Future AGI

Future AGI puntúa la salida del modelo de varias formas, así eliges la que encaje con cada comprobación. Las heurísticas como BLEU, ROUGE y regex son gratis e ilimitadas. Las evaluaciones de código y los modelos jueces Turing alojados cobran por ejecución con créditos de IA, mientras que usar tu propia clave para el juez no cuesta nada en la plataforma. En una sola llamada, el conjunto de herramientas lanza un buen número de métricas sobre texto, imagen y audio, desde comprobaciones de fundamentación y alucinación hasta corrección de herramientas y fuga de PII.

El SDK traceAI captura trazas, spans y sesiones de extremo a extremo, así ves con exactitud qué hizo la aplicación en una petición concreta. Incluye más de 30 librerías y 11 tipos de span, además de más de 70 filtros y búsqueda de texto completo para bucear entre ejecuciones. Las sesiones, los usuarios finales y una vista de grafo del agente devuelven cada llamada a las personas y flujos que hay detrás. Paneles personalizados y monitores de alertas con Slack y correo completan la vista.

Las barreras de seguridad se colocan delante del modelo y filtran el tráfico en los dos sentidos. Quince comprobaciones basadas en reglas, que cubren PII, secretos y patrones propios, son gratis siempre, mientras que el modelo de moderación de ML (Gemma 3n) consume créditos de IA por comprobación. Puedes ponerlas en modo bloqueo, monitorización o registro y fijar umbrales de puntuación, y hay 15 integraciones externas como Lakera, Presidio y Llama Guard para quien ya trabaja con esas herramientas.

La simulación permite probar un agente contra personas, no contra prompts. Eliges entre más de 28 personas predefinidas o escribes la tuya, y la plataforma mantiene conversaciones de texto o voz con tu agente en escenarios de guion, conjunto de datos y grafo. Las transcripciones y la comparación de sesiones muestran dónde perdió el hilo el agente, y la generación automática de escenarios puede redactar casos nuevos a partir de una descripción. Los minutos de voz y texto se facturan por separado.

El centro de mando es una pasarela que se coloca entre tu aplicación y tus proveedores de modelos. Enruta entre más de 15 proveedores como OpenAI, Anthropic, Gemini y Bedrock, con nueve estrategias de balanceo, conmutación automática y reintentos. La caché exacta y semántica recorta las llamadas repetidas, y los límites de uso, los presupuestos y las claves virtuales mantienen el gasto a raya. El plan gratuito cubre 100.000 peticiones y 100.000 aciertos de caché al mes.

Los conjuntos de datos se guardan para siempre en todos los planes y admiten 14 tipos de columna, con seis formas de crearlos, desde la entrada manual hasta la importación de CSV, PDF y HuggingFace. Los experimentos dejan lanzar un conjunto contra varios modelos o prompts y comparar los resultados en un solo sitio. El banco de prompts añade versiones, etiquetas y carpetas, además de un espacio visual para montar agentes y otro para probar prompts donde cambias entre más de 100 modelos sin coste de plataforma.

Falcon AI lee tus trazas y saca los patrones que a un humano se le escapan. Agrupa los errores en cuatro dimensiones de puntuación, genera conclusiones sobre lo que sigue fallando y etiqueta las ejecuciones para que filtres por tipo de fallo. La salida es un conjunto de recomendaciones y arreglos inmediatos ligados a las trazas que los provocaron, el camino más corto entre una ejecución fallida y una edición del prompt.