Saltar al contenido

Lab as a Service · I+D externo sin humo

Lo probamos antes de que lo pagues.

Cada herramienta promete un 10x y la demo siempre funciona. Nosotros la desmontamos pieza a pieza, la medimos a tu escala y te devolvemos un veredicto: sí, no, o depende de esto.

Encargar un experimento Abrir el cuaderno
Experimentos publicados
30
Herramientas en la mesa
233
Horas facturadas
0
Promesas de la demo Casos de juguete Costes ocultos Lo que funciona VEREDICTO Esto es lo que queda

scroll para desintegrar el humo

  • Reglamento de Circulación Ferroviaria
  • Python
  • matplotlib
  • Hermes
  • Faster-Whisper
  • xurl
  • SQLite WAL
  • macOS
  • Playwright
  • Chromium
  • Chrome DevTools Protocol
  • tiktoken
  • Claude
  • GPT-4o
  • Presidio
  • spaCy es_core_news_lg
  • GLiNER multi PII
  • OpenAI Privacy Filter
  • transformers
  • PyTorch
  • FAISS
  • sqlite-vec
  • Chroma
  • LanceDB
  • DuckDB
  • numpy
  • multilingual-e5-small
  • bm25s
  • bge-m3
  • bge-reranker-v2-m3
  • sentence-transformers
  • XQuAD
  • MCP
  • Claude Code
  • Model Context Protocol
  • Agent Skills Standard
  • Subagent Workflows
  • Context Editing API
  • Python Sandbox
  • Strands Decider 2B
  • Cloudflare Clef
  • Perplexity Decisions API
  • vLLM
  • n8n
  • LangGraph SQLiteSaver
  • n8n Wait Webhook
  • Inngest
  • Ruflo Harness
  • Docker
  • DeepEval
  • Arize Phoenix
  • Langfuse CI
  • n8n Evals
  • Pytest
  • Airtable
  • PostgreSQL
  • Excel
  • Qwen3 4B Instruct
  • Gemma 3 4B
  • Llama 3.2 3B
  • Qwen3 1.7B
  • MLX
  • mlx-lm
  • PyMuPDF
  • Hermes Agent
  • Gemini
  • faster-whisper
  • OmniVoice
  • FFmpeg
  • Chrome headless
  • X API
  • Astro
  • INE
  • DIRCE
  • pandas
  • Jupyter
  • Mistral Large 4 API
  • MCP Protocol
  • Message an Agent Node
  • Instance-Level MCP
  • PostgreSQL / SQLite WAL
  • LangChain Nodes
  • Redis
  • pypdf
  • pdfplumber
  • PyMuPDF4LLM
  • MarkItDown
  • Docling
  • php.net
  • NVD
  • BOE
  • W3Techs
  • Data Pipelines
  • Schema Validation
  • LLM Guardrails
  • Agent2Agent
  • OAuth
  • SQLite
  • WAL Mode
  • Benchmarking
  • Model Context Protocol SDK
  • FastMCP
  • Traefik
  • json-repair
  • BAML
  • Outlines
  • Pydantic
  • Ollama
  • Llama
  • Qwen
  • Gemma
  • JSON Schema
  • tokenizers
  • OPUS-100
  • Whisper large-v3-turbo
  • Whisper small
  • Whisper base
  • Parakeet TDT 0.6B
  • mlx-whisper
  • parakeet-mlx
  • StarByFace
  • CelebAI
  • Celebs
  • Gradient
  • OpenClaw
  • Codex
  • goose
  • SWOT Analysis
  • Painfinder
  • AInventory
  • ChatGPT
  • webappanalyzer
  • Wappalyzer
  • RDAP
  • WHOIS
  • Character.AI
  • Chai
  • Talkie
  • Botify AI
  • Janitor AI
  • Inworld AI
  • Hello History
  • Replika
  • Tactiq
  • Granola
  • AI Doula
  • Humata
  • Komo
  • Poe
  • Chatsonic
  • Kore.ai
  • HeyPat
  • Glimpse
  • Konjer
  • Dora AI
  • Framer
  • Carrd
  • Google Forms
  • Tally
  • Typeform
  • Fillout
  • Brave
  • Krea AI
  • Generated Photos
  • Mage Space
  • Stable Diffusion
  • Ideogram
  • ReLogo AI
  • BigJpg
  • ImgUpscaler
  • Waifu XL
  • Cleanup.pictures
  • Pixlr
  • Deep Dream Generator
  • AutoDraw
  • Clip Studio Paint
  • Unscreen
  • bigmp4
  • D-ID
  • Pika
  • Visla
  • VideoGist
  • Kapwing
  • FaceSwapper
  • Reply with AI
  • QuickReply
  • Copy.ai
  • Namelix
  • CopyPage
  • AI Pickup Lines
  • Love Letter Generator
  • Copy.ai Slogan Generator
  • PrayGen
  • LinkedIn Turbo Responder
  • RoastLinkedIn
  • Gamma
  • Beautiful.ai
  • Canva
  • Copilot en PowerPoint
  • SlidesAI
  • Pitch
  • Decktopus
  • MotionIt
  • DiagramGPT
  • Diagramming AI
  • Mermaid Chart
  • ConceptMap AI
  • Napkin
  • Visily
  • Whimsical
  • Duino Code Generator
  • Excel Formularizer
  • AI/ML API
  • AI Plagiarism Checker
  • GitHub Copilot
  • Cursor
  • Telegram
  • Tailscale
  • Looka
  • Inkscape
  • TTSMaker
  • Amazon Polly
  • ElevenLabs
  • Ecrett Music
  • Suno
  • Udio
  • Songmastr
  • Podcastle
  • Cloudflare
  • Turnstile
  • FastAPI
  • AWS
  • Git

El método

Así se desmonta una promesa.

01 02 03 04 05 La demo impecable Integraciones 3 de 4 conectan Coste a tu escala ×4 lo prometido Seguridad claves en el prompt Mantenimiento asumible VEREDICTO NO así · plan B listo

Ejemplo ilustrativo

  1. 01

    Hipótesis

    Nos traes una pregunta con dinero detrás. «¿Aguanta este agente 50.000 ejecuciones al mes?» «¿Airtable o Postgres?» «¿Ese SaaS de 40.000 € al año hace algo que no haga un flujo de n8n?»

  2. 02

    Despiece

    Desmontamos la tecnología en sus piezas reales: la demo, las integraciones, el coste a tu volumen, la seguridad, lo que cuesta mantenerla. Sin diapositivas del fabricante.

  3. 03

    Medición

    Cada pieza se mide con tus datos y a tu escala: latencia, coste por ejecución, tasa de fallo, dónde se filtran las credenciales. Lo que cruje se marca en rojo.

  4. 04

    Veredicto

    Una página. Sí, no o depende de esto, con los números, el banco de pruebas para que lo repitas tú y un plan B si la respuesta es no.

Cuaderno de experimentos

Lo último que ha pasado por la mesa.

Pasa el ratón por encima: cada experimento se despieza en lo que de verdad importa.

01 Nota de voz 02 Modelo local 03 Texto 04 Revisar cifras VEREDICTO Turbo: 1,2 % de errores

EXP-006

¿Puede una IA gratuita transcribir tus audios en tu ordenador? Whisper y Parakeet medidos con 90 notas de voz en español

Whisper large-v3-turbo falló el 1,2 % de las palabras y copió bien el 98,6 % de importes, horas y teléfonos en 90 notas de voz, gratis y sin internet. Whisper base: 12,9 %.

Whisper large-v3-turbo: 1,2 % de palabras mal y 98,6 % de datos clave bien • Parakeet: 2,7 veces más rápido, 2,1 % de palabras mal • Whisper base: 12,9 % • 1 hora de audio en 3,3 minutos en un portátil

12 nov 2026 · 8 min

VEREDICTO Cifras de Anthropic

EXP-005

Code execution con MCP: cómo bajar el coste por consulta de un agente de IA

Si tu agente de IA carga todas sus herramientas en cada consulta, pagas texto que no usa. Qué es code execution con MCP, qué ahorro publica Anthropic, qué pegas tiene y qué preguntar a tu proveedor.

Sin medición propia todavía • Anthropic: 150.000 → 2.000 tokens (−98,7 %) en su ejemplo • Tool Search: −85 %

10 nov 2026 · 6 min

01 Factura en PDF 02 Texto del PDF 03 Modelo local 04 Comprobaciones 05 Contabilidad VEREDICTO Qwen3 4B: 26 de 27 bien

EXP-004

¿Puede una IA gratuita en tu ordenador leer tus facturas? 4 modelos locales frente a reglas, medidos con NIF, IVA e IRPF

Qwen3 4B leyó bien 26 de 27 facturas españolas en local, a 3,0 s cada una. Las reglas fallaron todas las de un formato nuevo y Gemma 3 4B quitó la letra del NIF en 8.

Qwen3 4B: 96,3 % de facturas perfectas • reglas: 0 % con un formato nuevo • 3,0 s por factura en un portátil • 3 comprobaciones automáticas avisan del 100 % de los errores de Llama 3.2 y Qwen3 1.7B

8 nov 2026 · 8 min

01 Texto del cliente 02 Reglas: DNI, IBAN, tel. 03 GLiNER: nombres 04 Texto tapado 05 ChatGPT o Claude VEREDICTO Reglas + GLiNER: 0,6 % fuga

EXP-003

¿Cómo anonimizar datos personales antes de ChatGPT? 5 detectores gratuitos medidos con DNI, IBAN y nombres en español

Ningún detector local de datos personales bajó del 10 % de fugas solo. Reglas para DNI, IBAN y teléfonos más GLiNER dejaron escapar el 0,6 % de 1.878 datos en 500 documentos.

Reglas + GLiNER: escapa el 0,6 % de los datos • mejor modelo solo: 10,6 % • Presidio por defecto: 32,6 % • GLiNER: 76,7 ms por documento en CPU

7 nov 2026 · 8 min

01 Cae el LZB 02 Meta 0: vía ocupada 03 Telefonema erróneo 04 Nadie corrige 05 Alcance VEREDICTO Seis capas, cuatro agujeros

EXP-002

Accidente de Urda: cómo fallaron las capas de seguridad de la Madrid-Sevilla cuando cayó el LZB

Análisis técnico del alcance de Urda con datos públicos y el texto literal del reglamento: seis capas de protección, cuatro agujeros, 17 minutos entre la orden y el impacto y dos telefonemas casi iguales.

6 capas de protección: 1 caída, 3 con fallo, 1 activa y 1 sin datos • 17 minutos entre la orden y el impacto (hora oficial) • velocidad media implícita de 83,3 a 125 km/h • 2 telefonemas distintos con el mismo código 5ET3.3

29 oct 2026 · 14 min

01 Pregunta 02 BM25 + embeddings 03 Fusión RRF 04 Reranker top-20 05 Contexto del LLM VEREDICTO Reranker: +9,9 a +10,8 pts

EXP-001

¿Búsqueda híbrida o vectorial para RAG en español? BM25, embeddings, fusión RRF y reranker medidos con preguntas reales

La fusión RRF suma 3,91 puntos de nDCG@10 en MLQA y resta 4,69 en MIRACL. Lo que gana en los dos es el reranker sobre el híbrido: +10,78 y +9,91 puntos, a 765–988 ms por consulta.

RRF frente al denso: +3,91 puntos de nDCG@10 en MLQA y -4,69 en MIRACL • híbrido + reranker frente al denso: +9,91 y +10,78 • reranker: 765–988 ms por consulta

28 oct 2026 · 9 min

Ver los 30 experimentos →

Lab as a Service

Pagas un veredicto, no horas.

Comprar tecnología a ciegas es caro: la demo dura veinte minutos, el contrato tres años y el piloto interno se come un trimestre. Un experimento sale más barato que equivocarse.

Sin laboratorio

  • Decides por la demo y el caso de éxito del fabricante.
  • Tu equipo prueba en sus ratos libres durante meses.
  • Descubres el coste real con la primera factura.
  • La seguridad se revisa cuando ya hay un susto.

Con Yeswelab

  • Decides con números medidos en tu caso.
  • Tu equipo sigue con lo suyo. El laboratorio hace el trabajo sucio.
  • Conoces el coste a tu volumen antes de firmar.
  • Las credenciales y los datos se auditan dentro del experimento.

Tres formatos. Una pregunta cada uno.

01 Tu caso 02 Opción A 03 Opción B 04 Mismo banco 05 Ganadora VEREDICTO Gana B por coste

Duelo

A contra B. Con tus datos.

Dos herramientas, o la de pago contra la alternativa open source. Mismo caso, mismo volumen, mismas trampas. Gana la que aguanta, no la que mejor se vende.

01 02 03 04 VEREDICTO Cruje en ×100

Estrés

¿Aguanta a tu escala?

Funciona con 10 registros en la demo. Lo llevamos a 10.000, a 100.000 y al día de la campaña. Te decimos dónde cruje, cuánto cuesta y qué cambiar antes de que pase.

VEREDICTO Causa: contexto

Autopsia

Algo ya falla en producción.

El agente alucina, el flujo se cae los lunes o la factura de tokens se ha triplicado. Abrimos, encontramos la pieza que falla y te damos el arreglo medido.

Lo que recibes

  1. 01
    Veredicto en una página

    Sí, no o depende de esto. Lo lee tu dirección en dos minutos y lo defiende tu equipo técnico.

  2. 02
    Números a tu escala

    Coste por ejecución, latencia, tasa de fallo y mantenimiento. Medidos, no estimados por el fabricante.

  3. 03
    Banco de pruebas reproducible

    Repositorio con datos, scripts y resultados. Lo vuelves a lanzar cuando salga la versión 2.

  4. 04
    Plan B

    Si la respuesta es no, te decimos qué sí funciona, con la misma vara de medir.

Las reglas del laboratorio

  • Precio cerrado

    Se acuerda antes de empezar, por escrito. Pagas un veredicto, no horas.

  • Sin veredicto, sin factura

    Si no llegamos a una conclusión respaldada por datos, no cobramos.

  • Sin reuniones de descubrimiento

    Nos mandas la hipótesis por escrito y te devolvemos una propuesta cerrada por escrito.

  • Confidencial por defecto

    Tu experimento no se publica. Solo si tú quieres, y anonimizado.

01 02 03 VEREDICTO Publicado gratis

La prueba

Todo lo del cuaderno lo publicamos gratis. Imagina lo que sale con tus datos.

Mandar mi hipótesis → Ver experimentos

Encargar experimento

¿Qué quieres que desmontemos?

Escribe la hipótesis como se la contarías a tu socio. Te devolvemos por escrito una propuesta cerrada: qué mediremos, cómo y cuánto cuesta. Sin llamadas, sin compromiso.

  • → Respuesta por escrito
  • → Precio cerrado antes de empezar
  • → Confidencial por defecto
nuevo_experimento.yml
decision: *

Para quien construye

¿Tu producto aguanta el laboratorio?

Si has hecho una herramienta, una API, un modelo o un proyecto open source, mándalo. Lo probamos en serio, sin guion, y publicamos el experimento en el cuaderno, en X, en TikTok y en YouTube.

Delante de quién sale tu experimento

X @Yeswelab_OU 1079 siguen los experimentos en X Seguir → TikTok @yeswelab 9603 43.900 me gusta · 144 vídeos Seguir → YouTube @yeswelab 2,81 mil 152 vídeos · suscriptores Seguir →
  • 01
    Sin publirreportajes

    El veredicto sale tal cual, bueno o malo. Por eso la gente se lo cree.

  • 02
    El mismo método

    Hipótesis, despiece, medición y veredicto. Igual que con cualquier herramienta del cuaderno.

  • 03
    Ves los números antes

    Te pasamos el banco de pruebas antes de publicar. Para corregir datos, no opiniones.

// muestra para el laboratorio

tipo *