NadirClaw
NadirClaw es un router de LLM y optimizador de costos de IA que asigna prompts a modelos de bajo costo o locales, escalando automáticamente hacia modelos premium cuando se requiere mayor calidad. Es una proxy compatible con OpenAI, autocontenido sin intermediarios.
Ficha actualizada 23 sept 2026, 14:09 · upstream 23 sept 2026, 13:35 · release v0.23.1
Qué es NadirClaw
Descripción editorial construida a partir del repositorio, su documentación y sus señales de mantenimiento.
NadirClaw es un framework de router de lenguaje de gran escala (LLM) diseñado para optimizar costos de inferencia en aplicaciones que consumen APIs de IA. Su arquitectura centralizada permite clasificar prompts por complejidad y asignarlos a modelos con diferentes niveles de costo, garantizando respuestas confiables sin necesidad de intermediarios. Funciona como un proxy compatible con OpenAI, soportando Claude Code, Cursor, Continue, Aider, Windsurf, Codex, OpenClaw y Open WebUI. El sistema se ejecuta localmente en el servidor del usuario, eliminando la dependencia de APIs externas y permitiendo que los usuarios controlen sus propios tokens y costos.
- Optimizar costos de inferencia para aplicaciones que consumen múltiples modelos LLM
- Implementar un router automático que asigne prompts a modelos según su complejidad
- Reducir gastos en APIs de IA al usar modelos más económicos para tareas simples
- Aumentar la confiabilidad del servicio mediante escalado automático hacia modelos premium
- Mejorar el rendimiento de aplicaciones con múltiples agentes o herramientas LLM
- Implementar un sistema de costos transparente y reportable para equipos
- Reduce costos en aproximadamente el 60% comparado con usar siempre modelos premium, según pruebas de RouterArena
- Ofrece una capa de verificación automática que garantiza respuestas válidas antes de enviarlas a los usuarios finales
- Soporta múltiples niveles de complejidad (simple, medio y complejo) con un solo router centralizado
- Permite configuraciones personalizadas mediante YAML para ajustar perfiles de costo y calidad por dominio o proyecto
- Ofrece una capa de verificación basada en reglas que puede ser reemplazada por un modelo entrenado como DeBERTa
- El router no tiene acceso a herramientas externas ni a bases de datos, limitando su uso en aplicaciones complejas con múltiples pasos
- La clasificación inicial se realiza mediante embeddings y puede fallar en casos muy específicos o con contexto muy largo
- No incluye capacidades avanzadas como generación de código completo, razonamiento profundo o análisis visual
- El rendimiento del router depende de la calidad de los embeddings utilizados para la clasificación
- No ofrece soporte nativo para modelos multimodales (imagen, audio) en sus versiones gratuitas
Capturas del proyecto
Imágenes reales detectadas en la documentación del repositorio.
Perfil de infraestructura
Estimación inicial derivada del repositorio y de los servicios detectados.
Despliegue detectado
Qué señales reales de instalación hemos encontrado.
Instala mediante pip con `pip install nadirclaw` o desde el repositorio Git con un script de instalación proporcionado.,Configura los perfiles YAML en `nadirclaw/tier_config/` para definir modelos, costos y umbrales por nivel,Para producción, considera usar Nadir Pro (hosted) que incluye dashboard, SSO y facturación automática,Asegúrate de tener un servidor con suficiente RAM (mínimo 8GB recomendada) y CPU adecuada para el classifier,Configura el límite de tokens por prompt en `nadirclaw/config.yaml` según tus necesidades de contexto,Para producción, implementa fallbacks a modelos locales o servicios alternativos si los APIs fallan,El router funciona con cualquier cliente compatible con OpenAI (Claude Code, Cursor, Continue, etc.)
Stack y dependencias
Componentes inferidos a partir de manifests, configuración y documentación.
Puede sustituir a
Relaciones detectadas por el análisis del repositorio y su categoría.
Experiencia real de la comunidad
Ayuda a contrastar la estimación automática con instalaciones reales.
Todavía no hay datos comunitarios para este proyecto.