El registro de cambios de TokenLab ofrece a los desarrolladores un lugar centralizado para seguir las actualizaciones

TokenLab ahora publica un registro de cambios público en tokenlab.sh/en/changelog que documenta los cambios en la cobertura de modelos, actualizaciones del comportamiento de la API, ajustes de facturación, ediciones en la documentación y cambios en la plataforma en un único feed legible para desarrolladores, de modo que los equipos ya no tengan que adivinar qué cambió o cuándo.

Si ejecutas una aplicación en producción sobre TokenLab, esta es la página que debes consultar antes de depurar una respuesta misteriosa, antes de actualizar una demo y antes de asumir que tus cálculos de precios siguen siendo correctos.

Puntos clave

• El registro de cambios de TokenLab rastrea la cobertura de modelos, el comportamiento de la API, la facturación y los cambios en la documentación en un solo lugar, con fecha y versión para una fácil referencia.
• Es independiente del blog (anuncios y guías) y del directorio de modelos (estado actual de los modelos compatibles), y cada uno cumple un propósito distinto.
• Utiliza el registro de cambios como tu primera parada al depurar resultados inesperados, verificar precios o decidir si actualizar la elección de un modelo en tu aplicación.
• Una revisión sencilla, semanal o por lanzamiento, del registro de cambios puede evitar fallos silenciosos en aplicaciones de IA en producción.

Por qué un registro de cambios público ahora

Los equipos que desarrollan sobre TokenLab siempre han tenido acceso a la documentación y al directorio de modelos, pero ninguno responde bien a una pregunta sencilla: qué ha cambiado desde la semana pasada. La documentación describe el estado actual. El directorio de modelos enumera lo que está disponible en este momento. Ninguno te dice que el formato de salida predeterminado de un modelo cambió, que un límite de tasa se modificó o que un nuevo modelo reemplazó a uno anterior en un nivel de enrutamiento predeterminado.

El registro de cambios soluciona ese vacío. Cada entrada tiene fecha, está clasificada por categoría (cobertura de modelos, comportamiento de la API, facturación, documentación, plataforma) y está escrita en un lenguaje sencillo sobre el que un desarrollador puede actuar sin necesidad de contexto adicional. Si GPT-5.5 obtiene una nueva ventana de contexto, eso es una entrada en el registro de cambios. Si Claude Sonnet 5 cambia su formato de respuesta predeterminado, eso es una entrada en el registro de cambios. Si cambia un método de cálculo de facturación, eso también es una entrada en el registro de cambios.

El objetivo no es el marketing. Es un registro preciso que un equipo que mantiene una aplicación en vivo puede escanear en menos de cinco minutos y saber exactamente qué revisar.

Qué rastrea realmente el registro de cambios

El registro de cambios cubre cinco categorías de manera consistente:

• Cobertura de modelos. Nuevos modelos añadidos, modelos obsoletos, cambios en las asignaciones de modelos predeterminados. Ejemplo: Gemini 3.5 Flash añadido como predeterminado en el nivel rápido, o DeepSeek V4 Flash reemplazando a un modelo rápido anterior en una categoría determinada.
• Comportamiento de la API. Cambios en la estructura de la solicitud o respuesta, comportamiento de tiempo de espera, comportamiento de streaming, códigos de error o límites de tasa predeterminados.
• Facturación. Cambios en cómo se calcula, muestra o reporta el uso, incluidos cambios en las unidades mostradas en facturas o paneles de uso.
• Documentación. Reescrituras sustanciales de documentos, nuevas guías o correcciones a documentación previamente inexacta.
• Plataforma. Cambios en el panel de control, nuevos ajustes de cuenta, cambios en cómo se emiten o gestionan las API keys.

Cada entrada tiene una breve descripción y una fecha. Las entradas que afectan al comportamiento en producción (comportamiento de la API y cobertura de modelos) se marcan de forma más prominente que los cambios cosméticos, como las correcciones de erratas en los documentos.

Registro de cambios vs. Blog vs. Directorio de modelos

Estas tres superficies se superponen en cuanto a temas, pero no en propósito. Confundirlas es una pérdida de tiempo.

Superficie	Propósito	Frecuencia de actualización	Mejor uso para
Registro de cambios	Registro fechado de lo que cambió	Continuo, a medida que se lanzan cambios	Depuración, verificación de cambios recientes, pista de auditoría
Blog	Anuncios, guías, contexto	Semanal a mensual	Entender por qué ocurrió un cambio, aprender nuevas funciones en profundidad
Directorio de modelos	Estado actual de todos los modelos compatibles	Actualizado a medida que se añaden/eliminan modelos	Elegir un modelo ahora mismo, verificar especificaciones actuales

Una forma práctica de verlo: el directorio de modelos te dice qué es verdad hoy, el registro de cambios te dice qué cambió para llegar aquí, y el blog te dice por qué es importante y cómo usarlo bien.

Si estás decidiendo si cambiar de Kling 3.0 a Seedance para una función de generación de video, comienza con el directorio de modelos para comparar especificaciones. Si la calidad de tu salida parece diferente de repente, revisa el registro de cambios para ver si hay una entrada reciente de cobertura de modelos. Si quieres una guía sobre las mejores prácticas para el nuevo modelo, revisa el blog.

Un flujo de trabajo para equipos que ejecutan aplicaciones de IA en producción

La mayoría de los equipos no quieren leer cada entrada del registro de cambios en el momento en que se publica. Una cadencia más ligera funciona bien para la mayoría de las configuraciones de producción:

Semanalmente:

• Escanea el registro de cambios en busca de entradas etiquetadas como comportamiento de la API o cobertura de modelos.
• Verifica cualquier modelo marcado contra el que tu aplicación llama actualmente.

Antes de un lanzamiento o demo:

• Revisa el registro de cambios en busca de cualquier cosa publicada desde tu última revisión.
• Confirma que el directorio de modelos todavía enumera tus modelos elegidos con las mismas especificaciones con las que desarrollaste.
• Si eres sensible a los precios, revisa la categoría de facturación para ver si hay cambios.

Al depurar resultados inesperados:

• Revisa el registro de cambios primero, antes de asumir que tu propio código falló.
• Busca el nombre del modelo (ej. Qwen3.7 Plus, GLM-5.2, Kimi K2.7 Code) y el rango de fechas aproximado.
• Si nada coincide, ve al directorio de modelos para confirmar el comportamiento documentado actual del modelo.

Trimestralmente:

• Revisa los modelos obsoletos marcados en el registro de cambios y confirma que ninguno de ellos siga conectado a tu aplicación.
• Compara tus opciones de modelos predeterminados con el directorio de modelos actual para ver si una opción más nueva (DeepSeek V4 Pro, Nano Banana Pro, PixVerse V6, Veo 3) encaja mejor ahora.

Una versión de lista de verificación simple, si quieres algo para pegar en el manual de tu equipo:

• Registro de cambios revisado esta semana en busca de entradas de comportamiento de la API o cobertura de modelos
• Directorio de modelos verificado contra los modelos utilizados en producción
• Categoría de facturación revisada si los costos de uso parecen inesperados
• Modelos obsoletos confirmados como eliminados de las rutas de código activas
• Documentación revisada si una guía vinculada fue marcada como actualizada

Ejemplos prácticos de entradas en el registro de cambios

Para hacerlo concreto, aquí tienes el tipo de entrada que encontrarás:

• "Cobertura de modelos: GPT Image 2 añadido al nivel de generación de imágenes, reemplazando el valor predeterminado anterior para cuentas nuevas."
• "Comportamiento de la API: las respuestas de streaming ahora incluyen un objeto de resumen de uso final para todos los endpoints de estilo chat-completion."
• "Facturación: el reporte de uso ahora separa los tokens de salida de los tokens de razonamiento en las vistas del panel de control."
• "Documentación: guía de integración actualizada para modelos de generación de video para reflejar los nombres de parámetros actuales."

Ninguna de estas requiere leer una publicación de anuncio completa para actuar. Ese es el punto.

Preguntas frecuentes

¿Con qué frecuencia se actualiza el registro de cambios de TokenLab? Las entradas se añaden a medida que se lanzan los cambios, no en un horario fijo. Algunas semanas tienen múltiples entradas, especialmente en torno a cambios en la cobertura de modelos; las semanas más tranquilas pueden no tener ninguna.

¿Necesito leer todo el historial del registro de cambios o solo las entradas recientes? Para el trabajo diario, las entradas recientes (las últimas semanas) son suficientes. Usa el historial completo cuando investigues un problema de larga data o cuando confirmes cuándo se introdujo un modelo o comportamiento específico.

¿El registro de cambios reemplaza al blog para aprender sobre nuevas funciones? No. El registro de cambios te dice qué cambió y cuándo. El blog explica por qué es importante y cómo usarlo bien, a menudo con ejemplos prácticos. Usa ambos juntos.

Fuentes y frescura

Este artículo refleja el registro de cambios, el blog y el directorio de modelos de TokenLab observados el 2026-07-07. Los nombres de los modelos y ejemplos referenciados (Claude Sonnet 5, GPT-5.5, Gemini 3.5 Flash, DeepSeek V4 Pro, DeepSeek V4 Flash, GLM-5.2, Qwen3.7 Plus, Kimi K2.7 Code, Seedance, Veo 3, PixVerse V6, Kling 3.0, GPT Image 2, Nano Banana Pro) están actualizados a esa fecha. Consulta el registro de cambios en vivo para ver actualizaciones después de esta fecha.

---

¿Listo para dejar de adivinar qué cambió? Marca el registro de cambios de TokenLab, combínalo con el directorio de modelos para obtener especificaciones actuales, y usa el blog cuando necesites la historia completa detrás de un cambio.

Lecturas relacionadas y siguientes pasos

Mantenerse al día con el registro de cambios es solo una parte de mantenerse actualizado en TokenLab. Los precios y la disponibilidad de los modelos cambian con la frecuencia suficiente como para que valga la pena verificar otros recursos antes de escalar cualquier cosa. Si estás eligiendo a qué modelo enrutar las solicitudes, AI Model Leaderboard Watch: How Developers Should Read Model Rankings in 2026 explica cómo interpretar los cambios en las clasificaciones en lugar de reaccionar ante ellos. Para la planificación de costos, AI API Pricing Comparison 2026: The Real Cost of GPT-5.5, Claude Sonnet 5, and Gemini 3.5 Flash desglosa los costos reales por token entre proveedores. Y si aún no has lanzado nada, Build an AI Chatbot with One API Key: From Zero to Production in 30 Minutes recorre una configuración funcional de principio a fin.

Como siempre, verifica los detalles actuales del modelo y los precios antes de un uso en producción de alto volumen, ya que ambos pueden cambiar entre las entradas del registro de cambios. ¿Listo para probarlo tú mismo? Crea una API key y comienza a construir.