
Enrutamiento de LLM para reducir costos de API
Seis estrategias de enrutamiento de LLM comparadas por costo, latencia y riesgo, y el plan sombra, canario y rampa para mover tráfico a un modelo más barato.
Leer el artículoGuías, notas de investigación y lo que aprendemos creando modelos.

Seis estrategias de enrutamiento de LLM comparadas por costo, latencia y riesgo, y el plan sombra, canario y rampa para mover tráfico a un modelo más barato.
Leer el artículo
El precio por token de la IA baja y las facturas suben. Por qué crecen los costos, cómo saber si el gasto rinde y qué pueden hacer los líderes. Datos de 2026.
Leer el artículo
AMD acordó comprar Taalas el 6 de agosto de 2026, ocho meses después de que Nvidia licenciara Groq por $20 mil millones. Inferencia y entrenamiento se separan.
Leer el artículo
Liquid AI publica LFM2.5 en tres tamaños. Benchmarks, tamaños de exportación y lo que aprendimos ajustando dos de ellos hasta convertirlos en productos, incluido el fallo que ninguna métrica detectó.
Leer el artículo
La forma más barata de entrenar un modelo de IA propio. Qué desbloquean $10/mes para aficionados y devs indie, qué modelos puedes entrenar y dónde se acaba.
Leer el artículo
Cómo ajusté un modelo de IA de 1.2B que corre en el dispositivo para darle a Linus diálogo de verdad dentro de Stardew Valley, funcionando en tu CPU y sin clave de API. Parte 1 del diario de desarrollo de Chatty Valley.
Leer el artículo
FunctionGemma de Google (270M) y Gemma 4 E2B (2B) son los modelos de llamada de funciones más pequeños y creíbles de 2026, bases para ajustar y enviar.
Leer el artículo
Llama Stack de Meta es la arquitectura de referencia canónica para agentes basados en Llama. Combínalo con un derivado Llama 4 ajustado y los SDKs cliente Swift/Kotlin y obtienes un stack de agentes completo ejecutándose enteramente en el teléfono del usuario.
Leer el artículo
Los desarrolladores móviles que prefieren TypeScript no tienen que usar frameworks de agentes Python. Mastra y el Vercel AI SDK más un modelo de 4B ajustado ejecutándose en el dispositivo a través de llama.cpp producen un stack completo de agentes con cero costes por token.
Leer el artículo
Phi-4-Mini, Gemma 4 E4B y Qwen3-4B en tool calling con BFCL v4, latencia en móvil y precisión tras fine-tuning, más un árbol de cuatro preguntas para elegir base.
Leer el artículo
El OpenAI Agents SDK es intencionalmente agnóstico al modelo. Cambia el cliente de OpenAI por un modelo entrenado con Ertas ejecutándose en Ollama y mantienes la experiencia de desarrollador mientras matas los costes por token. Un tutorial directo.
Leer el artículo
Pydantic AI aporta seguridad de tipos y ergonomía de FastAPI a los agentes LLM. Combínalo con un modelo de 4B ajustado ejecutándose en el dispositivo vía llama.cpp y obtienes agentes de calidad de producción en aplicaciones móviles con cero costes de API y salidas validadas por construcción.
Leer el artículo
Pydantic AI te da agentes lineales con tipado seguro y LangGraph grafos duraderos con estado. Matriz de decisión 2026 y por qué el fine-tuning mejora ambos.
Leer el artículo
Nous Research tiene dos cosas llamadas Hermes: una familia de modelos abiertos de 2025 y un framework de agentes auto-mejorables de 2026. Cuál usar y cuándo.
Leer el artículo
Una instantánea integral del ecosistema de modelos de IA de pesos abiertos a abril de 2026: el dominio de los laboratorios chinos, MoE como arquitectura por defecto, el patrón unificado de modo de razonamiento y lo que todo esto significa para los despliegues en producción.
Leer el artículo
Para abril de 2026, los laboratorios chinos ocupan los cinco primeros puestos de los modelos de pesos abiertos en los benchmarks agregados de inteligencia. El patrón no es accidental: refleja diferencias estratégicas, estructurales y económicas entre el desarrollo de IA en EE. UU. y en China que tardaron años en concretarse.
Leer el artículo
Los modelos anunciados con ventanas de contexto de 1M o 10M de tokens no retienen realmente una precisión útil de recuperación a lo largo de todo ese rango. Aquí explicamos qué significa de verdad el 'contexto efectivo', por qué importa para los despliegues en producción y cómo diseñar para sortear la brecha.
Leer el artículo
Por qué MoE es la arquitectura por defecto de los modelos insignia de pesos abiertos en 2026, qué cambió de Mixtral a DeepSeek V4 y qué implica desplegarlos.
Leer el artículo
Como ejecutar una prueba A/B justa entre tu API en la nube y modelo en el dispositivo en una app movil en vivo. Metricas, diseno de cohortes, significancia estadistica y las metricas que realmente importan.
Leer el artículo
Tres formas de agregar funciones de IA a tu aplicacion movil. APIs en la nube para prototipos rapidos, modelos en el dispositivo para produccion y arquitecturas hibridas que combinan ambas. Una guia practica con costos reales, codigo y matrices de decision.
Leer el artículo
Tres caminos para agregar IA a tu app Android. Google ML Kit para tareas comunes, APIs en la nube para capacidad completa de LLM y modelos en el dispositivo via llama.cpp para costo y privacidad. Una comparacion practica para desarrolladores Kotlin.
Leer el artículo
Las matematicas de costos que la mayoria de tutoriales de IA omiten. Tu factura de API escala linealmente con cada usuario, y los multiplicadores reales son peores de lo que la pagina de precios sugiere. Esto es lo que pasa a 1K, 10K y 100K MAU.
Leer el artículo
Como calcular el verdadero costo de IA por usuario de app movil. Comparacion de proveedores, multiplicadores ocultos y la economia unitaria que determina si tu funcion de IA es sostenible.
Leer el artículo
Los limites de tasa de OpenAI, Anthropic y Google estan disenados para uso controlado, no para apps moviles con miles de usuarios concurrentes. Aqui es donde impactan los limites y que pasa cuando lo hacen.
Leer el artículo