Backstage: cómo construimos el pipeline multi-modelo
Cuando alguien genera una landing en KitekAI, ve una vista previa en segundos. Detrás de esa velocidad hay una decisión de ingeniería poco común: no dependemos de un solo modelo de IA. El pipeline es 100% multi-modelo nativo y enruta cada tarea al proveedor que mejor encaja con el tier elegido.
Este artículo abre el backstage. No es una pieza de marketing sobre "usamos IA", sino una descripción de cómo está construido el sistema y qué garantías técnicas sostienen cada generación. Si eres desarrollador, aquí está lo que probablemente quieras auditar antes de confiar tu frontend a una plataforma.
Multi-modelo nativo: siete proveedores, una sola interfaz
KitekAI trabaja con proveedores como Anthropic Claude, DeepSeek, Cerebras, Google Gemini, Groq, Mistral y OpenAI. Para ti, la consecuencia práctica es doble: el sistema no depende de la disponibilidad ni del comportamiento de un único modelo, y no tienes que administrar claves API propias.
La lógica es simple. Distintos modelos rinden distinto según la tarea y el presupuesto disponible. Un modelo rápido y económico es ideal para iteraciones cortas; un modelo más profundo entrega mejor calidad en componentes complejos. En lugar de casarnos con uno, la arquitectura selecciona según el tier y mantiene la misma interfaz de salida: componentes en React + Tailwind.
Esa variedad es también una garantía de continuidad. Si un proveedor cambia sus condiciones o baja su rendimiento, el pipeline puede reorganizarse sin que tu experiencia se rompa. No hay lock-in de proveedor.
El núcleo en Python y la orquestación con n8n
El core de la plataforma está escrito en Python v3.11+. Sobre ese núcleo, la orquestación corre con n8n, que coordina las etapas de generación y garantiza que el flujo sea reproducible. La seguridad de transporte se apoya en cifrado SSL.
El recorrido de una generación es lineal y auditable:
- El asistente guiado define el arquetipo (por ejemplo,
digital_commerce). - Se elige el tier de generación.
- Describes el sitio que necesitas.
- El pipeline selecciona modelo y ejecuta los Prompts Maestros.
- Se generan los componentes, se previsualizan y quedan listos para staging, despliegue o descarga en zip.
La salida siempre son componentes React + Tailwind con paquetes acotados: react, lucide-react, gsap, framer-motion, axios, clsx y tailwind-merge. Nada de dependencias sorpresa que rompan tu build.
Enrutamiento por tier: cómo se elige el modelo
Los tiers son perfiles de generación, nunca planes mensuales. Cada uno define velocidad y presupuesto, y el pipeline lo traduce en el modelo adecuado.
| Tier | Codename | Velocidad | Perfil |
|---|---|---|---|
| Performance | Deep Architecture | 45–60 s | Complejo, máxima calidad; incluye GSAP / Framer Motion / Three.js |
| Standard | Balanced Logic | 20–30 s | Equilibrio calidad/velocidad para la mayoría de landings |
| Ultrafast | Sub-second | < 10 s | Rápido y económico para iteraciones cortas |
Una iteración de copy en Ultrafast no necesita el mismo modelo que un hero con animación avanzada en Performance. El enrutamiento por tier evita pagar profundidad de cómputo cuando no la necesitas, y evita quedarte corto cuando sí.
Los tres módulos que sostienen el pipeline
El pipeline no genera en el vacío. Se apoya en tres módulos de plataforma:
- Prompts Maestros — producen 100% código limpio, con −40% latencia y multi-modelo nativo.
- Gestión de Arquetipos — organiza 4+ arquetipos base y 20+ componentes modulares de alta conversión, para un 10x de velocidad de despliegue.
- Auditoría de Consumos — seguimiento en tiempo real, 100% trazable y multi-organización.
Juntos forman la Matriz Operativa: un conjunto reutilizable de arquetipos y componentes que hace que el resultado sea repetible en lugar de aleatorio.
Garantías de código limpio
Este es el punto que más nos importa defender con números:
- 100% código limpio.
- 100% precisión estructurada.
- < 180 ms de latencia promedio.
- 40% de reducción de latencia.
- 0% alucinaciones visuales.
El Entorno Controlado es lo que hace posibles esas cifras. La generación no ocurre como una conversación abierta con un modelo; ocurre dentro de un pipeline que valida estructura y salida. La interactividad premium (Framer Motion, GSAP ScrollTrigger y Three.js sobre un canvas fijo) usa la curva cubic-bezier(0.22, 1, 0.36, 1) y respeta siempre prefers-reduced-motion.
Si quieres el detalle arquitectónico completo, está en el documento técnico. Y si te interesa la parte de propiedad del código y trazabilidad, la cubrimos en ¿El código generado es mío?.
Sin lock-in: de proveedor y de plataforma
Un pipeline multi-modelo no sirve de mucho si el resultado queda atrapado. Por eso la salida es portable: descargas el zip y lo despliegas donde quieras. La elección de proveedor es nuestra; la propiedad del código es tuya. Esa separación es deliberada.
Preguntas frecuentes
¿Qué significa que el pipeline sea multi-modelo?
Significa que KitekAI puede generar con varios proveedores de IA (Anthropic Claude, DeepSeek, Cerebras, Google Gemini, Groq, Mistral y OpenAI) y selecciona el más adecuado según el tier. No dependes de un único modelo ni necesitas administrar claves API propias.
¿Cómo se elige el modelo que genera mi landing?
El tier define el perfil: Performance para máxima calidad y complejidad, Standard para equilibrio, Ultrafast para iteraciones rápidas y económicas. El enrutamiento por tier traduce esa elección en el modelo y la configuración más adecuados para cada generación. No eliges un nombre de modelo directamente: eliges un perfil, y el pipeline hace el resto. Así la calidad se mantiene estable mientras la velocidad y el presupuesto varían de forma intencional.
¿Puedo elegir un proveedor específico?
No expones ni administras proveedores: esa es responsabilidad del pipeline. Tú eliges arquetipo, tier y descripción; el sistema decide qué modelo rinde mejor. Así mantenemos la misma calidad de salida sin acoplarte a un proveedor concreto. Si necesitas un modelo específico por razones de cumplimiento o evaluación, conviene plantearlo con soporte antes de generar.
¿Qué pasa si un proveedor de IA falla?
La arquitectura multi-modelo está pensada para reducir esa dependencia. Al no estar atados a un único modelo, el pipeline puede reorganizar la selección sin romper tu flujo. Es una de las razones por las que hablamos de entorno controlado y no de una caja negra.
Mira el pipeline en acción
La mejor forma de entender el backstage es usarlo. Elige un arquetipo, define un tier y genera una landing completa en menos de 10 minutos.
Empieza en https://www.kitekai.co/ai-pipeline.
¿Listo para generar tu landing?
Del arquetipo al deploy con código React + Tailwind real.
Ir al pipeline
