Desarrollar con IA gratis: Gemini y Groq cuando se acaban los créditos de la API

Imagina a una principiante que lleva unos días con un reto propio: pasar de "uso ChatGPT" a "sé construir con IA", una hora al día, sin más base de programación que lo básico y sin más presupuesto que la curiosidad. Al tercer día la fontanería ya tiene sentido: claves de API, estructura del chat, streaming, llamadas a funciones y modo JSON. Hay incluso una pequeña app que funciona, un "compañero de estudio con IA" que recibe un tema y escribe apuntes pensados para principiantes.

Entonces llega el primer obstáculo real, justo cuando toca probar en serio: se acaban los créditos de la API.

Si estás planeando algo parecido y no quieres dar una tarjeta de crédito el primer día, la buena noticia es que no hace falta.

Créditos frente a tokens

Se confunden a menudo, así que esta es la diferencia.

Los tokens son la unidad con la que de verdad trabaja un modelo: trozos de texto, más o menos una palabra o parte de una. Todo lo que envías y todo lo que recibes se cuenta en tokens. Una petición como "Explícale las API a alguien nuevo" ronda los 8 tokens, y una respuesta puede llegar a 200.

Los créditos son la parte del dinero, el saldo de tu cuenta que baja a medida que se usan tokens. Cada proveedor pone precio a los tokens de forma individual o por millón, y cada llamada descuenta en silencio del saldo según el tamaño de la entrada y la salida.

Dicho de forma sencilla, los tokens son lo que consumes y los créditos son cómo pagas. Al compañero de estudio no se le acabaron los tokens, porque el modelo no tiene ni idea de lo que has gastado. Se le acabaron los créditos: el saldo llegó a cero y el proveedor dejó de aceptar peticiones hasta recargar. Los niveles gratuitos normalmente no tienen ningún saldo que agotar. En su lugar imponen un límite diario de peticiones o tokens que se reinicia, que es un mecanismo totalmente distinto.

Una suposición que conviene abandonar

Lo natural es pensar que el acceso gratuito a una API es una versión recortada de la de verdad, como una prueba que caduca a la semana o un modelo de juguete demasiado flojo para ser útil. Para aprender, hacer prototipos y pequeños proyectos personales, a diferencia de dar servicio a miles de usuarios al día, esa suposición es falsa.

Hay dos opciones que no piden tarjeta de crédito:

Google Gemini API. Creas una clave en Google AI Studio sin coste. Los modelos Flash y Flash-Lite se pueden llamar gratis, y la cuota diaria es generosa para una sola persona que aprende. Tiene sus contrapartidas: el modelo de razonamiento Pro de gama alta ya no está en el nivel gratuito, y Google puede usar el tráfico del nivel gratuito para mejorar sus modelos, así que no envíes nada sensible.

Groq. También gratis y también sin tarjeta. Sirve modelos abiertos como Llama, GPT-OSS y Qwen desde chips diseñados para ello, y las respuestas llegan casi al instante comparadas con una llamada normal a una API. La cuota diaria es menor que la de Gemini, aunque de sobra para probar prompts y apps pequeñas.

Una pila realista de cero dólares para aprender: Gemini para casi todo el desarrollo y Groq a mano para lo que necesite velocidad.

Cómo es el cambio

Para quien nunca ha usado una API de IA, esta es la parte sorprendente: cambiar de proveedor cambia muy poco. El concepto es el mismo en todas partes. Envías una conversación estructurada, con un mensaje de sistema que fija el papel de la IA y un mensaje de usuario con la tarea, y recibes una respuesta. Aprendes el patrón una vez y te sirve en todos lados.

Volver a poner en marcha el compañero de estudio con el nivel gratuito de Gemini llevó este código:

import os
from google import genai

client = genai.Client(api_key=os.environ["GEMINI_API_KEY"])response = client.models.generate_content(
    model="gemini-2.5-flash",
    contents=[
        {"role": "user", "parts": [{"text": "Explain APIs like I'm a beginner."}]}
    ]
)print(response.text)

Una importación, una variable de entorno y la misma idea central del día anterior. En cuestión de minutos la app volvía a generar apuntes, sin factura y sin miedo a un cargo inesperado.

Por qué importa más allá de ahorrar dinero

Hay tres cosas que merece la pena trabajar cuando construyes con IA como principiante, y el desvío por los niveles gratuitos enseña las tres.

Escribir prompts concretos. Un nivel gratuito tiene un límite de peticiones por minuto en lugar de un presupuesto ilimitado, y eso crea mejores hábitos sin que te des cuenta. Dejas de mandar prompts vagos solo para ver qué pasa y empiezas a decidir qué quieres antes de pulsar enviar. Las restricciones resultan ser una buena maestra.

Entender cómo usan los agentes las herramientas. Las llamadas a funciones consisten en que el modelo pide a tu app que ejecute un código y luego recibe el resultado, y ese flujo es igual en todos los proveedores. Si lo aprendes con un modelo gratuito, no tendrás que volver a aprenderlo con uno de pago.

Saber dónde cuenta tu propio criterio. Decidir esquivar una barrera de coste en lugar de pagarla ya es una pequeña decisión de diseño: ¿qué se puede resolver con los recursos que tienes a mano? Ese instinto conviene protegerlo desde el principio, antes de que tiente resolver cada obstáculo a golpe de dinero.

La conclusión

Si eres principiante y te preguntas si necesitas créditos de OpenAI o de Claude para empezar a aprender a construir con IA, no los necesitas. No el primer día, y probablemente tampoco durante bastante tiempo.

Una configuración inicial práctica y gratuita:

• Gemini API (gratis): la herramienta principal para construir y probar.
• Groq (gratis): el respaldo cuando importa la velocidad.
• El mismo patrón debajo de todo: entrada, prompt, llamada a la API, respuesta del modelo, resultado útil.

Con eso, el compañero de estudio vuelve a estar en marcha y no hay ningún muro de cuotas a la vista. Es el primer problema más fácil de resolver y, visto en retrospectiva, el que menos preocupación merecía. El siguiente tema del camino es enseñar a la IA a captar el significado y no solo a emparejar palabras, mediante embeddings y búsqueda semántica.