Modelos

Cada agente corre sobre un modelo, y ese modelo tiene parámetros: cuánto razona antes de responder, qué tan variadas son sus respuestas, cuántos tokens puede gastar. Esta página cubre cómo se ajustan y cómo registrar un modelo que no viene incluido.

El panel LLM

En Configure → Agent, la columna derecha tiene una fila LLM con el modelo actual y un resumen de sus ajustes. Al abrirla aparece el panel con todo lo que ese modelo acepta.

Los controles se guardan con el resto de la configuración del agente: no hay un Save aparte, la barra de cambios sin guardar de la página los cubre.

No todos los modelos aceptan lo mismo

El panel dibuja sólo lo que el modelo declara, y la diferencia es real incluso dentro de un mismo proveedor:

No es una simplificación de la interfaz. Claude Haiku 4.5 rechaza el parámetro de esfuerzo con un error, y los otros tres modelos de Anthropic rechazan el presupuesto de tokens. Ofrecer el control equivocado no daría una opción de más: rompería cada turno.

Por eso, si cambias de modelo y el nuevo no acepta algo que tenías puesto, el panel lo suelta y te lo dice ahí mismo. Lo mismo pasa con las imágenes y los PDF, y por la misma razón.

Los ajustes

Temperature. Qué tan variadas son las respuestas. Tiene un interruptor propio: apagado, el parámetro no se envía y el proveedor usa su propio valor. Eso no es lo mismo que enviar el valor por defecto — hay modelos de razonamiento que rechazan el parámetro exista o no un valor razonable.

Reasoning effort. Cuánto piensa antes de responder. Bajarlo es la palanca más directa para abaratar un agente: medido contra DeepSeek V4, low acierta lo mismo que el nivel por defecto y recorta el p95 de tokens de salida de 222 a 75. La opción Default deja que el proveedor decida.

Thinking budget. Lo mismo, pero en tokens, para los modelos cuyo control es un presupuesto. Siempre por debajo del límite de salida: lo que piensa cuenta contra lo que puede escribir.

Reasoning summary. Guarda el razonamiento del modelo en la transcripción de la sesión. Añade latencia.

Limit token usage. El techo de una respuesta. Vacío significa 8192, que es lo que corría antes de que este control existiera. Aquí hay una diferencia con otras plataformas: no existe "sin límite", porque Anthropic exige un techo en cada petición — siempre va un número, y este campo dice cuál.

Parallel tool calling. Si el modelo puede pedir varias herramientas en un mismo mensaje. Ojo: es distinto del ajuste homónimo de cada servidor MCP, que decide si el runtime las ejecuta a la vez.

Registrar un modelo propio

Settings → Models da de alta cualquier endpoint compatible con OpenAI. Un endpoint compatible con Anthropic no se puede registrar: el runtime habla con Anthropic por un solo camino que no está parametrizado por URL.

Un modelo registrado es indistinguible de los que vienen incluidos — aparece en el selector de cada agente, en el panel LLM con los parámetros que declaraste, y en el widget.

Tres cosas que conviene saber antes:

• La clave no se pide en ese formulario. El endpoint se convierte en su propio slot de credencial, así que la llave se añade en Providers, donde ya viven todas. Y a diferencia de los proveedores incluidos, aquí no hay variable de entorno de reserva: sin llave, el turno falla.
• El id del modelo no se puede cambiar después. Queda congelado en cada sesión que ya corrió y en los informes de costo. Para cambiarlo, registra otro.
• Sin precio, el costo se registra como 0. No es un error de cálculo: sin tarifa no hay nada que calcular, y la tabla lo dice en la fila para que no aparezca como un total sospechosamente redondo dentro de un mes.

El endpoint tiene que ser https y estar en internet público. Una dirección interna se rechaza al guardar — el gateway le manda una clave de proveedor en cada turno, y una URL guardada apuntando hacia adentro sería una petición autenticada permanente contra la propia red.

El editor en crudo

Los ajustes viven en la clave model_settings de la configuración, con nombres en snake_case como sus vecinas:

model: deepseek-v4-flash
model_settings:
  reasoning_effort: low
  max_output_tokens: 4096

Una clave ausente significa "no enviar ese parámetro". Y como el resto de la configuración, lo que borres del YAML se borra de verdad.