ZaRQuN – Diseño Gráfico, Web y Programación Blog sobre diseño grafico en general y curiosidades

Si utilizas GitHub Copilot a diario, hay un cambio importante que no deberías pasar por alto. Desde el pasado 1 de junio, GitHub ha comenzado a aplicar un modelo de facturación basado en el consumo real de tokens para determinadas funciones de Copilot. En otras palabras, ya no basta con tener una suscripción: ahora conviene vigilar cómo y cuánto utilizas la herramienta.

Lo primero que recomendamos es establecer un límite de gasto de 0 dólares. Puede parecer exagerado, pero es la forma más sencilla de evitar sorpresas mientras entiendes cómo funciona el nuevo sistema. Siempre habrá tiempo para aumentar ese límite cuando tengas claro cuál es tu consumo habitual.

También merece la pena identificar qué tareas son las que más créditos consumen. Un autocompletado rápido apenas tiene impacto, pero las sesiones agénticas largas, los análisis complejos o los flujos que utilizan varias herramientas pueden disparar el consumo mucho más de lo que imaginas.

Otro aspecto clave es elegir el modelo adecuado para cada trabajo. Los modelos más avanzados suelen ofrecer mejores resultados, pero también consumen más créditos. Para tareas rutinarias, generación de código sencilla o consultas rápidas, los modelos ligeros suelen ser más que suficientes.

Ojo también con las revisiones de código automáticas. El nuevo sistema no solo puede consumir créditos de Copilot, sino también recursos de GitHub Actions. Si trabajas en equipo, configurar correctamente los runners a nivel de organización puede ayudarte a mantener los costes bajo control.

La buena noticia es que GitHub ha habilitado un periodo de transición entre junio y septiembre con créditos adicionales para facilitar la adaptación. Es el momento perfecto para medir, probar y entender cómo afecta este cambio a tu flujo de trabajo. No te confíes demasiado, porque cuando llegue octubre las condiciones serán diferentes y conviene llegar preparado.

Y precisamente ahí está la clave de todo: medir. La única forma real de saber si GitHub Copilot sigue siendo rentable para tu equipo o proyecto es comparar productividad y costes con datos reales. Si algo ha quedado claro con este cambio es que la inteligencia artificial ya no solo se evalúa por lo que hace, sino también por lo que cuesta hacerla funcionar.

#GitHub #GitHubCopilot #Programacion #DesarrolloWeb #Developer #Coding #IA #InteligenciaArtificial #OpenAI #SoftwareDevelopment #DevTools #GitHubActions #Productividad #Tecnologia #CodeReview

La mayoría de herramientas de inteligencia artificial actuales funcionan en servidores externos, recopilan datos de uso y dependen de suscripciones. Odysseus propone justo lo contrario: una plataforma open source que convierte tu ordenador en un espacio de trabajo completo para interactuar con modelos de lenguaje de forma local.

Su propuesta es sencilla pero potente. Desde una única interfaz puedes chatear con modelos de IA, utilizar agentes autónomos, ejecutar herramientas, realizar tareas de investigación, gestionar correos electrónicos e incluso servir tus propios modelos. Todo ello funcionando en tu hardware, sin enviar información a terceros y sin sistemas de telemetría ocultos.

Uno de los puntos más interesantes de Odysseus es su enfoque «local-first» y «privacy-first». Esto significa que tus conversaciones, documentos y procesos permanecen bajo tu control. Para desarrolladores, investigadores y entusiastas de la IA, supone una alternativa muy atractiva frente a plataformas cerradas que limitan el acceso o el uso de los datos.

Además, al ser un proyecto de código abierto, cualquiera puede inspeccionar el código, modificarlo y adaptarlo a sus necesidades. Esto abre la puerta a crear asistentes personalizados, entornos de automatización avanzados o laboratorios de experimentación con modelos de lenguaje sin depender de proveedores externos.

Si te interesa la inteligencia artificial, la privacidad y el software libre, Odysseus es uno de esos proyectos que merece un hueco en tu lista de herramientas para probar este año.

#IA #InteligenciaArtificial #OpenSource #LLM #AIWorkspace #SelfHosted #Programacion #DesarrolloWeb #SoftwareLibre #MachineLearning #Productividad #Tech

Si te interesa la programación, la inteligencia artificial o el análisis de datos y todavía no conoces Kaggle Learn, probablemente estés dejando pasar uno de los mejores recursos gratuitos que existen ahora mismo para aprender tecnología de forma práctica.

Kaggle es conocido por ser una enorme comunidad de ciencia de datos donde profesionales y empresas comparten datasets, organizan competiciones y desarrollan proyectos de machine learning. Pero dentro de todo ese ecosistema existe una sección especialmente interesante: Kaggle Learn. Se trata de una colección de microcursos gratuitos diseñados para aprender haciendo, sin largas horas de teoría ni configuraciones complicadas.

Lo mejor es que todo funciona directamente desde el navegador. No necesitas instalar Python, librerías ni entornos de desarrollo. Entras, abres una lección y empiezas a escribir código sobre notebooks interactivos. La experiencia está pensada para que cualquier persona pueda comenzar en pocos minutos.

Entre los cursos más populares encontrarás Python, Pandas, SQL, Visualización de Datos, Machine Learning, Deep Learning, Procesamiento de Lenguaje Natural e incluso temas relacionados con la ética de la IA. La mayoría de las lecciones se completan en pocas horas y combinan explicaciones sencillas con ejercicios prácticos.

Otro punto interesante es que cada curso completado genera un certificado de finalización, algo útil para mostrar tu progreso en LinkedIn o complementar tu portfolio personal. Además, al estar integrado en el ecosistema de Kaggle, puedes pasar directamente de aprender una técnica a utilizarla con datasets reales o participar en competiciones internacionales.

En un momento donde la inteligencia artificial está transformando prácticamente todas las áreas del desarrollo tecnológico, plataformas como Kaggle Learn ofrecen una forma rápida, gratuita y muy práctica de adquirir habilidades reales. Si quieres iniciarte en IA, ciencia de datos o programación orientada al análisis de datos, es difícil encontrar una opción con una relación calidad-precio mejor. Principalmente porque el precio es exactamente cero.

#Kaggle #KaggleLearn #MachineLearning #InteligenciaArtificial #Python #DataScience #Programacion #SQL #DeepLearning #DesarrolloWeb #AnalisisDeDatos #IA #AprenderProgramacion #Tecnologia #Coding

Google acaba de dejar claro hacia dónde va la industria de la IA y, sinceramente, ya no estamos hablando solo de modelos. Lo importante ahora es quién controla el ecosistema completo donde viven los agentes.

La avalancha de anuncios que han soltado para developers no gira alrededor de “tenemos el mejor modelo”, sino alrededor de algo mucho más ambicioso: convertir su stack en el sistema operativo de los agentes IA.

Y ahí entra Antigravity 2.0.

Básicamente, Google está intentando empaquetar todo lo que necesita un desarrollador para crear agentes en un único entorno: modelo, CLI, sandbox, plugins, credenciales, despliegue y automatización. Todo conectado. Todo dentro de casa.

Gemini CLI incluso desaparece como nombre para convertirse directamente en Antigravity CLI. No es un cambio cosmético. Es una declaración de intenciones.

La idea es bastante clara: dejar de competir solo contra OpenAI o Anthropic en calidad de modelo y empezar a competir por la infraestructura completa. Porque el verdadero negocio no está únicamente en que uses Gemini, sino en que tu flujo entero dependa de Google.

Y lo más interesante es cómo están alineando todas sus piezas para eso.

Android Studio ahora integra Agent Skills con Firebase funcionando como backend nativo para agentes. Firebase ya no se vende como “hosting cómodo para apps”. Ahora lo posicionan como una infraestructura lista para agentes IA desde el minuto uno.

Chrome también entra en juego de forma agresiva. Con WebMCP y DevTools for Agents 1.0, el navegador deja de ser simplemente el sitio donde viven aplicaciones humanas. Ahora los agentes pueden interactuar directamente con Chrome como si fuese un entorno operativo más.

Y esto cambia bastante las reglas del juego.

Porque si los agentes pueden navegar, ejecutar acciones, depurar interfaces y operar directamente sobre el navegador, Chrome deja de ser un simple navegador para convertirse en una plataforma de automatización universal.

Mientras tanto, Gemini 3.5 Flash aparece integrado el mismo día en GitHub Copilot y Vercel AI Gateway. Google quiere estar en todas partes. No importa si usas herramientas externas: quieren que el runtime siga siendo suyo.

Y luego está LiteRT-LM, probablemente una de las piezas más interesantes de todo esto. Inferencia on-device de Gemma 4 directamente en navegador mediante WebGPU y también en móviles con APIs nativas. Traducción rápida: ejecutar modelos localmente sin depender siempre de la nube.

Eso encaja perfectamente con hacia dónde se mueve la industria. Menos latencia, menos coste y agentes funcionando en tiempo real directamente en dispositivos.

Pero la lectura más importante no es técnica. Es estratégica.

Google ya no está intentando convencerte de que Gemini es mejor que GPT. Lo que quiere es mucho más grande: que uses Android Studio, Firebase, Chrome, Antigravity, Gemini y sus runtimes como una única plataforma integrada para desarrollar agentes.

Exactamente igual que pasó con Android o con Google Cloud.

El modelo es solo la puerta de entrada.

La infraestructura es el negocio de verdad.

#Google #IA #ArtificialIntelligence #Gemini #Antigravity #Firebase #Chrome #WebGPU #Gemma #Developers #Programacion #AI #MachineLearning #Diseño #Tecnologia #OpenAI #Vercel #GitHub #DevTools #AndroidStudio

Si trabajas en desarrollo y AWS forma parte de tu día a día, probablemente conoces esa sensación: quieres probar algo rápido en local y acabas levantando medio planeta para hacerlo funcionar. Contenedores, configuraciones, servicios extra, autenticaciones y unos cuantos minutos esperando. Ahí es donde aparece Floci y llega con una propuesta bastante agresiva: «menos complicaciones y más velocidad».

Floci nace como un emulador local de AWS completamente open source y gratuito. La idea es simple: ofrecer una experiencia casi idéntica a AWS pero funcionando directamente en tu equipo, sin depender de la nube real y sin tener que pasar por procesos absurdamente pesados.

Lo curioso es que no intenta inventar algo nuevo. Hace algo bastante más inteligente: ser prácticamente un reemplazo directo de LocalStack. Si ya utilizas esa herramienta, la migración promete ser casi automática. Mantiene el mismo puerto, las mismas llamadas SDK y la compatibilidad con gran parte de la infraestructura que ya tengas montada. Básicamente cambias una línea y sigues trabajando.

Pero aquí viene la parte que llama la atención a cualquiera que programe a diario: rendimiento. Según los datos publicados por Floci, el arranque ronda los 24 milisegundos y utiliza alrededor de 13 MB de memoria en reposo. Para ponerlo en perspectiva, hablan de una mejora enorme frente a configuraciones similares que suelen tardar segundos en iniciar y consumir bastante más memoria.

La diferencia no parece solo un número bonito para marketing. En proyectos grandes o en pipelines CI/CD, reducir tiempos de espera puede convertirse en algo muy serio. Nadie quiere esperar varios segundos cada vez que ejecuta pruebas o levanta un entorno de desarrollo.

Otro punto interesante es que no viene con la típica estrategia de «gratis, pero solo hasta cierto punto». Floci utiliza licencia MIT y apuesta por una filosofía bastante clara: sin autenticaciones obligatorias, sin características bloqueadas y sin versiones recortadas para empujarte a un plan premium.

Además soporta decenas de servicios AWS, desde los habituales como S3, Lambda o DynamoDB hasta otros bastante más complejos como RDS, API Gateway, ECS o Redis. La intención es acercarse lo máximo posible a un entorno real para evitar sorpresas desagradables cuando el proyecto llega a producción.

Lo interesante de herramientas como esta es que encajan perfectamente en una tendencia que lleva tiempo creciendo: desarrollar cada vez más rápido y con menos fricción. Los desarrolladores ya no quieren pasar media mañana configurando cosas antes de empezar a programar. Quieren abrir el proyecto, lanzar comandos y ponerse a construir.

Floci parece entender bastante bien esa filosofía: menos configuración, menos espera y menos dolores de cabeza.

Y sí, cuando una herramienta promete arrancar en milisegundos, consume poca memoria y encima es gratis, lo mínimo es probarla.

#Floci #AWS #Programacion #DesarrolloWeb #CloudComputing #OpenSource #DevTools #Backend #Docker #SoftwareDevelopment #Tecnologia #Programadores

Hay dos formas de usar IA para programar: una es pedirle código a lo loco y cruzar los dedos… y otra es hacer ingeniería de verdad. Y justo ahí entra mattpocock/skills, un repo que está explotando en GitHub y que, sinceramente, deberías mirar si te mola el diseño, el código o ambos.

La idea es tan simple que duele: en vez de tratar a la IA como un genio improvisado, la conviertes en alguien con “habilidades concretas”. Cada skill es básicamente una receta bien definida: cómo crear un PRD, cómo dividir tareas, cómo hacer TDD, cómo diseñar interfaces… no magia, proceso.

Y aquí está lo interesante: no es teoría bonita. Es literalmente el workflow real de un dev top publicado tal cual. El repo nace del propio entorno de trabajo de Matt Pocock, que decidió abrir su carpeta .claude/skills/ al mundo. Resultado: uno de los repos más virales del momento, con decenas de miles de estrellas en cuestión de días .

Lo que te encuentras dentro no es código complejo, sino pequeñas piezas ultra concretas. Cosas como: convertir una idea en un PRD automáticamente, romper ese PRD en issues bien estructurados, forzar a la IA a preguntarte cosas incómodas antes de empezar (sí, eso existe), o generar múltiples diseños de interfaz para el mismo problema. Todo modular, todo reutilizable .

Y aquí viene el giro interesante para gente de diseño: esto no va solo de programar. Hay skills como “design-an-interface” que generan varias propuestas radicalmente distintas de UI para el mismo módulo. Es como tener un diseñador explorando caminos en paralelo, pero sin el caos típico de brainstorming eterno.

Además, el enfoque mola porque rompe con el “vibe coding”, ese rollo de improvisar con IA hasta que algo funciona. Aquí la filosofía es otra: primero piensas, luego estructuras, luego ejecutas. PRD → issues → código → tests. Un flujo mucho más cercano al diseño de producto que al simple desarrollo .

Otra cosa clave: cada skill es pequeña y hace una sola cosa bien. Esto es importante porque refleja cómo deberíamos pensar tanto el código como el diseño: piezas simples que se combinan para crear sistemas complejos. Nada de herramientas gigantes que hacen de todo mal.

Y lo mejor es que esto no es solo para usarlo tal cual. Es más bien una plantilla mental. Puedes copiar los skills, modificarlos o crear los tuyos. De hecho, el propio repo incluye uno para “crear skills”, lo cual ya es bastante meta.

En resumen: si estás en diseño o programación y usas IA, este repo te pega una bofetada suave pero necesaria. Te recuerda que no se trata de pedir resultados, sino de diseñar procesos. Y eso, al final, es donde está el nivel.

#Programación #DiseñoUX #InteligenciaArtificial #GitHub #Frontend #ProductDesign #UXUI #DevTools #IA #ClaudeAI #TypeScript #Workflow

Vale, esto es importante: si sabes hacer una web, ya puedes hacer vídeos. Sin timeline, sin Premiere, sin After Effects. Solo HTML.

Eso es exactamente lo que propone HyperFrames, un framework open source de HeyGen que básicamente rompe la forma tradicional de crear vídeo.

La idea es tan simple que cuesta entender por qué no existía antes: escribes HTML, lo renderizas y obtienes un MP4. Fin.

Pero ojo, no es “HTML metido en un vídeo”. Es un sistema donde defines cada elemento con timing, capas y animaciones usando atributos tipo data-start o data-duration. Es decir, conviertes el DOM en una línea de tiempo.

Y aquí es donde se pone interesante para diseñadores y devs:
no hay interfaz visual obligatoria. No hay timeline arrastrando clips. No hay caos. Hay código limpio.

De hecho, HyperFrames está pensado más para máquinas que para humanos. Sí, literalmente. Está diseñado para que agentes de IA puedan generar vídeos solos porque “hablan HTML de forma nativa”.

Esto cambia totalmente el juego.

Antes:
→ Diseñas en Figma
→ Exportas
→ Editas vídeo
→ Renderizas

Ahora:
→ Describes el vídeo
→ Un agente escribe el HTML
→ Ejecutas un comando
→ Tienes el vídeo listo

Y además con algo clave: determinismo. Mismo input, mismo output siempre. Nada de renders aleatorios o bugs raros. Esto es oro para pipelines automáticos, CI/CD o generación masiva de contenido.

A nivel técnico, por dentro mezcla cosas que ya conoces: Chrome en modo headless, captura frame a frame y FFmpeg para generar el vídeo final. Nada mágico, pero muy bien conectado.

Lo realmente potente no es la tecnología, es el enfoque.

HyperFrames no intenta ser “otro editor de vídeo”. Es más bien una capa nueva:
el vídeo como código.

Y eso tiene implicaciones brutales:
puedes versionar vídeos en Git, generar contenido dinámico, automatizar campañas, o crear vídeos personalizados a escala sin tocar una interfaz visual.

Para diseñadores, esto puede sonar raro al principio. Pero si ya trabajas con motion, UI o sistemas de diseño, en el fondo es lo mismo: componentes, estados y animaciones… solo que ahora viven en HTML.

Para developers, esto es directamente un regalo. No tienes que aprender un software nuevo. Usas lo que ya sabes: HTML, CSS, JS, GSAP o lo que quieras.

Y si te preguntas si esto es hype o no, la comunidad está bastante intrigada. En Reddit ya lo están llamando “lo más interesante” que ha salido en vídeo programático últimamente, sobre todo por lo fácil que encaja con herramientas tipo Claude Code o similares.

¿Va a sustituir a After Effects? No.
¿Va a cambiar cómo se crean vídeos en productos digitales, marketing o IA? Muy probablemente sí.

Porque cuando el contenido se vuelve código, deja de ser manual y pasa a ser escalable.

Y ahí es donde empieza lo realmente gordo.

#HyperFrames #DiseñoGráfico #Programación #VideoAutomation #AI #HTML #Frontend #MotionDesign #DevTools #OpenSource #HeyGen #ContentCreation #NoCode #CreativeCoding

Si estás metido en diseño, desarrollo o cualquier movida digital, seguro que ya te has peleado con herramientas tipo Mailchimp, SendGrid o similares. Funcionan bien, sí… hasta que empiezas a pagar facturas mensuales que duelen.

Aquí es donde aparece BillionMail, un proyecto que básicamente dice: “¿y si montas tu propio Mailchimp en tu servidor y te olvidas de pagar?”

Y ojo, no es humo.

BillionMail es un servidor de correo + plataforma de email marketing totalmente open source, pensado para que tú tengas el control absoluto: desde el envío de newsletters hasta campañas masivas o emails transaccionales . Nada de depender de terceros, nada de límites absurdos… aquí mandas tú.

La propuesta es bastante directa: lo instalas (literalmente en unos minutos según el repo), conectas tu dominio, configuras DNS y ya puedes empezar a enviar campañas . Y sí, suena demasiado bonito, pero es justo lo que busca: simplificar algo que normalmente es un infierno técnico.

Lo interesante aquí no es solo que sea gratis, es que es self-hosted. Eso significa privacidad total, sin terceros rastreando tus datos ni tus listas de suscriptores . Para mucha gente esto ya es motivo suficiente para darle una oportunidad.

Además, viene con lo típico que esperas de una herramienta de marketing: analíticas de aperturas, clics, gestión de listas, plantillas reutilizables… todo integrado en una interfaz web bastante limpia . No es un juguete, es una alternativa seria.

Y luego está el punto clave: envío ilimitado. Mientras tu infraestructura aguante, puedes mandar correos sin restricciones . Esto rompe completamente el modelo SaaS tradicional donde pagas por cada contacto o cada envío.

Pero no todo es perfecto (obvio). Esto no es plug & play nivel principiante. Si no sabes lo que es un DNS, SPF, DKIM o cómo calentar una IP… te vas a pegar una buena curva de aprendizaje. Y aquí es donde mucha gente sigue prefiriendo herramientas de pago.

De hecho, en comunidades dev hay opiniones bastante claras: montar tu propio sistema te ahorra dinero, pero los SaaS siguen ganando en comodidad y deliverability a largo plazo si no sabes optimizar bien tu setup.

Así que BillionMail no es para todo el mundo. Es para perfiles que quieren control, que no quieren depender de terceros y que no tienen miedo a tocar servidor. Si eres diseñador con perfil técnico o dev con mentalidad maker, esto es literalmente tu juguete.

En resumen: BillionMail no es “otra herramienta más”, es un cambio de mentalidad. Pasas de alquilar email marketing… a poseerlo.

#BillionMail #OpenSource #EmailMarketing #SelfHosted #DesarrolloWeb #DiseñoDigital #Programación #DevTools #SaaSAlternativas #MarketingDigital

Vale, te voy a ahorrar tiempo: si estás usando IA para programar interfaces y todo te sale con pinta de plantilla cutre… no eres tú, es la falta de contexto.

Aquí entra awesome-design-md, un repo que básicamente dice: “oye, en vez de pedirle magia a la IA, dale instrucciones de diseño claras”. Y lo hace con algo tan simple que duele: archivos Markdown.

Sí, Markdown. Nada de Figma, nada de tokens raros, nada de pipelines complejos. Un archivo llamado DESIGN.md donde defines colores, tipografías, espaciados, componentes… y listo. Lo metes en tu proyecto y le dices al agente: “usa esto”. Fin.

La idea es potente porque soluciona un problema real: las IAs programan bien, pero diseñan como si vivieran en 2014. Botones genéricos, layouts reciclados… todo correcto, pero sin alma.

Este repo lo que hace es convertir el “gusto” en texto reutilizable. No estás copiando componentes, estás copiando criterios de diseño.

Y aquí está la magia: puedes hacer que tu app parezca Stripe, Notion o Apple simplemente cambiando un archivo. Literalmente eliges un estilo y la IA lo sigue como si fuera un manual de marca.

Además, cada DESIGN.md no es un resumen cutre. Tiene de todo:

• paleta de colores con roles semánticos
• jerarquía tipográfica completa
• estilos de botones, inputs, cards
• reglas de espaciado y layout
• comportamiento responsive
• incluso “qué NO hacer”

O sea, es como pasarle a la IA el cerebro de un diseñador comprimido en texto.

Y lo mejor: funciona porque Markdown es justo el idioma que las LLM entienden mejor. No hay que parsear nada raro.

Ahora bien, tampoco es la panacea.

#diseñografico #uxui #frontend #ia #programacion #webdesign #openSource #designsystems #markdown #aiTools

Si estás tirando de Google Fonts en todos tus proyectos… hay algo que deberías conocer ya: Fontsource.

Básicamente, es una librería enorme de tipografías open source listas para usar en tus proyectos, pero con un enfoque muy distinto: aquí no dependes de CDNs externos, tú te llevas las fuentes a casa y las gestionas como cualquier otra dependencia.

¿Y esto qué significa? Que instalas una fuente con npm y listo. Como si fuera una librería más de tu proyecto. Sin líos raros.

Fontsource te da acceso a más de 1500 familias tipográficas listas para descargar y usar directamente en tu código . Y lo mejor es que no se queda solo en las típicas fuentes de Google, también incluye otras que normalmente no tienes tan a mano.

La gracia está en cómo funciona. En lugar de cargar fuentes desde servidores externos (como hace Google Fonts), aquí haces self-hosting. Es decir, las fuentes viven dentro de tu proyecto. Esto tiene varias ventajas bastante serias.

Primero: rendimiento. Al evitar llamadas externas, reduces latencia y mejoras tiempos de carga. Nada de esperar a que otro servidor responda para pintar tu tipografía .

Segundo: privacidad. Google Fonts rastrea cierto uso, y aunque no sea dramático, hay proyectos donde esto importa. Con Fontsource, ese problema desaparece porque todo corre en tu propio entorno .

Tercero: control total. Las fuentes están versionadas como cualquier paquete npm. Nada de sorpresas porque Google ha actualizado una fuente y tu diseño ahora se ve distinto .

Y cuarto: funciona incluso offline. Esto es clave si estás trabajando con PWAs o apps donde no siempre hay conexión.

Además, puedes elegir exactamente qué pesos y estilos necesitas. No tienes que cargar toda la familia si solo quieres un par de variantes, lo cual ayuda bastante a optimizar.

A nivel práctico, usar Fontsource es ridículamente simple. Instalas la fuente que quieras, la importas en tu CSS o JS y listo. Sin enlaces externos, sin configuraciones raras.

Eso sí, no todo es perfecto. Hay gente que comenta que la interfaz de selección de fuentes no es la más cómoda del mundo, pero siendo honestos, eso es lo de menos cuando el sistema que hay detrás es tan sólido.

En resumen: si te tomas en serio el rendimiento y quieres dejar de depender de terceros para algo tan básico como la tipografía, Fontsource es una opción muy potente que deberías probar ya.

#WebDesign #Frontend #Tipografía #CSS #JavaScript #OpenSource #UI #UX #DevTools #Fonts