LangWatch reúne observabilidad, evaluación y pruebas para equipos que desarrollan aplicaciones con modelos de lenguaje. Permite estudiar qué ocurrió dentro de una ejecución y comprobar si un cambio mejora o empeora el comportamiento del agente.
Qué ofrece
Las trazas registran pasos, llamadas a herramientas, tokens, latencia y coste. Sus integraciones incluyen OpenTelemetry y SDK de Python y TypeScript. La plataforma combina evaluaciones sobre conjuntos de datos con seguimiento del tráfico real, de modo que el equipo puede investigar fallos y convertirlos en casos de prueba.
Cómo se evalúa la calidad
Admite métricas propias, evaluadores y modelos como jueces, además de comparaciones entre resultados. Las simulaciones reproducen conversaciones de varios turnos y permiten comprobar escenarios antes de publicar cambios. La gestión de prompts añade historial y control de versiones. Estas pruebas ayudan a detectar regresiones, pero no garantizan por sí solas que todas las respuestas sean correctas.
Planes y despliegue
El plan Developer se presenta como gratuito, con límites de eventos, usuarios y retención. Growth combina precio por puesto con consumo de eventos; la página consultada muestra 29 euros por puesto principal y mes. También existen opciones empresariales y de alojamiento propio. Revisa la retención y el volumen previsto, porque condicionan el coste y el análisis histórico.
Para quién es
Está orientado a desarrolladores, responsables de calidad y equipos de plataforma de IA. Requiere instrumentar la aplicación y definir qué significa una respuesta aceptable. Es especialmente útil cuando necesitas justificar una mejora con datos y conservar las trazas que explican un fallo.






Valoraciones y comentarios