helmcode · sre-helmcode · Sep 29, 2026 · Sep 29, 2026 · Sep 29, 2026 · Sep 29, 2026
diff --git a/src/content/docs-es/choose-a-model.md b/src/content/docs-es/choose-a-model.md
@@ -44,7 +44,7 @@ Si no sabes cuál coger, busca en la primera columna lo que quieres hacer.
 | `deepseek-v4-flash` | Chat y razonamiento general | 1M | texto · imagen | 3B tokens/mes |
 | `glm5.3` | Agentes de código y tareas largas | 1M | texto | 3B tokens/periodo de facturación |
 | `glm5.3-flash` | Agentes de código, sin premium | 1M | texto · imagen | 2B tokens/mes |
-| `qwen3.8-flash` | Respuestas rápidas | 262K | texto · imagen | 500M tokens/mes |
+| `qwen3.8-flash` | Respuestas rápidas | 1M | texto · imagen | 500M tokens/mes |
 | `mimo-v2.6-flash` | El MiMo más nuevo, omnimodal | 1M | texto · imagen · audio | 1.0B tokens/mes |
 | `gemma4` | Tareas cortas y pruebas | 262K | texto · imagen | sin contador |
 | `qwen3.6` | Generación anterior | 262K | texto · imagen | sin contador |

diff --git a/src/content/docs-es/cline.mdx b/src/content/docs-es/cline.mdx
@@ -45,7 +45,7 @@ Cline lo pregunta porque con un proveedor genérico no tiene forma de averiguarl
 |---|---|---|---|
 | `glm5.3-flash` | 1000000 | sí | sí |
 | `deepseek-v4-flash` | 1000000 | sí | sí |
-| `qwen3.8-flash` | 262144 | sí | sí |
+| `qwen3.8-flash` | 1000000 | sí | sí |
 | `glm5.3` | 1000000 | no | sí |
 
 Si marcas imágenes en un modelo que no las acepta, Cline intentará mandarle capturas y la petición fallará.

diff --git a/src/content/docs-es/codex.mdx b/src/content/docs-es/codex.mdx
@@ -42,7 +42,7 @@ wire_api = "chat"
 
 Tres detalles que importan:
 
-- **`wire_api = "chat"`** hace que Codex use `/chat/completions`. Es lo que quieres: el endpoint `/responses` del clúster contesta de una sola vez en lugar de ir emitiendo la respuesta, así que con `"responses"` verías la respuesta aparecer de golpe al final.
+- **`wire_api = "chat"`** hace que Codex use `/chat/completions`. Es lo que quieres con la mayoría de modelos: el endpoint `/responses` del clúster solo va emitiendo la respuesta por partes con `deepseek-v4-flash`, y con los demás contesta de una sola vez, así que con `"responses"` verías la respuesta aparecer de golpe al final.
 - **El identificador del proveedor no puede ser `openai`, `ollama` ni `lmstudio`**, que están reservados. Por eso se llama `nan`.
 - **`base_url` termina en `/v1`** y nada más. No añadas la ruta del endpoint.
 
@@ -74,7 +74,7 @@ O dejar varios proveedores declarados y elegir con `--profile` si prefieres perf
 
 - **Las funciones en la nube de Codex no aplican.** Al declarar un proveedor propio, todo va contra NaN desde tu máquina.
 - **El razonamiento se ve distinto según el modelo.** Los modelos del clúster emiten su traza de razonamiento a su manera, y Codex no siempre la presenta como con los modelos de OpenAI.
-- **Si cambias `wire_api` a `"responses"`**, la respuesta deja de aparecer poco a poco. No es un cuelgue: es que ese endpoint todavía no emite la respuesta por partes.
+- **Si cambias `wire_api` a `"responses"`**, solo `deepseek-v4-flash` sigue mostrando la respuesta poco a poco. Con los demás modelos aparece de golpe al final. No es un cuelgue: es que con esos modelos ese endpoint todavía no emite la respuesta por partes.
 
 </Details>
 
diff --git a/src/content/docs-es/examples.md b/src/content/docs-es/examples.md
@@ -76,6 +76,80 @@ for await (const chunk of stream) {
 
 Instalación: `npm install openai`
 
+### salida estructurada en deepseek-v4-flash
+
+`deepseek-v4-flash` rechaza `response_format` `json_schema` con un `400`, y `json_object` solo garantiza JSON válido, no su forma. Para obtener una salida que siga un esquema, define una única herramienta de tipo función cuyo `parameters` sea tu JSON Schema (raíz `"type": "object"`, `"strict": true`) y fuérzala con `tool_choice`. El modelo devuelve argumentos que siguen el esquema en `choices[0].message.tool_calls[0].function.arguments`, como una cadena JSON. `strict` pide que se ajusten exactamente; se aplica donde el modelo admite decodificación estricta, así que valida los argumentos si tu código depende de ellos.
+
+```bash
+curl https://api.nan.builders/v1/chat/completions \
+  -H "Content-Type: application/json" \
+  -H "Authorization: Bearer sk-your-key-here" \
+  -d '{
+    "model": "deepseek-v4-flash",
+    "messages": [{"role": "user", "content": "Ana García is 34 and lives in Valencia."}],
+    "tools": [{
+      "type": "function",
+      "function": {
+        "name": "save_person",
+        "description": "Save the person mentioned in the text.",
+        "strict": true,
+        "parameters": {
+          "type": "object",
+          "properties": {
+            "name": {"type": "string"},
+            "age": {"type": "integer"},
+            "city": {"type": "string"}
+          },
+          "required": ["name", "age", "city"],
+          "additionalProperties": false
+        }
+      }
+    }],
+    "tool_choice": {"type": "function", "function": {"name": "save_person"}}
+  }'
+# → choices[0].message.tool_calls[0].function.arguments:
+#   {"name": "Ana García", "age": 34, "city": "Valencia"}
+```
+
+```python
+import json
+from openai import OpenAI
+
+client = OpenAI(
+  api_key="sk-your-key-here",
+  base_url="https://api.nan.builders/v1"
+)
+
+schema = {
+  "type": "object",
+  "properties": {
+    "name": {"type": "string"},
+    "age": {"type": "integer"},
+    "city": {"type": "string"}
+  },
+  "required": ["name", "age", "city"],
+  "additionalProperties": False
+}
+
+response = client.chat.completions.create(
+  model="deepseek-v4-flash",
+  messages=[{"role": "user", "content": "Ana García is 34 and lives in Valencia."}],
+  tools=[{
+    "type": "function",
+    "function": {
+      "name": "save_person",
+      "description": "Save the person mentioned in the text.",
+      "strict": True,
+      "parameters": schema
+    }
+  }],
+  tool_choice={"type": "function", "function": {"name": "save_person"}}
+)
+
+person = json.loads(response.choices[0].message.tool_calls[0].function.arguments)
+print(person)  # {'name': 'Ana García', 'age': 34, 'city': 'Valencia'}
+```
+
 ## model: qwen3-embedding
 
 embeddings vectoriales

diff --git a/src/content/docs-es/models.mdx b/src/content/docs-es/models.mdx
@@ -47,7 +47,7 @@ OpenAI y la misma `base URL`.
   tag="305B MoE"
   leftLabel="generación de texto, chat y visión"
   rightLabel="capacidades"
-  description="Modelo MoE de 305B parámetros, servido en su variante Vision-Exp: acepta imágenes de entrada. Contexto de 1M tokens. Tool calling y razonamiento. Cuota de 3B tokens al mes por miembro. Salida estructurada: response_format json_object es compatible (el prompt debe contener la palabra JSON; si no, se rechaza con un 400), json_schema no y se rechaza con un 400. Para salida restringida a un esquema, usa qwen3.6 o gemma4."
+  description="Modelo MoE de 305B parámetros, servido en su variante Vision-Exp: acepta imágenes de entrada. Contexto de 1M tokens. Tool calling y razonamiento. Cuota de 3B tokens al mes por miembro. Salida estructurada: response_format json_object es compatible (el prompt debe contener la palabra JSON; si no, se rechaza con un 400), json_schema no y se rechaza con un 400. json_object solo garantiza JSON sintácticamente válido, no su forma: describe el esquema en el prompt. Para salida restringida a un esquema, usa qwen3.6 o gemma4, donde json_schema con strict restringe campos, tipos y claves obligatorias; o, en este modelo, fuerza una única herramienta de tipo función cuyo parameters sea tu esquema (ver Ejemplos). Un max_tokens por debajo de 16384 se sube a 16384 para que quepa el razonamiento, así que un prompt a menos de 16384 tokens de la ventana de 1.048.576 se rechaza con un 400 aunque pidas un max_tokens pequeño (normalmente Context length exceeded, a veces un Invalid request genérico)."
   specs={[
     { label: 'Tipo', value: 'MoE (305B total)' },
     { label: 'Cuantización', value: 'FP8' },
@@ -97,10 +97,10 @@ OpenAI y la misma `base URL`.
   tag="125B-6B"
   leftLabel="generación de texto, chat y visión"
   rightLabel="capacidades"
-  description="Modelo MoE de 125B parámetros (6B activos), multimodal con visión, tool calling y razonamiento activado por defecto. Contexto de 262K tokens, la ventana nativa del modelo. Cuota de 500M tokens al mes por miembro."
+  description="Modelo MoE de 125B parámetros (6B activos), multimodal con visión, tool calling y razonamiento activado por defecto. Contexto de 1M tokens (1.048.576 tokens). Cuota de 500M tokens al mes por miembro."
   specs={[
     { label: 'Tipo', value: 'MoE (125B total · 6B activos)' },
-    { label: 'Contexto', value: '262K tokens' },
+    { label: 'Contexto', value: '1M tokens' },
     { label: 'Respuesta máxima', value: '131K tokens' },
     { label: 'Modalidades de entrada', value: 'texto · imagen' },
     { label: 'Modalidades de salida', value: 'texto' },
@@ -111,7 +111,7 @@ OpenAI y la misma `base URL`.
     'Tool calling (formato XML)',
     'Modo razonamiento (activado por defecto)',
     'Visión (entrada de imagen)',
-    'Contexto de 262K tokens',
+    'Contexto de 1M tokens',
     'Generación en streaming (SSE)',
   ]}
 />

diff --git a/src/content/docs-es/opencode.mdx b/src/content/docs-es/opencode.mdx
@@ -32,7 +32,7 @@ Escribe esto en `~/.config/opencode/opencode.json` para tenerlo en todos tus pro
       "models": {
         "deepseek-v4-flash": {
           "name": "DeepSeek V4 Flash",
-          "limit": { "context": 1048575, "output": 32768 },
+          "limit": { "context": 1048576, "output": 32768 },
           "modalities": { "input": ["text", "image"], "output": ["text"] }
         },
         "glm5.3-flash": {
@@ -42,7 +42,7 @@ Escribe esto en `~/.config/opencode/opencode.json` para tenerlo en todos tus pro
         },
         "qwen3.8-flash": {
           "name": "Qwen 3.8 Flash",
-          "limit": { "context": 262144, "output": 32768 },
+          "limit": { "context": 1048576, "output": 32768 },
           "modalities": { "input": ["text", "image"], "output": ["text"] }
         },
         "mimo-v2.6-flash": {
@@ -108,12 +108,12 @@ Después pega tu API key y pulsa Enter.
 ## Los límites de contexto
 
 ```json
-"limit": { "context": 1048575, "output": 32768 }
+"limit": { "context": 1048576, "output": 32768 }
 ```
 
 `limit.context` y `limit.output` son los campos que OpenCode lee. Una versión anterior de esta documentación publicaba `contextWindow`, que no existe en [el esquema de OpenCode](https://opencode.ai/config.json): una clave desconocida no da ningún error que nadie vea, OpenCode se queda con su propia suposición sobre la ventana, y el síntoma es una sesión que compacta demasiado pronto en los modelos de contexto largo.
 
-`limit.context` es la ventana que acepta el proxy, que no siempre es aquella con la que se entrenó el modelo: `qwen3.8-flash` se sirve en sus 262K nativos, no en el 1M extendido con YaRN. `limit.output` es un presupuesto del cliente, no un tope del servidor, así que súbelo si necesitas respuestas más largas.
+`limit.context` es la ventana que acepta el proxy: `qwen3.8-flash` se sirve con la ventana completa de 1.048.576 tokens, igual que los demás modelos de 1M. `limit.output` es un presupuesto del cliente, no un tope del servidor, así que súbelo si necesitas respuestas más largas.
 
 ## El bloque de compactación
 

diff --git a/src/content/docs-es/pi.mdx b/src/content/docs-es/pi.mdx
@@ -41,7 +41,7 @@ En `~/.pi/agent/models.json`:
           "name": "DeepSeek V4 Flash",
           "reasoning": true,
           "input": ["text", "image"],
-          "contextWindow": 1048575,
+          "contextWindow": 1048576,
           "maxTokens": 32768
         },
         {
@@ -57,7 +57,7 @@ En `~/.pi/agent/models.json`:
           "name": "Qwen 3.8 Flash",
           "reasoning": true,
           "input": ["text", "image"],
-          "contextWindow": 262144,
+          "contextWindow": 1048576,
           "maxTokens": 32768
         },
         {

diff --git a/src/content/docs-es/vscode.mdx b/src/content/docs-es/vscode.mdx
@@ -55,7 +55,7 @@ Se abre un fichero `chatLanguageModels.json`. Déjalo así:
         "url": "https://api.nan.builders/v1/chat/completions",
         "toolCalling": true,
         "vision": true,
-        "maxInputTokens": 1015807,
+        "maxInputTokens": 1015808,
         "maxOutputTokens": 32768
       },
       {
@@ -73,7 +73,7 @@ Se abre un fichero `chatLanguageModels.json`. Déjalo así:
         "url": "https://api.nan.builders/v1/chat/completions",
         "toolCalling": true,
         "vision": true,
-        "maxInputTokens": 229376,
+        "maxInputTokens": 1015808,
         "maxOutputTokens": 32768
       },
       {

diff --git a/src/content/docs/choose-a-model.md b/src/content/docs/choose-a-model.md
@@ -44,7 +44,7 @@ If you do not know which one to pick, look for what you want to do in the first
 | `deepseek-v4-flash` | General chat and reasoning | 1M | text · image | 3B tokens/month |
 | `glm5.3` | Coding agents and long tasks | 1M | text | 3B tokens/billing period |
 | `glm5.3-flash` | Coding agents, without premium | 1M | text · image | 2B tokens/month |
-| `qwen3.8-flash` | Fast answers | 262K | text · image | 500M tokens/month |
+| `qwen3.8-flash` | Fast answers | 1M | text · image | 500M tokens/month |
 | `mimo-v2.6-flash` | The newest MiMo, omnimodal | 1M | text · image · audio | 1.0B tokens/month |
 | `gemma4` | Short tasks and testing | 262K | text · image | no counter |
 | `qwen3.6` | Previous generation | 262K | text · image | no counter |

diff --git a/src/content/docs/cline.mdx b/src/content/docs/cline.mdx
@@ -45,7 +45,7 @@ Cline asks because with a generic provider it has no way of finding out:
 |---|---|---|---|
 | `glm5.3-flash` | 1000000 | yes | yes |
 | `deepseek-v4-flash` | 1000000 | yes | yes |
-| `qwen3.8-flash` | 262144 | yes | yes |
+| `qwen3.8-flash` | 1000000 | yes | yes |
 | `glm5.3` | 1000000 | no | yes |
 
 If you tick images on a model that does not accept them, Cline will try to send it screenshots and the request will fail.

diff --git a/src/content/docs/codex.mdx b/src/content/docs/codex.mdx
@@ -42,7 +42,7 @@ wire_api = "chat"
 
 Three details that matter:
 
-- **`wire_api = "chat"`** makes Codex use `/chat/completions`. That is what you want: the cluster's `/responses` endpoint answers in one go instead of streaming, so with `"responses"` you would see the answer appear all at once at the end.
+- **`wire_api = "chat"`** makes Codex use `/chat/completions`. That is what you want with most models: the cluster's `/responses` endpoint streams incrementally only on `deepseek-v4-flash`, and on the others it answers in one go, so with `"responses"` you would see the answer appear all at once at the end.
 - **The provider identifier cannot be `openai`, `ollama` or `lmstudio`**, which are reserved. That is why it is called `nan`.
 - **`base_url` ends at `/v1`** and nothing more. Do not add the endpoint path.
 
@@ -74,6 +74,6 @@ Or leave several providers declared and pick with `--profile` if you prefer sepa
 
 - **Codex's cloud features do not apply.** Once you declare a provider of your own, everything goes to NaN from your machine.
 - **Reasoning looks different depending on the model.** The cluster's models emit their reasoning trace their own way, and Codex does not always present it the way it does with OpenAI's models.
-- **If you change `wire_api` to `"responses"`**, the answer stops appearing gradually. It is not a hang: that endpoint does not stream yet.
+- **If you change `wire_api` to `"responses"`**, only `deepseek-v4-flash` keeps showing the answer gradually. With the other models it appears all at once at the end. It is not a hang: on those models that endpoint does not stream yet.
 
 </Details>
diff --git a/src/content/docs/examples.md b/src/content/docs/examples.md
@@ -76,6 +76,80 @@ for await (const chunk of stream) {
 
 Install: `npm install openai`
 
+### structured output on deepseek-v4-flash
+
+`deepseek-v4-flash` rejects `response_format` `json_schema` with a `400`, and `json_object` only guarantees valid JSON, not its shape. To get output that follows a schema, define one function tool whose `parameters` is your JSON Schema (root `"type": "object"`, `"strict": true`) and force it with `tool_choice`. The model returns arguments that follow the schema in `choices[0].message.tool_calls[0].function.arguments`, as a JSON string. `strict` asks for an exact match; it is enforced where the model supports strict decoding, so validate the arguments if your code depends on them.
+
+```bash
+curl https://api.nan.builders/v1/chat/completions \
+  -H "Content-Type: application/json" \
+  -H "Authorization: Bearer sk-your-key-here" \
+  -d '{
+    "model": "deepseek-v4-flash",
+    "messages": [{"role": "user", "content": "Ana García is 34 and lives in Valencia."}],
+    "tools": [{
+      "type": "function",
+      "function": {
+        "name": "save_person",
+        "description": "Save the person mentioned in the text.",
+        "strict": true,
+        "parameters": {
+          "type": "object",
+          "properties": {
+            "name": {"type": "string"},
+            "age": {"type": "integer"},
+            "city": {"type": "string"}
+          },
+          "required": ["name", "age", "city"],
+          "additionalProperties": false
+        }
+      }
+    }],
+    "tool_choice": {"type": "function", "function": {"name": "save_person"}}
+  }'
+# → choices[0].message.tool_calls[0].function.arguments:
+#   {"name": "Ana García", "age": 34, "city": "Valencia"}
+```
+
+```python
+import json
+from openai import OpenAI
+
+client = OpenAI(
+  api_key="sk-your-key-here",
+  base_url="https://api.nan.builders/v1"
+)
+
+schema = {
+  "type": "object",
+  "properties": {
+    "name": {"type": "string"},
+    "age": {"type": "integer"},
+    "city": {"type": "string"}
+  },
+  "required": ["name", "age", "city"],
+  "additionalProperties": False
+}
+
+response = client.chat.completions.create(
+  model="deepseek-v4-flash",
+  messages=[{"role": "user", "content": "Ana García is 34 and lives in Valencia."}],
+  tools=[{
+    "type": "function",
+    "function": {
+      "name": "save_person",
+      "description": "Save the person mentioned in the text.",
+      "strict": True,
+      "parameters": schema
+    }
+  }],
+  tool_choice={"type": "function", "function": {"name": "save_person"}}
+)
+
+person = json.loads(response.choices[0].message.tool_calls[0].function.arguments)
+print(person)  # {'name': 'Ana García', 'age': 34, 'city': 'Valencia'}
+```
+
 ## model: qwen3-embedding
 
 vector embeddings