Modelos recomendados

Hay miles de modelos que podrías asignar a AI_MODEL. La mayoría no funcionará para este curso, y la razón se reduce a una única capacidad.

El único requisito indispensable: llamadas a herramientas

Un agente es un modelo que puede pedirle a tu aplicación que ejecute algo en su nombre. El modelo no ejecuta nada por sí solo.

Devuelve una solicitud estructurada que básicamente dice: "llama a get_weather con la ciudad configurada a Ciudad de México, luego cuéntame qué obtuviste." Tu código ejecuta la función y le devuelve el resultado.

Esa solicitud estructurada se llama llamadas a herramientas, y un modelo sin esta capacidad no puede convertirse en un agente sin importar cómo escribas el código que lo rodea. No es una cuestión de que el modelo sea más débil o lento. Directamente, la forma de mensaje en la que se basa todo el curso no existe.

Más allá de las llamadas a herramientas, el curso se apoya en dos comportamientos relacionados conforme avanza: rellenar los argumentos de una herramienta exactamente como su esquema lo define, y seguir una instrucción sobre si una herramienta debe usarse o no debe usarse. Los modelos varían en lo confiablemente que lo hacen, por eso existe la lista corta abajo.

Si algo falla después, sospecha del modelo

Este es el instinto de depuración más útil para este curso. Si una lección funciona para todos excepto para ti, y tu código coincide con la solución, prueba un modelo recomendado antes de asumir que tu código está mal. Una limitación del modelo y un error producen resultados muy similares en la consola.

JunoEl único requisito indispensable: llamadas a herramientas Llamadas a herramientas significa que el modelo puede responder con una solicitud en lugar de una respuesta: el nombre de una función y qué pasarle. Tu código ejecuta la función y devuelve el resultado.

Ese ir y venir es lo que hace un agente. Un modelo que no puede hacer la solicitud no es un agente más débil, simplemente no es un agente, así que esto es lo primero que debes verificar en cualquier modelo que te interese.

JunoEl único requisito indispensable: llamadas a herramientas La distinción clave: el modelo decide, tu código ejecuta. Las llamadas a herramientas son el formato de mensaje que permite al modelo especificar qué función y qué argumentos, y todo lo que el curso construye se basa en esto.

Cuando busques un modelo fuera de la lista abajo, confirma esto primero. Las páginas de proveedores generalmente lo etiquetan como "function calling" o "tools", y es un sí o no, no una cuestión de grado.

JunoEl único requisito indispensable: llamadas a herramientas El soporte no es una única bandera, que es donde surgen las sorpresas. Un modelo puede emitir llamadas a herramientas y aun así ser poco confiable en lo que las lecciones requieren: respetar un esquema de argumentos estricto, u obedecer un tool_choice que fuerza o prohíbe una llamada.

Entonces "soporta herramientas" en una ficha de modelo significa que la forma de mensaje existe, no que esos comportamientos se mantendrán. Esa brecha es lo que cubre la lista corta probada abajo.

La lista corta

Cada modelo abajo ha sido probado contra el flujo de agente real del curso, no evaluado en abstracto: cada uno completó un bucle de herramientas a través de la API de Responses, rellenó los argumentos exactos de una herramienta estricta, y obedeció una instrucción para llamar o no a una herramienta. Todos son rápidos y de bajo costo.

Usa este cuando	Modelo	Ruta del proveedor
Quieres el predeterminado	gpt-5.4-nano	OpenAI
Quieres la ruta más económica sin OpenAI	mistralai/ministral-3b-2512	OpenRouter
Quieres más capacidad	gpt-5.4-mini	OpenAI
Quieres el modelo eficiente más nuevo	gpt-5.6-luna	OpenAI
Quieres un modelo nuevo equilibrado	gpt-5.6-terra	OpenAI
Quieres un Mistral más grande	mistralai/ministral-14b-2512	OpenRouter

gpt-5.4-nano es la recomendación si no quieres pensar en esto. Pasó todas las verificaciones en las que el curso depende, es el predeterminado del curso, y es una de las rutas de menor costo en esta lista.

Algunas notas sobre el resto. Ministral 3B es una alternativa económica y no una mejora de calidad, así que elige por precio. Luna y Terra son los niveles eficiente y equilibrado de la nueva familia 5.6; ambos pasaron las mismas verificaciones, y ser más nuevo no es en sí mismo una razón para abandonar Nano. Ministral 14B funciona pero fue ligeramente menos consistente que 3B en una verificación adicional que combina llamadas a herramientas con una respuesta final estrictamente formada, por eso está más abajo. El curso no requiere esa combinación, así que esto es un desempate en lugar de una advertencia.

Los modelos de OpenAI también son accesibles a través de OpenRouter si prefieres mantener una sola cuenta y una sola clave. openai/gpt-5.4-nano en OpenRouter es una ruta verificada.

JunoLa lista corta Toma gpt-5.4-nano, cópialo en AI_MODEL en tu entorno Scrimba, guarda, y continúa con el curso. Elegir un modelo no es la parte interesante de esto.

Si quieres intentar algo más después, la tabla está aquí y nada te lo impide.

JunoLa lista corta Elige según el proveedor que configuraste. En OpenAI, comienza con gpt-5.4-nano y sube a gpt-5.4-mini si quieres más capacidad. En OpenRouter, mistralai/ministral-3b-2512 es la opción económica y openai/gpt-5.4-nano te da el modelo predeterminado a través de la misma clave.

Sea cual sea tu elección, mantenlo como tu modelo principal durante todo el curso, así una sorpresa en una lección posterior tendrá una variable menos.

JunoLa lista corta "Probado" aquí significa tres puertas tomadas de los giros reales del curso: un bucle de herramientas completo, argumentos exactos contra un esquema strict: true, y tool_choice configurado a obligatorio y a ninguno. Esto es una prueba más estrecha que un benchmark y más relevante.

Vale la pena generalizar: cuando evalúes un modelo para trabajo con agentes, prueba la forma de tus giros reales. Un modelo más económico que mantiene su esquema confiablemente vence a uno más inteligente que se desvía, y las puntuaciones agregadas no te dirán cuál es cuál.

Llamadas a herramientas secuenciales versus paralelas

Algunos modelos emiten varias llamadas a herramientas en un turno, y otros emiten una llamada por turno y hacen un bucle. Ambos completan el curso.

Si tu modelo solo llama una herramienta por vez, igual llegarás al mismo resultado. No verás el turno por lotes demostrado en una lección posterior, donde el modelo pide dos herramientas a la vez. Eso es una decisión de diseño en el modelo, y nada que debas arreglar.

JunoLlamadas a herramientas secuenciales versus paralelas Algunos modelos piden varias herramientas a la vez; otros piden una, esperan, luego piden la siguiente. Ambos terminan el curso y llegan a la misma respuesta.

Así que si una lección muestra dos llamadas a herramientas en una respuesta y las tuyas las hacen una tras otra, nada está roto.

JunoLlamadas a herramientas secuenciales versus paralelas Cuando compares tu salida de Runner contra una lección, espera esta diferencia. Un modelo que hace un bucle con una llamada por vez toma más viajes de ida y vuelta, así que es más lento y usa algunos tokens más por tarea.

El código que escribes es idéntico de cualquier forma, porque el bucle maneja cada llamada a herramientas en la respuesta del modelo, sea una o varias.

JunoLlamadas a herramientas secuenciales versus paralelas Las llamadas paralelas colapsan búsquedas independientes en un viaje de ida y vuelta, mientras que un modelo secuencial paga la latencia completa por herramienta, y eso suma en un turno que toca cuatro o cinco.

También forma el manejo de errores. Un turno por lotes puede incluir una llamada que falla, y el bucle todavía tiene que devolver un resultado para cada llamada que recibió, fallos incluidos, o la siguiente solicitud llega con una llamada que no tiene respuesta.

Modelos gratuitos

Existen endpoints gratuitos, principalmente a través de OpenRouter, y son una buena forma de aprender sin gastar nada.

El modelo gratuito para este curso es dots-studio/dots-3-note-preview:free en OpenRouter. Ejecutó el bucle de agente del curso en nuestras verificaciones el 19 de octubre de 2026: llamó a las herramientas OpenSwap con los argumentos correctos, verificó la salud del proyecto antes de decir que un proyecto se mantenía, y respondió a partir de lo que devolvieron las herramientas.

Las rutas gratuitas van y vienen. Un modelo gratuito que funciona hoy puede estar limitado por velocidad o ser retirado el próximo mes, así que si el ID anterior deja de funcionar, consulta la lista de modelos de OpenRouter para un modelo gratuito con llamadas a herramientas e intenta ese.

Verifica la configuración de Privacidad primero

Antes de habilitar endpoints gratuitos, abre la configuración de Privacy de OpenRouter. Las rutas gratuitas pueden enviar tus solicitudes a proveedores con políticas de datos diferentes, incluyendo proveedores que pueden entrenar con lo que envías, y esa página es donde decides cuáles se permiten. Los modelos gratuitos y pagos tienen configuraciones separadas allí.

JunoModelos gratuitos Puedes seguir el curso en el modelo gratuito. Copia su ID en AI_MODEL, guarda, y continúa.

Un modelo gratuito no siempre se comportará exactamente como el de la grabación. Eso es normal, y entender por qué es parte de aprender cómo se comportan los agentes.

JunoModelos gratuitos Diferentes modelos toman diferentes caminos a través del mismo bucle: más o menos turnos, un orden diferente de llamadas a herramientas, diferente redacción en la respuesta final. Compara tu ejecución con la lección por lo que el agente hizo, no por el texto exacto.

Si un modelo gratuito hace algo que el modelo de la lección no hizo, a menudo algunas líneas de tu propio código alrededor del bucle es suficiente para manejarlo, y eso es buena práctica para cualquier modelo que uses después.

JunoModelos gratuitos Un límite de velocidad vuelve como un error HTTP 429. En la salida del Runner está entre los detalles de cualquier otra solicitud fallida, así que rara vez se anuncia como un problema de cuota a menos que leas el estado.

Dale una respuesta deliberada a la configuración de Privacidad en lugar de la opción predeterminada. Los términos de retención y entrenamiento pertenecen a cualquier proveedor donde aterrice tu solicitud, y a menos que reduces los proveedores permitidos allí, el enrutador hace esa elección para ti en cada solicitud.

Salirse de la lista

Experimenta libremente. Eso es la mayor parte de la diversión. Ten en cuenta la regla de depuración de arriba: cuando algo no funciona como se espera en una lección posterior, verifica si es una limitación del modelo antes de buscar en tu código.

Los catálogos de modelos y los precios cambian más rápido que la documentación, así que trata cualquier nombre de modelo específico aquí como una instantánea. La página del modelo del proveedor es siempre la verdad actual sobre qué existe y qué cuesta.

JunoSalirse de la lista Ve e intenta otros modelos. La lista es un punto de partida, no una valla.

Dos hábitos lo mantienen sin problemas: verifica que el modelo pueda llamar herramientas antes de culpar a tu código, y copia IDs de modelos de la página del proveedor en lugar de algo escrito hace tiempo, incluyendo esta página.

JunoSalirse de la lista Antes de cambiar, busca tool o function calling en la página del modelo del proveedor. Si una lección posterior entonces se comporta mal, vuelve a un modelo de la tabla y vuelve a ejecutar la misma solicitud.

Si el problema desaparece, era el modelo. Si permanece, vale la pena leer tu código contra la solución.

JunoSalirse de la lista Trata cada nombre de modelo en esta página como una afirmación fechada. Los catálogos de proveedores se renuevan en semanas, así que la parte durable de esta página es la capacidad que importa, llamadas a herramientas, y el puntero al catálogo en vivo para lo que actualmente lo tiene.

Cuando evalúes algo nuevo, pruébalo contra un turno del curso en lugar de una puntuación de benchmark. El fracaso que te importa es un modelo que responde bien y mantiene mal su esquema de herramientas, y ninguna puntuación agregada te advertirá sobre eso.

Hacia dónde va esto

Chat Completions y Responses cubre las dos formas de API que encontrarás y por qué este curso elige una de ellas. Si tus valores de proveedor aún no están guardados, Configuración del proveedor es la página que lo hace.

JunoHacia dónde va esto Una vez que tu ID de modelo esté guardado en AI_MODEL, estás listo para la siguiente página, que muestra la solicitud que tu código envía a ese modelo.

JunoHacia dónde va esto El modelo es uno de tres valores que se mueven juntos. Si cambias proveedor para llegar a un modelo en esta lista, cambia AI_URL y AI_KEY con él, como explica Configuración del proveedor.

JunoHacia dónde va esto Cada modelo en la lista corta fue probado a través de la API de Responses, que es la forma que la siguiente página explica. Un modelo que solo funciona a través de Chat Completions no habría pasado.