Métricas de rendimiento

Detecta al instante cuándo tus modelos, herramientas o hooks ralentizan el sistema o disparan la factura, y anticipa un pico de latencia de cola antes de que tus usuarios lo noten. Tres páginas dedicadas convierten los tiempos brutos en p50, p95 y p99 que puedes leer de un vistazo. La página de Modelos: un mapa de calor de latencia, una banda de percentiles y, por modelo, tokens, coste estimado y ocupación de la ventana de contexto.

​

Deja de permitir que los promedios oculten tus peores ejecuciones

Un número de latencia promedio es tranquilizador e inútil: suaviza la llamada de cada cincuenta que se atasca y despierta a tu equipo de guardia a las 2 a.m. Las páginas de Modelos, Herramientas y Hooks se niegan a hacer eso. Todas comparten la misma estructura, así que la aprendes una sola vez:

• Un sparkline de 24 intervalos para ver la tendencia de un vistazo: ¿está empeorando?
• Una tira de estadísticas vitales con latencia p50, p95 y p99, de modo que la ejecución típica y la de cola se muestran una al lado de la otra.
• Un mapa de calor de latencia, con 24 intervalos de tiempo por rangos de latencia, que muestra cuándo se agruparon las llamadas lentas.
• Una banda de percentiles: una línea p50 con cintas sombreadas de p25 a p75 y de p10 a p90, más puntos p99, para que la dispersión sea visible en lugar de quedar diluida en un promedio.

Un crosshair de hover compartido vincula el mapa de calor y la banda, de modo que un pico de cola se alinea temporalmente en ambos en lugar de ocultarse detrás de una única línea media. Encontrarás las tres páginas en la sección observe de tu dashboard, cada una con alcance a tu organización y filtrable por rango de fechas, entorno, agente y sesión.

​

Modelos: ve exactamente lo que cada modelo te cuesta

La página de Modelos (mostrada arriba) responde las dos preguntas que siempre plantea una factura: qué modelo y cuánto. Además de la vista de latencia compartida, añade el consumo de tokens por modelo, el coste estimado y la ocupación de la ventana de contexto, de modo que el crecimiento desbocado de los prompts y una compactación inminente son visibles antes de que te sorprendan. Failproof AI Observability reconoce los IDs de modelos más comunes automáticamente. Si una ventana aparece incorrecta o ejecutas un modelo privado propio, corrígelo o añade uno en Settings, en model context windows, y las lecturas de ocupación se actualizarán en consecuencia.

​

Herramientas: distingue lo lento de lo roto

Una llamada a una herramienta puede ser lenta o puede estar fallando silenciosamente, y quieres saberlo en segundos, no después de revisar logs. La página de Herramientas: el mismo mapa de calor y banda de percentiles, más un desglose de éxitos y fallos y una barra de distribución de herramientas. Junto a la vista de latencia compartida, la página de Herramientas añade un desglose de éxitos y fallos y una barra de distribución de herramientas, para que veas de un vistazo qué herramientas usas más y cuáles están consumiendo tu presupuesto de errores.

​

Hooks: identifica el hook y el disparador exactos

Cuando un hook de ciclo de vida ralentiza una ejecución, “los hooks son lentos” no es algo sobre lo que puedas actuar. La página de Hooks te lleva directamente al que importa. La página de Hooks: latencia desglosada por nombre de hook y evento disparador. Sobre el mismo mapa de calor de latencia y banda de percentiles, la página de Hooks desglosa la actividad por nombre de hook y evento disparador, para que llegues al hook concreto y al evento concreto que necesitan atención.

​

Relacionado

• Flujo de eventos: el rastro en vivo con código de colores de cada evento.
• Sesiones: agrupa los eventos en una fila por ejecución y abre su grafo de ejecución.
• Seguimiento de errores: una única superficie de triaje para todo lo que el dashboard marca en rojo.
• Dashboards: vistas agregadas de toda tu flota.