yolorouter
Yolorouter es un gateway de LLM autocontenido que soporta múltiples proveedores de IA, rotación automática de claves, failover entre servicios y una consola admin integrada.
Ficha actualizada 23 sept 2026, 4:01 · upstream 23 sept 2026, 3:28 · release v0.2.4
Qué es yolorouter
Descripción editorial construida a partir del repositorio, su documentación y sus señales de mantenimiento.
Yolorouter es un servicio self-hosted de puerta de enlace para modelos de lenguaje (LLM) compatible con OpenAI. Permite ejecutar Claude Code o cualquier CLI de IA en cualquier proveedor sin necesidad de instalar Node.js ni frontend separado. El proyecto ofrece rotación automática de claves, failover entre proveedores, pool de claves upstream, importación de modelos con un solo clic y una consola admin multiusuario. Accepta cuatro protocolos de comunicación (OpenAI Chat Completions, OpenAI Responses, Anthropic Messages y Gemini generateContent) y puede traducir entre ellos en tiempo real. Todo el flujo se gestiona en un único binario con la consola web integrada.
- Ejecutar Claude Code o cualquier CLI de IA en entornos self-hosted sin dependencias externas
- Gestionar múltiples proveedores de LLM con failover automático y rotación de claves
- Implementar pool de claves upstream para optimizar el rendimiento y la estabilidad
- Importar modelos de diferentes proveedores mediante un solo clic desde la consola admin
- Servir APIs de generación de imágenes (OpenAI Images) y videos (DashScope, Volcengine Ark, Kling, MiniMax)
- Implementar fallback a visión por computadora cuando el modelo no soporta lectura de imágenes
- Gestionar costos y métricas en tiempo real con observabilidad integrada
- Soporte para modelos que requieren generación de video o imágenes mediante APIs nativas del proveedor
- Single binary con consola web integrada, sin necesidad de instalar Node.js ni frontend separado
- Multi-provider failover con failover primary-first y balanceo de carga por modelo
- Pool de claves upstream que rota automáticamente según el estado del proveedor
- Importación masiva de modelos con verificación en tiempo real contra el upstream real
- Soporte nativo para generación de imágenes y videos mediante APIs de proveedores no OpenAI
- Rotación automática de claves antes del primer byte enviado al cliente
- Observabilidad completa con token usage, costos por modelo/proveedor/tiempo/account/key
- No soporta modelos que requieren generación de video o imágenes a través de APIs externas (solo OpenAI Images y Videos)
- La imagen generada en Responses no se envía al cliente directamente, sino como texto descrito por un modelo vision
- El failover puede causar latencia temporal cuando el proveedor fallado es el primario
- No incluye herramientas de desarrollo o depuración para desarrolladores del backend
- La rotación de claves depende de la configuración manual del pool y no tiene fallback automático
- No se soporta autenticación OAuth2/OIDC en modo multiusuario (solo admin provisiona)
Perfil de infraestructura
Estimación inicial derivada del repositorio y de los servicios detectados.
Despliegue detectado
Qué señales reales de instalación hemos encontrado.
Recomendaciones de despliegue: 1) Docker: usar docker-compose.yml con volumes para persistir configs/config.yaml y la base de datos SQLite. 2) Upgrades seguros: usar docker compose pull + up -d, o en modo manual seguir los tres pasos (pull image, stop/del container, reiniciar con el mismo comando). 3) Migraciones automáticas se aplican al primer inicio del nuevo binario. 4) Para versiones establecidas, usar tags específicos (ej: ghcr.io/yolorouter/yolorouter:v0.1.6) en lugar de :latest para evitar migraciones no deseadas. 5) En entornos China, reemplazar get.yolorouter.com por gh.yolorouter.com si GitHub es lento o inaccesible. 6) El binario se ejecuta con ./yolorouter serve (Windows: .\yolorouter.exe serve). 7) La consola admin permite crear, editar y deshabilitar cuentas de usuario sin necesidad de invitaciones.
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.