GitLab Duo Self-Hosted ya admite modelos desplegados en Microsoft Foundry
El gateway autoalojado de Duo puede apuntar a modelos del catálogo de Foundry dentro de Azure, con selección de modelo por función y control sobre dónde viajan código y prompts.
GitLab ha ampliado Duo Self-Hosted para que pueda consumir modelos desplegados en Microsoft Foundry. En la práctica, una organización ejecuta las funciones de IA de GitLab contra modelos alojados en el entorno de Azure que ella misma elige, en lugar de enviar las peticiones a la infraestructura de modelos que gestiona GitLab. La integración cubre las familias GPT de OpenAI, Claude de Anthropic, Llama de Meta y Mistral.
El detalle importa a quien arrastra requisitos de residencia de datos, soberanía, cumplimiento normativo o aislamiento de red. Los administradores conservan el control sobre dónde se procesan las peticiones y las respuestas y sobre cómo se despliegan los modelos por debajo.
Tres piezas y un intermediario
La arquitectura se apoya en una instancia de GitLab autogestionada, un GitLab AI Gateway también autoalojado y uno o varios endpoints de modelo servidos desde Microsoft Foundry. El gateway hace de intermediario entre Duo y los modelos, de forma que cada capacidad de Duo no queda atada a un proveedor concreto.
La selección de modelo es por función. Se puede poner un modelo orientado a código para Code Suggestions, otro para cargas agénticas y uno más pequeño para tareas de gran volumen. Cambiar un despliegue de modelo no obliga a rehacer el flujo de trabajo de desarrollo.
Lo que se lleva el equipo de plataforma
Autogestionar la capa de IA tiene un coste, y conviene decirlo claro: despliegues de modelos, capacidad, red, credenciales, disponibilidad y ciclo de vida de cada modelo pasan a ser responsabilidad del equipo de ingeniería y plataforma, además del propio GitLab.
Hay una trampa adicional. Que un modelo esté en el catálogo de Foundry no significa que sea compatible con Duo. El catálogo de Microsoft se mueve más rápido que la matriz de modelos soportados por GitLab, así que toca verificar la compatibilidad en ambos lados antes de elegir.
El movimiento encaja en una tendencia más amplia: dejar de tratar la herramienta de desarrollo con IA y el modelo de base como un paquete único. GitHub Copilot admite cada vez más modelos por debajo, pero su experiencia estándar sigue pegada al servicio gestionado de GitHub. Bedrock y el propio Foundry ofrecen infraestructura multimodelo, pero no sustituyen a una plataforma DevSecOps integrada como GitLab.
El resultado es que el entorno de desarrollo se parece cada vez más a una capa de control agnóstica de modelo: GitLab lleva el flujo de trabajo y las funciones de IA, y la organización decide qué modelos van debajo.
Por eso la decisión ya no es solo qué capacidades de IA usan los desarrolladores. Es dónde corren los modelos, por dónde viajan el código fuente y los prompts, quién controla las credenciales y qué jurisdicción procesa los datos.
