Switchyard
5383°
Ejecutar este modelo
Ofertas / Anuncios
NVIDIA | contexto de 1,000,000 tokens | $-1,000,000.00/M entrada, $-1,000,000.00/M salida. Switchyard es un enrutador de modelos de código abierto que cambia entre múltiples modelos para optimizar el costo de las solicitudes. Por defecto, usa datos del mercado OpenRouter para seleccionar los modelos más populares de bajo y alto costo. Puedes pasar dos opciones en el parámetro models y especificar cualquiera de los algoritmos de enrutamiento que ofrece Switchyard. Detalles en la documentación de SwitchyardOpens in new tab. OpenRouter luego aplica su enrutamiento normal de proveedores, alternativas y facturación para el modelo elegido.
Guías para este modelo
Pesos abiertos vs código abierto vs solo API: lo que realmente puedes hacer
Las 10 alternativas más baratas a ChatGPT en 2026: modelos locales gratuitos, planes gratuitos y tarifas planas
Notas del capitán
Notas del 2026-10-13
Switchyard es el enrutador de modelos de código abierto de NVIDIA que se sitúa delante de otros modelos y elige el más barato o popular para cada solicitud, usando por defecto datos del mercado OpenRouter. Proporcionas dos modelos candidatos y un algoritmo de enrutamiento; Switchyard decide cuál atiende la llamada. Es ideal para desarrolladores que quieren optimización automática de costes entre modelos sin reescribir su lógica de aplicación.
Conocido por
- Enruta solicitudes entre dos modelos para minimizar costes automáticamente.
- Usa datos en vivo del mercado OpenRouter para clasificar opciones populares de bajo y alto coste.
- Acepta pares de modelos personalizados y algoritmos de enrutamiento intercambiables.
- Pasa sin cambios el enrutamiento, fallback y facturación del proveedor de OpenRouter.
Cuidado con
- No es un modelo en sí — la calidad de salida depende totalmente del modelo que seleccione.
- Los datos de precios muestran valores negativos; NVIDIA no publica costes reales por token.
- No tiene pesos abiertos ni repositorio en Hugging Face; se usa solo a través de la API de OpenRouter.
Mejor para
Prompts para probar
Probar enrutamiento consciente de costes
Necesito resumir tickets de soporte al cliente en lote. Enruta esto al modelo capaz más barato disponible. Aquí un ticket de ejemplo: 'Mi pedido llegó dañado y el embalaje estaba roto. Quiero que envíen un reemplazo antes del viernes. Número de pedido 48821.'
Comparar decisiones de enrutamiento
Envía el mismo prompt a tus opciones de modelo de bajo y alto coste y devuelve cada respuesta etiquetada con el nombre del modelo y su coste estimado para esta solicitud: Explica la diferencia entre aprendizaje supervisado y no supervisado en dos frases.
División entre tareas de alto impacto y presupuesto
Tengo dos tipos de tareas: clasificación rápida (etiqueta esta reseña como positiva o negativa: 'La batería dura poco pero la pantalla es preciosa') y una tarea de análisis detallado (escribe un análisis competitivo de 200 palabras sobre ese mismo producto). Enruta cada una al nivel de coste adecuado y explica tu elección de enrutamiento.
Comparar con
- NVIDIA Nemotron 3 Super 120B A12BModelo con pesos abiertosContexto de 262,144 tokens · $0.09/M entrada, $0.40/M salida
- NVIDIA Nemotron 3.5 LightningModelo con pesos abiertosContexto de 262,144 tokens · $0.06/M entrada, $0.16/M salida
- Nemotron 3 UltraModelo con pesos abiertosContexto de 262,144 tokens · $0.60/M entrada, $2.40/M salida
- Nemotron 3.5 LightningModelo con pesos abiertosContexto de 262,144 tokens · $0.07/M entrada, $0.20/M salida
Más modelos de texto de nvidia
Preguntas frecuentes
- ¿Puedo ejecutar Switchyard localmente o descargar los pesos?
- No. Switchyard no tiene pesos abiertos ni repositorio en Hugging Face; funciona como capa de enrutamiento a través de la API de OpenRouter.
- ¿Cuánto cuesta Switchyard realmente?
- NVIDIA no ha publicado precios claros por token; la facturación la gestiona OpenRouter y se aplica al modelo subyacente que Switchyard seleccione para cada solicitud.
- ¿En qué se diferencia Switchyard de un modelo normal?
- No es un modelo — es un enrutador. Inspecciona tu solicitud y la envía a uno de dos modelos que especifiques, eligiendo según coste o popularidad en lugar de generar salida propia.
Veredicto del capitánUna capa útil para optimizar costes en flujos de trabajo API, pero recuerda que compras un policía de tráfico, no un modelo.
El capitán escribe estas notas a partir de la descripción y ficha del modelo. Los precios y tamaños de contexto son los del proveedor al momento de escribir y pueden cambiar.
Ranking badge
Updated Oct 22, 2026
Made this model? Show this badge on your page.
Paste it into your Hugging Face card or Civitai description.
Cómo se suma esta puntuación
Este modelo aún no tiene datos de popularidad de ninguna fuente, así que lleva un número provisional por debajo de 7,000° que mantiene las listas completas. Nunca se posiciona por encima de un modelo con datos. El desglose aparece aquí tan pronto como una fuente lo reporte.
Glosario: los términos usados aquí
- Puntuación heat
- Un número que muestra cuánto se usa y quiere un modelo ahora mismo, de 0° a 9,999°. Cada lista en este sitio que dice más popular está ordenada por esto y nada más.
- Piso
- Los 7,000° con los que empieza todo modelo con datos reales. La escala va de 0° a 9,999°; la parte bajo el piso está reservada para sustitutos (modelos sin datos), para que un modelo con datos siempre esté por encima de uno sin. El piso es igual para todos y no decide nada; los grados sobre él son la medida.
- Equivalentes a descargas
- Todo lo que la puntuación trata como una descarga, sumado: las descargas mismas, cada seeder de torrent como 1,000, cada imagen de AI Horde y cada ejecución en un sitio de generación como uno.
- Escala logarítmica
- Cuenta de a decenas, no de a uno: pasar de 1,000 a 10,000 descargas suma los mismos grados que pasar de 10,000 a 100,000. Evita que los gigantes opaquen todo lo demás.
- Likes
- Pulgares arriba y likes de todas las fuentes, valen la mitad de una descarga cada uno en la escala logarítmica.
- Tasa de adopción
- Cuántas descargas al día recibe un modelo ahora mismo, según la diferencia entre dos lecturas de una fuente. Un cuarto del peso del término de descarga.
- Medido y estimado
- Medido significa que hay dos lecturas de una fuente y la diferencia es real. Estimado significa que solo se conoce el total de hoy y el pasado se distribuye a lo largo de la vida del modelo; el sitio indica cuál está mostrando.
- Seeder
- Alguien que mantiene una copia de los pesos en línea para que otros la descarguen por torrent, o un espejo alojado que hace lo mismo. Cada uno cuenta como 1,000 descargas.
- AI Horde
- Una red de voluntarios que genera imágenes gratis en computadoras donadas. El número de imágenes que ha hecho con un modelo es público, y cada una cuenta como una descarga.
- Sitios de generación
- Sitios que alojan sus propias copias de un modelo y permiten que la gente genere con él, como PixAI, SeaArt y Yodayo. Sus descargas cuentan igual que las de Civitai y cada generación cuenta como una descarga.
- Tokens de OpenRouter
- Un modelo de texto servido mediante una API, como Claude o GPT, no tiene pesos para descargar, por lo que su uso se mide en tokens: fragmentos de texto que leyó y escribió a través de OpenRouter, una puerta de acceso que usan muchas apps, durante los últimos 30 días. Cada 10,000,000 tokens cuentan como una descarga. Fuente: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
- Modelo completo (checkpoint)
- Los pesos en sí, el archivo que genera por sí solo. Tiene un bono porque los complementos dependen de él.
- LoRA y embedding
- Archivos pequeños que dirigen los pesos de otro hacia un estilo, personaje o concepto. No pueden funcionar solos.
- Familia y pesos
- La base sobre la que se construye un modelo, como SD 1.5, SDXL, Flux o Wan. Cada modelo hereda la fecha de lanzamiento de los pesos de su familia.
- Antigüedad
- Grados descontados según hace cuánto salieron los pesos de la familia: 150° por año, hasta 750°. Mantiene las descargas antiguas que tuvieron años para acumularse congelando la cima de la lista.
- Impulso de familia
- Un pequeño empujón limitado para LoRAs de una familia que este sitio está promoviendo ahora, siempre listado en el desglose.
- Puntaje provisional
- Un número estable por debajo del mínimo dado a un modelo que aún no tiene reportes de fuentes, para que las listas estén completas. Nunca se posiciona por encima de un modelo con datos.
- ¡Nuevo! (periodo de gracia)
- Un modelo con menos de 7 días muestra ¡Nuevo! en lugar de una puntuación y no ocupa lugar en los rankings. Su puntuación se calcula desde el primer día, pero un modelo de un día crece más rápido que cualquier otro, así que sin este periodo el #1 de la semana siempre sería el que salió ayer en vez del que se mantuvo una semana.
- Tendencia
- Cómo el crecimiento de un modelo en un período se compara con el crecimiento típico de modelos en ese mismo período. Más rápido que lo típico se lee como subida, más lento como bajada.
- Modelo típico
- El punto medio del catálogo: la mitad de los modelos con cifras crecieron más rápido en el período, la otra mitad más lento.
Switchyard es un modelo de texto para la familia Text / LLM listado en ModelTrends.ai, un catálogo de solo lectura de modelos de IA de imagen, vídeo y texto de código abierto. Compáralo con otros modelos Text / LLM y consulta su puntuación de calor para ver su tendencia.
Explorar por familia de modelos
Modelos Text / LLM
434
Modelos Anima
528
Modelos Chroma
19
Modelos Fibo
2
Modelos Flux
1,496
Modelos Flux 2 / Klein
1,239
Modelos Flux 3
3
Modelos Moss
3
Modelos Iris
1
Modelos MiniMax H3
364
Modelos Hunyuan
204
Modelos Ideogram
20
Modelos Krea2
717
Modelos Qwen
20
Modelos Qwen2
47
Modelos Ltx2
153