Recursos · Integración n8n

Nodo OpenRouter Chat Model n8nConfigura OpenRouter Chat Model en n8n.

Una sola cuenta delante de decenas de modelos, y un agente que cambia de cerebro en dos clics. El nodo OpenRouter Chat Model n8n es un subnodo: nunca se ejecuta solo y se conecta al puerto Model de un agente o de una cadena. Sus 9 parámetros cubren modelo, muestreo, longitud y reintentos.

Probar el nodo OpenRouter Chat Model en n8nVer los 9 parámetros

Reseñas verificadas en Trustpilot · Agencia de IA, automatización y growth

Por qué automatizar

¿Para qué sirve el nodo OpenRouter Chat Model n8n?

Aporta el modelo de lenguaje con el que razona un nodo raíz. En n8n, un nodo raíz como el AI Agent o una cadena recibe los items del flujo por su entrada principal, y los subnodos, es decir nodos pequeños que se enganchan a sus puertos, le prestan una capacidad: un modelo, una memoria, herramientas. Este ocupa el puerto Model y hace pasar cada prompt por una cuenta de OpenRouter.

Primer caso concreto: una tienda online que responde consultas de pedidos. Dos copias del nodo en el mismo flujo, cada una con su valor en Model, dejan que un modelo rápido resuelva las preguntas repetidas y que otro más pesado solo entre en la rama complicada. El resto del flujo no cambia, porque el nodo raíz conserva su prompt y sus herramientas.

Segundo caso: informes internos. El nodo se engancha a un AI Agent que lee filas de Google Sheets, redacta un resumen semanal y lo deja en un canal de Slack. Con Sampling Temperature baja y Maximum Number of Tokens con tope, los resúmenes salen cortos y comparables de una semana a otra.

Tercer caso: extracción. Con Response Format en JSON, el modelo devuelve JSON válido que el nodo siguiente lee sin limpiarlo antes. Es lo que quieres cuando la salida se convierte en una ficha y no en un párrafo.

¿Cuándo conviene otra cosa? Si siempre llamas al mismo proveedor, su subnodo dedicado se configura antes: los nodos OpenAI y Google Gemini existen justo para eso. Este nodo gana sentido cuando quieres una única cuenta delante de muchos modelos, con una lista que n8n carga en vivo desde OpenRouter y que solo muestra lo que esa cuenta puede llamar.

Conviene conocer los límites antes de construir. Es un subnodo, en versión 1: sin entrada principal, sin ejecución aislada, y probarlo significa lanzar el nodo raíz al que está enganchado. Sus 9 parámetros son todo lo que expone; el prompt y las herramientas se ajustan en la raíz. En la factura, n8n no añade nada, mientras el proveedor del modelo cobra sus propias llamadas de API según sus condiciones. La Reseña n8n explica cómo se compara con otras plataformas.

Conexión

¿Cómo se conecta OpenRouter con n8n?

  1. 01

    Engancha el nodo a una raíz

    Se empieza por el nodo raíz, no por este. Abre un AI Agent o una cadena en el lienzo, pulsa el puerto Model que aparece debajo y elige OpenRouter Chat Model en la lista. Un subnodo no tiene entrada principal y nunca se ejecuta solo: solo cobra sentido colgado de una raíz. Mientras ese enlace no exista, al ejecutar no ocurre nada.

  2. 02

    Crea el credential de OpenRouter una vez

    Abre el menú Credentials de n8n, crea el credential de OpenRouter y selecciónalo en el nodo. Un credential es un juego de datos de conexión guardado en n8n: lo rellenas una sola vez y todos los flujos de la instancia lo reutilizan, tanto en n8n Cloud como en una instancia autoalojada. Si varias personas trabajan en la misma instancia, un credential basta para todos sus flujos.

  3. 03

    Elige un modelo y lanza la raíz

    Despliega Model. n8n carga la lista en vivo desde OpenRouter y solo muestra los modelos accesibles para la cuenta del credential, así que una lista vacía o muy corta señala al credential y no al nodo. Después ejecuta el nodo raíz: esa única ejecución mueve también al subnodo. No busques un botón de ejecución en este nodo, no lo tiene.

Conexiones

¿Dónde se conecta el nodo?

n8n parte el trabajo de IA en dos: el nodo raíz lleva la lógica y los items del flujo, y los subnodos se enganchan a sus puertos para prestarle una capacidad. Este es un subnodo con un único puerto de salida.

Salida (dónde se conecta)

  • Modelai_languageModel
01ModelEl nodo se conecta por el puerto Model, el que lee una raíz cuando necesita un modelo de lenguaje para generar texto. Un puerto admite un solo modelo de chat. Cambiar de proveedor significa sustituir el subnodo.

El nodo se conecta por el puerto Model, el que lee una raíz cuando necesita un modelo de lenguaje para generar texto. Un puerto admite un solo modelo de chat. Cambiar de proveedor significa sustituir el subnodo.

Parámetros clave

  • Required: una raíz que exponga ese puerto, porque el subnodo no tiene entrada principal ni se ejecuta solo.
  • AI Agent y AI Agent Tool: los dos nodos de agente.
  • Basic LLM Chain y Question and Answer Chain: raíces más simples, para un prompt único o una pregunta sobre documentos.
Casos de uso
un agente de soporte que responde y dispara herramientas, o una cadena de prompt único que prepara una respuesta que valida una persona.
Parámetros

¿Qué se configura en el nodo?

El nodo OpenRouter Chat Model tiene 9 parámetros. Para cada uno: el nodo tal como lo configuras en n8n, qué cambia el parámetro y nuestras notas de campo.

01

Model

model

Lo que ves en n8n

Notas y casos de uso

Es el ajuste que siempre se toca: nombra el modelo que genera la completación. n8n carga la lista de forma dinámica desde OpenRouter, así que el desplegable refleja la cuenta y no un catálogo fijo.

Parámetros clave

  • Model: el modelo que genera la completación, cargado en vivo desde OpenRouter, que solo muestra los modelos disponibles para tu cuenta.
Casos de uso
dos copias del nodo en el mismo flujo, un modelo en la rama que clasifica y otro en la que redacta, de forma que cambiar de modelo siga siendo cambiar de desplegable.
02

Frequency Penalty

options.frequencyPenalty

Lo que ves en n8n

Notas y casos de uso

La repetición delata a un modelo atascado que sirve la misma frase apenas reformulada. Los valores positivos penalizan los tokens según la frecuencia que ya tienen en el texto, lo que reduce la repetición literal.

Parámetros clave

  • Frequency Penalty: un número; los valores positivos penalizan los tokens nuevos según su frecuencia en el texto ya generado, reduciendo la probabilidad de que el modelo repita la misma línea de forma literal.
Casos de uso
fichas de producto generadas en serie, donde la misma frase de gancho reaparece en cada fila del catálogo.
03

Maximum Number of Tokens

options.maxTokens

Lo que ves en n8n

Notas y casos de uso

La longitud, planteada como presupuesto y no como número de palabras. Un token es la unidad con la que los modelos cuentan el texto, y este valor pone tope a los que puede gastar la completación.

Parámetros clave

  • Maximum Number of Tokens: un número que limita los tokens generados; la mayoría de modelos tiene una longitud de contexto de 2048 tokens, salvo los más recientes, que llegan a 32,768.
Casos de uso
una respuesta que se publica en un hilo de chat, donde el tope mantiene el mensaje legible en lugar de inundar el canal.
04

Response Format

options.responseFormat

Lo que ves en n8n

Notas y casos de uso

Decide la forma de lo que vuelve: prosa o algo legible por máquina. El modo JSON es lo que hace que la respuesta se pueda entregar al nodo siguiente sin limpiarla antes.

Parámetros clave

  • Text (text): una respuesta de texto normal, la forma esperada cuando el resultado lo lee una persona.
  • JSON (json_object): activa el modo JSON, que debe garantizar que el mensaje generado sea JSON válido.
Casos de uso
un paso de extracción cuya salida se convierte en una fila, donde una frase suelta junto a las llaves rompería la lectura posterior.
05

Presence Penalty

options.presencePenalty

Lo que ves en n8n

Notas y casos de uso

Donde la penalización anterior cuenta las apariciones, esta solo mira si el token ya salió alguna vez. Al subirla, el modelo se desplaza hacia temas que todavía no ha tocado.

Parámetros clave

  • Presence Penalty: un número; los valores positivos penalizan los tokens nuevos según si ya aparecen en el texto generado, aumentando la probabilidad de que el modelo hable de temas nuevos.
Casos de uso
un generador de ideas que debe proponer ángulos distintos en vez de estirar el primero que encontró.
06

Sampling Temperature

options.temperature

Lo que ves en n8n

Notas y casos de uso

El azar, resumido en un número. Al bajarla las completaciones salen menos aleatorias; cerca de cero el modelo se vuelve determinista y repetitivo, que es justo lo que pide un flujo cuando la misma entrada debe dar la misma salida.

Parámetros clave

  • Sampling Temperature: un número que controla la aleatoriedad; una temperatura más alta genera un muestreo más diverso pero aumenta el riesgo de alucinaciones.
Casos de uso
un clasificador que debe devolver dos veces la misma etiqueta para la misma consulta, frente a un borrador creativo donde la variedad es el objetivo.
07

Timeout

options.timeout

Lo que ves en n8n

Notas y casos de uso

Un techo para la espera. Fija el tiempo máximo que puede durar una petición, en milisegundos, para que un modelo que se atasca haga fallar el paso en vez de dejar la ejecución abierta.

Parámetros clave

  • Timeout: un número, el tiempo máximo de una petición en milisegundos.
Casos de uso
un lote de prompts largos lanzado de madrugada, donde una llamada bloqueada debe abandonarse antes que retener toda la cola detrás.
08

Max Retries

options.maxRetries

Lo que ves en n8n

Notas y casos de uso

Los fallos pasajeros existen, y este ajuste marca cuánto insiste el nodo. Define el número máximo de reintentos antes de que el paso se rinda y el error aparezca en la ejecución.

Parámetros clave

  • Max Retries: un número, el máximo de reintentos a realizar sobre una petición.
Casos de uso
un proceso nocturno sobre muchos items, donde dos reintentos salvan el trabajo y demasiados convierten un prompt defectuoso en una larga serie de llamadas facturadas.
09

Top P

options.topP

Lo que ves en n8n

Notas y casos de uso

La otra rueda sobre la diversidad, por muestreo de núcleo: un valor de 0.5 significa que se considera la mitad de las opciones ponderadas por verosimilitud. Cuanto más baja, más ignora el modelo las opciones poco probables.

Parámetros clave

  • Top P: un número que controla la diversidad por muestreo de núcleo; la indicación que acompaña al parámetro es modificar este o Sampling Temperature, pero no los dos.
Casos de uso
un paso de reescritura con vocabulario acotado, donde reducir el conjunto se razona mejor que tocar la temperatura.
Necesitas ayuda

¿Necesitas ayuda para automatizar OpenRouter Chat Model con n8n?

El equipo te responde directamente.

Cada mensaje lo lee una persona.

FAQ

OpenRouter Chat Model en n8n: preguntas frecuentes

01¿El nodo OpenRouter Chat Model n8n es gratis?
Sí, por el lado de n8n. El nodo pertenece al paquete de IA que se entrega con n8n: nada que instalar y nada extra que pagar, tanto en n8n Cloud como en una instancia autoalojada en Community Edition, bajo licencia Sustainable Use. Un flujo se comporta igual en los dos casos. Lo que cuesta es el modelo: el proveedor que hay detrás de la llamada factura su propio uso de API según sus condiciones, y n8n no añade nada encima. La respuesta honesta cabe en una frase: el nodo es gratis, las completaciones no.
02¿Qué credentials hacen falta para que funcione?
Dos cosas. Primero un credential de OpenRouter, creado una sola vez en el menú Credentials de n8n y reutilizado por todos los flujos de la instancia. Después un nodo raíz al que engancharse, porque esto es un subnodo: sin entrada principal y sin ejecución aislada. Conéctalo al puerto Model de un AI Agent, de una cadena o de otra raíz, selecciona el credential y elige un valor en Model. Si el desplegable vuelve vacío, mira el credential antes que el nodo: n8n construye esa lista en vivo desde la cuenta.
03¿Qué límites tiene el nodo?
Hace una sola cosa y expone 9 parámetros, ni uno más. Sin entrada principal no puede colocarse en medio de un flujo ni ejecutarse solo: se lanza la raíz y el subnodo va con ella. La página describe la versión 1 del nodo, la más alta del catálogo, y un flujo antiguo puede mostrar menos opciones. La lista de modelos tampoco es fija, porque n8n la carga desde OpenRouter y solo enseña lo que alcanza la cuenta. El prompt, las herramientas y la memoria se ajustan en la raíz, no aquí.
04¿Qué hay que conectar para empezar?
Como mínimo, una raíz y un credential. El punto de partida más simple es Basic LLM Chain: un prompt de entrada, una completación de salida, este nodo en su puerto Model y nada más que ajustar. Cuando eso funcione, pasa al AI Agent si el modelo además debe llamar herramientas, o a Information Extractor y Text Classifier si el trabajo es fijo y la salida tiene que ser estructurada. Deja las opciones quietas en la primera prueba y ajusta Sampling Temperature y Maximum Number of Tokens cuando veas qué devuelve el modelo.
05¿n8n o Make para modelos de IA?
Depende sobre todo de dónde tenga que vivir el flujo. n8n se autoaloja con Docker o npm, o se usa en n8n Cloud, y el flujo es idéntico en ambos casos, algo que pesa cuando los prompts llevan datos que prefieres mantener en tus servidores. Make solo existe alojado, sin opción de autoalojamiento, y se factura por operación, así que un flujo de IA hablador se lee distinto en la factura. Los dos ofrecen un lienzo visual. Decide por el alojamiento, el control de los datos y el modelo de coste, no por una lista de funciones.
Hack'celeration Lab

Recibe nuestros tips de integración cada semana.

Sin spam. Cancela cuando quieras.

Misma plataforma

Otros docs útiles sobre este stack.

Ver todas las integraciones