Costes de la API de Agent Zero: modelos principal, de utilidad y de embeddings

Agent Zero, el framework de agentes de IA de código abierto, cuesta 0 $: su archivo LICENSE contiene términos MIT, copyright de Agent Zero, s.r.o., y agent-zero.ai no anuncia ninguna página de precios, plan ni nivel alojado de pago para él, por lo que «Agent Zero pricing» significa la factura de la API del modelo que hay debajo. Lo que diferencia esa factura de la de un agente de un solo modelo es que Agent Zero la divide entre tres roles de modelo, configurados y facturados por separado: un modelo principal, un modelo de utilidad y un modelo de embeddings. Kunavo no ofrece ningún modelo de embeddings, por lo que aquí solo se compran los dos primeros roles, mientras que el tercero permanece en el valor predeterminado local o se asigna a un proveedor que venda ese paso. Recibir una respuesta de chat no significa, por tanto, que la integración haya terminado; significa que uno de los tres roles ha respondido.

Primero, una aclaración, porque aparece en la página de resultados y no al margen. Agent Zero Token (A0T) es una criptomoneda en Base y ocupó el cuarto puesto en la única búsqueda de resultados que esta página tiene para «agent zero pricing», registrada el 17 de septiembre de 2026, con una página de precios de Coinbase en el séptimo puesto. Una sola búsqueda no constituye una clasificación. El token pertenece realmente al proyecto: el bloque de enlaces oficiales de CoinGecko apunta a agent-zero.ai y al repositorio de GitHub del proyecto, lo que facilita confundirlo con una lista de precios. No lo es: ninguna cotización del token es el precio de este software, esta página no ofrece orientación de inversión ni de trading, y el token solo aparece más adelante como una condición declarada para un endpoint gratuito.

Cuatro cosas llamadas «Agent Zero» que no son el precio de este software

Solo la primera fila de abajo se observó en la consulta de resultados para «agent zero pricing»; las otras tres son colisiones de nombres que aparecen durante la investigación, no elementos que devolviera esa página.

Fuentes comprobadas el 21 de septiembre de 2026: el archivo LICENSE (MIT, copyright de Agent Zero, s.r.o.), la página del proyecto en PyPI y los términos de la API de LLM, que indican que el servicio «es una función adicional gratuita para la comunidad de Agent Zero» y «no es una oferta comercial ni de pago», disponible para los titulares de tokens que hagan staking de ellos, con una cuota «determinada dinámicamente y no garantizada». El umbral de staking y la cuota resultante no se publican en ningún lugar que esta página pudiera consultar, por lo que no se indica ninguno de los dos. En cuanto al software, la API de GitHub del repositorio agent0ai/agent-zero informa que no está archivado ni deshabilitado, con 19,227 estrellas, y que la última versión es la v2.12, publicada el 9 de septiembre de 2026.

Tres funciones, tres facturas independientes

La guía de ajustes predefinidos de modelos de Agent Zero indica que cada configuración contiene un modelo principal, uno de utilidad y uno de embeddings. No es un vestigio de la v1: conf/model_providers.yaml en main tiene exactamente dos secciones de nivel superior, chat: con 29 proveedores y embedding: con 16, y las funciones principal y de utilidad usan la lista de chat. La guía de instalación añade que el navegador integrado no tiene su propia ranura de modelo predeterminada independiente.

Conviene entender el valor predeterminado antes de cambiarlo. En models.py, una llamada de embeddings cuyo proveedor es huggingface y cuyo nombre de modelo comienza por sentence-transformers/ se desvía directamente a un wrapper local de SentenceTransformer: no hay solicitud HTTP ni clave; además, el ajuste predefinido Default fija esa función en sentence-transformers/all-MiniLM-L6-v2. La guía de instalación también indica que cambiar embedding_llm «volverá a indexar toda la memoria de A0», lo que convierte esa ranura en una migración, no en un ajuste: planifícala como tal y conserva una copia de seguridad del directorio de memoria antes de modificarla. Para la cuestión más amplia de cómo interactúan la calidad de recuperación y el almacenamiento, Implementación de RAG aborda la misma decisión fuera de este framework.

API personalizada de Agent Zero: dónde van el endpoint y la clave

En la consulta registrada el 17 de septiembre de 2026, «agent zero custom api» situó en tercer lugar la guía de integración de API del proyecto, pero ese documento responde a otra pregunta: su título real es «Adding External APIs Without Code» y trata sobre enseñar al agente a llamar a API de terceros, no sobre elegir tu proveedor de LLM. Este es el recorrido del proveedor, leído del repositorio el 21 de septiembre de 2026.

1. Elige el proveedor. Su id es other; conf/model_providers.yaml lo denomina Other OpenAI compatible y lo incluye tanto en las secciones chat: como embedding:. La guía de instalación expresa lo mismo como OpenAI Compatible, así que espera ver ambas etiquetas en la interfaz.
2. Introduce la clave en External Services. La guía indica que debes «añadir la clave de API en External Services -> Other OpenAI-compatible API keys y seleccionar OpenAI Compatible como proveedor en la configuración del modelo».
3. Configura la URL de la API para cada función que estés trasladando. Es un campo por función, almacenado como api_base en el archivo de ajustes predefinidos, y la guía lo describe como la «URL del endpoint de la API para el modelo de chat».
4. Escribe manualmente el id del modelo, exactamente como aparece en el catálogo de tu gateway, y respeta la convención de prefijos: los proveedores nativos usan el id sin modificaciones; los gateways normalmente requieren un prefijo del proveedor.

# One Model Preset, three independent blocks. Each carries its own
# provider, model name and api_base, so the three roles can point at
# three different endpoints — and its own rl_* rate-limit fields.
# Schema read from agent0ai/a0-presets
# on September 21, 2026; the values below are an illustration.
chat:
  provider: other        # the UI calls it 'Other OpenAI compatible'
  name: <the id your gateway's own catalog lists>
  api_base: "https://api.kunavo.com/v1"
  ctx_length: 200000
utility:
  provider: other
  name: <a cheaper id from the same catalog>
  api_base: "https://api.kunavo.com/v1"
  ctx_length: 128000
embedding:
  provider: huggingface  # shipped default: local, CPU, no HTTP call
  name: sentence-transformers/all-MiniLM-L6-v2
  api_base: ""

Internamente, models.py reescribe el proveedor justo antes de la llamada — el comentario del código fuente dice remap other to openai for litellm —, por lo que un endpoint personalizado debe admitir el formato de OpenAI Chat Completions, y todos los proveedores de chat del catálogo incluyen a0_api_mode: chat. LiteLLM es el transporte de todo ello, fijado en requirements.txt como litellm==1.88.1, con el comentario «CVE-2026-42271 fix: patched floor is 1.83.7». Si prefieres no escribir la credencial en la interfaz, la ruta mediante variables de entorno se lee en este orden:

# models.py get_api_key() reads these three spellings in this order,
# for provider id `other`. A comma-separated value is round-robined
# across calls. Read from main on September 21, 2026.
API_KEY_OTHER=your-key
# OTHER_API_KEY=your-key
# OTHER_API_TOKEN=your-key

Una particularidad de Docker que conviene repetir de la guía de instalación: dentro del contenedor, localhost y 127.0.0.1 en una URL base de API hacen referencia al contenedor de Agent Zero, no a tu host; por tanto, un servidor de modelos en el host necesita http://host.docker.internal:<port> o la dirección del puente. Esto se aplica a los runtimes locales, no a un endpoint HTTPS público.

Hay dos defectos en la documentación oficial de configuración que conviene conocer antes de seguirla literalmente, porque ambos se confirmaron el 21 de septiembre de 2026. Primero, los enlaces de descarga de A0 Launcher de la guía de instalación están fijados a la v0.9 y el texto apunta a «la versión v0.9 de A0 Launcher», mientras que la página de versiones del launcher muestra la v1.7, publicada el 9 de septiembre de 2026: ocho versiones más reciente. Usa la página de versiones en lugar de las URL de descarga fijadas. Segundo, la tabla «Model Naming by Provider» de la guía coloca un id de modelo de Anthropic en la celda de ejemplo de su fila de OpenAI; el texto circundante distingue correctamente ambos casos. Extrae la regla general del texto, no de esa fila: un proveedor nativo usa el id de modelo sin modificaciones, y un gateway normalmente requiere un prefijo del proveedor.

Cuatro límites con los que se encuentra un endpoint personalizado

El control de caché es el que más probablemente cambie un presupuesto, así que esto es exactamente lo que dice el código fuente. _supports_cache_control_markers devuelve true solo cuando api_base contiene openrouter.ai o anthropic.com, o cuando el proveedor normalizado pertenece a un conjunto fijo que incluye anthropic, bedrock, gemini, minimax, openrouter y vertex_ai. El proveedor other se normaliza como openai, que no pertenece a ese conjunto. La segunda ruta, _is_openai_prompt_cache_provider, devuelve false para cualquier api_base que no sea api.openai.com ni openai.azure.com. Por tanto, para una URL base que no contenga ninguno de esos cuatro nombres de host y cuyo proveedor se normalice como openai, Agent Zero no aplica ni puntos de ruptura al estilo de Anthropic ni claves de caché de OpenAI. Delimita bien el alcance: esto describe lo que envía Agent Zero, no afirma que no esté disponible un descuento por caché.

En cuanto a los dos informes de errores, descríbelos tal como son. Issue #1769 es un informe de usuario, abierto el 21 de septiembre de 2026, titulado «LiteLLM calls exit(-9) when a model in model_cost has a litellm_provider that differs from the provider's actual litellm_provider mapping»; su propia línea de alcance indica que afecta a «any provider that resells or proxies models from multiple origins», lo que describe un gateway. Nadie lo reprodujo para esta página y no se ha probado si se activa con algún id de modelo concreto. PR #1437 informa de que LiteLLM 1.80.11 y posteriores envían encoding_format: null cuando no está definido y de que los validadores estrictos lo rechazan con un 422, además de una consulta de recuperación de memoria sin truncar que puede desbordar el contexto de un modelo de embeddings. Está abierta y sin fusionar; su issue principal, #1436, está cerrada, y no se pudo determinar cómo se resolvió, por lo que aquí no se afirma ni «corregido» ni «activo».

Una estimación de costes por función, con cifras

Estos son cálculos ilustrativos de tokens, no costes medidos de tareas ni un límite superior de la factura. Supón una semana de uso constante: 6 millones de tokens de entrada sin caché y 300,000 tokens de salida en la función principal, y 1.5 millones de tokens de entrada y 150,000 tokens de salida en la función de utilidad. Esa distribución es una suposición ilustrativa: nadie midió un ciclo de Agent Zero para esta página. Las tarifas son precios actuales del catálogo de Kunavo por millón de tokens.

Hay dos lecturas, y apuntan en direcciones opuestas. Primero, bajo estas suposiciones, la elección para la función principal abarca $10.14 por semana entre la fila más cara y la más barata de arriba, mientras que la elección para la función de utilidad abarca $0.10. Optimizar la segunda ranura no es donde está el dinero, salvo que tu carga de trabajo sea inusualmente intensiva en tareas de fondo; además, la guía de instalación recomienda no elegir un modelo demasiado pequeño, ya que los modelos muy pequeños (menciona 4B) suelen fallar al extraer memoria de forma fiable. Segundo, las dos funciones se combinan de manera independiente: GPT-5.6 Terra con Claude Haiku 4.5 se estima en $7.03 por semana, frente a $17.28 para GPT-5.6 Sol con GPT-5.6 Terra. La tercera función no añade ningún coste de API mientras permanezca en el valor predeterminado local de CPU.

Para comparar con las propias elecciones del proyecto, Agent Zero descarga tres ajustes predefinidos seleccionados en el primer inicio cuando no existe ninguna colección guardada. Default combina un modelo de chat GPT-5.6 Terra con un modelo de utilidad Google flash-lite; Power combina GPT-5.6 Sol con GPT-5.6 Luna; Efficiency combina un modelo de chat GLM con un modelo de utilidad DeepSeek. Solo Default especifica la función de embeddings y fija el modelo local de CPU; Efficiency y Power no contienen ningún bloque de embeddings en ese archivo. Esas referencias están escritas con el estilo de OpenRouter que usa el archivo, por lo que ninguna es un id de Kunavo tal como aparece; utiliza los ids que figuran en el catálogo propio de Kunavo. Ese archivo se actualizó por última vez el 17 de julio de 2026, por lo que sus elecciones de modelos pueden estar desfasadas respecto al mercado.

Escala según tus propias semanas antes de considerar cualquiera de estas cifras un presupuesto. El importe del catálogo de Kunavo es un mínimo de facturación, no un tope: cuando el upstream informa de su cargo, la factura es el mayor entre el coste del catálogo y el coste del upstream multiplicado por el margen aplicable. Los cargos de caché y las herramientas externas quedan fuera de este ejemplo. La recarga mínima de Kunavo es $10 en crédito prepago: un mínimo de financiación, no una tarifa por tarea ni una suscripción. Consulta los detalles de facturación.

La mejor API para Agent Zero: qué ruta gana y cuándo

Un detalle oficial hace que el argumento función por función sea concreto y no teórico. El plugin Cline Pass existe en parte porque una API de suscripción que solo transmite datos interrumpe específicamente las llamadas de utilidad: el plugin inyecta un callback de transmisión sin operación para que el trabajo en segundo plano, como nombrar chats, compactar y consolidar memoria, siga funcionando. Las funciones fallan por separado, que es precisamente la razón por la que una única respuesta de chat correcta no constituye una prueba de integración. Agent Zero también incluye un plugin LLM Cost Tracker que agrupa el uso por clase de llamada —entre ellas, chat principal, agentes subordinados y utilidad— y no incluye ningún precio; en su lugar, indica: «Fill in rates from your provider's official pricing page». Complétalo por función o el panel facturará cada clase con la única tarifa que hayas introducido.

Configúralo y verifica las tres funciones

Kunavo no ha probado Agent Zero en ejecución contra su endpoint ni publica una página de integración de Agent Zero; todo lo anterior se leyó en el código fuente y la documentación propios de Agent Zero el 21 de septiembre de 2026. Por eso, verifica por función y no mediante la primera respuesta: envía un mensaje de chat para la función principal y después activa trabajo en segundo plano —inicia una conversación nueva para que se genere el nombre automáticamente o deja que una sesión dure lo suficiente para compactarse— y confirma que quien respondió fue el modelo de utilidad. Mantén la función de embeddings en el valor local predeterminado salvo que hayas decidido migrarla, porque ese cambio vuelve a indexar la memoria. Conserva una ruta operativa durante todo el proceso, ejecuta una tarea acotada y compara el cargo registrado en tu cuenta con la propia estimación del rastreador de costes.

Si diriges las dos funciones de pago a un único endpoint, la guía de inicio rápido contiene la URL base y una primera solicitud, y crear una cuenta de Kunavo requiere el mínimo prepago de $10 sin suscripción. Para decisiones más amplias: la referencia de la API compatible con OpenAI cubre el formato del endpoint con el que se comunica Agent Zero, Agent Zero frente a OpenClaw compara ambos harnesses en ejecución y memoria, Alternativas a LiteLLM cubre la capa de transporte por la que pasa cada llamada de Agent Zero y Optimización de costes de IA explica cómo medir una tarea real en lugar de usar una tabla de tarifas.

Preguntas frecuentes

El estado del repositorio de Agent Zero, la última versión, el estado de las issues y pull requests, el catálogo de proveedores, models.py, el transporte de LiteLLM, los requisitos, el archivo de ajustes predefinidos seleccionados, las guías de instalación y solución de problemas, los términos de la API de LLM y la colisión de PyPI se comprobaron el 21 de septiembre de 2026. Las posiciones en los resultados de búsqueda proceden de una única consulta registrada el 17 de septiembre de 2026 y constituyen una sola consulta, no una clasificación. Las tarifas de tokens de Kunavo se leen del catálogo actual; todas las cifras en dólares de esta página son cálculos ilustrativos de tokens basados en una suposición declarada, no costes medidos de tareas.