El modelo que la memoria juraba que existía

Íbamos a reparar un componente de IA usando el modelo que nuestras propias notas recomendaban. Escritas semanas antes, decían que servía y era gratis.

Una llamada real de treinta segundos devolvió model_not_found.

Lo que había pasado#

Groq retiró todos los modelos Llama. llama-3.1-8b-instant y llama-3.3-70b-versatile dejaron de existir en la cuenta, sin aviso previo.

Si le hubiéramos creído a la nota, el arreglo habría fallado exactamente igual que el problema que veníamos a resolver, y del mismo modo silencioso: el nodo respondía, la ejecución terminaba en success, y no analizaba nada.

No basta con elegir otro: hay que probarlo#

Cambiar de modelo no es cambiar un nombre en una línea. Probamos tres:

• gpt-oss-120b — falla al parsear los argumentos de las herramientas. Responde, pero el JSON no sirve.
• qwen3.6 — devuelve su razonamiento entre etiquetas <think> y nunca el JSON que el flujo espera.
• qwen/qwen3.8-27b — JSON limpio en ~0.4 s, llamada a herramientas correcta. Ese quedó.

Los tres "funcionaban" si lo único que mirabas era que contestaran con un 200.

Lo que apareció de paso#

Al buscar dónde estaba configurado el modelo retirado, salieron cuatro referencias muertas en el portal: tres en el motor de alertas, una en el extractor del cotizador y otra en el generador de briefings. Ninguna daba error visible. Cada una era un pedazo del producto que había dejado de pensar sin decirlo.

Nos pasó lo mismo con Gemini: nuestras notas apuntaban a una versión que ya devolvía 404, y el modelo "pro" contestaba 429 por cuota. Otra vez, la nota decía una cosa y la API otra.

Qué hicimos#

La verificación dejó de ser opcional: antes de confiarle trabajo a un modelo, se le manda una llamada real y se mira el contenido de la respuesta, no el código HTTP. Y el nombre del modelo vive en un solo lugar del código, no repetido en cinco archivos donde se pudre por separado.

Lo que nos llevamos#

Las notas envejecen; la API no. Un dato sobre qué herramienta funciona hoy no se hereda, se comprueba — y se comprueba generando, no consultando un catálogo que a veces lista cosas que ya no responden. Treinta segundos de prueba real evitaron desplegar un arreglo roto que nadie habría notado hasta que fuera tarde.