osFoundry / Platform
Playground de modelos
Prueba cualquier modelo en una interfaz de prompt → respuesta de sandbox con contabilidad completa de tokens / costos.
Qué es
Model playground es el entorno de pruebas dentro de osFoundry donde escribes un prompt, eliges un modelo y ves la respuesta junto con lo que costó exactamente. Es la forma más rápida de resolver las preguntas que surgen antes de comprometer un modelo a un chat, un agente o un bucle automatizado: ¿Este modelo sigue mis instrucciones? ¿Cómo se compara su salida con la de otro modelo ante el mismo prompt? ¿Cuántos tokens consumió esa respuesta realmente y cuánto me costó? Como osFoundry es bring-your-own-key, el coste que ves es el precio real del proveedor contra tu propia cuenta: no hay margen de reventa entre tú y el modelo.
Dentro de osFoundry, el playground se apoya en las mismas conexiones de modelos que usa el resto de tu espacio de trabajo, así que cualquier modelo que tengas conectado se puede probar aquí: un modelo local que corre en tu propia máquina, un modelo en la nube al que llegas con tu propia clave de API o un modelo que autoalojas. Envías un solo prompt, obtienes una sola respuesta y la interfaz informa del recuento de tokens de ese intercambio (tokens de prompt de entrada, tokens de finalización de salida) y el coste derivado de ellos. Eso convierte al playground en el lugar para afinar un prompt y leer la economía real por petición antes de que ese modelo trabaje a escala, donde una pequeña diferencia por llamada se multiplica en cada ejecución.
Ser un espacio de trabajo de escritorio y local-first importa para lo que puedes probar aquí. Cuando apuntas el playground a un modelo que corre en tu propio dispositivo, el prompt y la respuesta nunca salen de tu máquina, así que puedes iterar sobre prompts sensibles o propietarios sin enviarlos a un tercero. El mismo ciclo de prompt → respuesta → coste funciona ya sea el modelo local, en la nube o autoalojado, y eso es lo que te permite tomar una decisión honesta, comparando lado a lado calidad y precio entre backends muy distintos desde una sola interfaz.
Capacidades principales
- Envía un prompt a cualquier modelo conectado (local, en la nube o autoalojado) y lee la respuesta en una única interfaz sandbox
- Consulta el recuento completo de tokens de cada intercambio: tokens de prompt de entrada, tokens de finalización de salida
- Obtén el coste real por petición según el precio de tu propio proveedor BYOK, sin margen de reventa añadido
- Prueba prompts contra un modelo local en tu propio dispositivo para que la entrada sensible nunca salga de tu máquina
- Afina la redacción del prompt y mide el coste real antes de conectar un modelo a un chat, agente o bucle
Casos de uso
- Desarrollador que elige modelo: ejecuta el mismo prompt contra un modelo local y uno en la nube y compara la calidad de salida frente al coste en tokens antes de decidir
- Ingeniero de prompts: itera sobre la redacción en el sandbox y observa cómo cada revisión cambia el recuento de tokens y el coste
- Analista con foco en privacidad: prueba prompts con datos confidenciales contra un modelo alojado localmente para que nada se envíe a una API externa
Preguntas frecuentes
¿Qué modelos puedo probar en el playground?
Cualquier modelo que tengas conectado en osFoundry: un modelo que corre localmente en tu máquina, un modelo en la nube al que llegas con tu propia clave de API o un modelo que autoalojas. El playground usa las mismas conexiones que el resto del espacio de trabajo, así que si puedes usar un modelo en otra parte de osFoundry, puedes probarlo aquí.
¿Cómo se calcula el coste y hay algún margen?
El coste se deriva del recuento de tokens de tu petición aplicado al precio propio de tu proveedor. osFoundry es bring-your-own-key, así que pagas directamente al proveedor y no se añade ningún margen de reventa: el número que ves refleja el precio real de esa llamada en tu cuenta.
¿Puedo probar prompts de forma privada sin enviar datos a un proveedor en la nube?
Sí. osFoundry es un espacio de trabajo de escritorio local-first. Cuando apuntas el playground a un modelo que corre en tu propio dispositivo, el prompt y la respuesta permanecen en tu máquina y no se envían a ningún servicio externo, lo cual es útil para iterar sobre prompts sensibles o propietarios.