El problema
Un asistente como LIA no hace un solo trabajo. Para una misma pregunta, tiene que entender de qué hablas, preparar un plan, llamar a tus herramientas y luego redactar una respuesta. En segundo plano lleva tu diario; por la noche hace limpieza en tus recuerdos. Estas tareas no tienen las mismas necesidades. Clasificar una petición tiene que ser rápido y barato, preparar un plan exige rigor, escribir una respuesta exige estilo.
Confiarlo todo a un solo modelo, de un solo proveedor, es pagar el precio más alto por tareas sencillas, o conformarse con un modelo demasiado débil para las difíciles. También es depender de una sola empresa: sus tarifas, sus caídas, sus condiciones.
Lo que quería
Quería que cada tarea de LIA tuviera su puesto, con su proveedor y su modelo. La clasificación de las peticiones puede funcionar con un modelo pequeño y rápido, el planificador con un modelo más sólido, la respuesta con aquel cuyo tono prefieras. Y quería que se pudiera cambiar sin tocar el código.
LIA sabe hablar con OpenAI, Anthropic, Google Gemini, DeepSeek, Qwen de Alibaba y Perplexity, así como con los modelos que ejecutas tú mismo con Ollama, un servidor que ejecuta modelos abiertos en tu propia máquina.
Cómo funciona
Cada proveedor tiene sus costumbres. Uno rechaza un ajuste de temperatura, otro cuenta el razonamiento del modelo dentro del presupuesto de la respuesta, un tercero guarda en caché el principio de los mensajes a su manera. LIA traduce esas diferencias, proveedor por proveedor:
- Una sola escala de razonamiento. Pedir a un modelo que razone más o menos se ajusta en la misma escala para todos, de «ninguno» a «máximo». Lo que cada modelo acepta de verdad se deduce de su familia, y la administración solo propone los niveles que su API aceptará.
- Ajustes filtrados. Un parámetro que un modelo rechaza no se envía. Un presupuesto de respuesta demasiado grande para el modelo elegido se reduce a lo que puede producir.
- Instrucciones ordenadas para la caché. El principio de las instrucciones, idéntico de un turno a otro, se coloca primero. Los proveedores que saben guardarlo en caché lo releen, lo que cuesta menos y responde más rápido.
- Modelos locales tratados como los demás. LIA habla con Ollama por su interfaz nativa. Le pregunta a tu servidor lo que sabe hacer cada modelo (herramientas, imágenes, razonamiento, tamaño de contexto): nada se adivina por su nombre.
Un ejemplo concreto: una notificación de recordatorio cabe en dos frases. En un modelo que razona por defecto, el razonamiento puede consumir todo el pequeño presupuesto previsto, y la respuesta vuelve vacía. Por eso LIA pide estos mensajes cortos sin razonamiento, allí donde el modelo permite desactivarlo. Si aun así la respuesta vuelve vacía o cortada, LIA envía la frase de reserva prevista, y el coste de la llamada sigue contándose.
Lo que cuesta, y quién paga
Cada llamada pagada se cuenta a la tarifa real de su proveedor: la entrada, la salida, las lecturas y escrituras de caché, e incluso las horas valle cuando un proveedor las ofrece. Un intento que falla después de haberse facturado también se cuenta, porque un fallo no es una llamada gratis. Los modelos funcionan con las claves de la instancia, y cada llamada se imputa a la cuenta para la que se hizo, dentro de sus límites. Las claves que introduce el administrador se guardan cifradas, y la administración solo las muestra enmascaradas.
Cuando una petición ha salido y la respuesta se pierde por el camino, LIA no la relanza. Puede que el proveedor siga produciendo esa respuesta, y facturándola: relanzarla supondría pagar dos veces. LIA solo reintenta lo que ha fallado con certeza, por ejemplo un servicio saturado momentáneamente.
Los límites
- No hay cambio automático a otro proveedor cuando el tuyo se cae. Cambiar de modelo sigue siendo una decisión del administrador.
- Puedes confiar todas las tareas de conversación a modelos en tu casa, pero una instalación totalmente sin conexión no es posible. La búsqueda por significado (recuerdos, espacios de conocimiento, diario) pasa por el servicio de embeddings de Google, las respuestas habladas por servicios de voz en línea, y el tiempo, la búsqueda web o tus cuentas conectadas están en línea por naturaleza.
- Un modelo local sigue siendo un modelo local: su calidad depende de tu máquina y del modelo que elijas.
La idea cabe en una frase: tú eliges quién hace cada trabajo, y LIA se encarga de hablar con cada uno en su idioma.
Para profundizar: Ajustar los modelos de LIA sin reiniciar y sin configuraciones imposibles; Mostrar al modelo lo que importa: los servicios que aligeran el trabajo de LIA.
