BroadRouter

SLA de APIs de LLM: qué prometen Azure, Bedrock, Google y OpenAI

Por el equipo de BroadNet Inference · 7 min de lectura · Publicado · Actualizado

La mayoría de las APIs de LLM no prometen disponibilidad en pago por uso. Los SLA escritos vienen con contratos de nube o capacidad reservada: Azure Foundry Models y Amazon Bedrock acreditan por debajo del 99.9 % mensual, Gemini de Google por debajo del 99.5 % y Scale Tier de OpenAI ofrece 99.9 % a clientes Enterprise. Anthropic y el autoservicio de BroadNet no tienen SLA. La compensación es un crédito en la factura.

Busque “SLA de API de LLM” y encontrará tablas que se contradicen entre sí. Este artículo deja de lado esas tablas y va a la fuente: la página de SLA o de términos de cada proveedor, consultada el 15 de noviembre de 2026. Para cada uno anotamos el objetivo de disponibilidad, qué cuenta como caída, el crédito de servicio, cualquier objetivo de latencia y qué nivel está cubierto. BroadRouter es el sitio web de BroadNet, así que BroadNet está en la lista, y es uno de los proveedores sin SLA en autoservicio.

¿Qué promete realmente un SLA de API de LLM?

Un SLA es un objetivo escrito con una compensación. No hace que la API siga funcionando. Dice qué pasa con su factura cuando no funciona. Todos los SLA de abajo tienen las mismas cuatro partes:

  1. Un objetivo. Normalmente un porcentaje de disponibilidad mensual por región, proyecto o recurso.
  2. Una definición de caída. Casi siempre solo errores del servidor: respuestas 500 o 5XX a solicitudes válidas. Un 429 por límite de tasa no es una caída. Tampoco lo es una respuesta lenta o equivocada.
  3. Una compensación. Un porcentaje de la factura de ese mes del servicio afectado, acreditado en facturas futuras y con tope.
  4. Un proceso de reclamación. Usted solicita el crédito, con sus propios logs, dentro de un plazo.

Los porcentajes se traducen en minutos así, para un mes de 30 días con 43,200 minutos:

Disponibilidad mensual Caída permitida
99.9 % unos 43 minutos
99.5 % 216 minutos
99.0 % 432 minutos
95.0 % 36 horas

¿Qué APIs de LLM publican un SLA?

Todas las filas se leyeron en la página del propio proveedor el 15 de noviembre de 2026. “No encontrado” significa que la página revisada no indica ningún SLA; no descarta un contrato privado.

Proveedor y servicio Objetivo de disponibilidad Qué cuenta como caída Créditos SLA de latencia Quién está cubierto
Microsoft Azure, Foundry Models (incluye modelos de Azure OpenAI) 99.9 % Solicitudes que devuelven un código de error, promediadas por minuto 10 % por debajo del 99.9 %, 25 % por debajo del 99 % Sí, para despliegues Provisioned Managed y Priority Processing Foundry Models vendidos por Azure; nivel Developer excluido
Amazon Bedrock 99.9 % (los créditos empiezan por debajo) Solicitudes que devuelven un código de error 500, por intervalo de 5 minutos y por región 10 %, 25 % por debajo del 99.0 %, 100 % por debajo del 95.0 % Ninguno en el SLA Bedrock en cada región de AWS
Google, API de inferencia en línea de Gemini 99.5 % (95 % para modelos con disponibilidad más corta) Tasa de errores 5XX superior al 5 % durante 5 minutos consecutivos o más 10 %, 25 % por debajo del 99.0 %, 50 % por debajo del 95.0 % Sí, con Provisioned Throughput en el endpoint global generateContent y streamGenerateContent
OpenAI, Scale Tier 99.9 % No definido en la página pública No indicado en la página pública 99 % del tiempo por encima de un mínimo de tokens por segundo por modelo Clientes Enterprise, unidades de tokens compradas por al menos 30 días
OpenAI, pago por uso estándar No encontrado – – – –
API de Anthropic No encontrado; los términos dicen “as is” y “as available” (Traducción: «tal cual» y «según disponibilidad») – – – –
Fireworks AI, Reserved Throughput Condiciones de disponibilidad del 99.9 % No indicado en la página de precios No indicado SLA de throughput Solo capacidad reservada; el exceso no está cubierto
Together AI Serverless: nada indicado. “Provisioned Throughput: Token-based capacity with SLAs” (Traducción: «Provisioned Throughput: capacidad basada en tokens con SLA») (condiciones no publicadas en la página) – – – Pida las condiciones del SLA a ventas
BroadNet Inference, autoservicio Ninguno: “no availability commitment” (Traducción: «ningún compromiso de disponibilidad») – – – Niveles de servicio solo en un acuerdo escrito aparte

¿En qué se diferencian los SLA de los hyperscalers?

Microsoft Azure. La página de Microsoft Learn dice que los Foundry Models vendidos por Azure “include all Azure OpenAI models” (Traducción: «incluyen todos los modelos de Azure OpenAI») y están “covered by Azure service-level agreements” (Traducción: «cubiertos por los acuerdos de nivel de servicio de Azure»). El SLA consolidado (edición de octubre de 2026) define la tasa de error por minuto y el porcentaje de disponibilidad como el 100 % menos la tasa media de error. Los créditos son del 10 % por debajo del 99.9 % y del 25 % por debajo del 99 %. Los créditos aplican solo a los Foundry Models vendidos por Azure, y “The Developer tier of the Foundry Models service is not covered by this SLA.” (Traducción: «El nivel Developer del servicio Foundry Models no está cubierto por este SLA».) Para los despliegues Provisioned Managed y Priority Processing, un segundo SLA mide los tokens por segundo frente a un objetivo por modelo indicado en la documentación del producto, con un crédito del 10 % si el cumplimiento baja del 99 %.

Amazon Bedrock. AWS se compromete a hacer “commercially reasonable efforts” (Traducción: «esfuerzos comercialmente razonables») para cumplir la tabla de disponibilidad. La disponibilidad es “the percentage of Requests processed by Amazon Bedrock that do not fail with Errors” (Traducción: «el porcentaje de solicitudes procesadas por Amazon Bedrock que no fallan con errores»), y un error es “any Request that returns a 500 error code” (Traducción: «cualquier solicitud que devuelva un código de error 500»). Se calcula por región, y los intervalos sin solicitudes cuentan como totalmente disponibles. Las exclusiones incluyen acciones del cliente como “scaling of provisioned throughput” (Traducción: «escalar el throughput aprovisionado») y el software del modelo que provoque “repeated model crashes or an inoperable model” (Traducción: «fallos repetidos del modelo o un modelo inoperable»). El SLA no tiene objetivo de latencia.

Google Cloud. El SLA de inferencia en línea de Gemini es el más estricto sobre qué cuenta. Una caída requiere una tasa de error de respuestas 5XX superior al 5 %, durante “five or more consecutive minutes” (Traducción: «cinco o más minutos consecutivos»). Los créditos tienen un tope del 50 % de la factura del mes del servicio, debe avisar a soporte dentro de 30 días con archivos de log, y el SLA es su “sole and exclusive remedy” (Traducción: «único y exclusivo recurso»). Quedan excluidos Grounding with Google Search, los errores de cuota y los plazos más cortos que el valor por defecto del servidor. Con Provisioned Throughput, un SLA de latencia cubre algunos modelos Gemini 2.5 en el endpoint global, medido como p50 de tokens por segundo por intervalo de 5 minutos. Si en cambio despliega su propio modelo abierto en Vertex AI, el SLA aparte de Vertex AI Platform cubre la predicción en línea de modelos personalizados al 99.5 %, pero solo “for models deployed on 2 or more nodes” (Traducción: «para modelos desplegados en 2 o más nodos»).

¿Y OpenAI y Anthropic directamente?

OpenAI. La página de Scale Tier dice: “Scale Tier traffic offers a 99.9% uptime SLA and prioritized compute.” (Traducción: «El tráfico de Scale Tier ofrece un SLA de disponibilidad del 99.9 % y cómputo priorizado».) Su tabla lo acompaña de un SLA de latencia por modelo, como “99% > 50 tokens per second” (Traducción: «99 % > 50 tokens por segundo»), calculado como la latencia p50 de las solicitudes cada 5 minutos. La página dice “This offering is available to Enterprise customers” (Traducción: «Esta oferta está disponible para clientes Enterprise»), que cada unidad de tokens se compra “for a minimum of 30 days” (Traducción: «por un mínimo de 30 días») y que Scale Tier cubre los modelos lanzados antes de GPT-5.6, con Reserved Tier para los posteriores. No encontramos ningún SLA de disponibilidad asociado al uso estándar con pago por uso. (openai.com bloqueó nuestro fetcher, así que leímos la página en la captura de Internet Archive del 7 de noviembre de 2026.)

Anthropic. Los Commercial Terms públicos (vigentes desde el 17 de junio de 2025) no contienen SLA ni créditos de servicio. La sección L.2 ofrece los servicios “AS IS” y “AS AVAILABLE” (Traducción: «TAL CUAL» y «SEGÚN DISPONIBILIDAD») y niega que el uso “WILL BE UNINTERRUPTED” (Traducción: «SERÁ ININTERRUMPIDO»). Los acuerdos empresariales pueden ser distintos, pero no son públicos.

¿Qué no le garantiza un SLA?

  • La disponibilidad en sí. El crédito se paga después de la caída. Sus usuarios ya la vieron.
  • Capacidad. El throttling (429) queda fuera de todas las definiciones de disponibilidad anteriores. Google excluye explícitamente “quotas applied by the system” (Traducción: «las cuotas aplicadas por el sistema»). Vea cómo manejar los errores 429.
  • Velocidad. Solo los niveles aprovisionados o reservados tienen un objetivo de tokens por segundo. Con tráfico estándar, una respuesta lenta es una respuesta exitosa. Métricas de latencia explicadas.
  • Calidad. Una respuesta 200 con una respuesta equivocada no es una caída en ningún proveedor.
  • Mucho dinero. Los créditos son una parte de la factura mensual de un servicio, a menudo con tope, y debe reclamarlos con sus propios logs.

¿Cómo construir sobre una API sin SLA?

La mayoría de los equipos construyen sobre APIs de pago por uso sin SLA. Funciona si la aplicación cuenta con que habrá fallos:

  1. Configure timeouts. Use streaming para respuestas largas y fije un timeout de cliente por solicitud, para que una llamada colgada falle rápido. Guía de streaming.
  2. Reintente con backoff y jitter ante 429 y 5XX, y limite los reintentos. Errores y reintentos.
  3. Tenga un segundo proveedor configurado. Con APIs compatibles con OpenAI, un fallback es una segunda URL base, clave e ID de modelo. Cómo hacer failover entre APIs de LLM.
  4. Registre IDs de solicitud, marcas de tiempo y códigos de estado. Los necesita para cualquier reclamación de SLA y para conocer su tasa real de errores.
  5. Contrate donde lo necesite. Si la disponibilidad es un requisito estricto, use un nivel de proveedor con SLA escrito o un despliegue privado con niveles de servicio acordados. Qué planificar antes de un endpoint privado.

Dónde encaja BroadNet Inference

BroadRouter es el propio sitio web de BroadNet. La API de autoservicio de BroadNet, tanto en pago por uso como en planes, no tiene SLA. Sus términos de servicio (§7.4) dicen: “We aim to keep the API available and publish what we measure, but self-serve has no availability commitment.” (Traducción: «Procuramos mantener la API disponible y publicamos lo que medimos, pero el autoservicio no tiene compromiso de disponibilidad».) Y: “Service levels exist only in a separate written agreement.” (Traducción: «Los niveles de servicio solo existen en un acuerdo escrito aparte».) En este punto, Azure, AWS y Google ofrecen más: un objetivo de disponibilidad escrito con créditos. Una clave de pago por uso de BroadNet permite 30 solicitudes por minuto y 4 en curso. La descripción que hace BroadNet de su infraestructura de servicio está en el hardware GPU de BroadNet y su forma de servir modelos, que presentamos como la versión de BroadNet, no como un compromiso.

Si su carga de trabajo puede funcionar con reintentos y un respaldo, el endpoint compatible con OpenAI de BroadNet es una URL base más que configurar: https://inference.broadnet.ai/v1. Si necesita niveles de servicio contractuales, consulte con BroadNet un acuerdo escrito antes de depender de ellos. Lea la referencia de la API o cree una cuenta.

Preguntas frecuentes

¿Cuál es el SLA de Azure OpenAI?

Los modelos de Azure OpenAI son Foundry Models vendidos por Azure, que según Microsoft están cubiertos por los SLA de Azure. El SLA consolidado de octubre de 2026 da a Foundry Models un crédito de servicio del 10 % por debajo del 99.9 % de disponibilidad mensual y del 25 % por debajo del 99 %. El nivel Developer no está cubierto. Los despliegues Provisioned Managed y Priority Processing añaden un SLA de latencia en tokens por segundo, con un crédito del 10 % si el cumplimiento baja del 99 %.

¿La API de OpenAI tiene un SLA de disponibilidad?

OpenAI publica un SLA de disponibilidad del 99.9 % y un SLA de latencia para Scale Tier, que describe como "available to Enterprise customers" (Traducción: «disponible para clientes Enterprise») y vende en unidades de tokens por al menos 30 días. Para GPT-5.6 y posteriores remite a Reserved Tier. No encontramos SLA de disponibilidad para el uso estándar de la API con pago por uso.

¿Cuál es el SLA de Amazon Bedrock?

AWS acredita el 10 % de los cargos de Bedrock de la región cuando la disponibilidad mensual baja del 99.9 %, el 25 % por debajo del 99.0 % y el 100 % por debajo del 95.0 %. La disponibilidad se mide por región en intervalos de 5 minutos, y un error es una solicitud que devuelve un código de error 500.

¿Anthropic ofrece un SLA para la API de Claude?

No en sus Commercial Terms públicos. Esos términos ofrecen los servicios "as is" y "as available" (Traducción: «tal cual» y «según disponibilidad») y niegan que el uso vaya a ser ininterrumpido. Los contratos empresariales negociados no son públicos, así que pregunte a Anthropic o use Claude a través de una nube cuyo SLA lo cubra.

¿Cuánto tiempo de caída permite un 99.9 % de disponibilidad?

Unos 43 minutos en un mes de 30 días: el 0.1 % de 43,200 minutos. Un 99.5 % permite 216 minutos y un 99 %, 432 minutos. Cómo se mide la caída importa tanto como el porcentaje.

¿BroadNet Inference tiene un SLA?

No en autoservicio. Los términos de BroadNet dicen "self-serve has no availability commitment" (Traducción: «el autoservicio no tiene compromiso de disponibilidad») y "Service levels exist only in a separate written agreement" (Traducción: «Los niveles de servicio solo existen en un acuerdo escrito aparte»), por ejemplo para un endpoint privado.

Leer en MarkdownPreguntar a ChatGPTPreguntar a ClaudePreguntar a Perplexity

Fuentes