Modelos Disponibles
La API de Saptiva ofrece una amplia variedad de modelos diseñados para satisfacer diferentes necesidades y presupuestos. Además, tienes la posibilidad de personalizar estos modelos para casos de uso específicos, optimizando su desempeño mediante técnicas avanzadas de ajuste y configuración personalizada.
Descripción general de los modelos
Saptiva Turbo
Qwen 3:30B - No Think
Respuestas rápidas, bajo costo. Soporta tools.
Chats simples, asistentes de alta concurrencia
$0.20
$0.40
Saptiva Cortex
Qwen 3:30B - Think
Tareas de razonamiento. Soporta tools.
Agentes con lógica, comprensión profunda
$0.15
$0.50
Saptiva Ops
GPT OSS:20B
Casos complejos con SDK, Tareas de razonamiento. No soporta tools.
Agentes autónomos, RAG, websearch
$0.25
$0.60
Saptiva Legacy
LLama 3.3:70B
Compatibilidad con herramientas legacy. Soporta tools.
SDK avanzado, pruebas, compatibilidad técnica
$0.30
$0.60
Saptiva OCR
Nanonets OCR-s
Extracción inteligente de texto
OCR, estructuración de documentos, VLM
$0.15
$0.5
Saptiva Embed
Qwen3 Embedding 8b
Vectorización semántica
Memoria contextual, búsqueda, RAG (generación embeddings)
$0.01
-
Saptiva Guard
Llama Guard3 8b
Moderación y cumplimiento
Protección de contenido, validación de incumplimiento legal en LLMs
$0.10
$0.15
Saptiva KAL
Mistral Small 3.2 24B Instruct 2506
Contexto y normatividad de México. Soporta tools.
Agentes conversacionales, RAG, chatbots especializados
$0.20
$0.40
Nota:
Para usar cualquiera de estos modelos en una petición, utiliza exactamente el valor indicado en la columna Nombre.
La columna "Precio por M de tokens IN" se refiere al costo por cada millón de tokens que envías al modelo.
La columna "Precio por M de tokens OUT" corresponde al costo por cada millón de tokens que el modelo genera como respuesta.
Explicación de los campos
A continuación, encontrarás una descripción breve de los principales términos utilizados en esta tabla:
Modelo Base: Es el modelo fundacional sobre el que está construido cada modelo específico de Saptiva. Indica su arquitectura y tamaño (cantidad aproximada de parámetros), afectando directamente su capacidad y rendimiento.
Mejor para (Best for): Indica cuál es la fortaleza principal del modelo, es decir, el tipo de tarea o función para la cual fue especialmente diseñado y optimizado.
Caso de Uso (Use Case): Ejemplifica claramente los contextos y situaciones concretas en los que el modelo muestra el mejor desempeño y utilidad.
Última actualización