XF Model Source

Encuentra lo que necesita un trabajo de IA, preselecciona entre más de 450 modelos de OpenRouter y prueba los mejores en tus propias tareas. Gratis para comenzar.

GitHub

Servidor MCP alojado

npx add-mcp 'https://xfms.xpansion.dev/mcp/'

Se instala en Claude Code, Codex, Cursor y más

Documentación

XF Model Source (XFMS)

License: MIT smithery badge Part of the Xpansion Framework

Encuentra el modelo de IA que tu trabajo realmente necesita, y pruébalo en tus propias tareas.

La IA está especializada. Hay más de 450 modelos en OpenRouter, y el que cada proveedor llama "el mejor" no fue medido en tu trabajo. XF Model Source funciona dentro del asistente que ya usas (Claude Code, Cursor, Cline, Continue, cualquier cliente MCP) y hace tres cosas:

  1. Encuentra lo que tu trabajo necesita. Hace unas pocas preguntas sencillas y convierte tus respuestas en los requisitos reales del trabajo: qué entra, qué debe devolver, el formato, el límite de costo, lo que nunca debe suceder.
  2. Reduce el campo. Verifica cada modelo contra esos requisitos usando puntuaciones de pruebas independientes, las capacidades publicadas y el precio de cada modelo, y los resultados de nuestras propias comparaciones, luego produce una lista corta.
  3. Lo prueba en tus tareas. Una ronda de selección ejecuta alrededor de 12 modelos probables en una de tus tareas de muestra. Cualquier modelo que rompa un requisito imprescindible queda descartado, y los mejores seis ejecutan todas tus tareas. Obtienes el ganador, las razones y cada respuesta para que puedas verificarlo tú mismo.

Las puntuaciones y afirmaciones no pueden decirte si un modelo seguirá tu formato exacto o evitará inventar un detalle. Así que la prueba, no la tabla de clasificación, toma la decisión final, y cada modelo preseleccionado muestra cómo le ha ido realmente en nuestras propias comparaciones.

Conectar

El servidor está alojado. No hay nada que instalar. La dirección es:

https://xfms.xpansion.dev/mcp

  • Claude (claude.ai o la aplicación de escritorio): Configuración, Conectores, Añadir conector personalizado, pega la dirección. Inicia sesión con tu correo electrónico cuando se abra.
  • Claude Code: ejecuta claude mcp add model-source --transport http https://xfms.xpansion.dev/mcp, luego /mcp dentro de Claude Code para iniciar sesión.
  • Cursor, Windsurf y otros asistentes: añade un servidor MCP HTTP en la dirección (Cursor: ~/.cursor/mcp.json):
{
  "mcpServers": {
    "model-source": { "url": "https://xfms.xpansion.dev/mcp" }
  }
}
  • Un asistente que no puede abrir una página de inicio de sesión: inicia sesión en https://xfms.xpansion.dev/signin y usa el enlace de conexión personal de tu página de cuenta como dirección del servidor. Trátalo como una contraseña.

El inicio de sesión es gratuito y solo necesita tu correo electrónico. Luego pregunta a tu asistente: "Ayúdame a elegir un modelo de IA para extraer el número de factura, la fecha, el total y el proveedor de facturas como JSON, unas 2,000 al mes. El más barato que obtenga todos los campos correctamente."

Cuánto cuesta

  • El descubrimiento y la lista corta son gratuitos. El inicio de sesión es gratuito y solo necesita tu correo electrónico.
  • Las comparaciones se ejecutan con tu propia clave de OpenRouter, normalmente unos pocos centavos. Ves el máximo que una comparación puede costar antes de que se ejecute nada, y nada se ejecuta hasta que tú lo apruebas. Añade la clave como un encabezado X-OpenRouter-Key. Se usa para esa ejecución y nunca se almacena.
  • XF Model Watch (opcional, desde $19 al mes) vuelve a probar tus trabajos guardados cada semana y te envía un correo solo cuando un modelo más barato o mejor supera todas tus verificaciones, además de una advertencia antes de que tu modelo sea retirado. Individual $19 (3 trabajos), Equipo $49 (10), Agencia $149 (40). Reembolso de 14 días. Detalles: https://xfms.xpansion.dev/watch

Herramientas

discover (encuentra los requisitos reales del trabajo), rank (la lista corta completa con la evidencia detrás), pick (el único mejor modelo probado), compare (la ronda de selección y la prueba en tus tareas), benchmark, field_results (lo que ha funcionado para trabajos del mismo tipo), y watch_job (XF Model Watch).

Qué conservamos

No se guardan conversaciones. Registramos la descripción de una línea con la que empiezas y un ID anónimo para contar el uso. Nuestras comparaciones diarias se publican en https://xfms.xpansion.dev, cada respuesta y cada veredicto, para que el método pueda verificarse.

Cómo se construye la lista corta

  1. Sin afirmaciones de proveedores como prueba. Que un modelo diga que soporta JSON o un contexto largo es una afirmación. Registramos con qué frecuencia cada modelo realmente cumplió sus afirmaciones en nuestras propias comparaciones.
  2. La evidencia faltante se muestra como faltante, nunca como buena.
  3. Tus requisitos deciden. Los imprescindibles filtran; las prioridades ordenan lo que queda.
  4. La prueba decide al ganador. Metodología en docs/methodology.md.

Límites honestos

Una comparación usa un puñado de tus tareas de muestra, y un modelo califica parte de las respuestas. Lee un resultado como evidencia sólida para tu decisión, no como una garantía. Solo podemos informar sobre modelos que hemos probado, y la clasificación antes de la prueba es una lista corta, no un veredicto.

Parte del Xpansion Framework

XFMS no está solo: es la capa de selección de modelos del Xpansion Framework.

La tesis de Xpansion

Los humanos se comunican con intención comprimida por experiencia contextual. La IA simplemente predice patrones en el lenguaje. Xpansion es la capa de ejecución que los une.

Cada frase que escribe un humano lleva contextos de toda una vida que el hablante asume que la otra parte descomprimirá — qué cuenta como "suficientemente bueno," qué restricciones son innegociables, qué fracasos les enseñaron el mes pasado, qué exige su estilo de casa. La IA no comparte ese contexto. Predice patrones en el lenguaje, llenando los vacíos con lo que sea plausible para sus datos de entrenamiento. El resultado se lee como plausible pero no honra la intención: las sesiones pierden contexto, los agujeros de seguridad se envían silenciosamente, los contratos se rompen sin advertencia, y no hay forma de verificar que lo construido realmente coincida con lo solicitado. Ellos no saben lo que no saben, y la IA tampoco.

Xpansion cierra la brecha. Descomprime la intención finita por adelantado, la hace cumplir mediante comportamiento de IA dirigido por código, y entrega resultados verificados binariamente contra la intención a través de memoria persistente que sobrevive cada límite de sesión.

Model Source — el cumplimiento de la selección de modelos

Cuando dices "el mejor modelo para esta tarea", estás comprimiendo mucho: qué cuenta como mejor depende de si te importa el razonamiento factual o la prosa coherente, si el costo importa más que la latencia, si realmente necesitas visión o solo texto, si la llamada debe transmitir en streaming, si un punto de referencia particular domina tu carga de trabajo real. La IA por sí sola predice el patrón — ¿qué modelo elige la mayoría para consultas que se ven así? — y te da una respuesta que suena plausible pero que a menudo es incorrecta para ti.

XFMS hace la descompresión. Toma tu propósito declarado, infiere qué puntos de referencia realmente se corresponden con él, honra tus preferencias primarias declaradas sin sobrescribirlas silenciosamente, saca a la superficie los requisitos latentes que no sabías que debías preguntar (streaming para chat en tiempo real, visión para OCR), y sondea las mejores opciones contra tu consulta real para verificar la recomendación — no predecirla. Luego te dice, en inglés sencillo, por qué eligió lo que eligió.

Un módulo por cumplimiento

El resto del stack de Xpansion hace cumplir el mismo contrato de descomprimir- hacer cumplir-verificar para diferentes partes del trabajo:

  • Dispatch (Dispatch) — enrutador de tareas en tiempo de ejecución. Observa qué tipo de trabajo estás haciendo y lo enruta a la herramienta correcta.
  • Finite Intent (XFFI) — convierte "construye una función" en una especificación finita con terminales binarios antes de que se escriba cualquier código. Detiene la expansión del alcance en su origen.
  • Boundary Auditor (XFBA) — verifica cada edición de código contra contratos. Evita que firmas de funciones rotas y tipos incompatibles lleguen a producción.
  • Systemic Impact Analysis (XSIA) — mapea el radio de explosión de un cambio propuesto antes de que aterrice. Te dice qué más podría romperse.
  • Token Conservation (XFTC) — gestiona cuánto de la conversación debe permanecer en la memoria de trabajo del asistente. Previene la pérdida de contexto en sesiones largas.
  • Execution Audit (XFXA) — verifica que cada promesa de la especificación se cumplió realmente antes de declarar una tarea completada. La verificación binaria final.
  • Memory Tree (XFMT) — instantáneas de sesión que permanecen buscables entre conversaciones. Tu asistente recuerda lo que decidiste la semana pasada.
  • Security Auditor (XFSA) — escaneo de seguridad estático + IA en cada edición de código. Detecta secretos, rutas de inyección y patrones inseguros antes de que se envíen.

La imagen completa, con el resto de los módulos, vive en xpansion.dev.

Xpansion está en pre-registro ahora mismo. El acceso temprano y las licencias fundadoras están abiertas en xpansion.dev. XFMS es la primera pieza en lanzarse pública + gratuita — el resto sigue.

Desarrollo local

git clone https://github.com/VisionAIrySE/XFMS.git
cd XFMS
python3 -m venv .venv
.venv/bin/pip install -e .[dev]
.venv/bin/python -m pytest tests/ -v

Las pruebas simulan la capa HTTP para que se ejecuten sin conexión — no se necesitan claves API para desarrollar.

Licencia

Esta biblioteca de cliente tiene licencia MIT. El motor de recomendación, el catálogo y el pipeline de ingesta no son de código abierto. Consulta NOTICE para el lenguaje de reserva de patente y la relación con la propiedad intelectual más amplia del Xpansion Framework.

Contacto