Intensivo Gratis 21–22.11Intensivo gratuito de 2 días en Vibecoding (21–22 nov, 16:00 MSK) · Cohorte 3 inicia 23.11Registrarse gratis →Cohorte 3 (23.11)
LanzamientoAnálisis · En radarX: @skizzyy2→ original

Cinco repositorios gratuitos de GitHub dan acceso a más de 1400 modelos de IA a través de una sola dirección

Cada proveedor de IA exige su propia clave y su propio formato, y la factura por tokens crece sin que se note. El autor @skizzyy2 en X reunió cinco repositorios gratuitos que, según sus palabras, dan acceso a más de 1400 modelos a través de una sola dirección en formato OpenAI, de modo que casi no hace falta reescribir el código. Otros dos proyectos eliminan la salida innecesaria del contexto del agente y muestran a dónde se va el dinero. Para empezar, recomiendan OmniRoute y context-mode, teniendo en cuenta los límites de los planes gratuitos.

Procesado por IA desde X: @skizzyy2; editado por Hamidun News
Cinco repositorios gratuitos de GitHub dan acceso a más de 1400 modelos de IA a través de una sola dirección
Fuente: X: @skizzyy2. Collage: Hamidun News.
Escuchar artículo
Ficha técnica y cifras clave
ParámetroDatos
Fuente originalX: @skizzyy2 ↗
Editor jefe
FreeLLMAPI34 proveedores gratuitos y 635 modelos detrás de una sola dirección
OmniRouteuna pasarela para 375 proveedores, más de 150 de ellos gratuitos
Context-modeun 99% menos de bytes de salida de herramientas en el contexto

Si estás construyendo un agente de IA o un servicio interno basado en LLM, pronto te topas con dos problemas. El primero: cada proveedor exige su propia clave de API, su propio formato de solicitudes y sus propias reglas. El segundo: la factura por tokens crece más rápido de lo que te da tiempo a entender en qué se gasta.

El usuario de X @skizzyy2 reunió cinco repositorios abiertos que, según sus palabras, resuelven ambos problemas. Los dos primeros proyectos son pasarelas: agrupan más de 1400 modelos detrás de un único "endpoint", es decir, una sola dirección en formato OpenAI. Le hablas igual que a OpenAI, y la pasarela decide a qué modelo enviar la solicitud.

Las "195 mil estrellas" del titular son la popularidad acumulada de los cinco proyectos en GitHub, no un indicador de calidad. Vamos uno por uno y señalamos qué conviene comprobar por cuenta propia.

Pasarelas: una dirección en lugar de una docena de claves

La idea de la pasarela le resulta familiar a cualquiera que haya escrito integraciones. En vez de conectar a cada proveedor por separado, indicas en el código una sola dirección y la pasarela reparte las solicitudes. Si tu código ya habla con OpenAI, apenas habrá que reescribirlo: basta con cambiar la dirección y la clave.

FreeLLMAPI reúne 34 proveedores gratuitos y 635 modelos gratuitos detrás de un único punto de entrada compatible con OpenAI. Para un prototipo o un proyecto de estudio resulta práctico: puedes cambiar de modelo sin crear cuentas a mano.

OmniRoute es una pasarela para 375 proveedores, de los cuales más de 150 son gratuitos. Es por donde el autor de la selección recomienda empezar. Su cobertura es mayor, lo que facilita configurar rutas de respaldo si uno de los modelos no está disponible.

Free LLM APIs no es una pasarela, sino un directorio: una lista de APIs de LLM con plan gratuito permanente y enlaces para obtener las claves. Es un mapa del terreno: primero miras quién ofrece qué gratis y después decides qué conectar.

Una advertencia importante sobre el "1400+": es una cifra del autor del post. La suma simple de las dos pasarelas da un orden de magnitud parecido, pero los mismos modelos pueden aparecer repetidos en distintos proveedores, así que no conviene tomarlo como número de modelos únicos.

Herramientas para agentes: menos basura en el contexto y gastos transparentes

Los modelos gratuitos son solo la mitad del ahorro. La otra mitad consiste en no gastar tokens en vano.

context-mode mantiene la salida de las herramientas fuera del contexto del agente. Una situación conocida: el agente ejecuta un comando, recibe a cambio un volcado de logs o un JSON enorme, y todo eso se queda en la ventana de contexto mientras pagas por cada token. Según el autor, este enfoque reduce el volumen de esa salida en un 99% en bytes. Es el segundo proyecto que recomienda probar primero.

CodeBurn muestra en qué se gasta el dinero y funciona con 37 herramientas. Resulta útil cuando un equipo usa varios asistentes de IA a la vez y nadie ve el panorama completo. Primero mide el consumo y luego optimiza: sin cifras no se sabe qué recortar.

Qué comprobar antes de implantarlo

El propio autor señala el principal inconveniente: los planes gratuitos tienen límites de solicitudes, y cada proveedor tiene sus propias normas. Lee las condiciones antes de enviar todo el tráfico a través de las pasarelas. Para producción con usuarios reales, los modelos gratuitos son una base arriesgada: los límites pueden cambiar y un modelo puede desaparecer de la lista.

Hay otras limitaciones. Todas las cifras proceden del post y de las descripciones de los repositorios; no las hemos verificado. El número de proveedores y modelos cambia con el tiempo. No se sabe cómo se comporta cada pasarela bajo carga ni qué hace con tus datos. Si envías consultas confidenciales a través de una pasarela de terceros, averigua quién la aloja y qué registra. Por último, el "99% menos de bytes" se refiere al tamaño de la salida de las herramientas en el contexto, no a la factura total de tokens.

Conclusión práctica

El orden razonable es el siguiente. Primero instala CodeBurn o una alternativa y revisa en qué se gastan los tokens ahora mismo. Después prueba context-mode en tu agente y compara el consumo antes y después. Si necesitas modelos gratuitos para prototipos y pruebas, conecta OmniRoute o FreeLLMAPI y consulta el directorio Free LLM APIs para no buscar claves sitio por sitio.

La selección no introduce tecnologías nuevas, pero ahorra tiempo a quienes están cansados de mantener una docena de integraciones. Conviene verla como una lista de candidatos para experimentar: comprobar rápido qué funciona, quedarse con lo útil y no construir infraestructura crítica sobre los límites de los planes gratuitos.

Historia

Preguntas frecuentes sobre la noticia

¿Qué se sabe sobre Pasarelas: una dirección en lugar de una docena de claves?

La idea de la pasarela le resulta familiar a cualquiera que haya escrito integraciones. En vez de conectar a cada proveedor por separado, indicas en el código una sola dirección y la pasarela reparte las solicitudes. Si tu código ya habla con OpenAI, apenas habrá que reescribirlo: basta con cambiar la dirección y la clave. FreeLLMAPI reúne 34 proveedores gratuitos y 635 modelos gratuitos detrás de un único punto de entrada compatible con OpenAI.

¿Qué se sabe sobre Herramientas para agentes: menos basura en el contexto y gastos transparentes?

Los modelos gratuitos son solo la mitad del ahorro. La otra mitad consiste en no gastar tokens en vano. context-mode mantiene la salida de las herramientas fuera del contexto del agente. Una situación conocida: el agente ejecuta un comando, recibe a cambio un volcado de logs o un JSON enorme, y todo eso se queda en la ventana de contexto mientras pagas por cada token. Según el autor, este enfoque reduce el volumen de esa salida en un 99% en bytes. Es el segundo proyecto que recomienda probar primero.

¿Qué se sabe sobre Qué comprobar antes de implantarlo?

El propio autor señala el principal inconveniente: los planes gratuitos tienen límites de solicitudes, y cada proveedor tiene sus propias normas. Lee las condiciones antes de enviar todo el tráfico a través de las pasarelas. Para producción con usuarios reales, los modelos gratuitos son una base arriesgada: los límites pueden cambiar y un modelo puede desaparecer de la lista. Hay otras limitaciones. Todas las cifras proceden del post y de las descripciones de los repositorios; no las hemos verificado.

ZK
Zhemal Khamidun — CPO de Alpina Digital, product manager de AlpinaGPT. Crea productos de IA desde 2019. Hamidun News es un proyecto personal que creció hasta ser un agregador en producción con más de 6.000 lectores.
✦ Unified AI Workspace · Nomad

Test Frontier LLMs & Autonomous Agents in One Workspace

Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.

Try Nomad AI →Launch Nomad Agent
¿Qué te parece?
Cargando comentarios…