# Modos de servicio

> Elige procesamiento fast, flex o priority con un sufijo modelo:modo, en los proveedores que lo ofrecen.

URL: https://boelabs.com/docs/ai-gateway/service-modes
Language: Español

Un modo de servicio es el mismo modelo servido de otra forma: más rápido, más barato y lento, o con
capacidad reservada. Se elige añadiendo un sufijo al modelo, como en OpenRouter:

```json
{ "model": "gpt-6.1-sol:flex", "input": "Summarize this report." }
```

El sufijo funciona en todos los contratos de texto (`/v1/chat/completions`, `/v1/responses`, el
WebSocket de Responses y `/v1/messages`) y en [`/v1/audio/speech`](https://boelabs.com/docs/ai-gateway/speech), y una key limitada a
`model` también puede usar `model:mode`.

| Sufijo | Qué es | OpenAI | Anthropic | Gemini |
|---|---|---|---|---|
| `:fast` | Salida más rápida con sobreprecio | `service_tier: "fast"` | `speed: "fast"` | — |
| `:priority` | Capacidad reservada con sobreprecio | `service_tier: "priority"` (el mismo nivel que Fast desde que OpenAI lo renombró) | — | `service_tier: "priority"` |
| `:flex` | Más barato y lento, puede no estar disponible | `service_tier: "flex"` | — | `service_tier: "flex"` |

## Qué modelos admiten cada modo [#which-models-support-a-mode]

Un deployment puede servir un modo si su proveedor lo ofrece **y** el catálogo tiene precio para ese
nivel (`pricing.serviceTiers`). El gateway enruta `model:mode` solo a los deployments que cumplen. Si
ninguno cumple (el modelo o el proveedor no tiene ese modo, o el deployment pasa por un agregador que
no lo expone), la solicitud se rechaza **antes de llamar al proveedor**:

```json
{
  "error": {
    "type": "invalid_request_error",
    "code": "unsupported_service_mode",
    "param": "model",
    "message": "The model `my-model` does not support the `fast` service mode."
  }
}
```

No hay fallback silencioso al procesamiento estándar. Un sufijo que no es un modo (`:free`, `:online`)
forma parte del nombre del modelo.

Si la solicitud también envía `service_tier`, tiene que coincidir con el sufijo (`auto` y `default`
dejan decidir al sufijo); si no, falla con `conflicting_service_tier`.

## Facturación [#billing]

El gateway cobra el nivel que el proveedor dice haber **servido**, no el solicitado:

- **OpenAI** lo informa en `service_tier`. Fast mode frenado por su límite de rampa vuelve como
  `default` y se cobra a tarifa estándar; GPT-5.6 y anteriores informan Fast como `priority`.
- **Anthropic** informa `usage.speed`; solo `fast` se cobra a la tarifa fast.
- **Gemini** Flex nunca degrada (falla con 429 o 503), así que una respuesta Flex se cobra a Flex. El
  excedente de Priority se sirve en Standard, y Gemini solo lo indica en la cabecera de respuesta
  `x-gemini-service-tier`; el gateway cobra Standard cuando esa cabecera dice `standard`.

Consulta [Contabilidad de costos](https://boelabs.com/docs/ai-gateway/cost-accounting) para ver cómo se aplican las tarifas por nivel.

