Modelos recomendados
Hay miles de modelos a los que podrías apuntar AI_MODEL. La mayoría no funcionarán para este curso, y la razón se reduce a una sola capacidad.
El único requisito indispensable: tool calling
Un agente es un modelo que puede pedirle a tu aplicación que ejecute algo en su nombre. El modelo mismo no ejecuta nada.
Devuelve una solicitud estructurada que dice, en esencia: "llama a get_weather con la ciudad configurada como Bogotá, y luego dime qué obtuviste." Tu código ejecuta la función y le entrega el resultado de vuelta.
Esa solicitud estructurada es tool calling, y un modelo que no la tenga no puede convertirse en un agente sin importar cómo esté escrito el código que lo rodea. No es que el modelo sea más débil o más lento. Simplemente no existe la estructura de mensaje de la que depende todo el curso.
Más allá de tool calling, el curso se apoya en algunas capacidades relacionadas a medida que avanza: pasar argumentos con tipado estricto, controlar si se usa una herramienta o no, y devolver salida estructurada, es decir, una respuesta con la forma de un esquema que tu interfaz pueda renderizar en lugar de prosa suelta. Los modelos varían en cuán confiables son para hacer esto, y por eso existe la lista corta que sigue.
Si algo falla más adelante, sospecha del modelo
Este es el instinto de depuración más útil para este curso. Si una lección le funciona a todos menos a ti, y tu código coincide con la solución, prueba con un modelo recomendado antes de asumir que tu código está mal. Una limitación del modelo y un bug producen una salida en consola muy parecida.
Ese intercambio de ida y vuelta es la idea completa de un agente. Un modelo que no puede hacer esa solicitud no es un agente más débil, simplemente no es un agente, así que esto es lo primero que debes revisar de cualquier modelo que te interese.
La lista corta
Cada modelo de la siguiente lista fue probado contra el flujo de trabajo real de agentes del curso, no evaluado de forma abstracta con un benchmark. Todos son rápidos y de bajo costo.
| Úsalo cuando | Modelo | Ruta del proveedor |
|---|---|---|
| Quieres la opción por defecto | gpt-5.4-nano | OpenAI |
| Quieres la ruta más barata fuera de OpenAI | mistralai/ministral-3b-2512 | OpenRouter |
| Quieres más margen | gpt-5.4-mini | OpenAI |
| Quieres el modelo más nuevo y económico | gpt-5.6-luna | OpenAI |
| Quieres un modelo más nuevo y equilibrado | gpt-5.6-terra | OpenAI |
| Quieres un Mistral más grande | mistralai/ministral-14b-2512 | OpenRouter |
gpt-5.4-nano es la recomendación si no quieres pensarlo demasiado. Pasó todas las pruebas de capacidad de las que depende el curso, y es la ruta verificada más barata para acceder al flujo de trabajo completo.
Algunas notas sobre el resto. Ministral 3B es una alternativa económica y no una mejora de calidad, así que elígelo por precio. La familia 5.6 es más nueva que la 5.4, aunque más nuevo no significa más barato, y Nano sigue siendo la opción por defecto para quien cuida el costo. Ministral 14B funciona, pero fue ligeramente menos consistente que el 3B en el flujo combinado de tools y salida estructurada del curso, y por eso queda más abajo en la lista.
Los modelos de OpenAI también son accesibles a través de OpenRouter si prefieres mantener una sola cuenta y una sola clave. openai/gpt-5.4-nano en OpenRouter es una ruta verificada.
gpt-5.4-nano y sigue con el curso. Es el modelo más barato que pasó todas las pruebas, ¡y elegir un modelo no es la parte interesante de esto! Si quieres probar algo distinto más adelante, la tabla está ahí y nada te lo impide.
Llamadas a herramientas secuenciales versus paralelas
Algunos modelos emiten varias tool calls en un mismo turno, y otros emiten una llamada por turno y repiten el ciclo. Ambos enfoques permiten completar el curso.
Si tu modelo solo llama una herramienta a la vez, de todas formas llegarás al mismo resultado. No verás el turno con llamadas agrupadas que se demuestra en una lección posterior, donde el modelo pide dos herramientas a la vez. Eso es una decisión de diseño del modelo, y no algo que necesites corregir.
Así que si una lección muestra dos tool calls en una sola respuesta y las tuyas ocurren una tras otra, no hay nada roto. Es el estilo del modelo, no un bug tuyo.
Modelos gratuitos
Existen endpoints gratuitos, sobre todo a través de OpenRouter, y son una forma razonable de aprender sin gastar nada.
La ruta gratuita sugerida para este curso es google/gemma-4-26b-a4b-it:free en OpenRouter. Trátala como un experimento y no como una de las recomendaciones de arriba, porque los endpoints gratuitos tienen límite de velocidad, es decir, el proveedor limita cuántas solicitudes puedes hacer en un período y rechaza el resto, y con la frecuencia suficiente para que no haya pasado por las mismas pruebas.
Hay dos advertencias que aplican a cualquier ruta gratuita:
- La disponibilidad cambia. Un modelo gratuito que funciona hoy puede tener límite de velocidad o ser retirado el próximo mes, y las políticas de nivel gratuito cambian con la frecuencia suficiente como para que cualquier lista impresa en la documentación quede desactualizada.
- La consistencia también cambia. Las rutas gratuitas a menudo alternan entre distintos proveedores de respaldo, así que el mismo prompt puede comportarse diferente de una ejecución a otra. Cuando estás aprendiendo un concepto nuevo, esa variabilidad hace difícil distinguir si un resultado raro vino de tu código o de la ruta.
Si una ruta gratuita interrumpe una lección, cambia a un modelo pago verificado de los de arriba por unos centavos. Esa es la forma más rápida de descartar al modelo como la causa y seguir adelante.
Revisa primero la configuración de privacidad
Antes de habilitar endpoints gratuitos siquiera, abre la configuración de Privacy de OpenRouter. Las rutas gratuitas pueden enviar tus solicitudes a proveedores con políticas de datos distintas, y esa página es donde decides cuáles están permitidos.
La razón es simple: no puedes distinguir una respuesta rara de una ruta rara, y eso es justo lo que necesitas distinguir mientras aprendes. Si una lección empieza a comportarse mal, ¡gasta unos centavos en un modelo pago antes de gastar una hora revisando tu código!
Salirse de la lista
Experimenta libremente. Esa es la mayor parte de la diversión. Conserva la única regla de depuración de más arriba: cuando algo no funcione como esperabas en una lección posterior, revisa si es una limitación del modelo antes de ponerte a buscar en tu código.
Los catálogos y precios de modelos cambian más rápido que la documentación, así que trata cualquier nombre de modelo específico aquí como una fotografía de un momento dado. La propia página de modelos del proveedor siempre es la fuente más actual sobre qué existe y cuánto cuesta.
Dos hábitos hacen que esto sea sencillo: verifica que el modelo pueda llamar herramientas antes de culpar a tu código, y copia los IDs de modelo desde la propia página del proveedor y no de algo escrito hace tiempo, ¡esta página incluida!
Hacia dónde va esto ahora
Chat Completions and Responses cubre las dos estructuras de API que vas a encontrar y por qué este curso se queda con una de ellas. Si todavía no has guardado los valores de tu proveedor, Provider setup es la página que se encarga de eso.