MoMA: la plataforma de agregación de modelos de China Mobile con más de 300 modelos tras una sola puerta

Respuesta directa

MoMA es la primera plataforma abierta y accesible de agregación de modelos grandes de China Mobile, que reúne en una sola consola más de 300 modelos principales: de código abierto, cerrado y de la serie propia Jiutian. Una pasarela API unificada basta para invocarlos todos, sin registrarse en cada proveedor ni adaptarse a cada protocolo. El enrutamiento inteligente asigna cada petición según una estrategia de coste, calidad o equilibrio y conmuta en segundos ante fallos. Se suman bases de conocimiento RAG, desarrollo de agentes con poco código y orquestación visual de flujos, y las cuentas nuevas reciben 25 millones de tokens gratuitos.

Qué problema aborda

El obstáculo más frecuente al adoptar modelos grandes rara vez es «podemos usar uno», sino «cuál, cómo lo integramos y cuánto cuesta». Cada proveedor trae su sistema de cuentas, su método de autenticación y su interfaz, de modo que cada modelo nuevo implica otra ronda de adaptación. Y una vez en producción, la misma tarea puede variar bastante de precio según el modelo, así que elegir a mano difícilmente equilibra coste y calidad.

MoMA convierte esa capa en capacidad de plataforma: te enfrentas a una pasarela y no a decenas de proveedores, la elección de modelo pasa a un motor de políticas en vez de juicios caso a caso, y la factura se detalla por tokens realmente consumidos.

Capacidades principales

Plaza de modelos. Más de 300 modelos en categorías de texto, visión, voz, vectores y multimodalidad. Cada uno admite prueba en línea, invocación por API, despliegue con un clic y ajuste fino, con filtros por categoría, función o familia, o búsqueda directa.

Pasarela API unificada. Una única interfaz estandarizada alcanza todos los modelos de la plataforma. No hay que adaptarse por separado a los protocolos de cada proveedor ni mantener cuentas independientes.

Enrutamiento inteligente (Jiutian inside). La intención de la petición se analiza automáticamente y se empareja con el modelo más adecuado bajo estrategias de coste, calidad o equilibrio. Los fallos de un punto único disparan la conmutación en segundos para mantener la continuidad del tráfico en producción. Las cifras publicadas hablan de un 30% menos de coste unitario por token y más de un 50% menos de huella de recursos.

Generación aumentada por recuperación (RAG). La construcción de bases de conocimiento de múltiples fuentes, con recuperación híbrida y recuerdo por múltiples vías, introduce conocimiento disperso interno y externo en la generación, reduciendo alucinaciones y mejorando la precisión.

Desarrollo de agentes. Dos modos de orquestación —planificación autónoma del LLM y flujo explícito— permiten agentes sin código o con poco código, sin exigir grandes conocimientos de programación.

Tienda de agentes. Agentes listos en varios dominios se prueban al instante, y los que tú construyas pueden publicarse como canal de reutilización interna o distribución externa.

Orquestación visual de flujos. Componer con arrastrar y soltar plugins, modelos, código y bases de conocimiento en procesos estables encaja en la automatización de negocio de varios pasos.

Medición de tokens y facturación transparente. Detalle del consumo por transacción más monitorización de latencia y rendimiento, con opciones de pago por uso y pago único.

Cómo empezar

Primero, entra en la página de producto MoMA en ecloud.10086.cn, el portal de China Mobile Cloud, regístrate y accede a la consola. Segundo, abre la plaza de modelos para recorrer los más de 300 disponibles, filtrando por categoría, función o familia, o buscando un objetivo concreto. Tercero, elige un modelo y pulsa «prueba en línea» para evaluarlo al momento, o solicita la invocación por API para obtener el endpoint y la clave. Cuarto, ve al módulo de enrutamiento inteligente, selecciona estrategia, marca el conjunto de modelos y crea reglas de reparto automático para que las peticiones sigan esa política. Quinto, si necesitas preguntas y respuestas corporativas, sube documentos en el módulo RAG para construir la base de conocimiento y configura la recuperación híbrida. Sexto, usa el módulo de desarrollo de agentes para montar tu agente y publícalo en la tienda para tu equipo o para usuarios externos.

En qué se diferencia de otras plataformas

MoMA se posiciona en la agregación, no en el servicio de un único proveedor. Frente a las nubes habituales, declara más de 300 modelos contra los cien largos típicos; la integración se apoya en una única API que cubre todo, mientras la mayoría sigue con API estándar más SDK; el enrutamiento enfatiza un modo dual con SLA por niveles y conmutación en segundos; y la infraestructura descansa en la red de China Mobile Cloud con más de 1.500 centros de cómputo inteligente en el borde, junto con red de grado operador y controles de seguridad de contenido — un argumento propio en latencia y cumplimiento. Si tu necesidad central es equilibrar coste y calidad entre modelos, un agregador da valor directo. Si estás atado al ecosistema de un proveedor, su plataforma nativa seguirá resultando más cómoda en herramientas.

Escenarios representativos

Plataforma media de IA empresarial. Un único punto de entrada al modelo atiende varias líneas de negocio y evita que cada equipo integre proveedores por separado.

Preguntas y respuestas y atención al cliente. RAG convierte el conocimiento corporativo en respuestas con sustento, en lugar de inventar contenido.

Desarrollo de agentes. La orquestación con poco código produce aplicaciones verticales como asistentes de aprobación o agentes de análisis de datos con rapidez.

Producción de contenido AIGC. Se combinan modelos de texto, imagen y vídeo con flujos para crear y publicar por lotes.

Soluciones sectoriales. Se ajustan los modelos base con datos del sector y se añaden RAG y agentes para finanzas, salud o administración pública.

Antes de comprometerte

La plataforma encaja en equipos de ingeniería o TI que llaman a varios modelos y quieren facturación e integración unificadas. Si solo necesitas un modelo de forma estable, la capa de agregación aporta menos. Aunque la facturación mide tokens reales con detalle, el coste sigue creciendo de forma lineal con el volumen: usa la asignación gratuita para validar el recorrido y decide después, según el comportamiento real del enrutamiento, si fijas modelos concretos. Por último, aunque exista conmutación en segundos, conviene conservar un plan de degradación para los caminos críticos del negocio.