rezago en IA. Las industrias reguladas ahora pueden implementar agentes de la misma calidad que las corporaciones que envían datos a la nube. El compliance y la seguridad ya no deben ser obstáculos para la productividad de IA.