---
title: "Cómo elegir un proveedor de API de LLM: lista de 20 puntos"
description: "Veinte preguntas antes de elegir una API de LLM: precios, límites, compatibilidad con OpenAI, privacidad, modelos, soporte y disponibilidad, con hoja de puntuación."
url: https://broadrouter.com/es/blog/choose-llm-api-provider-checklist/
lang: es
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Traducido del inglés con ayuda de IA. [Lea el original en inglés](https://broadrouter.com/blog/choose-llm-api-provider-checklist/) (actualizado el 2026-11-16).

# Cómo elegir un proveedor de API de LLM: lista de 20 puntos

Por el equipo de BroadNet Inference · 5 min de lectura · Publicado 2026-11-14 · Actualizado 2026-11-16

Elija un proveedor de API de LLM puntuándolo en seis áreas: costo total de su carga de trabajo real, límites de tasa y de concurrencia, compatibilidad con OpenAI, condiciones de retención de datos y de entrenamiento, los modelos y tamaños de contexto que necesita, y soporte y fiabilidad. Después haga una prueba de una semana con su propio tráfico antes de comprometerse. El precio por token, por sí solo, es una mala guía.

## Puntos clave

-   Calcule el costo de su carga de trabajo real, incluidas la entrada en caché, los tokens de razonamiento y los reintentos, no el precio de entrada anunciado.
-   Los límites de concurrencia rompen agentes y trabajos por lotes con más frecuencia que los límites de solicitudes por minuto.
-   La compatibilidad con OpenAI abarata el cambio de proveedor, pero compruebe el uso en streaming, las llamadas a herramientas y los códigos de error.
-   Obtenga por escrito las condiciones de retención y de entrenamiento; difieren entre los niveles gratuitos y de pago.
-   Haga una prueba de una semana con tráfico real y registre tokens, latencia y errores antes de comprometerse.

**En esta página**

1.  ¿Cuánto costará de verdad? (preguntas 1 a 4)
2.  ¿Qué límites alcanzará primero? (preguntas 5 a 7)
3.  ¿Qué tan compatible es con su código? (preguntas 8 a 10)
4.  ¿Qué pasa con sus datos? (preguntas 11 a 13)
5.  ¿Tiene los modelos que necesita? (preguntas 14 a 16)
6.  ¿Seguirá disponible y quién le atenderá? (preguntas 17 a 20)
7.  ¿Cómo se puntúan los proveedores entre sí?
8.  ¿Cómo probar un proveedor en una semana?
9.  Cómo responde BroadNet Inference a la lista

_[image: A chess knight and queen on a board, with the text "The right model. For the next move."]_

Para elegir un proveedor de API de LLM, puntúe a cada candidato en seis áreas: el costo mensual de su carga de trabajo real, los límites de tasa y de concurrencia, la compatibilidad con OpenAI, las condiciones de retención de datos y de entrenamiento, los modelos que necesita, y el soporte y la fiabilidad. Después pruebe a los dos mejores con una semana de tráfico real. A continuación: 20 preguntas, una hoja de puntuación y el plan de pruebas.

Una vez elegido, la [lista de verificación de migración](https://broadrouter.com/es/blog/openai-compatible-api-migration-checklist/) cubre el cambio en sí, y [cómo evaluar un LLM antes de cambiar](https://broadrouter.com/es/blog/evaluate-llm-before-switching/) cubre a fondo las pruebas de calidad.

## ¿Cuánto costará de verdad? (preguntas 1 a 4)

1.  **¿Cuánto cuesta al mes mi carga de trabajo real?** Calcule por separado la entrada, la [entrada en caché](https://broadrouter.com/es/glossary/cached-input-tokens/) y la salida; la [calculadora de costos de API de LLM](https://broadrouter.com/tools/llm-api-cost-calculator/) gratuita lo hace por modelo. Los agentes reenvían el mismo contexto, así que la entrada en caché suele dominar. Nuestra [guía de precios](https://broadrouter.com/es/blog/llm-api-pricing-explained/) explica cada partida.
2.  **¿Los tokens de razonamiento se cobran como salida?** Los modelos de razonamiento pueden gastar más tokens pensando que respondiendo.
3.  **¿Hay una opción de tarifa plana?** Para agentes siempre activos, un plan de tarifa plana puede salir mejor que la facturación por token. Consulte el [cálculo del punto de equilibrio](https://broadrouter.com/es/blog/flat-rate-vs-pay-per-token-llm-api/).
4.  **¿Los precios son legibles por máquina y tienen fecha?** Un archivo de precios en JSON le permite seguir los cambios y crear alertas de costo.

Nuestro conjunto de datos abierto de [niveles gratuitos y límites de tasa de API de LLM](https://broadrouter.com/data/llm-api-free-tiers-and-rate-limits/) compara lo que publican 14 proveedores sobre acceso gratuito, límites de tasa iniciales, requisito de tarjeta y entrenamiento con datos del nivel gratuito, con la fuente y la fecha de cada valor.

## ¿Qué límites alcanzará primero? (preguntas 5 a 7)

5.  **¿Cuáles son los límites de solicitudes por minuto y de concurrencia?** La concurrencia (solicitudes en curso) es lo que frena a los agentes en paralelo y a los trabajos por lotes. Consulte [límites de tasa](https://broadrouter.com/es/glossary/rate-limit/) y [concurrencia](https://broadrouter.com/es/glossary/concurrency/), y dimensione su tráfico frente a un límite con la [calculadora de límites de tasa](https://broadrouter.com/tools/llm-rate-limit-calculator/).
6.  **¿Hay un tope de tokens, una ventana móvil o una cuota semanal?** Los planes “ilimitados” a menudo tienen alguno. Lea [qué significa realmente ilimitado](https://broadrouter.com/es/blog/what-unlimited-llm-api-really-means/).
7.  **¿Cuál es la ventana de contexto y se recorta?** Compruebe el máximo real por solicitud y si el proveedor recorta en silencio los prompts largos.

## ¿Qué tan compatible es con su código? (preguntas 8 a 10)

8.  **¿Es compatible con OpenAI, y hasta qué punto?** Debería bastar con cambiar la [base URL](https://broadrouter.com/es/glossary/base-url/). Después pruebe el streaming con uso, las llamadas a herramientas, la salida estructurada y los códigos de error. La [lista de verificación de migración](https://broadrouter.com/es/blog/openai-compatible-api-migration-checklist/) enumera lo que falla.
9.  **¿Funciona con mis herramientas?** SDK, frameworks de agentes, asistentes de IDE. Revise las [guías de integración](https://broadrouter.com/integrations/) del proveedor.
10.  **¿Los ID de modelo son estables?** Le conviene tener ID con versión y aviso previo antes de que se retire un modelo.

## ¿Qué pasa con sus datos? (preguntas 11 a 13)

11.  **¿Se almacenan los prompts y las respuestas, y durante cuánto tiempo?** Muchos proveedores conservan el contenido de la API hasta 30 días por defecto. Compare la redacción oficial en [retención de datos en API de LLM comparada](https://broadrouter.com/es/blog/llm-api-data-retention-compared/).
12.  **¿Se usan mis datos para entrenar?** Compruebe por escrito la opción predeterminada de su nivel.
13.  **¿Puedo firmar un DPA, ver los subencargados y restringir las claves?** Use la [lista de verificación del RGPD](https://broadrouter.com/es/blog/gdpr-llm-api-checklist/) si trata datos personales de la UE, y pida listas de IP permitidas.

## ¿Tiene los modelos que necesita? (preguntas 14 a 16)

14.  **¿El proveedor tiene los tamaños de modelo y las capacidades que necesito?** Visión, llamadas a herramientas, razonamiento, contexto largo, voz.
15.  **¿Qué tal funciona cada modelo en mis tareas?** Cree de 30 a 50 casos de prueba reales y puntúelos. Los benchmarks son un primer filtro; [dónde comparar LLM](https://broadrouter.com/es/blog/artificial-analysis-alternatives/) enumera las tablas de clasificación y lo que mide cada una. La [guía de evaluación](https://broadrouter.com/es/blog/evaluate-llm-before-switching/) muestra cómo crear el conjunto y evitar el sesgo del juez.
16.  **¿Pesos abiertos o cerrado?** Los modelos de pesos abiertos pueden alojarlos varios proveedores, lo que reduce la dependencia. Consulte [modelos de pesos abiertos frente a cerrados](https://broadrouter.com/es/blog/open-weight-vs-closed-models/).

## ¿Seguirá disponible y quién le atenderá? (preguntas 17 a 20)

17.  **¿Hay una página de estado y un historial de incidentes?**
18.  **¿Hay un SLA por escrito para producción?**
19.  **¿Quién opera las GPU?** Hardware propio, una nube o capacidad revendida de otra API. Cada opción añade una parte a la ruta de los datos y de la fiabilidad.
20.  **¿Cómo contacto con una persona?** Tiempos de respuesta, canales y si el soporte puede ver el contenido de sus solicitudes.

## ¿Cómo se puntúan los proveedores entre sí?

Puntúe cada pregunta con 0 (no o desconocido), 1 (en parte) o 2 (sí, por escrito). Pondere los grupos según su caso de uso:

| Grupo | Preguntas | Peso para un agente | Peso para una app regulada |
| --- | --- | --- | --- |
| Precios | 1 a 4 | Alto | Medio |
| Límites | 5 a 7 | Alto | Medio |
| Compatibilidad | 8 a 10 | Medio | Medio |
| Privacidad | 11 a 13 | Medio | Alto |
| Modelos | 14 a 16 | Alto | Alto |
| Soporte y fiabilidad | 17 a 20 | Medio | Alto |

Un “desconocido” puntúa 0 por una razón: si un proveedor no puede responder, usted no puede confiar en él.

## ¿Cómo probar un proveedor en una semana?

1.  Elija los dos mejores proveedores de la hoja de puntuación.
2.  Envíe una parte del tráfico real a cada uno con el mismo SDK de OpenAI, con los ID de modelo y las base URL en la configuración.
3.  Registre por solicitud: modelo, tokens del prompt, tokens en caché, tokens de la respuesta, latencia y código de estado. Nunca registre el contenido.
4.  Provoque su pico: ejecute su trabajo por lotes o sus agentes en paralelo y vigile los errores 429. La [guía de errores y reintentos](https://broadrouter.com/es/guides/errors-and-retries/) muestra el back-off correcto.
5.  Multiplique los tokens de la semana por unas 4.3 y calcule el costo del mes para cada proveedor.
6.  Puntúe las respuestas con su conjunto de pruebas.

## Cómo responde BroadNet Inference a la lista

| # | BroadNet Inference |
| --- | --- |
| 1, 4 | Precios por token publicados en [pricing.json](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=es-blog-choose-llm-api-provider-checklist&utm_content=body), sincronizados el 2026-11-14 |
| 3 | Planes de tarifa plana para [DeepSeek V4.1 Flash](https://broadrouter.com/es/models/deepseek-v4.1-flash/): $60 al mes, $15 a la semana o $1 por hora, por sesión |
| 5 | Pago por uso: 30 solicitudes por minuto, 4 en curso; las sesiones de los planes ejecutan una solicitud a la vez |
| 6 | Planes: sin contador de tokens, sin ventana móvil y sin tope semanal |
| 7 | Hasta 1,048,576 tokens en DeepSeek V4.1 Flash y GLM 5.3; la página de planes indica que el contexto nunca se recorta |
| 8 | Compatible con OpenAI en `https://inference.broadnet.ai/v1` |
| 11, 12 | No se conservan prompts ni respuestas; no se usan para entrenar, ajustar ni evaluar modelos |
| 13 | Listas de IP permitidas de hasta 32 entradas; lista de subencargados a petición; solicite un DPA |
| 14 | Cuatro modelos de chat más dos modelos de voz a texto |
| 19 | La declaración de privacidad de BroadNet dice que sus modelos propios y los modelos de pesos abiertos que aloja funcionan en hardware propio o arrendado por BroadNet en EE. UU., con capacidad de socios como respaldo; los modelos servidos por socios, como DeepSeek V4.1 Flash, funcionan con socios de inferencia en EE. UU. bajo condiciones ZDR |

Lo que no encontramos en la documentación ni en las páginas de planes de BroadNet (comprobado el 14 de noviembre de 2026): un SLA, una página de estado o una política de retirada de modelos. Pídalos si le importan y mantenga un segundo proveedor para las rutas críticas. El catálogo también es más pequeño que el de un agregador: si necesita modelos GPT, Claude o Gemini, BroadNet no es el proveedor para ese tráfico. El crédito inicial de $5 basta para el paso 3 del plan de pruebas con una carga ligera, pero, de los modelos de chat que cubre, solo en Gemma 4 VL 26B (también cubre los dos modelos Transcribe); los demás modelos de chat necesitan una recarga.

Herramientas gratuitas sobre este tema (en inglés)

-   [LLM API cost calculator](https://broadrouter.com/tools/llm-api-cost-calculator/) Price a workload on every model at once, with cache hits, reasoning and a flat-plan check.
-   [LLM token counter](https://broadrouter.com/tools/token-counter/) Exact token counts with each model's real tokenizer, with a token view and cost.
-   [Context window calculator](https://broadrouter.com/tools/context-window-calculator/) Will it fit? Window used per model, room left for output, cost to send.

[Herramientas gratuitas (en inglés)](https://broadrouter.com/tools/)

## Términos de este artículo

[Token](https://broadrouter.com/es/glossary/token/)

Un token es la unidad de texto que un modelo de lenguaje lee y escribe: una palabra, parte de una palabra, un signo de puntuación o una secuencia de bytes producida por el tokenizador del modelo. Las APIs de LLM cuentan, limitan y normalmente facturan el uso en tokens.

[Concurrencia (concurrency)](https://broadrouter.com/es/glossary/concurrency/)

La concurrencia es el número de solicitudes que un cliente tiene en curso al mismo tiempo. Las APIs de LLM suelen limitarla por clave o por plan, aparte de las solicitudes por minuto, porque cada solicitud abierta ocupa capacidad de GPU hasta que su respuesta termina.

[Llamadas a herramientas (tool calling)](https://broadrouter.com/es/glossary/tool-calling/)

Las llamadas a herramientas (tool calling), también llamadas function calling, son una función de las APIs de LLM en la que el modelo devuelve una solicitud estructurada para ejecutar una función definida por el desarrollador, con argumentos JSON. La aplicación ejecuta la función y devuelve el resultado; el modelo nunca ejecuta código.

[Modelo de pesos abiertos (open-weight model)](https://broadrouter.com/es/glossary/open-weight-model/)

Un modelo de pesos abiertos es un modelo de aprendizaje automático cuyos pesos entrenados se publican para que cualquiera los descargue y ejecute, normalmente con una licencia con condiciones. Se diferencia de la IA totalmente de código abierto, que además publica el código de entrenamiento e información detallada sobre los datos, para que otros puedan estudiar y reproducir el modelo.

[URL base (base URL)](https://broadrouter.com/es/glossary/base-url/)

La URL base es la dirección raíz fija de una API, como https://api.example.com/v1, que un cliente antepone a cada ruta de endpoint, como /chat/completions. En los SDKs compatibles con OpenAI, cambiar la URL base, junto con la clave de API y el ID del modelo, dirige el mismo código a otro proveedor.

[Límite de frecuencia (rate limit)](https://broadrouter.com/es/glossary/rate-limit/)

Un límite de frecuencia (rate limit) es un tope que una API impone a cuánto puede usarla un cliente en un periodo, como solicitudes por minuto o tokens por minuto. Las solicitudes que lo superan se rechazan, normalmente con HTTP 429 Too Many Requests, hasta que el uso vuelve a quedar por debajo.

[Pago por uso (pay-as-you-go)](https://broadrouter.com/es/glossary/pay-as-you-go/)

El pago por uso es un modelo de precios en el que usted paga solo lo que usa, medido por unidades como tokens, solicitudes o minutos de audio, sin suscripción ni compromiso mínimo. La mayoría de las APIs de LLM cobran así, desde un saldo prepagado o con una factura periódica.

[Plan de LLM con tarifa plana (flat-rate LLM plan)](https://broadrouter.com/es/glossary/flat-rate-llm-plan/)

Un plan de LLM con tarifa plana cobra un precio fijo por un periodo, como un mes, por acceder a la API de un modelo de lenguaje, en lugar de facturar por token. Estos planes suelen limitar otra cosa, como la concurrencia, la velocidad, los modelos o las ventanas de uso, así que los topes importan tanto como el precio.

## Preguntas frecuentes

### ¿Qué debo buscar en un proveedor de API de LLM?

El costo total de su carga de trabajo, los límites de tasa y de concurrencia, la compatibilidad con OpenAI, las condiciones de retención de datos y de entrenamiento, los modelos y tamaños de contexto que necesita, y el soporte y la fiabilidad. Puntúe cada aspecto y luego pruebe con tráfico real.

### ¿La API de LLM más barata es la mejor opción?

No siempre. Los precios de entrada en caché, los tokens de razonamiento, los reintentos causados por los límites de tasa y el tiempo de ingeniería para suplir funciones que faltan pueden pesar más que un precio de lista más bajo. Compare la factura mensual de su carga de trabajo real.

### ¿Cómo evito quedar atado a un proveedor de API de LLM?

Use una API compatible con OpenAI mediante un SDK estándar, guarde los ID de modelo y las base URL en la configuración, evite funciones exclusivas de un proveedor en su ruta principal y mantenga probado un segundo proveedor.

### ¿Cuánto tiempo debo probar una API de LLM antes de comprometerme?

Una semana de tráfico real basta para ver el consumo de tokens, la tasa de aciertos de caché, la latencia, las tasas de error y el comportamiento de los límites de tasa. Multiplique la semana por unas 4.3 para estimar un mes.

### ¿Qué disponibilidad debe ofrecer un proveedor de API de LLM?

Pida una página de estado pública, un historial de incidentes y, para uso en producción, un SLA por escrito. Si un proveedor no tiene nada de eso, planifique un proveedor de respaldo para sus rutas críticas.

## Siga leyendo

-   [URL base de APIs compatibles con OpenAI: 14 proveedores verificados](https://broadrouter.com/es/blog/openai-compatible-api-base-urls/)
-   [Cómo evaluar un LLM antes de cambiar de proveedor](https://broadrouter.com/es/blog/evaluate-llm-before-switching/)
-   [Cambiar a una API compatible con OpenAI: lista de verificación](https://broadrouter.com/es/blog/openai-compatible-api-migration-checklist/)
-   [¿Qué significa realmente «ilimitado» en un plan de API de LLM?](https://broadrouter.com/es/blog/what-unlimited-llm-api-really-means/)
-   [RGPD y API de LLM: 15 preguntas para su proveedor](https://broadrouter.com/es/blog/gdpr-llm-api-checklist/)
-   [Modelos abiertos vs. cerrados para empresas: costo, control y riesgo](https://broadrouter.com/es/blog/open-weight-vs-closed-models/)
-   [Claves de API de LLM seguras: almacenamiento, rotación y listas de IP](https://broadrouter.com/es/blog/llm-api-key-security/)
-   [Alternativas a Artificial Analysis: dónde comparar LLM en 2026](https://broadrouter.com/es/blog/artificial-analysis-alternatives/)
-   [SLA de APIs de LLM: qué prometen Azure, Bedrock, Google y OpenAI](https://broadrouter.com/es/blog/llm-api-sla-uptime-compared/)
-   [Guía: Códigos de error de BroadNet Inference y cuándo reintentar](https://broadrouter.com/es/guides/errors-and-retries/)
-   [Guía: Limite sus claves de API a sus servidores con listas de IP permitidas](https://broadrouter.com/es/guides/api-keys-ip-allow-lists/)

Pruébelo con su carga de trabajo real. Las cuentas nuevas empiezan con USD 5 de crédito para Gemma y transcripción. DeepSeek, GLM y Qwen3.8 requieren una recarga.

[Comenzar](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=es-blog-choose-llm-api-provider-checklist&utm_content=page-cta) ·

**Fuentes**

-   [Referencia de la API de BroadNet Inference: límites, errores, datos (consultado el 2026-11-14) (en inglés)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=es-blog-choose-llm-api-provider-checklist&utm_content=sources)
-   [Precios de BroadNet Inference en formato legible por máquina, pricing.json (consultado el 2026-11-14) (en inglés)](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=es-blog-choose-llm-api-provider-checklist&utm_content=sources)
-   [Planes de BroadNet Inference (consultado el 2026-11-14)](https://inference.broadnet.ai/es/plans?utm_source=broadrouter&utm_medium=referral&utm_campaign=es-blog-choose-llm-api-provider-checklist&utm_content=sources)
-   [Declaración de privacidad de BroadNet Inference (vigente desde septiembre de 2026; consultado el 2026-11-14)](https://www.broadnet.ai/es/inference-privacy)
-   [Referencia de la API de OpenAI, chat completions, la base de compatibilidad (consultado el 2026-11-14)](https://developers.openai.com/api/reference/resources/chat)
