Dori Find Models

Dori Find Models es el asistente impulsado por lenguaje natural de DGrid para descubrir y evaluar modelos de lenguaje de gran tamaño (LLM). Con Dori, usted expresa sus requisitos en lenguaje sencillo, prueba los modelos preseleccionados con sus propias cargas de trabajo y recibe informes estructurados que respaldan decisiones de selección de modelos confiables y basadas en datos.

​

Rol dentro de la plataforma DGrid

Dori es una de las dos capacidades estrechamente integradas en el ecosistema DGrid:

• Dori Find Models: lo ayuda a:
  • Traducir los requisitos de negocio o de producto en candidatos concretos de modelos
  • Descubrir, probar y comparar modelos en un flujo guiado y conversacional
• AI Gateway: proporciona:
  • Una única capa de abstracción y API sobre más de 200 LLM listos para producción
  • Selección y cambio de modelos basados en configuración, sin cambios de código

Juntos, permiten un flujo de trabajo de LLM de extremo a extremo:

​

Capacidades clave

​

1. Recepción de requisitos en lenguaje natural

Dori parte de sus necesidades reales, capturadas en texto libre. Por ejemplo:

• “Necesitamos un modelo de baja latencia y rentable para soporte al cliente multilingüe (inglés, español, portugués), integrado en nuestro chatbot existente.”
• “Estamos construyendo un asistente de código centrado en Python y TypeScript; un razonamiento sólido y la comprensión de contextos amplios son importantes.”
• “Queremos un modelo optimizado para RAG de documentos extensos, con un rendimiento estable en contextos de más de 10.000 tokens.”

No necesita conocer los nombres exactos de los modelos, los proveedores ni los acrónimos de los benchmarks. Dori interpreta su descripción y la traduce en criterios técnicos de selección.

​

2. Búsqueda inteligente en el Model Marketplace

Una vez capturados sus requisitos, Dori realiza búsquedas en el Model Marketplace de DGrid, que agrupa más de 200 LLM detrás de una sola interfaz. Dori:

• Filtra los modelos candidatos según:
  • Adecuación a la tarea (por ejemplo, chat, código, RAG, soporte multilingüe)
  • Ventana de contexto (contexto corto frente a largo, por ejemplo, más de 10.000 tokens)
  • Perfiles de latencia y costo
  • Otras características operativas relevantes
• Clasifica los modelos según sus prioridades:
  • Sensibilidad al rendimiento y a la latencia
  • Concesiones entre calidad y costo
  • Necesidades de capacidades específicas (por ejemplo, programación, razonamiento, multilingüismo)
• Devuelve una lista breve y relevante de modelos recomendados, para que evite revisar manualmente decenas de páginas de proveedores y tablas de benchmarks.

​

3. Pruebas unificadas con cargas de trabajo reales

Después de que Dori propone una lista preseleccionada, le ayuda a probar esos modelos en un entorno único, dentro de DGrid:

• Ejecute pruebas sobre los modelos candidatos directamente en la plataforma
• Use sus propios prompts, documentos y escenarios en lugar de ejemplos genéricos
• Evalúe los modelos bajo una configuración compartida y consistente, lo que hace que las comparaciones sean significativas

Esto elimina el patrón común de:

• Playgrounds separados por proveedor
• Scripts ad hoc para cada API
• Capturas de pantalla, notas y hojas de cálculo dispersas en varias herramientas

​

4. Evaluación estructurada y compartible

Dori produce resultados claros y estructurados que puede compartir y discutir con su equipo, como:

• Ejemplos de salidas de cada modelo candidato
• Notas cualitativas sobre el comportamiento y la idoneidad
• Métricas de latencia y rendimiento observadas durante las pruebas
• Estimaciones de costo alineadas con sus patrones de tráfico y carga esperados

En lugar de basarse en “intuición” e información parcial, los equipos pueden contar con un registro de evaluación trazable al elegir “el mejor modelo para nuestro caso de uso”.

​

5. Integración estrecha con AI Gateway

Dori está directamente acoplado con AI Gateway, de modo que todo lo que descubra y pruebe está disponible de inmediato para integrarse en producción mediante:

• Una sola clave de API
• Un único endpoint unificado
• Una interfaz de API única y coherente

Consecuencias clave:

• No necesita autenticación, SDK ni endpoints separados por proveedor
• Un modelo que valide con Dori está listo para usarse sin agregar una nueva integración de proveedor
• Cambiar de modelo más adelante se convierte en un cambio de configuración, no en un proyecto de redesarrollo

​

Casos de uso típicos

​

Soporte al cliente multilingüe

• Necesidad: un LLM de baja latencia y rentable para un chatbot multilingüe (por ejemplo, inglés, español, portugués)
• Cómo ayuda Dori:
  • Interpreta los requisitos de multilingüismo y latencia
  • Identifica modelos adecuados para soporte conversacional en esos idiomas
  • Le permite probar con consultas y flujos de conversación reales de los clientes

​

Asistentes de código y herramientas para desarrolladores

• Necesidad: un modelo para generación, explicación y refactorización de código en lenguajes como Python y TypeScript
• Cómo ayuda Dori:
  • Destaca modelos con sólidas capacidades de razonamiento y programación
  • Enfatiza el soporte de contexto extenso para bases de código grandes
  • Facilita las pruebas usando repositorios reales, fragmentos de código o tareas

​

RAG de contexto extenso y aplicaciones de documentos

• Necesidad: rendimiento estable para generación aumentada por recuperación (RAG) de documentos extensos con contextos de más de 10.000 tokens
• Cómo ayuda Dori:
  • Filtra los modelos por longitud de contexto e idoneidad para RAG
  • Permite la evaluación con sus documentos reales y su configuración de recuperación
  • Produce informes que capturan tanto la calidad como el rendimiento en contextos extensos

​

Beneficios según el tipo de usuario

​

Desarrolladores individuales y equipos de startups

• Concéntrese en el producto y la experiencia de usuario en lugar de:
  • Perseguir la documentación de los proveedores
  • Conectar múltiples API y SDK
• Itere rápidamente:
  • Pruebe varios modelos a través de Dori
  • Elija uno (o más) a través del Marketplace
  • Cámbielos más adelante cuando lleguen modelos nuevos y mejores

​

Empresas y grandes plataformas

• Estandarice el acceso a LLM en todas las unidades de negocio mediante:
  • Una sola integración con el Model Marketplace
  • Flujos de evaluación compartidos a través de Dori
• Reduzca el mantenimiento a largo plazo:
  • Evite integraciones a medida por proveedor
  • Mantenga la flexibilidad para adoptar nuevos modelos a medida que el ecosistema evoluciona

​

Proyectos Web3 y en cadena

• Construya agentes, dApps y protocolos impulsados por IA cuyo núcleo de modelos pueda:
  • Actualizarse con el tiempo
  • Diversificarse entre proveedores
• Preserve la lógica de integración en cadena y fuera de cadena mientras:
  • Cambia o amplía los LLM subyacentes mediante configuración
  • Evita cambios disruptivos cada vez que adopta un nuevo modelo