Nodo Hugging Face Inference Model n8nConfigura Hugging Face Inference Model en n8n.

Indica el modelo que genera el completado. Lo demás del panel solo moldea su comportamiento, así que este es el primer campo que se rellena y el que se cambia cuando la calidad se tuerce.

• Model: un campo de texto con el identificador del modelo; déjalo fijo para un modelo único, o gobiérnalo con una expresión {{ $json.model }} cuando un nodo anterior decida el modelo item por item.

Dirige el nodo a una URL de inferencia propia en lugar del servicio por defecto. Déjalo vacío en el uso normal y rellénalo solo cuando el modelo viva en una infraestructura que controlas.

• Custom Inference Endpoint: la URL del punto de inferencia personalizado, escrita entera o traída de un nodo anterior con {{ $json.endpoint }} cuando pruebas y producción no apuntan al mismo sitio.

Los valores positivos penalizan los tokens nuevos según la frecuencia con la que ya aparecen en el texto, lo que reduce la probabilidad de que el modelo repita la misma línea palabra por palabra. Se toca cuando un texto generado empieza a dar vueltas sobre sí mismo.

• Frequency Penalty: un número; súbelo cuando una respuesta larga recicle las mismas fórmulas, y déjalo quieto en salidas cortas y factuales donde la repetición no molesta.

Pone un techo a los tokens que puede usar el completado. Un token es un trozo de texto, más o menos una palabra corta o un fragmento, y este ajuste decide si la respuesta cabe en una frase o en una página.

• Maximum Number of Tokens: un número limitado por la longitud de contexto del modelo, que en la mayoría es de 2048 tokens, con los más recientes bastante por encima.

Aquí la penalización salta en cuanto un token ha aparecido una vez, lo que empuja al modelo a abrir temas nuevos. Palanca distinta de Frequency Penalty: aquella pelea contra la repetición, esta contra quedarse clavado en un solo tema.

• Presence Penalty: un número; súbelo cuando una lluvia de ideas gire siempre alrededor de la misma, y déjalo en reposo cuando la consigna sea no salirse del tema.

Controla el azar. Bajarla produce completados menos aleatorios, y cuando la temperatura se acerca a cero el modelo se vuelve determinista y repetitivo. Es el primer parámetro que se toca cuando un flujo necesita respuestas reproducibles.

• Sampling Temperature: un número; cerca de 0 para clasificar o extraer, donde la misma entrada debe dar la misma salida, y más alto cuando toca escribir algo nuevo.

Fija cuántos tokens candidatos considera el modelo dentro de la operación de muestreo para crear el texto siguiente. Estrechar ese grupo mantiene la salida pegada a la continuación más previsible.

• Top K: un número que marca el tamaño de ese grupo de candidatos; un valor pequeño aprieta la generación, uno grande deja volver a los tokens menos probables.

Regula la diversidad mediante muestreo de núcleo: 0.5 significa que se consideran la mitad de las opciones ponderadas por probabilidad. La recomendación oficial es tocar este parámetro o la temperatura, pero no los dos a la vez.

• Top P: un número; bájalo para ignorar las opciones menos probables, y elige entre él y Sampling Temperature en lugar de ajustar ambos.