Ramp lanza Router.com: enrutar LLMs y bajar 40% el coste

Qué es Router.com y por qué Ramp entra en la capa de orquestación de IA

Ramp, la plataforma de gestión de gastos corporativos que mueve más de US$200.000 millones en compras al año según su comunicado oficial, lanzó el 19 de agosto de 2026 un nuevo producto llamado Router.com: un único punto de acceso API para enviar peticiones a múltiples modelos de lenguaje grandes (LLM) y dejar que la propia plataforma decida cuál usar en cada llamada. El servicio es gratuito hasta el 31 de diciembre de 2026 (el usuario paga los tokens a precio de lista al proveedor), e incluye un crédito inicial de US$26 para nuevos usuarios. Por ahora solo está disponible para desarrolladores y equipos en Estados Unidos.

Lo diferencial no es el enrutamiento en sí, sino la capa de control financiero alrededor. Router llega con un dashboard que muestra gasto en tokens, coste por llamada, latencia, intentos de fallback y otras métricas en tiempo real. Y lo más interesante para founders: en pruebas internas, Ramp asegura haber recortado sus propios costes de inferencia un 30% manteniendo una fiabilidad superior al 99,9%, mientras que los clientes externos que ya usan el servicio reportan un ahorro medio del 40%, según el anuncio oficial recogido por unite.ai. El caso más extremo lo cita el propio equipo de producto: Delphi, que mueve miles de millones de tokens al mes por Router, redujo su factura de modelos un 92%.

¿Qué modelos y qué estrategia de enrutamiento incluye?

El catálogo de Router arranca con 27 modelos según el picker público de la web, e incluye modelos de OpenAI, Anthropic, xAI (Grok), más pesos abiertos como los de Nvidia, Kimi (Moonshot), DeepSeek, GLM (Z.ai) y Qwen, servidos a través de proveedores como Fireworks AI. El comunicado oficial recogido por Yahoo Finance/PR Newswire anuncia que Gemini, Google, AWS, Together AI, Baseten y Crusoe están en camino. La API es compatible con los SDK de OpenAI y Anthropic, así que migrar una integración existente es, según Ramp, un cambio de una sola línea en la URL base.

🤖 La IA no es solo para leer sobre ella

En la comunidad la aplicamos: automatización, agentes IA y herramientas reales para emprender, no solo para informarte.

👥 Aplicarla en la comunidad

Lo que hace el motor de routing es aplicar más de 100 optimizaciones entre selección de modelo, caché, compresión, timing y manejo de petición, con fallback automático cuando un proveedor falla. Los desarrolladores pueden aceptar la estrategia por defecto o configurar sus propias prioridades de coste/rendimiento por tipo de petición.

La pieza más interesante es Ramp SWE-Bench, un benchmark construido a partir del trabajo de ingeniería real que Ramp produce internamente (no sobre leaderboards públicos). El router testa cada modelo nuevo contra ese workload y va incorporando los ganadores a la configuración por defecto automáticamente. La tabla de resultados que publica Ramp ilustra el spread que explota el sistema: Claude Opus 5 resuelve tareas a un coste medio de US$1,84 por ejecución, mientras que Qwen3.7 Plus alcanza una tasa de resolución comparable a US$0,15, y GPT-5.4 Nano resuelve trabajo barato a US$0,09. Para un founder eso significa que no todas las llamadas justifican el modelo más caro.

Por qué importa: el mercado de la inferencia ya tiene capa de pagos, ahora también capa de orquestación

El movimiento de Ramp no ocurre en el vacío. La misma semana, Stripe confirmó la adquisición de OpenRouter por una cifra que distintos medios situan entre US$7.500 millones y más de US$8.000 millones (The Next Web, Forbes). OpenRouter, el gateway pionero para múltiples LLMs, procesa más de 10 billones de tokens al día y da acceso a más de 400 modelos de más de 80 proveedores. En mayo de 2026 había cerrado una Serie B de US$113 millones a una valoración cercana a US$1.300 millones, según el mismo reporte de Forbes, lo que implica un múltiplo enorme en pocos meses. Su fundador, Alex Atallah, es el mismo de OpenSea.

El patrón es que los grandes del fintech y los hyperscalers están comprando o construyendo su propia capa de orquestación. Snowflake presentó en agosto dynamic model routing en su Cortex AI Gateway, con la misma lógica de emparejar complejidad de tarea con modelo óptimo (TechTarget). Microsoft tiene Model Router en AI Foundry, Databricks enruta vía Unity AI Gateway, y Cloudflare y Vercel también automatizan selección de modelos, según el mismo análisis. El analista Sanjeev Mohan (SanjMo) lo resume en una frase que deberían leer todos los CFOs: «La inferencia de IA rompe el coste marginal casi cero que hacía rentable el software» y «gestionar el gasto entre modelos ahora vale miles de millones».

Para dimensionar la urgencia: según el Ramp AI Index, que mide el gasto en IA sobre la base de clientes de la plataforma, el gasto en IA empresarial se ha multiplicado por 20,7 desde junio de 2025. El CTO de Ramp, Rahul Sengottuvelu, lo describe en el comunicado como «la línea de coste de más rápido crecimiento en la mayoría de empresas, y la que peor miden». Ese es exactamente el problema que Router viene a resolver.

La letra pequeña: retención de datos y qué deberías revisar antes de activarlo

Un punto que merece atención seria antes de meter Router en producción: la política de retención por defecto es opt-out, no opt-in. Eso significa que, salvo que el usuario lo desactive explícitamente en settings, Router guarda inputs, outputs y metadatos de las llamadas durante un año. Ramp afirma que elimina información personal identificable (PII) antes de usar ese contenido para mejorar el producto. El propio anuncio en unite.ai confirma que existe la opción de seleccionar zero-data-retention y modelos alojados solo en infraestructura estadounidense, pero requiere acción del usuario.

Para una startup hispana que esté pensando en usarlo, esto se traduce en una recomendación práctica: si vas a enrutar llamadas a LLMs que incluyan documentos internos, estrategia de producto, código no publicado o datos financieros, revisa los términos con tu equipo legal y desactiva el guardado por defecto. Especialmente si operas en sectores regulados como salud, legal o fintech, donde la residencia de datos y el uso para entrenamiento de terceros pueden tener implicaciones de cumplimiento. La promesa de «eliminamos PII» es más frágil de lo que parece cuando los inputs son prompts que contienen estrategia de negocio sin nombres propios.

Qué significa esto para tu startup

Acción 1: Audita qué llamadas a LLM estás pagando hoy. Antes de enchufar cualquier router, mapea qué tareas va a resolver tu producto (clasificación, resúmenes, RAG, generación de código, soporte) y qué modelo las ejecuta. La regla de oro que aplica Router es la misma que aplicaría cualquier founder: una clasificación de tickets no necesita Opus 5, un agente complejo de planificación sí. Empieza por la tarea más cara y más simple de cambiar.

Acción 2: Decide entre construir, comprar o esperar. Si tu volumen es bajo (menos de unos pocos millones de tokens al mes), probablemente no vale la pena montar infraestructura propia. Usa Router, OpenRouter, Portkey o LiteLLM. Si tu volumen es alto y tienes equipo de plataforma, evalúa self-hosted con LiteLLM o un gateway en Vercel/Cloudflare para mantener el control del routing y los datos. Y si solo quieres gastar el crédito de US$26 y ver qué tal, Router es de las opciones más baratas de probar hasta fin de año.

Acción 3: Trata el gasto en inferencia como una línea financiera seria, no como infraestructura invisible. El mensaje del Ramp AI Index (gasto multiplicado por 20,7 en 14 meses) debería activar la conversación en tu próxima reunión de liderazgo: quién es dueño del presupuesto de IA, qué herramienta mide ese gasto, y si el routing es algo que decides tú o que decides por defecto el proveedor. Esa visibilidad es la misma que hoy tienes con AWS o con tu gasto en SaaS, y debería ser un requisito, no un nice-to-have.