🤖 Por qué un solo modelo tiene un límite
Antes de combinar varios modelos, conviene entender qué es uno. Una LLM (Large Language Model) es el tipo de IA que funciona detrás de ChatGPT y Claude: recibe texto y devuelve texto, prediciendo la siguiente palabra con base en todo lo que leyó durante el entrenamiento. Cada modelo tiene un perfil: uno es mejor en código, otro en escritura y otro en razonamiento extenso.
La consecuencia: ningún modelo es el mejor en todo. Existe un "límite" para cada uno. La apuesta de la orquestación es que, si combinas lo mejor de cada uno, quizá superes el límite que cualquier modelo alcanzaría por sí solo. Quizá. Todo el curso trata de poner a prueba ese "quizá".
🆕 ¿Nuevo por aquí? Tres términos
- LLMs: el modelo de IA que genera texto (el «cerebro» de ChatGPT/Claude).
- Token: el fragmento de texto que el modelo lee y escribe (≈ ¾ de una palabra). Pagas por token, tanto por los que entran como por los que salen.
- Herramientas (tools): acciones que el modelo ejecuta por su cuenta: buscar en la web, ejecutar código, editar un archivo.
❓ Las 2 preguntas que lo definen todo
Existe una forma sencilla de entender cualquier sistema multi-LLM, por complejo que parezca. Responde a dos preguntas, y nada más. Si puedes responderlas para un sistema, entendiste el sistema.
Memoriza esta suma. Fugu, Fusion y sus sub-agents solo cambian cómo responden cada lado, nunca las preguntas.
🎯 Las dos preguntas
- 1.¿Quién hace cada parte? — o enrutamiento. Puede ser una regla tuya, un workflow o un modelo entrenado para elegir.
- 2.¿Cómo se combinan las respuestas? — a fusión. Concatenar, votar, un juez que elige o un modelo que reescribe todo en un solo texto.
🎼 Maestro, especialistas y fusionador
Toda orquestación tiene tres roles. El director de orquesta (o "conductor") lee el pedido y lo distribuye. Los especialistas son los modelos que ejecutan cada parte. Y el fusor une las respuestas en un solo resultado. Reconocer estos tres roles hace que cualquier sistema «mágico» sea legible.
Maestro (izquierda) → especialistas en paralelo (cian) → fusor (derecha). Es el esqueleto de Fugu y, girado de lado, el de Fusion.
Maestro / director
Lee la solicitud, decide si la resuelve por sí solo o la reparte, y elige quién recibe cada parte. Aquí vive la «inteligencia de coordinación».
Especialistas
Los modelos que ejecutan: uno bueno para programar, otro para razonar y otro para escribir. Cada uno hace la parte en la que destaca.
Fusor
Une las respuestas en un único resultado: concatenándolas, eligiendo la mejor o reescribiéndolo todo. Sin un fusor, tienes N respuestas sueltas, no una sola.
📦 "Mixture of experts" como 1 API
"Mixture of experts" es la idea de mantener varios especialistas y llamar al indicado para cada caso. El truco comercial es empaquetar esto detrás de una única API: accedes a una sola dirección, envías tu solicitud y todo el equipo trabaja a escondidas. Desde fuera parece un modelo; por dentro es una orquesta.
📊 Lo que oculta "1 API"
La abstracción es elegante y tiene un precio. Ganas simplicidad; pagas con control y dinero:
- No ves qué modelos se llamaron ni cuántos.
- Pagas los tokens de todos ellos, no solo los de la respuesta final.
- Esperas el equipo completo: contratar, ejecutar y combinar lleva tiempo.
✓ Lo que te da 1 API
- ✓Cero código de orquestación
- ✓Un endpoint, una facturación
- ✓Hedge: no te quedas atado a un solo proveedor
✗ Qué exige
- ✗Costo de los tokens del equipo oculto
- ✗Latencia total de varios modelos
- ✗Poca visibilidad de lo que pasó
🛠️ Ya orquestas (y ni te das cuenta)
La orquestación no es algo exótico. Cuando Claude Code abre sub-agents (workers que pueden ejecutar modelos diferentes — haiku, sonnet, opus) y distribuye un plan entre ellos, está orquestando: un director divide, varios ejecutan en paralelo y uno reúne el resultado. La diferencia con Fugu es solo quién decide y cruza proveedores.
💡 Practica: orquesta tú mismo
Objetivo: ver la orquestación (fan-out + fusión) ocurrir frente a ti, en Claude Code.
Use uma abordagem multi-agente neste arquivo: abra 3 sub-agents em PARALELO, cada um revisando por um ângulo diferente (1: bugs, 2: performance, 3: legibilidade). Depois um agente final FUNDE os três achados num só relatório priorizado. Arquivo: <caminho/do/seu/arquivo>
Cómo verificar: verás 3 agentes ejecutándose al mismo tiempo (el fan-out) y, al final, un único informe consolidado (la fusión). Cambia <caminho/do/seu/arquivo> por un archivo tuyo y real.
🧾 El costo oculto de la orquestación
Aquí está el contrapeso que permite saber si las cuentas cuadran. Cada especialista al que llama el maestro lee y escribe tokens — y pagas por todos. A eso súmale la espera: contratar, ejecutar y fusionar el equipo lleva mucho más tiempo que recibir una respuesta directa de un modelo. Más modelos = más costo y más tiempo.
📊 Un adelanto de las cifras (Ruta 2)
En el field test que estudiarás a fondo en la Trilha 2, el orquestador (Fugu) frente a un modelo potente por sí solo (Opus 4.8), en las mismas tareas:
- 4.5× más lento en total
- 5× más caro (US$ 53,60 vs US$ 10,66)
- 36 de 38 tareas: empate técnico
⚠️ La trampa mental
Sin ver el costo oculto, «juntar más modelos» siempre parece mejor. No lo es. El equipo solo vale la pena cuando ofrece algo que no puedes alcanzar por tu cuenta — y, como verás, eso es más raro de lo que sugiere el hype.
Repaso rápido (opcional): orquestar es responder dos preguntas. ¿Cuáles?
✅ Resumen del módulo
Siguiente módulo:
1.2 — El espectro: de lo manual al modelo maestro