Plataforma
Trae tu propio LLM para una entrega de software con IA seria
Tus claves de proveedor, endpoints compatibles con OpenAI y enrutado de modelos privados en planes enterprise: el circuito de entrega completo, corriendo sobre modelos que tu organización ha aprobado.
Trae tu propio LLM permite a las empresas ejecutar Ciao con sus propios términos de modelo: tus claves de proveedor, endpoints compatibles con OpenAI (incluidos modelos alojados de forma privada) y enrutado de modelos privados en planes enterprise. A diferencia de las plataformas que imponen un único arreglo de modelo empaquetado, Ciao mantiene el circuito de entrega (Builder, QA, Security, Guardrails) mientras la inferencia corre bajo los acuerdos y límites que tus equipos de seguridad y legal ya aprobaron.
Publicado 2026-07-03 · Última actualización 2026-07-03
Tu plataforma de IA debería correr con tus términos de modelo
Para muchas empresas, el obstáculo para la ingeniería asistida por IA no es la capacidad, es la gobernanza de modelos. Legal ha negociado términos con proveedores específicos. Seguridad mantiene una lista aprobada. Algunas cargas de trabajo no pueden cruzar en absoluto un límite privado. Una plataforma que empaqueta su propio arreglo de modelo y te pide que lo aceptes fuerza a elegir entre tus políticas y tu velocidad de entrega.
Ciao elimina esa elección. Trae tu propio LLM: usa tus propias claves de proveedor para que la inferencia corra bajo los acuerdos que negociaste, apunta el enrutado a endpoints compatibles con OpenAI (incluidos modelos que alojas de forma privada), y configura el enrutado de modelos privados en planes enterprise. El circuito de entrega se mantiene; los modelos responden ante ti.
Esto no es un caso extremo. En la mayoría de las organizaciones grandes, la pregunta del modelo se resuelve antes de que se plantee siquiera la pregunta de la plataforma, y las plataformas que sobreviven a la revisión son las que encajan con la respuesta ya resuelta en lugar de intentar reabrirla.
Cómo funciona traer tu propio LLM
La configuración es administrativa y auditada: se fija una vez por quienes son responsables de ella, y la heredan todos los que construyen.
1. Trae tus claves de proveedor
La inferencia corre contra tus cuentas, bajo los términos comerciales y de datos que tu organización ya negoció con el proveedor.
2. O apunta a endpoints compatibles con OpenAI
Cualquier endpoint que hable la API compatible con OpenAI puede servir a la plataforma, incluidos modelos alojados dentro de tu propio límite.
3. Configura el enrutado de modelos privados
Decide qué modelos gestionan qué trabajo en tus workspaces. Los planes enterprise convierten el enrutado en una decisión administrativa, no en una negociación por prompt.
4. Mantén la disciplina de escalera
El fallback y el enrutado por tarea siguen aplicando dentro del conjunto que apruebas: resiliencia sin salir de tus límites. El fallo de un endpoint aprobado no detiene la entrega cuando hay un segundo configurado.
5. Gobiérnalo como todo lo demás
SSO vía SAML y OIDC, MFA opcional y RBAC controlan el acceso; los cambios de configuración y las acciones de administración quedan en el registro de auditoría de solo adición.
Por qué importa
El soporte de modelos propios convierte las conversaciones de compras más difíciles en conversaciones cortas. Los datos fluyen a proveedores que tú elegiste, bajo contratos que tú negociaste, dentro de límites que tú trazaste, así que la revisión de la plataforma de IA deja de ser una nueva negociación legal y se convierte en una extensión de decisiones ya tomadas.
También encaja de forma natural con el resto de una postura enterprise: VPC privada u on-prem para las aplicaciones, sandboxes personalizados para stacks existentes, y enrutado de modelos privados para la inferencia. Cada pieza responde al mismo principio: tu software, tu infraestructura, tus modelos.
Y mantiene la opcionalidad donde corresponde. Los proveedores seguirán cambiando; la economía del hosting seguirá cambiando. Cuando el enrutado es tuyo para configurar, esos cambios se convierten en actualizaciones administrativas en lugar de migraciones de plataforma.
Quién trae sus propios modelos
El enrutado de modelos propios suele impulsarlo quienes firman el registro de riesgos:
- CISOs y arquitectos de seguridad — Inferencia restringida a proveedores aprobados o endpoints privados, verificable en la configuración en lugar de prometida en diapositivas.
- Empresas con acuerdos negociados — Contratos de proveedor existentes y gasto comprometido puestos a trabajar en lugar de duplicados por un paquete de plataforma.
- Organizaciones reguladas — Servicios financieros, operaciones sanitarias y equipos gubernamentales cuyas cargas de trabajo deben permanecer dentro de un límite privado.
- Equipos de plataforma — Una única puerta de enlace de modelos sancionada sirviendo a cada iniciativa de IA, con Ciao enrutando a través de ella como todo lo demás.
Notas de seguridad y gobernanza
La configuración del modelo en sí está gobernada:
- ✓ Las claves de proveedor propias, los endpoints compatibles con OpenAI y el enrutado de modelos privados están disponibles en planes enterprise.
- ✓ Donde se usan modelos gestionados por Ciao, la inferencia se ejecuta bajo contratos de modelo sin retención.
- ✓ El código del cliente no se usa para entrenar modelos, bajo ninguna configuración.
- ✓ SSO vía SAML y OIDC, MFA opcional y control de acceso basado en roles gobiernan la administración.
- ✓ Los cambios de configuración de modelo y las acciones de administración quedan en el registro de auditoría de solo adición.
- ✓ Los informes SOC 2 Tipo II están disponibles bajo NDA.
Opciones de modelo en Ciao
Cuatro opciones que se combinan en lugar de competir:
| Opción | Qué es | Ajuste típico |
|---|---|---|
| Escalera de modelos gestionada por Ciao | Enrutado multiproveedor con fallback, bajo contratos sin retención | Equipos que quieren resultados sin gestionar proveedores de modelos |
| Tus claves de proveedor | Inferencia a través de tus propias cuentas y términos negociados | Empresas con acuerdos de proveedor existentes y gasto comprometido |
| Endpoint compatible con OpenAI | Cualquier endpoint compatible, incluidos modelos alojados de forma privada | Organizaciones que estandarizan una puerta de enlace de modelos o hosting privado |
| Enrutado de modelos privados | Control administrativo sobre qué modelos gestionan qué trabajo | Equipos regulados con políticas de modelo aprobado por carga de trabajo |
Preguntas frecuentes
¿Podemos usar modelos que alojamos nosotros mismos?
Sí. El enrutado puede apuntar a endpoints compatibles con OpenAI, lo que incluye modelos alojados dentro de tu propio entorno. Combinado con VPC privada u on-prem para las aplicaciones, todo el circuito puede correr dentro de límites que tú controlas.
¿Alguno de nuestros datos va a proveedores que no hemos aprobado?
Las configuraciones de modelos propios existen precisamente para evitar eso: el enrutado se restringe a tus claves y endpoints, y los cambios de configuración se registran en el registro de auditoría de solo adición. Donde se usan modelos gestionados por Ciao, la inferencia se ejecuta bajo contratos sin retención y el código del cliente no se usa para entrenar modelos.
¿Qué planes incluyen traer tu propio LLM?
Las claves de proveedor propias, los endpoints compatibles con OpenAI y el enrutado de modelos privados son capacidades de plan enterprise. Los programas de producción serios empiezan en 10.000 USD al año; habla con ventas sobre la configuración que necesita tu equipo de seguridad.
¿Perdemos la escalera de modelos si traemos nuestros propios modelos?
No. La disciplina de enrutado por tarea y fallback aplica dentro del conjunto de modelos que apruebas, así conservas la resiliencia de una escalera sin salir de tus límites de gobernanza.
¿Cómo encaja esto con los sandboxes personalizados y el despliegue on-prem?
Se combinan. Los sandboxes personalizados llevan el circuito de entrega a tu stack existente de Rails, Java, Go, Python, Node o multiproceso; la VPC privada y el despliegue on-prem (bajo términos aparte) mantienen las aplicaciones dentro de tu límite; el enrutado de modelos propios hace lo mismo para la inferencia.