Un modelo propio, no una API que alquilas
Creamos y operamos Small Specialized Language Models: sistemas inteligentes que viven en tu infraestructura, conocen tu dominio y se evalúan con criterio. Sin quedar a merced de que el precio, la política de uso o el comportamiento del modelo de un tercero cambien mañana.
Un SSLM es un modelo abierto de tamaño contenido, adaptado a tu dominio, anclado a tu conocimiento y servido detrás de una API estándar. No es un chatbot encima de tus documentos: es software con memoria, evaluación y operación.
Pesos, corpus y trazas se quedan dentro de tu perímetro. Residencia de datos en la UE y ninguna consulta saliendo hacia terceros.
El gasto pasa de coste variable por token a infraestructura conocida. El éxito del producto deja de castigar la factura.
Cada versión pasa por escenarios con respuesta esperada. Si una consulta crítica se rompe, la release no sale.
Tres presiones que aparecen cuando la inteligencia deja de ser una demo
No es una discusión ideológica sobre proveedores. Es lo que ocurre cuando una función inteligente empieza a tener usuarios reales, facturas reales y consecuencias reales.
La factura escala con el éxito
Mientras es un piloto, el coste por token es irrelevante. Con volumen, el mismo diseño convierte cada usuario nuevo en gasto variable que nadie presupuestó.
Tu conocimiento sale del perímetro
Documentación interna, contratos, incidencias y conversaciones de cliente viajan a un tercero. En muchos contextos eso ya no es una preferencia: es un requisito que hay que justificar.
Dependes de decisiones que no controlas
Precios, límites de uso, deprecaciones y cambios de comportamiento llegan sin aviso. Tu producto acaba heredando una hoja de ruta ajena.
Qué construimos exactamente
Un SSLM no es un único artefacto. Son seis capas, y cada una es una decisión que se documenta y se puede auditar.
Modelo base abierto
Un modelo de pesos abiertos del tamaño adecuado al problema, no el más grande disponible. Se elige por calidad en tu dominio, licencia y coste de servir.
Corpus de dominio
Tu conocimiento convertido en material utilizable: qué entra, con qué permisos, con qué licencia y quién responde de su calidad.
Especialización
Adaptación al dominio con adaptadores ligeros, sin reentrenar desde cero. El modelo aprende tu vocabulario, tus formatos y tu forma de responder.
Anclaje al conocimiento
Recuperación sobre tu corpus para que las respuestas citen fuentes concretas. Preferimos que diga «no lo sé» antes que inventar con seguridad.
Evaluación continua
Escenarios con respuesta esperada, casos críticos que bloquean release y un informe legible por alguien que no escribe código.
Puerta de entrada y operación
API compatible con el estándar del sector, claves por proyecto y medición de uso, latencia y coste. Observabilidad desde el primer día.
Cuándo sale a cuenta un modelo propio
El argumento no es «infraestructura propia siempre». Es que existe un volumen a partir del cual el coste variable deja de tener sentido. Mueve tus cifras y mira dónde está tu punto de equilibrio.
Millones de tokens procesados al mes, sumando entrada y salida.
Modelo simplificado: reparto 50/50 entre entrada y salida, 720 horas de servicio al mes y precios de lista indicativos. En un Discovery lo sustituimos por tus tarifas y tu tráfico real.
A este volumen todavía no compensa montar infraestructura. Lo honesto es esperar o empezar por un escenario muy acotado.
Si tu volumen está por debajo del punto de equilibrio, te lo diremos: sigue con una API de terceros y vuelve cuando el tráfico lo justifique. Un SSLM que no se paga solo no es un buen proyecto.
Se conecta, no se incrusta
El SSLM vive fuera de tu código y se consume por una API compatible con el estándar del sector. Cambias la URL base y la clave; el resto de tu producto no se entera.
- Contrato compatible con los clientes y SDK que tu equipo ya usa. Sin librerías propietarias.
- Convive con proveedores externos: puedes enrutar por tipo de consulta, coste o criticidad.
- Claves por proyecto, con medición de uso y trazas para auditar quién pregunta qué.
- Si mañana quieres volver atrás, vuelves. La reversibilidad es parte del diseño.
curl https://sslm.internal/v1/chat/completions \
-H "Authorization: Bearer $PROJECT_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "atlas-ops-8b",
"messages": [
{ "role": "user", "content": "..." }
]
}'Tres formatos, en este orden
No vendemos un modelo cerrado ni un pack de horas. Primero decidimos si tiene sentido, después construimos lo que se sostiene y nos quedamos operando sólo si aporta.
Discovery
Semanas para responder si un SSLM tiene sentido en tu caso, con números y riesgos sobre la mesa.
- Inventario de conocimiento y viabilidad legal del dato
- Escenarios de uso y criterios de calidad medibles
- Modelo de coste con tu volumen y tu punto de equilibrio
- Recomendación honesta, incluida la de no hacerlo
Build
Construimos el sistema completo: corpus, especialización, anclaje, evaluación y puerta de entrada.
- Corpus tratado y trazable, con permisos claros
- Adaptación al dominio y anclaje a fuentes
- Conjunto propio de escenarios de evaluación
- API, claves por proyecto y medición de uso
- Documentación del modelo y de sus límites
Operate
Acompañamos la vida del sistema: calidad, coste, evolución del corpus y traspaso al equipo.
- Evaluación continua y control de regresiones
- Seguimiento de coste, latencia y uso por proyecto
- Actualización de corpus y de versiones del modelo
- Formación y traspaso para operarlo sin nosotros
Cómo sabes que funciona
La pregunta difícil no es si responde bien en una demo. Es qué pasa el día que responde mal y hay alguien esperando al otro lado.
- 01
Escenarios con respuesta esperada
Definimos juntos qué preguntas tiene que acertar el sistema y qué cuenta como respuesta aceptable. La calidad deja de ser opinión y pasa a ser un número.
- 02
Casos críticos que bloquean release
Hay respuestas que no pueden fallar. Si una de ellas se rompe, la versión no llega a producción aunque el resto haya mejorado.
- 03
Respuestas con fuente
Cada respuesta puede mostrar de qué fragmento de tu conocimiento sale. Sin fuente, preferimos una negativa clara a una invención convincente.
- 04
Documentación del modelo
Uso previsto, datos, límites conocidos y forma de operarlo. Un documento que puedes enseñar a un cliente, a auditoría o a un comité técnico.
Lo que nos preguntan antes de empezar
- ¿No será peor que un modelo grande?
- En tareas generales, sí. En tu dominio concreto y con anclaje a tu conocimiento, un modelo pequeño bien especializado suele acertar más y responder más rápido. Lo medimos antes de afirmarlo.
- ¿Necesito un equipo de datos?
- No para empezar. Necesitas conocimiento escrito en algún sitio y alguien que pueda decir qué respuesta es correcta. Del resto nos ocupamos y lo traspasamos.
- ¿Y si mañana sale un modelo mejor?
- Es lo esperable y el diseño lo asume. El corpus, los escenarios de evaluación y la puerta de entrada son tuyos; el modelo base es sustituible. Ahí está el valor que se acumula.
- ¿Cuánto tarda en estar en producción?
- Un Discovery se mide en semanas. Un primer sistema en producción con alcance acotado, en meses. Preferimos un caso resuelto de verdad antes que una plataforma entera a medias.
- ¿Sustituye a nuestro proveedor actual?
- No necesariamente. Lo habitual es convivir: el modelo propio se queda el volumen repetitivo y sensible, y el proveedor externo lo que de verdad necesita un modelo generalista.
- ¿De quién es la propiedad?
- Tuya. Corpus, adaptadores, escenarios de evaluación e infraestructura son tuyos, y el traspaso está previsto desde el principio. No construimos dependencia de nosotros.
Veamos si tu proyecto encaja
Solicitar fit check