Guía rápida

Configura tu API key

Crea una cuenta de Fastino
Obtén tu API key en Settings

Establece tu clave como una variable de entorno para que los ejemplos siguientes funcionen tal cual:

export FASTINO_API_KEY="your_api_key_here"

$env:FASTINO_API_KEY = "your_api_key_here"

Ejecuta tu primera llamada de inferencia

Llama a POST /v1/systemone con un model, un state que describa la situación y una o más questions tipadas. GLiDE devuelve directamente respuestas estructuradas y probabilidades calibradas. No hay texto generado que analizar. El ejemplo siguiente hace una sola pregunta de sí/no (noul). GLiDE cuesta 0,04 $ por cada millón de tokens de entrada. Los tokens de salida son gratuitos (0 $). Consulta Precios para ver las tarifas de inferencia actuales.

cURL
Python
JavaScript

Para ejecutar una llamada de decisión con GLiDE:

curl -X POST "https://api.fastino.ai/v1/systemone" \
  -H "X-API-Key: $FASTINO_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "fastino/GLiDE",
    "state": "Refund request: the receipt is attached, the purchase was 10 days ago, and refunds are allowed within 30 days.",
    "questions": {
      "refund_allowed": {
        "type": "noul",
        "instructions": "Does this request qualify for a refund?",
        "criteria": { "true": "Qualifies", "false": "Does not qualify" }
      }
    }
  }'

Para ejecutar una llamada de decisión con GLiDE:

import os
import requests

response = requests.post(
    "https://api.fastino.ai/v1/systemone",
    headers={
        "X-API-Key": os.environ["FASTINO_API_KEY"],
        "Content-Type": "application/json",
    },
    json={
        "model": "fastino/GLiDE",
        "state": "Refund request: the receipt is attached, the purchase was 10 days ago, and refunds are allowed within 30 days.",
        "questions": {
            "refund_allowed": {
                "type": "noul",
                "instructions": "Does this request qualify for a refund?",
                "criteria": {"true": "Qualifies", "false": "Does not qualify"},
            }
        },
    },
)

response.raise_for_status()
print(response.json())

Para ejecutar una llamada de decisión con GLiDE:

const response = await fetch(
  "https://api.fastino.ai/v1/systemone",
  {
    method: "POST",
    headers: {
      "X-API-Key": process.env.FASTINO_API_KEY,
      "Content-Type": "application/json",
    },
    body: JSON.stringify({
      model: "fastino/GLiDE",
      state: "Refund request: the receipt is attached, the purchase was 10 days ago, and refunds are allowed within 30 days.",
      questions: {
        refund_allowed: {
          type: "noul",
          instructions: "Does this request qualify for a refund?",
          criteria: { true: "Qualifies", false: "Does not qualify" },
        },
      },
    }),
  }
);

if (!response.ok) {
  throw new Error(`Inference failed: ${response.status} ${await response.text()}`);
}

const result = await response.json();
console.log(JSON.stringify(result, null, 2));

Una respuesta correcta tiene este aspecto:

{
  "model": "glide",
  "answers": {
    "refund_allowed": {
      "type": "noul",
      "noul": 0.99767683794902,
      "confidence": 0.9953536758980399
    }
  },
  "usage": { "input_tokens": 89, "output_tokens": 1 },
  "token_usage": 90
}

answers.refund_allowed.noul es la probabilidad de que la respuesta sea “sí”. Redondeado a tres decimales, 0.998 es una señal clara de que la solicitud cumple los requisitos. Continúa con las referencias de Noul, Choice y Score, o usa la guía de enrutamiento para convertir la confianza en una acción.

¿Quieres extraer entidades? Usa GLiNER 2.5

Si necesitas extracción a nivel de fragmento (NER, clasificación, registros estructurados) en lugar de una decisión, llama a POST /v1/chat/completions con un modelo, un mensaje y un esquema que defina qué quieres extraer:

curl -X POST "https://api.fastino.ai/v1/chat/completions" \
  -H "Authorization: Bearer $FASTINO_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "fastino/gliner2.5-multi-v1",
    "messages": [
      {
        "role": "user",
        "content": "Apple announced the MacBook Pro at WWDC in Cupertino."
      }
    ],
    "schema": {
      "entities": [
        { "name": "organization", "description": "business or institution name" },
        { "name": "product", "description": "named commercial product" },
        { "name": "event", "description": "named conference or event" },
        { "name": "location", "description": "city, region, or place" }
      ]
    },
    "threshold": 0.5
  }'

Para modelos encoder (GLiNER), el objeto schema define la tarea y puede incluir entities, classifications, structures y relations. Para modelos decoder (LLM), omite schema y envía un mensaje de chat normal. Consulta la API de inferencia para ver el contrato completo, ejemplos en Python/JavaScript y los códigos de error.

Crea un trabajo de entrenamiento de decodificador

Crea un trabajo LoRA para entrenamiento interactivo (trabajo interactive), en el que tu aplicación controla cada paso de entrenamiento: Consulta GET /v1/base-models?supports_training=true antes de crear el trabajo y usa un ID exacto de modelo decodificador devuelto para tu equipo. Un límite de contexto de entrenamiento interactivo describe esa operación de entrenamiento; puede diferir del contexto de inferencia del modelo del catálogo o del límite de solicitudes de un endpoint de inferencia.

curl -X POST "https://api.fastino.ai/v1/training/jobs/create-model" \
  -H "X-API-Key: $FASTINO_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "base_model": "nvidia/NVIDIA-Nemotron-3.5-Super-VL-120B-A12B-NVFP4",
    "lora_config": {"rank": 32}
  }'

La respuesta contiene el job_id y su future_id de creación. Continúa con la guía rápida del decodificador para ejecutar operaciones forward-backward y del optimizador y guardar un checkpoint.

Próximos pasos

Modelos de decisión

Comprende los modelos de decisión y continúa con GLiDE o GLiNER 2.5 Decide.

Skill de agente GLiDE

Usa esta skill para ayudar a tu agente de programación a clasificar, enrutar y puntuar decisiones con GLiDE.

Inferencia de GLiDE

Revisa la solicitud, la respuesta, los límites, los reintentos y los errores completos de /v1/systemone.

API de entrenamiento

Entrena Nemotron 3.5 Super VL de extremo a extremo con la API de entrenamiento.

Empezar

Modelos de decisión

API de entrenamiento

Modelos GLiNER

API de inferencia

Solución de problemas

Modelos

Cuenta

Configura tu API key

Ejecuta tu primera llamada de inferencia

Crea un trabajo de entrenamiento de decodificador

Próximos pasos

Modelos de decisión

Skill de agente GLiDE

Inferencia de GLiDE

API de entrenamiento

​Configura tu API key

​Ejecuta tu primera llamada de inferencia

​Crea un trabajo de entrenamiento de decodificador

​Próximos pasos

Modelos de decisión

Skill de agente GLiDE

Inferencia de GLiDE

API de entrenamiento

Configura tu API key

Ejecuta tu primera llamada de inferencia

Crea un trabajo de entrenamiento de decodificador

Próximos pasos