DeepInfra: inteligencia, rendimiento y precio de sus modelos
Análisis de los modelos de DeepInfra en métricas clave como calidad, precio, velocidad de salida, latencia, ventana de contexto y más. Este análisis está pensado para ayudarte a elegir el mejor modelo ofrecido por DeepInfra para tu caso de uso.
Más inteligente
Índice de inteligencia
101 modelos en total
Más rápido
Velocidad de salida
101 modelos en total
Menor precio
Precio combinado (por 1M de tokens)
101 modelos en total
DeepInfra ofrece 101 modelos, cada uno con distintas características de inteligencia, rendimiento y precio. A continuación se comparan las métricas clave entre modelos.
- En inteligencia, los mejores modelos en DeepInfra son DeepSeek V4 Pro 0813 (max) (53), GLM-5.2 (max) (FP4) (53) y DeepSeek V4 Flash 0731 (max) (52).
- En velocidad de salida, los modelos más rápidos son Nemotron 3.5 Lightning (NVFP4) (436 t/s), Nemotron 3 Nano (193 t/s) y Nemotron 3 Nano (193 t/s). La velocidad varía significativamente entre modelos, con una diferencia del 134% entre el más rápido y el más lento.
- En latencia, Nemotron 3 Nano (0.45s), Llama 4 Maverick (FP8) (0.52s) y Qwen3.5 35B A3B FP8 (0.52s) ofrecen el menor tiempo hasta el primer token de respuesta.
- En precios, Llama 3.1 8B (Turbo, FP8) ($0.02), Llama 3.1 8B ($0.02) y Gemma 4 E4B ($0.03) ofrecen los menores precios combinados por 1M de tokens.
- En tamaño de ventana de contexto, GLM-5.2 (max) (FP4) (1M), DeepSeek V4 Pro (max) (FP4) (1M) y DeepSeek V4 Flash (max) (FP4) (1M) admiten las ventanas de contexto más grandes en DeepInfra.
Aspectos destacados
Evaluaciones de inteligencia
Artificial Analysis Intelligence Index
Intelligence Evaluations
Agentic real-world work tasks, (Elo-500)/2000
Agentic tool use
Agentic coding & terminal use
Coding
Reasoning & knowledge
Scientific reasoning
Physics reasoning
Knowledge
1 - hallucination rate
Long context reasoning
Agentic knowledge work, Elo
Agentic SaaS workflows
Legal agentic work, criterion pass rate
Agentic business operations
Quantitative analysis on spreadsheets & documents
Instruction following
Long-horizon agentic tasks
Kubernetes incident root-cause analysis
Visual reasoning
Intelligence Index vs. Price
Ventana de contexto
Context Window
Precios
Intelligence Index vs. Price
Resumen de rendimiento
Output Speed vs. Price
Velocidad
Medida por la velocidad de salida (tokens por segundo)
Output Speed
Latencia
Medida por el tiempo (segundos) hasta el primer token
Latency: Time To First Answer Token
Tiempo de respuesta de extremo a extremo
Seconds to output 500 tokens, calculated based on time to first token, 'thinking' time for reasoning models, and output speed
End-to-End Response Time vs. Price
Análisis adicional | |||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|
DeepSeek V4 Pro 0813 (max) | 1M | Abierto | 53 | $0.46 | 79 | 1.35 | 33.12 | 25.41 | |||
GLM-5.2 (max) (FP4) | 1.05M | Abierto | 53 | $0.25 | 52 | 1.20 | 49.27 | 38.46 | |||
DeepSeek V4 Flash 0731 (max) | 1M | Abierto | 52 | $0.05 | 46 | 1.06 | 55.35 | 43.43 | |||
MiniMax-M3 | 524k | Abierto | 45 | $0.12 | 46 | 1.10 | 55.80 | 43.75 | |||
DeepSeek V4 Pro (max) (FP4) | 1.05M | Abierto | 45 | $0.27 | 39 | 1.48 | 125.66 | 111.44 | |||
 Kimi K2.6 (FP4) | 262k | Abierto | 45 | $0.27 | 42 | 1.59 | 120.70 | 107.09 | |||
DeepSeek V4 Pro (high) (FP4) | 65.5k | Abierto | 44 | $0.26 | 42 | 1.57 | 61.03 | 47.53 | |||
Kimi K2.7 Code | 262k | Abierto | 43 | $0.16 | 54 | 0.99 | 51.75 | 41.46 | |||
 MiMo-V2.5-Pro | 65.5k | Abierto | 43 | $0.18 | 129 | 0.75 | 20.06 | 15.45 | |||
 Inkling (FP8) | 131k | Abierto | 42 | $0.43 | 134 | 0.67 | 19.36 | 14.95 | |||
 Hy3 (FP8) | 262k | Abierto | 42 | $0.04 | 61 | 0.73 | 41.84 | 32.89 | |||
DeepSeek V4 Flash (max) (FP4) | 1.05M | Abierto | 42 | $0.04 | 44 | 1.04 | 139.10 | 126.76 | |||
Inkling Small | 524k | Abierto | 41 | $0.13 | 166 | 0.74 | 15.79 | 12.03 | |||
GLM-5.1 (FP4) | 203k | Abierto | 41 | $0.19 | 15 | 4.25 | 281.28 | 244.75 | |||
GLM-5 (FP4) | 203k | Abierto | 41* | -- | 44 | 1.12 | 83.06 | 70.58 | |||
DeepSeek V4 Flash (high) (FP4) | 1.05M | Abierto | 39 | $0.03 | 54 | 1.15 | 33.46 | 23.03 | |||
Nemotron 3 Ultra | 262k | Abierto | 38 | $0.23 | 99 | 5.14 | 33.28 | 23.07 | |||
Nemotron 3 Ultra BF16 | 262k | Abierto | 38 | -- | 104 | 4.68 | 31.41 | 21.91 | |||
MiMo-V2.5 | 262k | Abierto | 38 | $0.08 | 66 | 0.92 | 38.62 | 30.16 | |||
Ling 3.0 Flash | 131k | Abierto | 38 | $0.03 | 51 | 1.43 | 50.20 | 39.02 | |||
 Qwen3.6 27B FP8 | 262k | Abierto | 38 | $0.19 | 52 | 1.29 | 119.19 | 108.36 | |||
GLM-5.1 (FP4) | 203k | Abierto | 36* | -- | 15 | 6.95 | 39.56 | -- | |||
Kimi K2.5 | 262k | Abierto | 36 | $0.07 | 68 | 0.73 | 52.06 | 43.93 | |||
Kimi K2.6 (FP4) | 262k | Abierto | 35* | -- | 38 | 1.59 | 14.61 | -- | |||
Muse Glimmer (high) | 131k | Abierto | 35 | $0.07 | 155 | 0.80 | 16.96 | 12.92 | |||
Qwen3.5 27B (FP8) | 262k | Abierto | 35* | -- | 74 | 0.93 | 34.56 | 26.90 | |||
MiniMax-M2.5 (FP8) | 197k | Abierto | 34* | -- | 108 | 0.83 | 23.95 | 18.49 | |||
GLM-4.7 (FP4) | 203k | Abierto | 34 | $0.10 | 34 | 0.86 | 73.78 | 58.34 | |||
Qwen3.5 397B A17B (FP8) | 262k | Abierto | 34 | $0.19 | 46 | 1.19 | 81.07 | 69.04 | |||
GLM-5 (FP8) | 203k | Abierto | 33* | -- | 40 | 1.06 | 13.70 | -- | |||
Qwen3.5 122B A10B (FP4) | 262k | Abierto | 33 | $0.12 | 133 | 0.81 | 19.54 | 14.99 | |||
DeepSeek V3.2 (FP4) | 164k | Abierto | 33* | -- | 16 | 2.36 | 159.58 | 125.77 | |||
Qwen3.5 397B A17B (FP8) | 262k | Abierto | 33* | -- | 47 | 1.16 | 11.91 | -- | |||
Qwen3.6 35B A3B (FP8) | 262k | Abierto | 32 | $0.09 | 54 | 0.85 | 109.46 | 99.39 | |||
Qwen3.6 27B FP8 | 262k | Abierto | 31 | $0.23 | 58 | 1.04 | 9.70 | -- | |||
 Step 3.7 Flash | 256k | Abierto | 31 | -- | 175 | 0.66 | 14.92 | 11.41 | |||
Qwen3.5 27B FP8 | 262k | Abierto | 30* | -- | 71 | 1.02 | 8.10 | -- | |||
Qwen3.5 35B A3B (FP8) | 262k | Abierto | 30* | -- | 126 | 0.60 | 20.49 | 15.91 | |||
Gemma 4 31B | 262k | Abierto | 30 | $0.01 | 37 | 1.42 | 61.56 | 46.69 | |||
GLM-4.6 (FP4) | 203k | Abierto | 29 | -- | 45 | 0.81 | 56.85 | 44.83 | |||
MiMo-V2.5-Pro | 65.5k | Abierto | 28* | -- | 119 | 0.72 | 4.91 | -- | |||
Qwen3.5 122B A10B (FP4) | 262k | Abierto | 28 | $0.10 | 131 | 0.90 | 4.71 | -- | |||
GLM-4.7 (FP4) | 203k | Abierto | 27* | -- | 32 | 1.06 | 16.75 | -- | |||
Gemma 4 26B A4B (FP8) | 262k | Abierto | 26 | $0.03 | 27 | 1.18 | 93.87 | 74.16 | |||
Nemotron 3 Super | 262k | Abierto | 26 | $0.10 | 53 | 29.47 | 76.93 | 37.97 | |||
DeepSeek V3.2 | 164k | Abierto | 25* | -- | 14 | 1.62 | 37.51 | -- | |||
Qwen3.6 35B A3B (FP8) | 262k | Abierto | 25 | $0.29 | 62 | 0.81 | 8.89 | -- | |||
Qwen3.5 35B A3B FP8 | 262k | Abierto | 24 | $0.07 | 108 | 0.52 | 5.14 | -- | |||
gpt-oss-120b (high) | 131k | Abierto | 24 | $0.02 | 51 | 0.64 | 49.79 | 39.32 | |||
gpt-oss-120b (high) (Turbo) | 131k | Abierto | 24 | $0.07 | 186 | 0.82 | 14.23 | 10.72 | |||
Nemotron 3.5 Lightning (NVFP4) | 28.7k | Abierto | 24 | $0.10 | 436 | 0.45 | 6.18 | 4.59 | |||
GLM-4.7-Flash | 203k | Abierto | 23* | -- | 73 | 0.58 | 34.70 | 27.30 | |||
Gemma 4 31B (FP8) | 262k | Abierto | 22 | $0.04 | 41 | 1.15 | 13.28 | -- | |||
DeepSeek V3.1 Terminus (FP4) | 164k | Abierto | 22* | -- | 59 | 1.00 | 9.54 | -- | |||
DeepSeek V3.1 (FP4) | 164k | Abierto | 21* | -- | 10 | 1.25 | 50.40 | -- | |||
Gemma 4 26B A4B (FP8) | 262k | Abierto | 20* | -- | 29 | 0.83 | 18.37 | -- | |||
Qwen3.5 4B (FP8) | 262k | Abierto | 20* | -- | 30 | 0.71 | 84.36 | 66.92 | |||
DeepSeek R1 0528 | 164k | Abierto | 20* | -- | 25 | 0.94 | 100.59 | 79.72 | |||
Qwen3 235B A22B 2507 (FP8) | 262k | Abierto | 20 | -- | 60 | 0.97 | 42.95 | 33.58 | |||
Qwen3 235B 2507 (FP8) | 262k | Abierto | 18* | -- | 17 | 0.73 | 30.15 | -- | |||
Qwen3 Coder 480B (Turbo, FP4) | 262k | Abierto | 18* | -- | 58 | 0.83 | 9.41 | -- | |||
Qwen3.5 4B FP8 | 262k | Abierto | 16* | -- | 28 | 0.71 | 18.72 | -- | |||
DeepSeek V3 0324 (FP4) | 164k | Abierto | 15 | $0.03 | 44 | 1.22 | 12.54 | -- | |||
gpt-oss-20b (high) | 131k | Abierto | 15 | $0.01 | 100 | 0.47 | 25.59 | 20.09 | |||
 Mistral Small 3.1 | 128k | Abierto | 15 | $0.02 | 29 | 1.01 | 18.41 | -- | |||
Nemotron 3 Nano | 262k | Abierto | 15 | $0.02 | 193 | 6.04 | 18.97 | 10.34 | |||
Llama 4 Maverick (FP8) | 1.05M | Abierto | 14 | $0.03 | 91 | 0.52 | 6.01 | -- | |||
DeepSeek V3 (Dec) | 164k | Abierto | 14 | $0.02 | 28 | 0.78 | 18.40 | -- | |||
Qwen3 Next 80B A3B | 262k | Abierto | 14* | -- | 134 | 0.80 | 4.53 | -- | |||
Llama Nemotron Super 49B v1.5 | 131k | Abierto | 12* | -- | 106 | 4.43 | 28.11 | 18.94 | |||
Gemma 4 E4B | 262k | Abierto | 12* | -- | 54 | 0.79 | 46.83 | 36.83 | |||
Qwen3 32B (FP8) | 41k | Abierto | 11 | -- | 60 | 1.12 | 43.09 | 33.58 | |||
Mistral Small 3.2 (FP8) | 128k | Abierto | 11 | $0.11 | 43 | 1.05 | 12.72 | -- | |||
Qwen3 14B (FP8) | 32.8k | Abierto | 10 | -- | 38 | 0.99 | 66.83 | 52.68 | |||
Llama 4 Scout | 328k | Abierto | 10 | $0.01 | 59 | 0.64 | 9.18 | -- | |||
DeepSeek R1 Distill Llama 70B | 131k | Abierto | 10* | -- | 26 | 1.03 | 98.04 | 77.61 | |||
Qwen2.5 72B | 32.8k | Abierto | 9* | -- | 35 | 1.97 | 16.42 | -- | |||
Llama 3.3 70B (Turbo, FP8) | 131k | Abierto | 9* | -- | 15 | 2.38 | 36.58 | -- | |||
Qwen3 30B (FP8) | 41k | Abierto | 9* | -- | 86 | 0.58 | 29.73 | 23.32 | |||
NVIDIA Nemotron Nano 12B v2 VL (FP8) | 131k | Abierto | 9* | -- | 95 | 5.84 | 32.09 | 21.00 | |||
Gemma 4 E4B | 262k | Abierto | 9* | -- | 52 | 0.79 | 10.50 | -- | |||
NVIDIA Nemotron Nano 9B V2 | 131k | Abierto | 9* | -- | 186 | 4.65 | 18.11 | 10.77 | |||
Llama Nemotron Super 49B v1.5 | 131k | Abierto | 9* | -- | 91 | 6.51 | 12.00 | -- | |||
Qwen3 32B (FP8) | 41k | Abierto | 8* | -- | 52 | 1.22 | 10.83 | -- | |||
Llama 3.1 Nemotron 70B | 131k | Abierto | 7* | -- | 101 | 6.52 | 11.45 | -- | |||
Llama 3.1 8B (Turbo, FP8) | 131k | Abierto | 7* | -- | 20 | 1.08 | 25.78 | -- | |||
Llama 3.1 8B | 131k | Abierto | 7* | -- | 21 | 1.00 | 24.70 | -- | |||
Gemma 3 27B | 131k | Abierto | 7 | $0.08 | 24 | 1.25 | 21.99 | -- | |||
Nemotron 3 Nano | 262k | Abierto | 7* | -- | 193 | 0.45 | 3.04 | -- | |||
NVIDIA Nemotron Nano 9B V2 | 131k | Abierto | 7* | -- | 189 | 6.24 | 8.89 | -- | |||
Qwen3 14B (FP8) | 41k | Abierto | 7* | -- | 45 | 0.85 | 12.06 | -- | |||
Mistral Small 3 | 32.8k | Abierto | 7* | -- | 59 | 0.81 | 9.22 | -- | |||
Qwen3 30B (FP8) | 41k | Abierto | 7* | -- | 94 | 0.57 | 5.89 | -- | |||
Llama 3.1 70B | 131k | Abierto | 7* | -- | 41 | 1.10 | 13.17 | -- | |||
Llama 3.1 70B (Turbo, FP8) | 131k | Abierto | 7* | -- | 43 | 1.35 | 12.93 | -- | |||
Gemma 3 12B | 131k | Abierto | 6 | $0.09 | 31 | 0.95 | 17.18 | -- | |||
 Hermes 3 - Llama-3.1 70B | 131k | Abierto | 5* | -- | 33 | 1.92 | 16.91 | -- | |||
 Phi-4 | 16.4k | Abierto | 5* | -- | 46 | 0.89 | 11.71 | -- | |||
NVIDIA Nemotron Nano 12B v2 VL (FP8) | 131k | Abierto | 4* | -- | 104 | 5.87 | 10.68 | -- | |||
Llama 3.2 11B (Vision) | 131k | Abierto | 3* | -- | 46 | 1.18 | 12.04 | -- | |||
Gemma 3 4B | 131k | Abierto | 1* | -- | 31 | 1.09 | 17.14 | -- | |||
Llama 3 8B | 8.19k | Abierto | 1* | -- | -- | -- | -- | -- | |||
Definiciones clave
Preguntas frecuentes
Preguntas comunes sobre DeepInfra
DeepInfra ofrece 101 modelos que monitoreamos: DeepSeek V4 Pro 0813 (max), GLM-5.2 (max) (FP4), DeepSeek V4 Flash 0731 (max), MiniMax-M3, DeepSeek V4 Pro (max) (FP4), Kimi K2.6 (FP4), DeepSeek V4 Pro (high) (FP4), Kimi K2.7 Code, MiMo-V2.5-Pro, Inkling (FP8), Hy3 (FP8), DeepSeek V4 Flash (max) (FP4), Inkling Small, GLM-5.1 (FP4), GLM-5 (FP4), DeepSeek V4 Flash (high) (FP4), Nemotron 3 Ultra, Nemotron 3 Ultra BF16, MiMo-V2.5, Ling 3.0 Flash, Qwen3.6 27B FP8, GLM-5.1 (FP4), Kimi K2.5, Kimi K2.6 (FP4), Muse Glimmer (high), Qwen3.5 27B (FP8), MiniMax-M2.5 (FP8), GLM-4.7 (FP4), Qwen3.5 397B A17B (FP8), GLM-5 (FP8), Qwen3.5 122B A10B (FP4), DeepSeek V3.2 (FP4), Qwen3.5 397B A17B (FP8), Qwen3.6 35B A3B (FP8), Qwen3.6 27B FP8, Step 3.7 Flash, Qwen3.5 27B FP8, Qwen3.5 35B A3B (FP8), Gemma 4 31B, GLM-4.6 (FP4), MiMo-V2.5-Pro, Qwen3.5 122B A10B (FP4), GLM-4.7 (FP4), Gemma 4 26B A4B (FP8), Nemotron 3 Super, DeepSeek V3.2, Qwen3.6 35B A3B (FP8), Qwen3.5 35B A3B FP8, gpt-oss-120b (high), gpt-oss-120b (high) (Turbo), Nemotron 3.5 Lightning (NVFP4), GLM-4.7-Flash, Gemma 4 31B (FP8), DeepSeek V3.1 Terminus (FP4), DeepSeek V3.1 (FP4), Gemma 4 26B A4B (FP8), Qwen3.5 4B (FP8), DeepSeek R1 0528, Qwen3 235B A22B 2507 (FP8), Qwen3 235B 2507 (FP8), Qwen3 Coder 480B (Turbo, FP4), Qwen3.5 4B FP8, DeepSeek V3 0324 (FP4), gpt-oss-20b (high), Mistral Small 3.1, Nemotron 3 Nano, Llama 4 Maverick (FP8), DeepSeek V3 (Dec), Qwen3 Next 80B A3B, Llama Nemotron Super 49B v1.5, Gemma 4 E4B, Qwen3 32B (FP8), Mistral Small 3.2 (FP8), Qwen3 14B (FP8), Llama 4 Scout, DeepSeek R1 Distill Llama 70B, Qwen2.5 72B, Llama 3.3 70B (Turbo, FP8), Qwen3 30B (FP8), NVIDIA Nemotron Nano 12B v2 VL (FP8), Gemma 4 E4B, NVIDIA Nemotron Nano 9B V2, Llama Nemotron Super 49B v1.5, Qwen3 32B (FP8), Llama 3.1 Nemotron 70B, Llama 3.1 8B (Turbo, FP8), Llama 3.1 8B, Gemma 3 27B, Nemotron 3 Nano, NVIDIA Nemotron Nano 9B V2, Qwen3 14B (FP8), Mistral Small 3, Qwen3 30B (FP8), Llama 3.1 70B, Llama 3.1 70B (Turbo, FP8), Gemma 3 12B, Hermes 3 - Llama-3.1 70B, Phi-4, NVIDIA Nemotron Nano 12B v2 VL (FP8), Llama 3.2 11B (Vision) y Gemma 3 4B.
El modelo más inteligente disponible en DeepInfra es DeepSeek V4 Pro 0813 (max), con una puntuación de 53 en el Índice de Inteligencia.
El modelo más rápido en DeepInfra por velocidad de salida es Nemotron 3.5 Lightning (NVFP4), con 436.2 tokens por segundo.
El modelo con el menor tiempo hasta el primer token de respuesta en DeepInfra es Nemotron 3 Nano, con 0.45s. Una menor latencia significa una respuesta inicial más rápida.
El modelo más económico en DeepInfra por precio combinado es Llama 3.1 8B (Turbo, FP8), a $0.02 por 1M de tokens (proporción 7:2:1 de aciertos de caché/entrada/salida).
Los precios en DeepInfra varían hasta 55x entre modelos, desde $0.02 por 1M de tokens para Llama 3.1 8B (Turbo, FP8) hasta $1.20 por 1M de tokens para Llama 3.1 Nemotron 70B.
Sí, DeepInfra ofrece una API compatible con OpenAI, lo que facilita cambiar desde OpenAI o usar integraciones existentes del SDK de OpenAI.
98 de 101 modelos en DeepInfra admiten el modo JSON para salida estructurada.
98 de 101 modelos en DeepInfra admiten llamadas a funciones (uso de herramientas).
Sí, DeepInfra ofrece 53 modelos de razonamiento: DeepSeek V4 Pro 0813 (max), GLM-5.2 (max) (FP4), DeepSeek V4 Flash 0731 (max), MiniMax-M3, DeepSeek V4 Pro (max) (FP4), Kimi K2.6 (FP4), DeepSeek V4 Pro (high) (FP4), Kimi K2.7 Code, MiMo-V2.5-Pro, Inkling (FP8), Hy3 (FP8), DeepSeek V4 Flash (max) (FP4), Inkling Small, GLM-5.1 (FP4), GLM-5 (FP4), DeepSeek V4 Flash (high) (FP4), Nemotron 3 Ultra, Nemotron 3 Ultra BF16, MiMo-V2.5, Ling 3.0 Flash, Qwen3.6 27B FP8, Kimi K2.5, Muse Glimmer (high), Qwen3.5 27B (FP8), MiniMax-M2.5 (FP8), GLM-4.7 (FP4), Qwen3.5 397B A17B (FP8), Qwen3.5 122B A10B (FP4), DeepSeek V3.2 (FP4), Qwen3.6 35B A3B (FP8), Step 3.7 Flash, Qwen3.5 35B A3B (FP8), Gemma 4 31B, GLM-4.6 (FP4), Gemma 4 26B A4B (FP8), Nemotron 3 Super, gpt-oss-120b (high), gpt-oss-120b (high) (Turbo), Nemotron 3.5 Lightning (NVFP4), GLM-4.7-Flash, Qwen3.5 4B (FP8), DeepSeek R1 0528, Qwen3 235B A22B 2507 (FP8), gpt-oss-20b (high), Nemotron 3 Nano, Llama Nemotron Super 49B v1.5, Gemma 4 E4B, Qwen3 32B (FP8), Qwen3 14B (FP8), DeepSeek R1 Distill Llama 70B, Qwen3 30B (FP8), NVIDIA Nemotron Nano 12B v2 VL (FP8) y NVIDIA Nemotron Nano 9B V2. Los modelos de razonamiento usan pensamiento extendido para resolver problemas complejos antes de responder.
Sí, los 101 modelos en DeepInfra son modelos de pesos abiertos.
Sí, el rendimiento de un proveedor puede variar con el tiempo debido a cambios de infraestructura, balanceo de carga y actualizaciones. Medimos continuamente a todos los proveedores y mostramos las tendencias históricas de rendimiento en los gráficos "a lo largo del tiempo".
Al elegir un modelo en DeepInfra, considera: inteligencia (para tareas sensibles a la calidad), velocidad de salida (para tareas intensivas en rendimiento), latencia (para aplicaciones interactivas que requieren primeras respuestas rápidas), precios (para cargas de trabajo sensibles al costo) y funcionalidades como el tamaño de la ventana de contexto, el modo JSON o las llamadas a funciones.