Blackbox enruta 231 modelos de terceros procedentes de más de 29 laboratorios a través de un único punto de acceso compatible con OpenAI, o ejecuta un modelo de pesos abiertos como despliegue de un solo inquilino. Factura por token y no por puesto, impone retención cero en la pasarela y elimina los identificadores personales antes de que las peticiones lleguen a un modelo cerrado.
¿Has usado esta herramienta? Valórala
¿Has usado esta herramienta? Valórala
Blackbox es una plataforma de inferencia. Envías una petición a un único punto de acceso y esta llega al modelo que mejor encaje con la tarea de entre cientos de modelos de terceros, o bien a un modelo que se ejecuta en hardware reservado en exclusiva para ti. La página de inicio plantea la posición sin rodeos: Blackbox es «la plataforma de alta confianza para la inferencia de frontera», que ejecuta «el modelo de pesos abiertos que elijas como despliegue dedicado» o enruta «más de 300 modelos a través de un único punto de acceso».
Ese encuadre importa, porque probablemente no sea lo que el nombre te lleva a esperar. Blackbox ha sido ampliamente conocido como asistente de programación, y los resultados de búsqueda todavía lo describen así. El sitio, tal como está hoy, encabeza con infraestructura de inferencia, seguridad y economía por token. Las superficies de programación siguen existiendo —la API de Agents, una extensión para VS Code y una interfaz de línea de comandos figuran entre los productos—, pero se sitúan junto al negocio de inferencia y no delante de él. Si llegas esperando un complemento de autocompletado y encuentras una pasarela de modelos con contratos empresariales, es el producto el que se ha movido, no tú quien se ha equivocado de sitio.
La plataforma se organiza en tres superficies: Enterprise Inference, el Blackbox Router y Agents & Tooling —la API de Agents, la extensión de VS Code y la CLI—, con la precisión de que «cada superficie utiliza el mismo compromiso por token». Un solo saldo cubre todo, lo que constituye el principio organizador tanto del modelo comercial como de la arquitectura.
Este punto merece sección propia, porque «con qué modelo estoy hablando en realidad» es la pregunta que con más frecuencia queda sin respuesta en plataformas de este tipo, y porque los proveedores de esta categoría a veces enumeran nombres de modelos que resultan ser aspiracionales, mal emparejados o pertenecientes a un producto hermano.
Aquí la respuesta está documentada con un rigor poco habitual. La página del catálogo lo resuelve directamente: enumera 231 modelos procedentes de «más de 29 laboratorios», accesibles «a través del Blackbox Router: un único punto de acceso compatible con OpenAI». Se trata de una tabla viva y filtrable, con ventanas de contexto y tarifas por token, no de un muro de logotipos.
Cada entrada lleva un espacio de nombres explícito del proveedor —anthropic/claude-opus-5, google/gemini-3.7-flash, openai/gpt-5.6-sol, xai/grok-4.6—, de modo que la procedencia de cada modelo se declara en lugar de insinuarse. Junto a ellos aparecen modelos de Meta, Alibaba, Moonshot, MiniMax, NVIDIA, Sakana, Kwaipilot y otros, cada uno con su propio prefijo.
La conclusión que cabe extraer es directa y conviene enunciarla con claridad: Blackbox no parece entrenar modelos de frontera propios. Ejecuta y enruta los modelos de otros. Todo lo que hay en el catálogo se atribuye a un laboratorio externo. Esto no es una crítica —enrutar y alojar es un negocio legítimo y exigente, y una atribución honesta es mejor que lo contrario—, pero significa que, al evaluar la calidad, estás evaluando un modelo de terceros concreto más el servicio que Blackbox presta sobre él, no un modelo propietario. Juzga el enrutamiento, la velocidad, el tratamiento de la privacidad y el precio. La inteligencia en sí pertenece a los laboratorios nombrados en el espacio de nombres.
Las entradas marcadas como DEDICATED «pueden ejecutarse en su lugar como un despliegue de un solo inquilino aislado para ti», que es la línea divisoria práctica entre enrutamiento compartido y capacidad reservada. Los modelos de pesos abiertos pueden funcionar así; los cerrados, por su naturaleza, no.
Un punto de acceso alcanza todo el catálogo alojado, con la pasarela imponiendo retención cero y ausencia de entrenamiento. Una clave, una factura, un panel. Para equipos que hoy hacen malabares con varias cuentas de proveedores, esta consolidación es el beneficio práctico inmediato.
En lugar de compartir capacidad, Blackbox despliega el modelo de pesos abiertos que elijas en GPU reservadas para ti, descritas como de un solo inquilino, aisladas, sin grupos compartidos ni otros clientes. Es la respuesta para cargas de trabajo que no pueden enviarse a un servicio compartido.
La integración es deliberadamente anodina: «Un punto de acceso compatible con OpenAI. Cambia la URL base y conserva tu código». El ejemplo publicado envía a enterprise.blackbox.ai/chat/completions con un array messages estándar y un indicador de transmisión en flujo. Si tu código ya habla el protocolo de OpenAI, la migración es un cambio de configuración.
La API de Agents para agentes de programación en la nube y los entornos aislados de Remote Agent son exclusivos de Enterprise, mientras que la orquestación multiagente con Chairman LLM se cobra por uso en ambos planes. La extensión de VS Code y la CLI completan las superficies orientadas a desarrolladores, todas ellas descontadas del mismo saldo de tokens.
El enrutamiento inteligente, la conmutación por error y la caché de indicaciones están incluidos en ambos planes. El proveedor afirma que no son meras comodidades: según se indica, el enrutamiento inteligente y la caché estiran el mismo compromiso entre un 10 % y un 20 %, incluso en modelos cerrados.
Consolidar varias cuentas de proveedores es el punto de entrada más habitual. Los equipos que trabajan por separado con OpenAI, Anthropic y Google pueden alcanzar a los tres con una sola clave y una sola factura sin cerrar la elección de modelo.
Las cargas reguladas o sensibles encajan mejor con la vía dedicada. Cuando el código o los registros no pueden enviarse a un servicio compartido multiinquilino, ejecutar un modelo de pesos abiertos sobre capacidad reservada cambia lo que resulta posible.
La inferencia de alto volumen sensible al coste se beneficia del enrutamiento sumado a la caché, ya que el modelo más barato que sea suficiente puede atender el grueso del tráfico mientras las peticiones difíciles escalan.
Los agentes de programación en entornos corporativos se sirven de la API de Agents y de los entornos aislados de Remote Agent, con ejecutores dedicados e inicio de sesión único disponibles por contrato.
La evaluación y comparación de modelos encaja de forma natural, puesto que una sola integración alcanza 231 modelos y cambiar entre ellos es modificar una cadena de texto y no adoptar un SDK nuevo.
En sentido contrario, no está dirigido a particulares que quieran una interfaz de chat de consumo, ni a quien busque un modelo de frontera propietario: los modelos aquí pertenecen a otros laboratorios.
Lee el espacio de nombres antes de juzgar un modelo. El catálogo te dice exactamente de quién es el modelo que invocas; las quejas de calidad suelen corresponder al laboratorio, no a la pasarela.
Dimensiona el compromiso por tu suelo, no por tu techo. El compromiso no consumido caduca al final del periodo de facturación, de modo que un compromiso ambicioso se convierte directamente en desperdicio si el uso decepciona.
Vigila los avisos del 75 % y del 90 %. Existen porque la caducidad es real y son el mecanismo por el cual nada expira sin advertencia.
No des por hecho que la retención cero se extiende sin cambios a cada modelo enrutado. La garantía se impone en la pasarela, pero con los proveedores cerrados aguas arriba descansa en parte en sus condiciones y en indicadores por petición.
Trata la ausencia de revisión humana como una cláusula contractual. Figura como negociada por contrato y no como valor predeterminado de la plataforma, y el área de compras debería confirmarla de forma explícita.
Usa los despliegues dedicados de forma selectiva. La capacidad reservada es la respuesta correcta para el trabajo regulado y una respuesta cara para todo lo demás.
Aporta tus propias cuentas de proveedor si ya tienes tarifas negociadas. En Enterprise está admitido y te permite conservar tus precios actuales mientras ganas enrutamiento y observabilidad.
Los equipos de plataforma e infraestructura que estandarizan el acceso a modelos en toda una organización son el público más claro, ya que un punto de acceso y una factura sustituyen una dispersión de integraciones con proveedores.
Las empresas con restricciones regulatorias son las que más ganan con la vía de un solo inquilino, cuya alternativa a menudo consiste en no usar modelos alojados en absoluto.
Los equipos atentos al coste que manejan volúmenes altos se benefician del enrutamiento y la caché, sobre todo cuando un modelo más barato atiende adecuadamente la mayor parte del tráfico.
Los equipos de ingeniería ya construidos sobre el protocolo de OpenAI afrontan un coste de cambio inusualmente bajo, puesto que la integración es un cambio de URL base.
Los compradores guiados por la seguridad son claramente el público para el que está escrito el sitio, dado cuánto del mensaje versa sobre cifrado, retención y eliminación de identificadores.
Encaja mal para particulares que quieran un producto de chat de consumo pulido, para equipos que deseen un modelo interno propietario, para quien no esté dispuesto a hablar con ventas para obtener controles empresariales y para compradores que necesiten una amplia validación independiente antes de adoptar: como se expone más abajo, esa validación es escasa.
Blackbox se entrega ante todo como una API. La interfaz REST y de transmisión en flujo compatible con OpenAI es la superficie principal, lo que significa que cualquier lenguaje o marco de trabajo que ya pueda llamar a OpenAI puede llamar a Blackbox sin un SDK nuevo.
Más allá de la API, el producto ofrece una CLI y una extensión para VS Code, ambas imputadas al mismo compromiso por token, además de la API de Agents y los entornos aislados de Remote Agent para trabajo de agentes ejecutado en la nube.
Las opciones de despliegue empresarial llegan a la infraestructura dedicada de un solo inquilino y a la residencia de datos, con inicio de sesión único SAML, SCIM, RBAC y registros de auditoría disponibles por contrato. La compañía también menciona una alianza de IA con Microsoft que cubre despliegues empresariales en Azure.
La facturación es por token y no por puesto, repartida entre Pay As You Go, descrito como «tarifa de referencia en cada modelo, nada que firmar» con un compromiso mensual de cero, y Enterprise, un compromiso anual que se descuenta contra una orden de compra.
Las tarifas se publican por millón de tokens, facturándose por separado entrada, salida y lecturas en caché: nvidia/nemotron-3-ultra a 0,32 $ de entrada, 0,80 $ de salida y 0,08 $ de lectura en caché, frente a zai/glm-5.2 a 1,40 $ y 4,40 $. Publicar por separado las tarifas de lectura en caché es un detalle útil, ya que la caché cambia de forma apreciable el coste efectivo en contextos repetidos.
Los clientes con compromiso ven «Cerrados −5 % y más» y «Abiertos −10 % y más», y la página indica sin ambages que «la tarifa de tu contrato mejora a medida que crece el gasto comprometido». El mayor descuento en modelos de pesos abiertos se explica porque Blackbox opera esa infraestructura de extremo a extremo, mientras que los modelos cerrados se enrutan a sus proveedores.
Sobre las comisiones de plataforma, la página de precios responde de forma tajante: «No hay comisión por compra de créditos ni cargo por puesto. Pagas por tokens a las tarifas de lista o por debajo». Para equipos habituados a herramientas de IA con cobro por puesto, la ausencia de cargos por puesto es una diferencia estructural real.
La trampa que conviene entender antes de firmar nada: el compromiso no utilizado «caduca al final del periodo de facturación», con avisos de gasto enviados al 75 % y al 90 %, y el consejo del propio proveedor es «dimensionar el compromiso según tu uso mínimo». Ese consejo es sensato y merece seguirse al pie de la letra: los descuentos por compromiso solo son ahorro si los tokens se consumen de verdad.
OpenRouter es el competidor conceptualmente más cercano en la función de enrutamiento, agregando muchos modelos tras una sola API, aunque con una postura comercial y empresarial distinta.
Together AI, Fireworks y Baseten compiten en inferencia alojada de pesos abiertos y aparecen en las mismas comparativas de velocidad; Together AI figura por su nombre en la tabla de referencia.
Ir directamente a OpenAI, Anthropic o Google sigue siendo la opción más simple cuando solo se necesita un proveedor y no hay requisito de agregación, y el propio Blackbox admite conectar esas cuentas en Enterprise.
El autoalojamiento con vLLM o similares ofrece el máximo control a equipos con la capacidad de GPU y la profundidad de ingeniería necesarias, a costa de operar la infraestructura por su cuenta.
Para el caso concreto de los agentes de programación, las herramientas dedicadas de esa categoría compiten más directamente con la superficie de Agents que con la plataforma de inferencia.
La validación independiente es la parte más débil del panorama. La validación de terceros está prácticamente ausente: la ficha de Product Hunt muestra una puntuación de 5,0 basada en una única reseña y 11 seguidores, una muestra demasiado pequeña para sostener conclusión alguna. No se localizó ninguna reseña independiente ni investigación de una publicación tecnológica relevante, y las bases de datos de empresas se contradicen entre sí sobre financiación e ingresos, por lo que aquí no se citan tales cifras. Casi todo en esta ficha descansa, por tanto, en las páginas publicadas por el propio proveedor.
La afirmación sobre velocidad es lo bastante concreta como para comprobarse: Artificial Analysis midió 454 tokens por segundo en NVIDIA Nemotron 3 Ultra en julio de 2026, situando a Blackbox en primer lugar entre los proveedores y «un 30 % más rápido que el segundo». Es una medición de terceros, pero reproducida en la página del propio proveedor y no confirmada aquí de forma independiente frente a la clasificación original; además cubre un modelo en un momento dado, no el catálogo completo.
La salvedad sobre la exclusión del entrenamiento está publicada y no escondida: la retención y el entrenamiento se suprimen «mediante las condiciones de los proveedores e indicadores por petición, siempre que la API del proveedor lo permita», lo que convierte la garantía en contractual en el borde y no puramente técnica. Es una divulgación honesta y también implica que la fuerza de la promesa varía según el proveedor aguas arriba.
La línea más fácil de pasar por alto en la página de inicio está bajo el epígrafe de aislamiento: «Sin revisión humana: negociada por contrato», es decir, esta protección es una cláusula y no un valor predeterminado de la plataforma. Quien la suponga automática puede estar suponiendo demasiado.
El umbral de Enterprise es amplio. El inicio de sesión único SAML, SCIM, RBAC y los registros de auditoría son exclusivos de Enterprise, igual que la residencia de datos, el despliegue de un solo inquilino y los límites de velocidad personalizados; ninguno aparece en Pay As You Go. La API de Agents y los entornos aislados de Remote Agent también son exclusivos de Enterprise. Quien usa el autoservicio obtiene enrutamiento y tarifas, no gobernanza.
La caducidad del compromiso es un riesgo financiero real, como se ha señalado, y la página de condiciones no pudo recuperarse durante la investigación —una petición a /terms devolvió un 404—, por lo que en esta ficha no se indican ni la entidad operadora ni la ley aplicable.
Por último, el catálogo es un objetivo en movimiento. Una tabla de 231 modelos con precios fechados cambia con frecuencia, así que trata cada cifra de aquí como una instantánea y confirma las tarifas vigentes antes de presupuestar.
La privacidad es el centro del argumento del producto y los mecanismos se describen de forma lo bastante concreta como para evaluarlos.
Las indicaciones, el contexto de código y las respuestas «permanecen en memoria durante la petición activa y se descartan tras la respuesta», con «ningún entrenamiento de modelos, ninguna cola de revisión de indicaciones, ninguna copia del contenido para analítica de producto». La página de privacidad lo plantea como una decisión de enrutamiento y no como una casilla de una política, lo que concuerda con su implementación.
En Enterprise, una capa de datos personales reescribe los identificadores antes de que una indicación alcance un modelo cerrado, de modo que «los modelos cerrados reciben marcadores como <EMAIL_1> o <PERSON_2> y después la respuesta se restaura para tu usuario». El filtro se describe como un paso de inferencia local dentro de la capa de Blackbox, por lo que los identificadores se eliminan antes del enrutamiento al proveedor, y los equipos pueden ajustar qué categorías se enmascaran.
El enrutamiento sensible al nivel de confidencialidad es la idea arquitectónica que enlaza todo esto: las tareas que pueden llegar sin riesgo a proveedores cerrados una vez retirados los identificadores pasan por el Router, mientras que el código regulado o crítico se dirige a Enterprise Inference sobre capacidad reservada. Los equipos pueden separar documentación pública, tickets internos, código fuente, secretos y registros regulados mediante políticas de espacio de trabajo en lugar de confiar en que cada desarrollador elija manualmente el modelo más seguro, lo que supone una mejora significativa, ya que la disciplina individual es precisamente lo que falla a escala.
Los registros de auditoría se describen como anotaciones de eventos de acceso y configuración sin almacenar el cuerpo de las indicaciones, que es la forma adecuada para reunir evidencias sin crear por sí misma un riesgo de datos.
Los límites honestos: la eliminación de datos personales, los registros de auditoría y la residencia de datos son funciones de Enterprise; la ausencia de revisión humana se negocia por contrato; y la supresión del entrenamiento aguas arriba depende de lo que admita la API de cada proveedor. La calidad de divulgación aquí supera la media de la categoría, pero las garantías más fuertes exigen un contrato y no un registro.
Según el catálogo publicado, no. Los 231 modelos se atribuyen a laboratorios externos mediante espacios de nombres explícitos como anthropic/, google/, openai/, meta/ y xai/. Blackbox aloja y enruta estos modelos en lugar de entrenar modelos de frontera propios, de modo que la calidad del modelo es una propiedad del laboratorio que elijas, mientras que la velocidad, el tratamiento de la privacidad y el precio son propiedades de Blackbox.
La página del catálogo enumera 231 modelos de más de 29 laboratorios, abarcando modelos de pesos abiertos y cerrados, cada uno con su ventana de contexto y tarifas por token publicadas. Entre los proveedores nombrados figuran Google, Anthropic, OpenAI, Meta, xAI, Alibaba, Moonshot, MiniMax y NVIDIA, entre otros.
Por token, no por puesto. Pay As You Go cobra tarifas de referencia sin compromiso y sin nada que firmar. Enterprise implica un gasto anual comprometido que se descuenta contra una orden de compra, con descuentos que arrancan en el 5 % para modelos cerrados y el 10 % para los de pesos abiertos, y mejoran conforme crece el compromiso. La entrada, la salida y las lecturas en caché se facturan por separado.
Caduca al final del periodo de facturación. Blackbox envía avisos de gasto al 75 % y al 90 % del compromiso y aconseja explícitamente dimensionarlo según el uso mínimo. Trata el compromiso como un suelo que tienes la certeza de consumir, no como una meta que esperas alcanzar.
La pasarela impone retención cero: las indicaciones, el contexto de código y las respuestas se mantienen en memoria solo durante la petición activa y luego se descartan, sin entrenamiento de modelos ni cola de revisión. Para el tráfico enrutado, la exclusión del entrenamiento está activada por defecto, pero conviene notar el límite declarado: se aplica mediante las condiciones de los proveedores e indicadores por petición, siempre que su API lo permita.
En Enterprise, sí. Una capa de anonimización sustituye nombres, correos electrónicos, números de cuenta y secretos por marcadores semánticos antes de que la indicación salga hacia un proveedor cerrado, y después restaura la respuesta. Es una capacidad de Enterprise y no un comportamiento predeterminado del plan de autoservicio.
Poco, si ya usas el protocolo de OpenAI. El punto de acceso es compatible con OpenAI tanto en REST como en flujo, y el procedimiento documentado consiste en cambiar la URL base y conservar tu código, ajustando la cadena del modelo al identificador con espacio de nombres que desees.
Despliegues dedicados de un solo inquilino, residencia de datos, inicio de sesión único SAML, SCIM, RBAC, registros de auditoría, eliminación de datos personales antes de los modelos cerrados, límites de velocidad y acuerdos de nivel de servicio personalizados, la API de Agents para agentes de programación en la nube, entornos aislados de Remote Agent con ejecutores dedicados y un ingeniero desplazado dedicado con implantación incluida sin coste adicional.
En Enterprise, sí. Puedes conectar tus propias cuentas de OpenAI, Anthropic o Google y enrutar a través de tus relaciones y tarifas negociadas, conservando enrutamiento, conmutación por error, caché y panel. En ese caso el consumo se factura a través de tu proveedor y no de Blackbox.
Es lo bastante concreta como para comprobarse, lo que juega a su favor: 454 tokens por segundo en Nemotron 3 Ultra, medidos por Artificial Analysis en julio de 2026, en primer lugar entre los proveedores. Se aplican dos salvedades: la cifra está reproducida en la página del propio proveedor y no se ha confirmado aquí de forma independiente, y describe un modelo en un momento dado en lugar del catálogo entero.
