llmax.ai: tokens ilimitados para programar con IA, agentes y automatización

Los agentes de programación pueden consumir millones de tokens al releer archivos, conservar conversaciones largas, ejecutar pruebas y corregir sus propios resultados. En ese escenario, pagar cada token vuelve impredecible el coste. llmax.ai propone otra fórmula: una suscripción mensual con inferencia sin cuota de volumen, servida por modelos abiertos y accesible mediante una API compatible con OpenAI.

Qué es llmax.ai y por qué no debemos llamarlo “un modelo”

llmax.ai es una capa de servicio sobre modelos de pesos abiertos. El cliente llama a nombres estables como llmax-all-round, mientras el proveedor decide qué modelo hay detrás. A 9 de septiembre de 2026, su catálogo identifica Qwen 3.6 35B-A3B, con ventana de contexto de 256K tokens, como motor del plan Essential. También anuncia llmax-best para un futuro plan Pro.

Esto reduce el acoplamiento a una versión concreta y facilita las actualizaciones, pero también significa que el comportamiento puede cambiar cuando se sustituye el modelo subyacente. En producción conviene mantener evaluaciones automáticas, contratos de salida estructurada y pruebas de regresión.

Qué significa realmente “Unlimited Tokens”

Según sus condiciones, “ilimitado” describe el volumen mensual: no hay factura por token, cuota mensual de tokens ni corte al alcanzar una cantidad. No significa capacidad infinita en cada segundo. Cada plan limita las solicitudes por minuto y el número de peticiones simultáneas. Si se supera ese ritmo, la API devuelve 429 y el cliente debe reintentar con espera progresiva.

La tarifa publicada del plan Essential es de 60 € al mes, IVA incluido y sin permanencia. El plan Pro se anuncia por 120 €, pero todavía no está a la venta. La propuesta puede resultar atractiva cuando el consumo es alto y sostenido; para un uso ocasional, una API medida por tokens podría seguir siendo más económica.

Casos de uso donde una tarifa plana puede aportar valor

1. Programación asistida con agentes

Cline, Continue, Aider y otros clientes que aceptan un endpoint compatible con OpenAI pueden trabajar sobre llmax.ai. Son especialmente intensivos en contexto: inspeccionan repositorios, proponen cambios, leen errores, ejecutan pruebas y vuelven a intentarlo. La tarifa plana elimina el incentivo de recortar contexto solo para ahorrar tokens.

2. Refactorizaciones y mantenimiento supervisado

Migrar una API, añadir tipos, actualizar documentación o generar pruebas requiere muchas iteraciones. Un desarrollador puede dirigir el agente por módulos y revisar cada diff. La supervisión humana sigue siendo imprescindible: los términos hacen responsable al usuario de revisar resultados y respetar la licencia del modelo.

3. Prototipos con herramientas y salida estructurada

El modelo anunciado ofrece tool calling, razonamiento y respuestas estructuradas. Esto permite experimentar con asistentes internos, clasificación de documentos, extracción a JSON o prototipos RAG sin vigilar el contador de tokens durante cada iteración. Antes de producción hay que medir precisión, latencia y estabilidad.

4. Chat privado y trabajo con documentos extensos

Aplicaciones como Open WebUI pueden conectarse a endpoints compatibles. La ventana de 256K facilita analizar manuales, contratos o bases de código extensas. No obstante, “cabe en contexto” no equivale a “será comprendido con precisión”: hay que comprobar citas, cobertura y errores en tareas críticas.

5. Creación y operaciones con una persona en el circuito

Puede utilizarse para redactar variantes, resumir investigación, preparar respuestas o procesar lotes iniciados y vigilados por una persona. Es apropiado hablar de automatización supervisada, no de una infraestructura para ejecutar tareas nocturnas ilimitadas sin intervención.

Automatizaciones permitidas y automatizaciones prohibidas

Integración: cambiar la URL base y el nombre del modelo

Una aplicación que ya utiliza el SDK de OpenAI puede adaptar su configuración sin introducir la clave en el código:

import os
from openai import OpenAI

client = OpenAI(
    base_url="https://run.llmax.ai/v1",
    api_key=os.environ["LLMAX_API_KEY"],
)

response = client.chat.completions.create(
    model="llmax-all-round",
    messages=[
        {"role": "user", "content": "Revisa esta función y propón pruebas."}
    ],
)

print(response.choices[0].message.content)

En una implementación robusta también deben configurarse timeout, reintentos con backoff para 429, validación de respuestas, trazas sin datos sensibles y límites propios de gasto o carga, aunque la tarifa sea plana.

Privacidad europea: qué se guarda y qué no

La política de privacidad declara que los prompts y respuestas se procesan en memoria, no se escriben en disco, no se usan para entrenamiento y permanecen en infraestructura de inferencia dentro de la Unión Europea. Para empresas que traten datos personales, el proveedor publica además un acuerdo de tratamiento de datos.

“Zero logs” no significa ausencia total de datos operativos. Se registran por clave el volumen de tokens y solicitudes con su marca temporal, métricas agregadas del clúster y datos de cuenta y facturación. Además, algunos servicios auxiliares del sitio y autenticación pertenecen a proveedores estadounidenses; la política afirma que estos no reciben el contenido de inferencia.

¿Cuándo compensa frente a pagar por token o alojar tu propio modelo?

• Puede compensar si programas a diario con agentes, mantienes sesiones largas o tu consumo mensual es alto y variable.
• Puede no compensar si haces pocas consultas, necesitas un modelo cerrado concreto o requieres automatización desatendida.
• El autoalojamiento gana cuando necesitas aislamiento total, control de versión o funcionamiento sin conexión.
• La tarifa plana gana en simplicidad cuando quieres infraestructura europea sin operar GPUs ni servidores de inferencia.

Preguntas frecuentes