LLMTR Blog
Artículos en español sobre el Reglamento Europeo de IA, el RGPD, las transferencias internacionales de datos y el consumo de APIs de modelos de lenguaje.
Confianza y cumplimiento · 2026-09-11
El calendario real del Reglamento de IA, la pieza española que lo completa y la parte que afecta a quien integra una API en lugar de entrenar un modelo.
Confianza y cumplimiento · 2026-09-11
El capítulo V del RGPD aplicado a una llamada a una API de modelos de lenguaje: garantías, evaluación de impacto de la transferencia y qué se puede comprobar.
Confianza y cumplimiento · 2026-09-11
Cómo pasar de un distintivo comercial a una comprobación que resiste una auditoría, aplicada a proveedores de modelos de lenguaje.
Guías de integración · 2026-09-11
Qué cambia realmente al mover una integración del SDK de OpenAI a una pasarela compatible, y los controles previos a producción.
Comparativa de modelos · 2026-09-11
Recursos públicos de evaluación en español y un método para medir modelos sobre sus propios datos en lugar de sobre una media.
Comparativa de modelos · 2026-09-11
Qué significa realmente la orquestación multiagente, para qué cargas de trabajo sirve Fugu Max y una lista de capacidades verificada con mediciones en lugar de copiada del anuncio.
Precios y comparativas · 2026-09-11
La tarifa de Fugu Max, cómo funciona realmente la contabilidad de tokens de orquestación y un ejemplo que compara la misma solicitud en Fugu Max y en Fugu Ultra.
Guías de integración · 2026-09-11
Los pasos para llamar a Fugu Max manteniendo su cliente compatible con OpenAI: niveles de reasoning admitidos, llamada a funciones y cómo leer el bloque usage.
Precios y comparativas · 2026-10-06
El artículo sobre generación de voz en turco trata de un único flujo de narración con la versión Pro Preview. Este artículo explica qué criterios usar al elegir entre las versiones Flash y Pro de la misma familia.
Guías de integración · 2026-09-27
Que falte el botón de Spark no demuestra una avería. Distingue los requisitos de acceso de los problemas de la aplicación y las tareas antes de cambiar tu configuración.
Guías de integración · 2026-09-27
Los nombres parecidos no hacen intercambiables estos productos. Decide si necesitas una aplicación personal ya preparada o un modelo para incorporarlo a tu propio software.
Guías de integración · 2026-09-27
Una respuesta local inesperada no basta para juzgar el modelo. Comprueba primero las revisiones de los archivos y cómo el cliente y el servidor preparan la solicitud.
Guías de integración · 2026-09-27
Disponer de pesos descargables no elimina el coste de operación. Utiliza mediciones propias para calcular el total mensual y el coste de cada tarea aceptada.
Guías de integración · 2026-09-27
Descargar una aplicación no equivale a descargar un modelo. Revisa el acceso verificado de Muse Spark 1.2 y cómo comprobar una supuesta publicación de pesos.
Guías de integración · 2026-09-27
Una respuesta fluida no garantiza una buena localización. Prepara ejemplos equivalentes y muestra los errores de cada idioma por separado antes de integrar el modelo.
Guías de integración · 2026-09-27
Para quienes buscan Astra gratis: la antigua opción gratuita de LLMTR está retirada y el modelo de pago tiene otro identificador. Una guía antigua no es una oferta vigente.
Guías de integración · 2026-09-27
Dos frases diferentes no siempre se contradicen. Define el alcance, identifica los documentos y comprueba los posibles hallazgos en las fuentes originales.
Guías de integración · 2026-09-27
Una buena narración bilingüe empieza con texto revisado y termina con audio revisado. Utiliza muestras cortas, una voz consistente y controles de escucha independientes.
Guías de integración · 2026-09-27
No intentes resolver todos los errores OCR con un prompt más largo. Empieza por la legibilidad, la disposición de filas y la versión exacta del modelo.
Guías de integración · 2026-09-28
Envía una solicitud Chat Completions compatible con OpenAI usando minimax/minimax-m3.1-free. El periodo gratuito termina el 30 de septiembre de 2026 a las 23:59 (hora de Turquía); después está disponible minimax/minimax-m3 de pago.
Comparativas de modelos · 2026-09-28
M3.1 es la versión preliminar de MiniMax posterior a M3 y es gratuita en LLMTR hasta el 30 de septiembre de 2026 a las 23:59 (hora de Turquía). M3 es de pago y ofrece vídeo, caché de prompts y razonamiento desactivable.
Guías de integración · 2026-09-30
Envía una solicitud Chat Completions compatible con OpenAI con minimax/minimax-m3.1-flash-preview. El modelo es gratuito y no se descuenta de tu saldo; para usarlo, tu cuenta debe haber recargado saldo al menos una vez.
Guías de integración · 2026-10-01
Para Claude Code bastan ANTHROPIC_BASE_URL=https://llmtr.com y ANTHROPIC_MODEL=minimax/minimax-m3.1-flash-preview:low. En agentes compatibles con OpenAI la URL base es https://llmtr.com/v1.
Guías de integración · 2026-10-01
Define las herramientas en el campo tools; cuando finish_reason sea tool_calls, ejecuta la herramienta y devuelve el resultado con role tool, y repite hasta stop. El bucle funciona sobre /v1/chat/completions.
Precios y comparativas · 2026-10-06
Compara precios por 1M tokens, descubre cómo leer /v1/models y convierte sus valores por token. Calcula costes por carga, revisa niveles de precio y gestiona crédito y claves de API.
Guías de integración · 2026-10-06
Consulta cómo enviar aspect_ratio, resolution y response_format: b64_json a /v1/images/generations con xai/grok-imagine-image-quality. Compara 0,05 $ y 0,02 $ por imagen, decodifica data[0].b64_json en Python y configura cuenta, crédito, clave y primera solicitud en LLMTR.
Comparativa de modelos · 2026-10-06
Muse Spark 1.2 y su variante Contributor comparten checkpoint, capacidades, contexto de 1.048.576 tokens y endpoint. La tabla contrasta precios, entrenamiento y límite de solicitudes; para 10M tokens de entrada y 2M de salida, el coste mensual es 21,00 $ con el estándar y 1,40 $ con Contributor.
Guías de integración · 2026-10-06
Accede a Muse Spark 1.2 Contributor mediante la API de LLMTR. Configura la clave, envía chat completions con curl o Python y revisa precios, razonamiento, herramientas, datos y coste antes de integrar.
Comparativa de modelos · 2026-10-06
Gemini Flash para alto volumen y Pro para razonamiento difícil. Compara precios, contexto y fechas de cambio en LLMTR; usa 20-50 prompts reales y enruta a Pro solo los casos en que Flash falle.
RAG y datos · 2026-10-06
Compara los nueve modelos de embeddings Voyage en LLMTR: elige entre 256, 512, 1024 y 2048 dimensiones, usa float, int8, uint8, binary o ubinary cuando corresponda y configura consultas y documentos con el mismo modelo, dimensión y tipo de salida.
RAG y datos · 2026-10-06
Gemini 2.5 Flash es un modelo de chat para generar respuestas, no vectores. Usa un modelo de embeddings para indexar y recuperar contenido y consulta los endpoints y precios de LLMTR antes de integrar.
RAG y datos · 2026-10-06
El error 400 Bad Request aparece cuando embeddinggemma se envía a un endpoint de chat. En LLMTR, usa llmtr/embeddingmagibu-200m, sucesor de llmtr/embeddinggemma-300m, mediante POST https://llmtr.com/v1/embeddings: devuelve vectores de 768 dimensiones, admite entradas por lotes y no genera texto.
Comparativa de modelos · 2026-10-06
Gemini 3.7 Flash es la opción inicial para ediciones, pruebas, refactorizaciones y bucles de agente. Gemini 3.1 Pro Preview se usa cuando Flash falla en las pruebas. La comparación incluye contexto, salida, precios, razonamiento, herramientas personalizadas y el coste de una sesión de 100 pasos.
Comparativa de modelos · 2026-10-06
Los dos identificadores enrutan al mismo modelo gpt-5.6-luna. Luna admite pro por solicitud y Luna Pro lo envía por defecto. Desde el 2026-07-30, ambos tienen precios por token iguales; el coste varía según los tokens de salida, incluidos los de razonamiento.
Guías de integración · 2026-10-06
Una pasarela multi-LLM centraliza el acceso, pero no una política única de entrenamiento. LLMTR no almacena los cuerpos de prompts y respuestas; cada id de modelo tiene su política. Revisa las insignias TR y EU, evita Contributor con datos confidenciales y limita cada clave hasta 50 modelos.
Guías de integración · 2026-10-06
Consulta qué datos conserva una API, protege la clave en el servidor y limita gasto, vigencia, modelos e IP. LLMTR no guarda prompts ni respuestas, permite elegir filas TR o EU y ofrece una API compatible con OpenAI en https://llmtr.com/v1.
Guías de integración · 2026-10-06
El campo image de Grok no recibe un image id: transporta una URL, un objeto con URL o un data URI base64. En LLMTR, POST /v1/images/edits admite xai/grok-imagine-image y xai/grok-imagine-image-quality, con una imagen o de 1 a 5 referencias.
Guías de integración · 2026-10-06
OpenAI habilitó los fondos transparentes para gpt-image-2 como versión preliminar el 20 de agosto de 2026; background transparent funciona con output_format png o webp. Antes de esa fecha la misma solicitud devolvía 400. En LLMTR, transparent con jpeg devuelve 400 invalid_request.
Comparativa de modelos · 2026-10-10
LLMTR ofrece 12 modelos de chat y 1 de embeddings de TensorX con ids tensorx/<modelo>-tensorx en https://llmtr.com/v1. La llamada exige el consentimiento de transferencia de datos de TensorX en la cuenta; la misma clave y saldo sirven para el resto de modelos.
Comparativa de modelos · 2026-10-10
Kimi K3 está disponible en LLMTR como tensorx/kimi-k3-tensorx. Según el proveedor, las solicitudes se procesan dentro de la Unión Europea y se requiere el consentimiento de transferencia de datos de TensorX. Contexto de 1.048.576 tokens; precio de 3,00 / 0,75 / 15,00 $ por 1M de tokens.
Confianza y cumplimiento · 2026-10-10
La política de privacidad de DeepSeek indica que almacena datos personales en la República Popular China. Las tres filas DeepSeek V4 de TensorX en LLMTR se procesan, según el proveedor, dentro de la Unión Europea; la evaluación del RGPD es tuya y se requiere consentimiento.
Flujos de agentes · 2026-10-10
Todos los modelos de chat de TensorX en LLMTR admiten llamadas a herramientas (funciones) y streaming. Se comparan ocho filas para agentes y programación, con un ejemplo de coste, tokens de razonamiento, alcance de claves y el consentimiento de transferencia de datos.
RAG y datos · 2026-10-10
Un RAG puede ejecutar los pasos de embedding y respuesta en filas de TensorX a través de LLMTR. Vectorizar 10 millones de tokens cuesta 0,20 $ y un único consentimiento de transferencia cubre ambos pasos. La evaluación del RGPD sigue siendo tuya.
Alternativas de gateway · 2026-10-10
En LLMTR las filas de TensorX llevan el precio de lista en USD de TensorX; el margen del 8 % se añade una sola vez, en la recarga de crédito. A cambio tienes una clave, un saldo y la opción de pasar a una fila de la misma familia cambiando la cadena del modelo. Si solo vas a usar TensorX, ir directo también puede tener sentido.
Guías de integración · 2026-10-10
Si una fila alojada en la UE devuelve un error, la misma clave y el mismo saldo pueden llamar a la otra fila de la misma familia; los pares de GreenPT y TensorX funcionan en ambos sentidos. LLMTR no cambia de proveedor; lo hace el cliente. Sin cambio con 400 ni 403.
Precios y comparativas · 2026-10-10
LLMTR ofrece los modelos de TensorX a su precio de lista en USD, sin margen sobre el precio del token. La tabla recoge entrada, lectura de caché y salida de 11 filas de chat y 1 de embeddings, con ejemplos de coste calculados.
Guías de integración · 2026-10-10
En LLMTR, anthropic/claude-haiku-5.5-free cuesta 0,00 $ por 1M de tokens hasta el 14 de octubre de 2026, 23:59 (hora de Turquía). El uso tiene un límite diario por cuenta; el prompt llega a 100.000 tokens y la respuesta a 32.768. Después, las solicitudes devuelven HTTP 410 model_retired.
Flujos de agentes · 2026-10-10
Claude Code envía tareas de fondo, como los títulos de sesión, al modelo de ANTHROPIC_DEFAULT_HAIKU_MODEL. En LLMTR, usa anthropic/claude-haiku-5.5-free: 0,00 $ por 1M de tokens hasta el 14 de octubre de 2026, 23:59 (hora de Turquía), límite de prompt de 100.000 tokens y HTTP 410 después.
Guías de integración · 2026-10-10
En LLMTR, StepFun Step 5 Preview se llama como stepfun/step-5-preview en https://llmtr.com/v1/chat/completions. El contexto es de 1.024.000 tokens; por 1M de tokens, la entrada cuesta 1,00 $, la entrada en caché 0,10 $ y la salida 2,70 $. reasoning_effort acepta low, medium y high.
Guías de integración · 2026-10-10
stepfun/step-5-preview lee video e imágenes en base64 enviados como partes video_url e image_url en una solicitud a https://llmtr.com/v1/chat/completions y devuelve una respuesta en texto. El video en base64 tiene un límite de unos 9 MB, un mensaje lleva como máximo 16 partes y los medios se facturan como tokens de entrada a 1,00 $ por 1M de tokens.
Comparativa de modelos · 2026-10-10
stepfun/step-5-preview tiene un contexto de 1.024.000 tokens y cuesta 1,00 $ / 0,10 $ / 2,70 $; stepfun/step-3.7-flash tiene 256.000 tokens y cuesta 0,20 $ / 0,04 $ / 1,15 $ (entrada / caché / salida por 1M de tokens). Ambos se llaman con la misma clave en https://llmtr.com/v1/chat/completions; Step 5 Preview para contexto largo y json_schema, Step 3.7 Flash para turnos cortos y frecuentes.
Guías de integración · 2026-10-10
perplexity/pplx-decider-v1.1-27b es un modelo de decisión que responde con probabilidades a preguntas tipadas sobre un estado que envías, sin generar texto. En LLMTR se llama en https://llmtr.com/v1/systemone por 0,02 $ por 1M de tokens de entrada; la salida no tiene precio. El estado se cuenta de nuevo en cada pregunta.
Flujos de agentes · 2026-10-10
La respuesta del agente se envía a perplexity/pplx-decider-v1.1-27b como estado, junto con la pregunta del usuario y el resultado de la herramienta; la lista de control se convierte en preguntas noul y cada una devuelve una probabilidad de sí entre 0 y 1. Lo que no supera el umbral pasa a una persona. La entrada cuesta 0,02 $ por 1M de tokens.
RAG y datos · 2026-10-10
perplexity/pplx-decider-v1.1-27b evalúa una imagen en base64 añadida al array state según tus preguntas y devuelve una probabilidad de sí/no, una categoría o una puntuación de calidad. En LLMTR se llama en https://llmtr.com/v1/systemone; la imagen se cuenta de nuevo en cada pregunta, como máximo unos 2.050 tokens por pregunta.
Guías de integración · 2026-10-10
En LLMTR, google/gemini-nano-banana-2.1 se llama a través de https://llmtr.com/v1/images/generations. La salida de imagen cuesta 30 $ por 1M de tokens; los equivalentes por imagen de Google son 0,0336 $ para 1K, 0,0504 $ para 2K y 0,113 $ para 4K. La entrada se factura a 1,50 $ y el razonamiento a 7,50 $; n no se aplica.
Guías de integración · 2026-10-10
Para editar con Nano Banana 2.1, la imagen de referencia se sube a https://llmtr.com/v1/files y el id devuelto se añade a una solicitud a /v1/images/generations mediante file_ids. Una solicitud admite hasta 8 referencias; varias referencias y try-on usan el mismo flujo. /v1/images/edits no está disponible para los modelos de Google.
Comparativa de modelos · 2026-10-10
Los dos modelos se llaman en LLMTR a través de https://llmtr.com/v1/images/generations con la misma clave. Nano Banana 2.1 tiene equivalentes por imagen más bajos (1K 0,0336 $, 2K 0,0504 $, 4K 0,113 $; Nano Banana 2: 0,067 $, 0,101 $, 0,151 $), mientras que sus tokens de entrada y de razonamiento cuestan más. El tamaño 512 solo se publica para Nano Banana 2.
Guías de integración · 2026-10-10
En LLMTR, mistral/mistral-large-4 se llama con el SDK de OpenAI en https://llmtr.com/v1/chat/completions. Ofrece 524.288 tokens de contexto y hasta 262.144 tokens de salida por respuesta. Por 1M de tokens cuesta 0,68 $ de entrada y 2,09 $ de salida hasta el 20 de octubre de 2026 a las 00:00 UTC, y 1,36 $ / 4,18 $ a partir de entonces.
Flujos de agentes · 2026-10-10
Mistral Large 4 llama a herramientas en LLMTR mediante /v1/chat/completions. En tool_choice funcionan auto, none y una función con nombre; required devuelve 400. En un bucle de varios turnos, los mensajes del asistente se reenvían con reasoning_content y ese razonamiento se factura como tokens de entrada.
Comparativa de modelos · 2026-10-10
En LLMTR los dos modelos se llaman con la misma clave de API a través de /v1/chat/completions. Large 4 ofrece 524.288 tokens de contexto y Large 3, 256.000; Large 4 razona por defecto y acepta los niveles none y high. El id mistral/mistral-large-latest está fijado en Large 3 y no pasa solo a Large 4.
Guías de integración · 2026-10-14
En LLMTR, heabsy/qwen3.8-27b-heabsy-free cuesta 0,00 $ por 1M de tokens hasta el 2 de noviembre de 2026, 00:00 (hora de Turquía). Antes de la primera solicitud hay que dar el consentimiento de transferencia de datos de Heabsy en Settings. El uso tiene un límite diario por cuenta; el contexto llega a 262.144 tokens y la respuesta a 32.768. Después, las solicitudes devuelven HTTP 410 model_retired.
Confianza y cumplimiento · 2026-10-14
En LLMTR, heabsy/qwen3.8-27b-heabsy-free cuesta 0,00 $ hasta el 2 de noviembre de 2026, 00:00 (hora de Turquía). Según Heabsy, las solicitudes se procesan en centros de datos de la UE/EEE, y los prompts y las respuestas no se guardan ni se usan para entrenar. Para llamar a esta fila, la cuenta necesita el consentimiento de transferencia de datos de Heabsy. El artículo compara las cinco filas de Qwen3.8 27B del catálogo por lugar de procesamiento y nota de datos.
Flujos de agentes · 2026-10-14
heabsy/qwen3.8-27b-heabsy-free cuesta 0,00 $ por 1M de tokens hasta el 2 de noviembre de 2026, 00:00 (hora de Turquía), y la ficha del modelo indica function calling; max_tokens llega a 32.768 y el razonamiento está activado por defecto. El uso tiene un límite diario por cuenta; después, las solicitudes devuelven HTTP 410 model_retired.