< 100 ms TTFT
El tiempo hasta el primer token, la métrica que de verdad nota el usuario (no los tokens/segundo de folleto). Lo bajamos con prefix caching y chunked prefill en el motor.
token factory · api llm
Cambia una línea. Tu inferencia, en Europa.
Apunta el SDK de OpenAI o Anthropic a GPUFlow y tu código sigue igual: 15 modelos open source servidos en GPU NVIDIA B200, en España, con saldo en euros.
cómo empezar
Del registro al primer token en menos de 30 segundos.
- 01
Eliges tu saldo
Empieza gratis con 5 € al crear tu cuenta, o elige un bundle (10 / 50 / 200 / 1000 €) con bonus. El saldo no caduca.
- 02
Validas el pago
En la prueba gratis solo confirmas tu cuenta. Si eliges bundle, pagas en la pasarela segura de Stripe, en euros.
- 03
Recibes tu API key
Te llega por email junto al acceso al panel de administración. Apuntas tu SDK a GPUFlow y haces el primer curl.
compatibilidad
No reescribes nada. Cambias una línea.
Token Factory habla el protocolo de OpenAI (/v1/chat/completions) y el de Anthropic (/v1/messages). Si ya usas cualquiera de los dos SDK, solo cambias el endpoint.
- Endpoints /v1/chat/completions y /v1/messages
- Streaming, function calling y razonamiento configurable (reasoning.effort)
- Mismos formatos de petición y respuesta, sin capa de traducción
endpoints
OpenAI
POST /v1/chat/completionsAnthropic
POST /v1/messagesbase url · https://api.gpuflow.ai
catálogo
15 modelos open source, desplegados y listos.
DeepSeek, GLM, Qwen y Gemma, servidos en nuestra infraestructura. Precio por millón de tokens, con desglose entrada/salida. Si necesitas otro y entra en la GPU, lo desplegamos.
| modelo | capacidades | entrada · €/Mtok | salida · €/Mtok | ficha |
|---|---|---|---|---|
DeepSeek V4 Pro 1,6T MoE en 8× B200. Razonamiento de máxima potencia. ChatCódigoRazonamientoHerramientas | ChatCódigoRazonamientoHerramientas | 0,80 € | 2,60 € | ficha |
GLM 5.2 NVFP4 743B NVFP4 en 8× B200. Generalista y coding con tool calling. ChatCódigoRazonamientoHerramientasContexto largo | ChatCódigoRazonamientoHerramientasContexto largo | 1,00 € | 3,00 € | ficha |
DeepSeek V4 Flash 1,6T MoE en 2× B200. Alto throughput y contexto de 524K. ChatRazonamientoHerramientas | ChatRazonamientoHerramientas | 0,14 € | 0,28 € | ficha |
Qwen3.6 27B 27B denso. Fuerte en coding y agentes, con tool calling. ChatRazonamientoHerramientasOCR | ChatRazonamientoHerramientasOCR | 0,30 € | 2,40 € | ficha |
Qwen3 14B 14B FP8. Razonamiento con presupuesto de pensamiento. ChatRazonamientoHerramientas | ChatRazonamientoHerramientas | 0,20 € | 1,00 € | ficha |
Qwen3.5 9B 9B ultraligero. Rápido y económico, con tool calling. ChatRazonamientoHerramientas | ChatRazonamientoHerramientas | 0,10 € | 0,15 € | ficha |
Gemma 4 26B A4B MoE multimodal, ~3.8B activos. Visión, razonamiento y herramientas. RazonamientoHerramientas | RazonamientoHerramientas | 0,12 € | 0,30 € | ficha |
Nemotron Nano 12B VL Modelo visión-lenguaje para OCR y comprensión de documentos. Contexto 128K, hasta 4 imágenes por prompt. image-text-to-textOCR | image-text-to-textOCR | 0,06 € | 0,24 € | ficha |
Qwen3-VL 32B OCR Modelo visión-lenguaje para OCR y comprensión de documentos. Contexto 64K, hasta 4 imágenes por prompt. image-text-to-textOCR | image-text-to-textOCR | 0,10 € | 0,35 € | ficha |
Nemotron 3.5 Lightning 30B Híbrido MoE + Mamba-2, ~3B activos. Razonamiento y tool calling, contexto 128K. RazonamientoHerramientas | RazonamientoHerramientas | 0,12 € | 0,30 € | ficha |
rendimiento
Por qué va rápido.
El tiempo hasta el primer token es lo que nota tu usuario. Lo cuidamos a nivel de hardware.
NVIDIA B200 dedicada
Aceleradores de última generación en bare metal. Sin tenant compartido que te robe latencia en hora punta.
Red interna RDMA
Baja latencia entre nodos. Si lo combinas con un Sandbox, las llamadas no salen a internet pública.
ver en acción
Una llamada, respuesta en streaming.
Compatible con los SDK de OpenAI y Anthropic: cambia la URL base, pega tu key y ya estás llamando a 15 modelos open source servidos en GPU B200.
● live
from openai import OpenAI
client = OpenAI(base_url="https://api.gpuflow.ai/v1",
api_key=os.environ["GPUFLOW_API_KEY"])
stream = client.chat.completions.create(
model="qwen-3.5-9b",
messages=[{"role": "user", "content": "¿Qué es GPUFlow? Respóndeme en una frase."}],
stream=True,
)
for chunk in stream:
print(chunk.choices[0].delta.content or "", end="")edita el prompt y pulsa Probar
respuesta
Demo en vivo con límite de uso · respuesta de un modelo pequeño. Para producción, abre tu cuenta.
precios
Prepago en euros. Sin sorpresas.
Cargas saldo, consumes por tokens, ves el gasto en el panel. Sin cuotas, sin mínimos, sin conversión de divisa.
- Saldo desde 10 € · tramos con bono de bienvenida
- Factura en euros · válida para reverse charge intracomunitario
- El mismo saldo sirve para Token Factory, Sandbox y GPU dedicada
preguntas frecuentes
Lo que preguntan los devs antes de empezar.
¿Tengo que reescribir mi código?
No. Token Factory habla el protocolo de OpenAI (/v1/chat/completions) y el de Anthropic (/v1/messages). Apuntas el SDK que ya usas a https://api.gpuflow.ai, pegas tu key y el resto de tu código no se toca.
¿Qué modelos puedo llamar?
Los 15 del catálogo (DeepSeek, GLM, Qwen, Gemma, NVIDIA, OpenAI, Mistral y Fish Audio), todos con la misma API key. Si necesitas otro modelo open source y entra en la GPU, lo desplegamos.
¿Hay límites de uso?
Consumes contra tu saldo prepago: pagas por tokens hasta donde tengas cargado, sin cuotas ni mínimos. Si necesitas volumen alto sostenido, escríbenos y ajustamos los límites de tu cuenta.
¿Entrenáis con mis datos?
No. Tus prompts y respuestas se procesan para servir tu petición y no se usan para entrenar modelos. El detalle está en la política de privacidad.
¿Dónde se procesan mis datos?
En nuestro datacenter en España, sobre GPU NVIDIA B200 dedicada. Los datos no salen de Europa.
¿Ofrecéis SLA?
Publicamos la disponibilidad en la página de estado. Para un SLA contractual (cuentas enterprise), escríbenos y lo acordamos.
5 € gratis para tu primer curl.
Crea la cuenta y llama a cualquier modelo del catálogo. Sin tarjeta.