Elección de modelos
Comparativas reproducibles entre proveedores y modelos abiertos, sobre tus casos de uso y no sobre un benchmark comprado.
Slash AI Lab
El laboratorio de IA detrás de cada decisión
Evaluamos modelos y arquitecturas con datos del cliente (en español, francés e inglés) antes de comprometer coste o datos. Lo que no pasa la evaluación, no llega a producción.
Modelos OpenAI · Anthropic · Gemini · DeepSeek · GLM · Qwen · Mistral · open sourceEjes coding · reasoning · idioma · agentes · costeRegla Evaluación, no hype
En resumen
Slash AI Lab es el laboratorio de evaluación de IA de Slash Digital Lab, en Bogotá: probamos modelos (OpenAI, Anthropic, Gemini, DeepSeek, GLM, Qwen, Mistral y open source local) sobre prompts reales del cliente antes de comprometer coste o datos privados.
La regla del laboratorio: un modelo no se elige por hype. Se elige por evaluación sobre prompts del cliente, coste, residencia de datos y fallos observados.
Qué entregamos
Qué se evalúa en el lab
Ejes de evaluación: español de empresa, francés, código, agentes, coste, latencia y privacidad.
Calidad por idioma
El español de tu operación y el francés se evalúan con la misma exigencia que el inglés; los matices importan.
Agentes y herramientas
MCP, function calling, memoria y supervisión humana: medimos qué falla cuando el agente se equivoca.
Coste, latencia y privacidad
Presupuesto por inferencia, p95 de respuesta y residencia de datos: nube, VPC o inferencia local.
Cómo trabajamos
Cómo corre una evaluación
Recolección
Reunimos prompts reales o representativos y los criterios de éxito con tu equipo.
Corridas
Ejecutamos los candidatos (nube o local) midiendo calidad, coste y latencia.
Reporte
Resultado por eje con ejemplos y fallos: recomendación clara y reproducible.
Vigilancia
El mercado se mueve cada trimestre; cuando cambia, repetimos la corrida.
30prompts fijos
3idiomas evaluados: ES · EN · FR
0hype: solo decisiones reproducibles
5ejes de evaluación
Alcance y entregables
El método, por escrito
| Evaluación | 30 prompts fijos, 5 motores, 3 idiomas (metodología publicada en /insights/). |
|---|---|
| Residencia de datos | Nube estándar, VPC o inferencia local según el cumplimiento del cliente. |
| Reporte | Comparativa por eje: idioma, código, agentes, coste, latencia, fallos. |
| Reproducibilidad | Prompts, versiones y criterios documentados para repetir la corrida. |
| Frecuencia | Re-evaluación trimestral o ante novedad relevante. |
| Publicación | Conclusiones abiertas en /insights/; los prompts de clientes nunca. |
Método
Las reglas del lab
Las mismas en cada publicación y en cada proyecto.
Metodología antes de cifras
Publicamos el método antes que los resultados; sin corrida terminada, no hay número.
Prompts reales
Evaluamos con tareas del cliente, no con juguetes: 30 prompts fijos y versionados por caso.
Tres idiomas
Español de empresa, inglés y francés: ahí es donde se rompen los modelos.
Limitaciones declaradas
Cada análisis dice qué no mide, con fecha, versión y fuentes enlazadas.
Publicaciones
Criterio publicado, no opinión
Modelos
Claude Opus 5.5: qué cambia para las empresas
Lanzado el 22 de septiembre de 2026: más barato que Opus 5, nivel Fable 5.1 según Anthropic. Precio, benchmarks, cambios técnicos y cuándo usarlo.
ModelosCómo elegimos un modelo
Idioma, código, agentes, coste y privacidad: la evaluación que corre antes de cada despliegue, con 30 prompts reales por cliente.
ModelosEl mapa de modelos de IA, octubre de 2026
Claude Opus 5.5 y Sonnet 5.5, GPT-6 Astra, Gemini 4 Argon, Grok 4.7 y Muse Spark: quién lidera en octubre de 2026, cuánto cuesta cada franja y qué probar.
Agentes e ingenieríaEvals: cómo probar un sistema con LLM
Por qué probar a ojo falla: set de oro en español y francés, jueces LLM calibrados, gates de regresión en CI, herramientas y cuánto cuesta evaluar.
IA local y open sourceModelos open-weight en 2026: cuál usar y con qué licencia
Kimi K3, Qwen3.8, DeepSeek V4.1, GLM-5.3, Gemma 4, gpt-oss, Mistral: tamaños, licencias, distancia a la frontera y cómo alojarlos sin sorpresas legales.
Agentes e ingenieríaFine-tuning vs RAG: el criterio
Cuándo RAG, cuándo fine-tuning y cuándo un híbrido: el orden de decisión antes de pagar un entrenamiento.
Preguntas frecuentes
Las preguntas que escuchamos a menudo
¿Qué modelos evalúan?
Los que pueden ganar un puesto: OpenAI, Anthropic, Gemini, DeepSeek, GLM, Qwen, Mistral y open source local. La lista cambia con el mercado.
¿Publican los resultados?
Sí, el método y las conclusiones van a /insights/. Los prompts de clientes nunca se publican.
¿Es obligatorio pasar por el lab antes de un proyecto?
Recomendado, no obligatorio. En proyectos con datos sensibles o idiomas minoritarios, la evaluación evita meses de desvíos.
¿Ofrecen inferencia local?
Sí: modelos abiertos en tu VPC o hardware propio cuando el cumplimiento lo exige.
¿Pueden evaluar un caso puntual sin proyecto completo?
Sí: una corrida acotada con tus prompts y un reporte reproducible.
¿Aceptan patrocinios?
No. La investigación de Slash no se compra.
Continuar por aquí
¿Y después de esto?
IA
Inteligencia artificial
IA aplicada a operación real: agentes, RAG, visión, voz y automatización.
Saber más→ Fine-tuningFine-tuning y RAG
Cuándo ajustar el modelo y cuándo darle conocimiento propio. Criterio, no hype.
Saber más→ AgentesAgentes IA
Agentes con herramientas, memoria y supervisión humana: atención, ops y back-office.
Saber más→ ModelosCómo elegimos un modelo
Idioma, código, agentes, coste y privacidad: la evaluación que corre antes de cada despliegue, con 30 prompts reales por cliente.
Saber más→
Hablar con Slash
Pongámoslo en producción
Cuéntanos tu reto. Respondemos en menos de 24 horas laborales con una primera lectura honesta: si podemos ayudarte, te diremos cómo; si no, te diremos quién puede.
Contesto personalmente. Sin formularios eternos ni respuestas automáticas.