Una ola de modelos es un evento de recotización.

Entre el 16 y el 24 de julio de 2026 salieron cinco modelos y se movió una frontera de acceso. Moonshot AI lanzó Kimi K3 a mediados de mes, Alibaba mostró en preview Qwen3.8-Max el 19 de julio y anunció Qwen-Image-3.0 por esos mismos días, Google sacó Gemini 3.6 Flash el 21 de julio, y Anthropic lanzó Claude Opus 5 el 24 de julio. El sexto evento es de otra naturaleza y aun así pertenece a la lista: el 20 de julio, Anthropic cambió qué suscripciones de Claude incluyen Claude Fable 5. No es un modelo. Mueve la misma variable de ruteo que mueven los modelos, que es justamente el punto de esta nota.

El reflejo es preguntar cuál modelo es mejor. Esa pregunta no tiene respuesta operativa, porque nadie opera un modelo. Se opera un conjunto de rutas. Un equipo con agentes en producción ya decidió que cierto trabajo va a un carril rápido y barato, otro a un carril intermedio, y otro a lo más fuerte disponible. Cada una de esas decisiones se tomó bajo precios, límites de contexto, topes de salida, perfiles de latencia, términos de retención y reglas de acceso específicos. Una ola mueve varios de esos insumos a la vez, en direcciones distintas, para proveedores distintos. Lo que invalida no es tu elección de modelo. Es la aritmética debajo de esa elección.

La pregunta que sí produce trabajo es más angosta: para cada clase de trabajo que ya corres, qué cambió esta semana en el costo de ese carril, en el riesgo de ese carril, y en el costo de dejarlo. A veces la respuesta es nada, y nada es un hallazgo legítimo que merece una línea fechada en una tabla.

Publicamos el método junto con la conclusión. Cada cifra de abajo viene de la documentación propia de un proveedor, de un anuncio propio del proveedor, o de una página de medición independiente, cada una consultada directamente el 25 de julio de 2026. Cuando no pudimos consultar una página o un número no estaba publicado, lo decimos y no estimamos.

El hallazgo más útil es uno negativo. De los cinco modelos, exactamente uno publicó resultados numéricos de benchmark que pudimos extraer como texto: Gemini 3.6 Flash, en su model card de DeepMind. El anuncio de Opus 5 de Anthropic presenta todos sus resultados como gráficas, y no pudimos sacar un solo score numérico de ahí. El post de Kimi K3 de Moonshot trae una sección encabezada como tabla completa de benchmarks cuyos números se renderizan del lado del cliente y no aparecieron en ninguna de nuestras consultas. Alibaba no publicó ningún benchmark, para ninguno de sus dos lanzamientos de Qwen. Cuatro de los cinco modelos de esta ola salieron sin ninguna cifra de benchmark que pudiéramos extraer de una página consultada. Cualquier score que imprimiéramos para esos cuatro sería una transcripción de gráfica o la copia de un agregador, y no imprimimos ninguna de las dos cosas.

Segundo hallazgo: las fechas se contradicen. Kimi K3 aparece fechado el 17 de julio de 2026 por el propio blog de Moonshot y por Forbes, y el 16 de julio de 2026 por OpenRouter y por Simon Willison. La explicación más probable es un anuncio en UTC+8 que cruza el límite de un día. No arbitramos; escribimos 'mediados de julio'. Qwen-Image-3.0 es más enredado todavía: la prensa converge en el 21 de julio, los metadatos del blog oficial traen el 16 de julio, y la referencia de API en inglés de Alibaba Cloud reporta una última actualización del 20 de julio. Ninguna fuente primaria declara una fecha de lanzamiento en el cuerpo del texto.

Tercer hallazgo: dos de los cinco se anunciaron con intención de pesos abiertos, y ninguno tenía pesos públicos al momento de revisar. La licencia de Kimi K3 no aparece en ninguna página que pudimos consultar, y sin pesos públicos tampoco hay archivo de licencia público que leer. El system card de Opus 5 de Anthropic superó nuestro límite de tamaño de descarga, así que nada de ahí está verificado en esta nota, incluyendo el nivel de seguridad que reportan medios secundarios. Todo en esta pieza está fechado el 25 de julio de 2026, y parte de esto quedará obsoleto en cuestión de días.

El carril de extracción cubre clasificación, extracción, normalización, formato y conformidad con esquemas. Su modo de falla es silencioso y bien formado: un campo equivocado, una fila que se pierde, una categoría plausible sobre una entrada implausible. La salida se ve correcta, así que leerla es la verificación equivocada. Las aserciones, los fixtures y el muestreo son la verificación correcta, y por eso este carril tolera un modelo más barato de lo que la intuición sugiere. La red de seguridad no es el modelo. Es la verificación.

El carril de implementación cubre código rutinario, pruebas, migraciones de un tipo que ya hiciste antes, documentación y revisión de diffs pequeños. Su modo de falla es ruidoso: rompe el CI o lo atrapa la revisión. Cotizamos este carril en minutos de revisión, no en tokens, lo que significa que un modelo que produce código ligeramente peor pero diffs mucho más cortos puede ganar de forma contundente.

El carril de frontera cubre arquitectura, depuración ambigua, migraciones desconocidas, síntesis sensible a seguridad, y cualquier decisión donde equivocarse cuesta más que todos los tokens que gastarás en ella en toda su vida. Su modo de falla es el peligroso: una respuesta segura, coherente, internamente consistente, que está mal de una forma que el revisor no tiene el contexto para detectar. Este carril se cotiza por consecuencia. El costo en tokens no es la cantidad que decide.

El carril multimodal en realidad son dos carriles. Comprensión toma imágenes, audio, video o documentos como entrada y regresa texto. Generación regresa un artefacto. Tienen proveedores distintos, modos de falla distintos, estructuras de costo distintas y, este mes, una claridad de licenciamiento muy distinta. Tratarlos como un solo carril es un error de ruteo, y esta ola hace la separación fácil de ver.

Google anunció Gemini 3.6 Flash el 21 de julio de 2026; su documentación dice que está disponible de forma general y lista para producción, bajo el ID de modelo de API gemini-3.6-flash. El precio estándar es $1.50 por millón de tokens de entrada y $7.50 por millón de tokens de salida, con la salida incluyendo tokens de pensamiento. El lote (batch) es $0.75 y $3.75, flex es idéntico al lote, y prioridad es $2.70 y $13.50. El cacheo de contexto cuesta $0.15 por millón de tokens de entrada más $1.00 por millón de tokens por hora de almacenamiento, así que el término de almacenamiento, no la tasa de lectura, es el número que hay que modelar. La ventana de contexto es de 1M de entrada con un límite de 64K de salida. El corte de conocimiento es marzo de 2026, con el model card señalando que algunos dominios están limitados a enero de 2025. Las entradas pueden ser texto, imágenes, audio o video, con PDFs listados en la página de Flash de DeepMind. La salida es sólo texto.

Los cuatro niveles de precio son el producto real: el trabajo que puede esperar no debería pagar la tarifa síncrona, y el lote cuesta la mitad del estándar. Google también afirma que 3.6 Flash reduce el uso de tokens de salida en 17% contra 3.5 Flash, según el Artificial Analysis Index. Lee eso con cuidado, porque es el número con más probabilidad de citarse mal este mes: es una reducción en tokens consumidos, no un recorte de precio. Para trabajo cobrado por salida es, si acaso, el número más interesante, porque el consumo es el término que no puedes negociar. Reportes secundarios también describen un recorte al precio de salida, pero no pudimos verificar la cifra anterior en ninguna fuente primaria de Google, así que ni la imprimimos ni nos apoyamos en ella. Google además cita a Datacurve reportando hasta 65% de reducción de tokens de salida en el benchmark DeepSWE, y cifras de socios de Harvey (12% más rápido en completar tareas) y JetBrains (ganancias de 10 a 20% en desempeño de codificación).

El tope de 64K de salida es la especificación que decide si una tarea pertenece a este carril. Para extracción casi nunca es una restricción real. Para cualquier tarea cuyo artefacto exceda 64K tokens es un muro duro, y ninguna cantidad de inteligencia lo compensa. Como contraste: Claude Opus 5 emite hasta 128k tokens de forma síncrona y hasta 300k en la Message Batches API detrás de un beta header, y Kimi K3 por defecto usa 131,072 tokens de salida y se puede configurar hasta 1,048,576. Tres modelos con contexto de 1M cuyos techos de salida difieren por un factor de dieciséis. La ventana de contexto es el número que todos citan. El tope de salida es el número que rutea el trabajo.

Dos mediciones independientes de Artificial Analysis apuntan en direcciones opuestas y ambas importan. Midió 237.1 tokens de salida por segundo, en el primer lugar de 190 modelos, y un tiempo al primer token de 14.73 segundos, que describe como algo más alto que el promedio. Una persona viendo un cursor experimenta el primer token; una cola que va drenando salida experimenta la tasa. El mismo modelo queda primero en una medición y por debajo del promedio en la otra. Artificial Analysis le da 50 en su Intelligence Index v4.1, en el lugar 26 de 190 contra una mediana de 32.

Anthropic anunció Claude Opus 5 el 24 de julio de 2026 a $5 por millón de tokens de entrada y $25 por millón de tokens de salida. Es exactamente lo que costaba Claude Opus 4.8, y exactamente la mitad de Claude Fable 5 a $10 y $50. El planteamiento de Anthropic es que Opus 5 se acerca a la inteligencia de frontera de Fable 5 a la mitad del precio, y que entrega un desempeño muy mejorado por el mismo costo que su predecesor. Ambas afirmaciones describen la misma lista de precios. Si tu carril de frontera corre sobre Fable 5, el proveedor está diciendo ahora que el carril cuesta la mitad. Si eso se cumple en tu carga de trabajo es justo para lo que sirve un canario, porque una hoja de especificaciones no trae tasas de acierto, carga de reintentos ni minutos de revisión.

No hay scores numéricos de benchmark que comprobar. El anuncio presenta todo como gráficas, y las evaluaciones nombradas son Frontier-Bench v0.1, CursorBench 3.2, el AA Coding Agent Index, ARC-AGI 3, GDPval-AA v2, OSWorld 2.0, HLE, Zapier AutomationBench y DeepSearchQA. Lo que sí pudimos verificar es el propio texto de Anthropic sobre posición relativa, sin números absolutos detrás: en Frontier-Bench v0.1 supera a todos los demás modelos y más que duplica el desempeño de Opus 4.8 a un menor costo por tarea; en CursorBench 3.2 con esfuerzo máximo queda a 0.5% del mejor score de Fable 5 a la mitad del costo; en ARC-AGI 3 su score es el triple del siguiente mejor modelo; en Zapier AutomationBench su tasa de acierto es alrededor de 1.5 veces la del siguiente mejor modelo por el mismo costo; en OSWorld 2.0 supera el mejor resultado de Fable 5 por poco más de un tercio del costo. Cuatro de esas cinco afirmaciones están normalizadas por costo. El proveedor está argumentando sobre el mismo eje que argumenta esta nota, lo cual es interesante, y es infalsificable desde afuera sin los números, que es el problema.

El parámetro de esfuerzo (effort) es el verdadero dial de ruteo, y eso significa que la lista de precios no es el precio. Opus 5 soporta cinco niveles: low, medium, high, xhigh y max, con high como default de API tanto en la Claude API como en Claude Code, configurado mediante output_config en el request de Messages. El thinking no se puede desactivar en xhigh ni en max; un request que lo intenta regresa un 400. Anthropic también señala que en Opus 5, cambiar el esfuerzo no acorta de forma confiable la respuesta visible, y que en su lugar hay que pedir la longitud en el prompt. El esfuerzo mueve el consumo de tokens, y el consumo de tokens es lo que te cobran. Un modelo de costo que trata $5 y $25 como constantes está modelando la lista, no la factura.

Dos partidas del resto de la superficie mueven la factura por múltiplos; las demás son constantes pequeñas que vale la pena conocer. Primero el cacheo: los hits y refrescos de caché cuestan $0.50 por MTok contra $5.00 en fresco, y una escritura de caché de cinco minutos cuesta $6.25, una prima que una sola reutilización dentro de la ventana ya recupera de sobra. La escritura de una hora cuesta $10.00 y necesita al menos dos lecturas contra el mismo prefijo para salir ganando. El esfuerzo es la segunda, ya cubierta arriba. Las constantes pequeñas: lote a $2.50 y $12.50; modo rápido a $10 y $50 por cerca de 2.5 veces la velocidad default, en research preview, sólo en la Claude API de primera parte, no disponible en Claude Platform en AWS, nubes socias, ni en la Batch API; la ventana completa de 1M cobrada a tarifas estándar sin sobrecargo por contexto largo en Claude 4.6 y posteriores; el uso de herramientas agregando 286 tokens de entrada de overhead de system prompt para tool_choice auto o none y 406 para any o tool, con la herramienta Bash agregando 325 más; y Claude Managed Agents a $0.08 por hora-sesión encima de los tokens. Nada de esto es emocionante. Todo aparece en la factura.

A partir del 20 de julio de 2026, Claude Fable 5 está incluido sin costo extra en Max, en asientos Team premium, y en asientos Enterprise premium por asiento, con un tope de 50% de los límites de uso semanales. Ese tope no es aditivo: otros modelos consumen del mismo fondo semanal, y el total sigue siendo el límite semanal. Los asientos Pro y Team Standard no están incluidos y pagan mediante créditos de uso después de un crédito único inicial. El centro de ayuda de Anthropic sólo dice que existe un crédito único; la cuenta @claudeai, según cita Simon Willison, da la cifra de $100. La promoción anterior de acceso gratuito terminó el 19 de julio de 2026 a las 11:59:59 PM PT. Aquí importa una palabra: el artículo del centro de ayuda nunca usa la palabra permanente. Declara un cambio vigente desde el 20 de julio sin fecha de fin, y el 'permanente' de los titulares es palabra de los periodistas, no una cita. Una fecha de fin ausente no es un compromiso, y la diferencia entre esas dos lecturas es toda la pregunta de si puedes construir sobre esto.

La inestabilidad misma es el dato. Anthropic revisó el acceso de Fable 5 por plan al menos cuatro veces entre el 9 de junio y el 20 de julio de 2026, y su propia razón declarada es que la demanda resultó difícil de predecir, así que el acceso se fue extendiendo por etapas conforme se aseguraba capacidad. Por separado, Fable 5 se quedó fuera de línea el 12 de junio de 2026 por una directiva de control de exportaciones de Estados Unidos y volvió el 1 de julio. Reportes independientes describen el efecto práctico del cambio de julio como 50% de unos límites que ya venían reducidos, después de un recorte de aproximadamente un tercio al uso regular cuando terminó la fase de bono. Nada de eso dice algo sobre la capacidad del modelo, y todo eso es un insumo de ruteo. Un carril cuyos términos comerciales se movieron cuatro veces en seis semanas, y al que una directiva gubernamental dejó fuera de línea una vez, no debería ser el único carril que un equipo puede correr.

Dos restricciones de este lanzamiento le ganan a la capacidad sin discusión. Fable 5 está designado Covered Model con retención de datos de 30 días y no está disponible bajo un acuerdo de retención cero. Para una carga de trabajo regulada eso es determinante, y ningún benchmark puede discutir contra eso. La segunda es más silenciosa y le cuesta dinero real a los equipos: Fable 5 usa el tokenizador introducido con Claude Opus 4.7, y el mismo texto produce aproximadamente 30% más tokens que en modelos lanzados antes de 4.7. Dólares por millón de tokens, entonces, no es una unidad comparable entre proveedores, ni siquiera entre generaciones de un mismo proveedor. Cotiza tus carriles sobre tu propio corpus, en tokens que tú mismo contaste, o estás comparando con dos reglas distintas.

Kimi K3 es real, está hospedado, y técnicamente es lo más interesante de la ola. El blog de Moonshot describe un modelo de 2.8 billones de parámetros que usa una mezcla de expertos dispersa que activa 16 de 896 expertos por token, un diseño de atención llamado Kimi Delta Attention con residuales de atención, y entrenamiento consciente de cuantización con pesos MXFP4 y activaciones MXFP8. El write-up de preview de vLLM corrobora la configuración de expertos y los pesos MXFP4, y describe la atención como lineal dominada por KDA con capas periódicas de atención completa. Las entradas son texto, imágenes y archivos de video según la documentación de API. El contexto es de 1,048,576 tokens. El precio es $3.00 por millón de tokens de entrada en cache miss, $0.30 en cache hit, y $15.00 por millón de salida, plano, sin niveles por longitud de contexto. El razonamiento está siempre activo, con niveles de esfuerzo low, high y max, con max por default. El acceso a la API se desbloquea después de una recarga mínima de $1. Moonshot lo posiciona para codificación de horizonte largo y trabajo de conocimiento de punta a punta.

Lo que falta es la parte que importa para la resiliencia. Al 25 de julio de 2026, la organización moonshotai en Hugging Face no lista ningún repositorio de K3; las entradas más nuevas son K2.7-Code y anteriores. El blog de Moonshot se compromete a liberar los pesos completos antes del 27 de julio de 2026, y vLLM repitió el 22 de julio que eso seguía pendiente. Existen repositorios de terceros con el mismo nombre y no son de Moonshot. Ninguna página que consultamos declara una licencia, y sin pesos públicos tampoco hay archivo de licencia público que leer. El soporte de vLLM está en etapa de preview y requiere paralelismo de expertos a gran escala. Nada de esto le impide a un equipo llamar la API hospedada hoy mismo; el ID del modelo, los precios y los límites están publicados y el carril es usable. Lo que sí impide es aquello para lo que sirven los pesos abiertos: correrlo, fijarlo, y ya no depender de lo que haga el proveedor después. Esa parte es una fecha en el calendario, dos días después de que se publica esta nota.

Qwen3.8-Max-Preview está todavía más flaco de información. La documentación de Qoder de Alibaba declara 2.4 billones de parámetros. Se mostró en preview el 19 de julio de 2026 en la World Artificial Intelligence Conference de Shanghái. El acceso corre a través de la suscripción Token Plan de Alibaba, Qoder y QoderWork, y Token Plan sólo está disponible en la región China (Beijing). No hay precio por token publicado; el cobro es por créditos, con el preview descontando el coeficiente de facturación de 0.5x a 0.05x, y a 0.01x entre las 22:00 y las 08:00 UTC+8. Alibaba no publicó model card, ni tabla de benchmarks, ni conteo de parámetros activados, ni licencia, y confirmamos la ausencia directamente: las tablas de especificación de Model Studio no traen ninguna fila para este modelo. La única afirmación de desempeño que hizo Alibaba es un solo post del equipo de Qwen describiéndolo como segundo sólo detrás de Fable 5, sin nada publicado detrás de eso. Los pesos se prometen pronto, sin fecha y sin licencia nombrada. Vale la pena marcar una trampa: circula ampliamente una cifra de ventana de contexto para este modelo que no aparece en ninguna página de Alibaba que consultamos; la cifra de 1M en esas tablas pertenece a Qwen3.7-Max, un modelo distinto. No damos una ventana de contexto para Qwen3.8-Max-Preview, porque no tenemos una.

Dos proveedores anunciaron modelos muy grandes con intención de pesos abiertos dentro de una misma semana, y ninguno ha liberado pesos públicos. La resiliencia de proveedor no es una segunda API key, y desde luego no es una promesa de liberar pesos. Son tres cosas concretas: un contrato de herramientas portable entre proveedores, un conjunto de casos fijado que define el éxito independientemente de cualquier modelo, y un segundo carril que de verdad hayas corrido bajo carga de producción al menos una vez. Construye las tres como si el segundo carril fuera a necesitarse. Y trata cada liberación de pesos anunciada como una entrada de diario por verificar, no como una capacidad que ya posees.

Del lado de comprensión, esta ola fue generosa. Gemini 3.6 Flash acepta texto, imágenes, audio y video, con PDFs listados en la página de Flash de DeepMind, y regresa sólo texto. Kimi K3 acepta texto, imágenes y archivos de video, con imágenes entregadas en base64 o con un identificador de archivo ms://; su documentación declara las entradas y no dice nada sobre la modalidad de salida más allá de que las respuestas de texto son el default. Se reporta que Qwen3.8-Max-Preview maneja comprensión de texto, imágenes, video y documentos, pero eso viene sólo de cobertura secundaria y no lo pudimos confirmar en ninguna página propia de Alibaba. Comprensión rutea como el carril de extracción con una cuenta más grande: emite un objeto estructurado, verifica ese objeto con aserciones, y nunca dejes que la impresión de un revisor sobre la prosa sustituya a una verificación.

Generación es una disciplina distinta. Qwen-Image-3.0 se expone en Alibaba Cloud Model Studio como qwen-image-3.0-pro, manejando texto-a-imagen e imagen-a-imagen en un solo modelo, con imagen-a-imagen tomando de una a tres imágenes de referencia más una sola instrucción. Está en preview limitado y requiere una solicitud aprobada a través del Model Gallery. Sirve desde dos regiones, China (Beijing) y Singapur, con llaves y endpoints separados que no se pueden usar de forma intercambiable. Restricciones de API verificadas: píxeles totales de salida entre 512x512 y 2048x2048, salida en PNG, n entre 1 y 6 imágenes con default de 1, prompt_extend con default true, watermark con default false, seed en el rango 0 a 2147483647. Las imágenes de entrada pueden ser JPG, JPEG, PNG, BMP, TIFF, WEBP o GIF, recomendadas entre 384 y 2048 píxeles por lado, hasta 10MB. Los requests son de un solo turno, con exactamente un mensaje de usuario.

Las afirmaciones del proveedor son la parte interesante y ninguna es comprobable. El blog de Qwen declara soporte para prompts de entrada de hasta 4.5k tokens, renderizado preciso de texto tan pequeño como 10px, renderizado nativo de 12 idiomas, y más de 100 estilos artísticos; ofrece un ejemplo de una cuadrícula de tres por tres de infografías generadas en una sola pasada a partir de un prompt de 3.7k tokens, en lugar de ensambladas. No hay tabla de benchmarks, ni conteo de parámetros, ni descripción de arquitectura, ni reporte técnico, ni declaración de licencia en el blog ni en la referencia de API. El precio aparece listado como gratis por tiempo limitado en ambas tablas de tarifas regionales, lo cual no es un precio. Para dar escala, esas mismas tablas ponen a la generación anterior, qwen-image-2.0-pro, en ¥0.5 por imagen en Beijing.

Dos de esos hechos son de diseño de pipeline, no trivia. Las URLs de imágenes generadas expiran a las 24 horas, así que cualquier sistema que conserve imágenes debe persistirlas al recibirlas; un pipeline que guarda la URL trae una falla de 24 horas incorporada que no va a aparecer hasta que alguien abra un registro viejo. Y no hay licencia publicada para el modelo ni para el uso comercial de sus salidas. Nuestra política es tajante en esto: no ruteamos entregables de cliente por un carril de generación cuyos términos de uso no podamos presentar por escrito, y nada de lo publicado para Qwen-Image-3.0 todavía cumple esa barra. Los últimos pesos abiertos de la línea de imagen de Qwen fueron Qwen-Image-2512, Apache 2.0, fechados el 31 de diciembre de 2025. La versión 3.0 está cerrada, con acceso por invitación, y sin licencia pública. Eso es una decisión de cadena de suministro antes de ser una decisión estética.

Escribe la política como una tabla de clases de trabajo, no de nombres de modelo. Para cada clase, registra seis campos: el carril default, el disparador de escalamiento, el carril de escalamiento, las restricciones duras (retención, región, tope de salida, licencia), el conjunto de fixtures que prueba que el carril funciona, y la fecha en que se recotizó el carril por última vez. Una política que lista nombres de modelo sin clases de trabajo es una preferencia. Una política que lista clases de trabajo sin fechas es un recuerdo. Las fechas son lo que te permite responder, seis semanas después, si una decisión se tomó bajo condiciones que todavía se sostienen.

Ahora aplica la ola. Extracción y formato van por default a un carril barato, y si ese carril es Gemini 3.6 Flash, rutea el volumen asíncrono a lote a $0.75 y $3.75 en lugar de estándar a $1.50 y $7.50, y verifica que ninguna tarea de la clase necesite más de 64K de salida. La implementación rutinaria se queda donde tu costo por minuto de revisión sea más bajo; nada de lo verificado en esta ola obliga a moverse, y un carril que produce diffs más cortos le gana a un carril que puntúa mejor. El trabajo de frontera se rutea al carril más fuerte que puedas costear por tarea, y si ese carril era Fable 5, corre un canario en Opus 5 a $5 y $25 con esfuerzo en xhigh antes de tratar el precio de lista a la mitad como un costo a la mitad. La comprensión multimodal se une al carril de extracción con aserciones más duras. La generación multimodal se queda fuera del trabajo de cliente hasta que existan términos de uso por escrito.

Mide cinco cosas. Costo por tarea aceptada, no costo por millón de tokens, porque los niveles de esfuerzo y los tokenizadores hacen que las comparaciones por token no signifiquen nada entre proveedores. Tasa de escalamiento. Tasa de acierto del escalamiento, es decir, qué tan seguido el carril de frontera de verdad cambió la respuesta. Minutos de revisión por tarea aceptada. Y la fecha de tu último simulacro de failover. Si la tasa de escalamiento es alta y la tasa de acierto es baja, el carril está bien y el disparador está mal calibrado; arregla el disparador, no el carril. Lo que esta nota no te puede entregar son los umbrales. Esos salen de tu propia telemetría, y cualquier consultor que te dé uno sin haber visto tu telemetría está adivinando.

La regla permanente es que recotizas cuando se mueve un insumo, no cuando se lanza un modelo. Precio, límite de contexto, tope de salida, términos de acceso, términos de retención, región: cualquiera de esos moviéndose abre la tabla. La regla necesita una enmienda honesta: una afirmación de capacidad a precio de lista sin cambios no es un disparador de re-ruteo, pero sí es un disparador de canario, porque el costo por tarea aceptada puede bajar mientras la lista de precios se mantiene quieta, por menos reintentos y revisiones más cortas. El re-ruteo sigue esperando los números del canario, y la aritmética del canario tiene que incluir el costo del cambio mismo: trabajo de integración, portabilidad del prompt, pérdida de caché, y revisores aprendiendo un perfil de falla nuevo. Según nuestra lectura de esta semana: un lanzamiento recotizó el carril barato, uno recotizó el carril de frontera pendiente de canario, uno movió una frontera de acceso sin tocar ningún modelo, uno agregó un carril hospedado cuyos pesos y licencia son promesas con fecha puesta, y dos sobre los que no podemos actuar en absoluto, uno restringido a una región y suscripción que no tenemos y otro con acceso por invitación y sin licencia. La primera de esas promesas vence el 27 de julio. Anota qué se movió, qué hiciste al respecto, y qué no pudiste verificar, y fecha las tres cosas.