Para elegir un proveedor de API de LLM, puntúe a cada candidato en seis áreas: el costo mensual de su carga de trabajo real, los límites de tasa y de concurrencia, la compatibilidad con OpenAI, las condiciones de retención de datos y de entrenamiento, los modelos que necesita, y el soporte y la fiabilidad. Después pruebe a los dos mejores con una semana de tráfico real. A continuación: 20 preguntas, una hoja de puntuación y el plan de pruebas.
Una vez elegido, la lista de verificación de migración cubre el cambio en sí, y cómo evaluar un LLM antes de cambiar cubre a fondo las pruebas de calidad.
¿Cuánto costará de verdad? (preguntas 1 a 4)
- ¿Cuánto cuesta al mes mi carga de trabajo real? Calcule por separado la entrada, la entrada en caché y la salida; la calculadora de costos de API de LLM gratuita lo hace por modelo. Los agentes reenvían el mismo contexto, así que la entrada en caché suele dominar. Nuestra guía de precios explica cada partida.
- ¿Los tokens de razonamiento se cobran como salida? Los modelos de razonamiento pueden gastar más tokens pensando que respondiendo.
- ¿Hay una opción de tarifa plana? Para agentes siempre activos, un plan de tarifa plana puede salir mejor que la facturación por token. Consulte el cálculo del punto de equilibrio.
- ¿Los precios son legibles por máquina y tienen fecha? Un archivo de precios en JSON le permite seguir los cambios y crear alertas de costo.
Nuestro conjunto de datos abierto de niveles gratuitos y límites de tasa de API de LLM compara lo que publican 14 proveedores sobre acceso gratuito, límites de tasa iniciales, requisito de tarjeta y entrenamiento con datos del nivel gratuito, con la fuente y la fecha de cada valor.
¿Qué límites alcanzará primero? (preguntas 5 a 7)
- ¿Cuáles son los límites de solicitudes por minuto y de concurrencia? La concurrencia (solicitudes en curso) es lo que frena a los agentes en paralelo y a los trabajos por lotes. Consulte límites de tasa y concurrencia, y dimensione su tráfico frente a un límite con la calculadora de límites de tasa.
- ¿Hay un tope de tokens, una ventana móvil o una cuota semanal? Los planes “ilimitados” a menudo tienen alguno. Lea qué significa realmente ilimitado.
- ¿Cuál es la ventana de contexto y se recorta? Compruebe el máximo real por solicitud y si el proveedor recorta en silencio los prompts largos.
¿Qué tan compatible es con su código? (preguntas 8 a 10)
- ¿Es compatible con OpenAI, y hasta qué punto? Debería bastar con cambiar la base URL. Después pruebe el streaming con uso, las llamadas a herramientas, la salida estructurada y los códigos de error. La lista de verificación de migración enumera lo que falla.
- ¿Funciona con mis herramientas? SDK, frameworks de agentes, asistentes de IDE. Revise las guías de integración del proveedor.
- ¿Los ID de modelo son estables? Le conviene tener ID con versión y aviso previo antes de que se retire un modelo.
¿Qué pasa con sus datos? (preguntas 11 a 13)
- ¿Se almacenan los prompts y las respuestas, y durante cuánto tiempo? Muchos proveedores conservan el contenido de la API hasta 30 días por defecto. Compare la redacción oficial en retención de datos en API de LLM comparada.
- ¿Se usan mis datos para entrenar? Compruebe por escrito la opción predeterminada de su nivel.
- ¿Puedo firmar un DPA, ver los subencargados y restringir las claves? Use la lista de verificación del RGPD si trata datos personales de la UE, y pida listas de IP permitidas.
¿Tiene los modelos que necesita? (preguntas 14 a 16)
- ¿El proveedor tiene los tamaños de modelo y las capacidades que necesito? Visión, llamadas a herramientas, razonamiento, contexto largo, voz.
- ¿Qué tal funciona cada modelo en mis tareas? Cree de 30 a 50 casos de prueba reales y puntúelos. Los benchmarks son un primer filtro; dónde comparar LLM enumera las tablas de clasificación y lo que mide cada una. La guía de evaluación muestra cómo crear el conjunto y evitar el sesgo del juez.
- ¿Pesos abiertos o cerrado? Los modelos de pesos abiertos pueden alojarlos varios proveedores, lo que reduce la dependencia. Consulte modelos de pesos abiertos frente a cerrados.
¿Seguirá disponible y quién le atenderá? (preguntas 17 a 20)
- ¿Hay una página de estado y un historial de incidentes?
- ¿Hay un SLA por escrito para producción?
- ¿Quién opera las GPU? Hardware propio, una nube o capacidad revendida de otra API. Cada opción añade una parte a la ruta de los datos y de la fiabilidad.
- ¿Cómo contacto con una persona? Tiempos de respuesta, canales y si el soporte puede ver el contenido de sus solicitudes.
¿Cómo se puntúan los proveedores entre sí?
Puntúe cada pregunta con 0 (no o desconocido), 1 (en parte) o 2 (sí, por escrito). Pondere los grupos según su caso de uso:
| Grupo | Preguntas | Peso para un agente | Peso para una app regulada |
|---|---|---|---|
| Precios | 1 a 4 | Alto | Medio |
| Límites | 5 a 7 | Alto | Medio |
| Compatibilidad | 8 a 10 | Medio | Medio |
| Privacidad | 11 a 13 | Medio | Alto |
| Modelos | 14 a 16 | Alto | Alto |
| Soporte y fiabilidad | 17 a 20 | Medio | Alto |
Un “desconocido” puntúa 0 por una razón: si un proveedor no puede responder, usted no puede confiar en él.
¿Cómo probar un proveedor en una semana?
- Elija los dos mejores proveedores de la hoja de puntuación.
- Envíe una parte del tráfico real a cada uno con el mismo SDK de OpenAI, con los ID de modelo y las base URL en la configuración.
- Registre por solicitud: modelo, tokens del prompt, tokens en caché, tokens de la respuesta, latencia y código de estado. Nunca registre el contenido.
- Provoque su pico: ejecute su trabajo por lotes o sus agentes en paralelo y vigile los errores 429. La guía de errores y reintentos muestra el back-off correcto.
- Multiplique los tokens de la semana por unas 4.3 y calcule el costo del mes para cada proveedor.
- Puntúe las respuestas con su conjunto de pruebas.
Cómo responde BroadNet Inference a la lista
| # | BroadNet Inference |
|---|---|
| 1, 4 | Precios por token publicados en pricing.json, sincronizados el 2026-11-14 |
| 3 | Planes de tarifa plana para DeepSeek V4.1 Flash: $60 al mes, $15 a la semana o $1 por hora, por sesión |
| 5 | Pago por uso: 30 solicitudes por minuto, 4 en curso; las sesiones de los planes ejecutan una solicitud a la vez |
| 6 | Planes: sin contador de tokens, sin ventana móvil y sin tope semanal |
| 7 | Hasta 1,048,576 tokens en DeepSeek V4.1 Flash y GLM 5.3; la página de planes indica que el contexto nunca se recorta |
| 8 | Compatible con OpenAI en https://inference.broadnet.ai/v1 |
| 11, 12 | No se conservan prompts ni respuestas; no se usan para entrenar, ajustar ni evaluar modelos |
| 13 | Listas de IP permitidas de hasta 32 entradas; lista de subencargados a petición; solicite un DPA |
| 14 | Cuatro modelos de chat más dos modelos de voz a texto |
| 19 | La declaración de privacidad de BroadNet dice que sus modelos propios y los modelos de pesos abiertos que aloja funcionan en hardware propio o arrendado por BroadNet en EE. UU., con capacidad de socios como respaldo; los modelos servidos por socios, como DeepSeek V4.1 Flash, funcionan con socios de inferencia en EE. UU. bajo condiciones ZDR |
Lo que no encontramos en la documentación ni en las páginas de planes de BroadNet (comprobado el 14 de noviembre de 2026): un SLA, una página de estado o una política de retirada de modelos. Pídalos si le importan y mantenga un segundo proveedor para las rutas críticas. El catálogo también es más pequeño que el de un agregador: si necesita modelos GPT, Claude o Gemini, BroadNet no es el proveedor para ese tráfico. El crédito inicial de $5 basta para el paso 3 del plan de pruebas con una carga ligera, pero, de los modelos de chat que cubre, solo en Gemma 4 VL 26B (también cubre los dos modelos Transcribe); los demás modelos de chat necesitan una recarga.

