Si una aplicación muestra mal los fragmentos de razonamiento de un modelo, repetir consultas reales puede complicar el diagnóstico. llm-echo 0.5 ofrece una salida controlada para comprobar esa integración: añade compatibilidad con razonamiento simulado y amplía el registro de uso ficticio. Ayuda a revisar el código que recibe una respuesta, aunque no evalúa la inteligencia del sistema.
Simon Willison publicó el anuncio de la versión el 18 de octubre a las 23:16 UTC: en Madrid ya era el 19 de octubre de 2026, a la 01:16. La distribución 0.5 está disponible en PyPI; la release de GitHub no está marcada como preliminar.
Qué cambia en esta versión
llm-echo es un plugin de depuración para LLM, la herramienta de línea de comandos y biblioteca de Python. Su modelo llamado echo devuelve información de la entrada en JSON, un formato de datos estructurados. No necesita ejecutar un modelo de lenguaje ni llamar a la API de un proveedor para generar esa respuesta.
Esa función básica ya existía. La novedad de la release 0.5 es el soporte de tokens de razonamiento y la ampliación del cómputo simulado para contemplar mensajes de sistema, herramientas y razonamiento. El paquete requiere Python 3.11 o superior y LLM 0.36 o superior, según sus metadatos; su licencia es Apache 2.0.
Un razonamiento prefijado para revisar la interfaz
Al activar la opción thinking, el código de la versión 0.5 emite dos fragmentos de texto prefijados como razonamiento y después el JSON como texto de respuesta. Son eventos separados. No representan una reflexión real ni explican cómo decide otro modelo.
Pensemos en un equipo que acaba de cambiar una pantalla de respuestas progresivas —streaming, mostrar el contenido mientras llega—. Quiere comprobar que el panel de razonamiento y la respuesta final aparecen en lugares distintos. Con esa salida controlada puede preparar una prueba de presentación sin introducir la variabilidad de un modelo.
Es un ejemplo conceptual, no ejecutado por Puntoes. El criterio de aceptación sería que ambos tipos de contenido se distingan y que la aplicación conserve la respuesta final. Después seguirían siendo necesarias pruebas con el proveedor real: formatos concretos, interrupciones de red y otros fallos pueden comportarse de manera diferente.
El recuento no sirve para calcular una factura
La implementación utiliza split para contar palabras: incluye el prompt, el mensaje de sistema y las salidas de herramientas en la entrada; para la salida considera el texto devuelto y, cuando corresponde, los fragmentos prefijados de razonamiento. No aplica el tokenizador de un proveedor.
Por tanto, puede ayudar a comprobar que la aplicación recoge y presenta campos de uso. No permite estimar el precio de una consulta real, comparar eficiencia entre modelos o acreditar su calidad. Un contador visible y una medición económica son comprobaciones distintas.
Tampoco conviene confundir la respuesta simulada con el aislamiento de toda la prueba. Si el programa que la rodea conecta herramientas con funciones reales, estas pueden producir efectos externos. Para este tipo de comprobación, nuestra recomendación es sustituirlas por funciones de prueba sin esos efectos.
La distinción encaja con evaluar un agente antes de darle tareas reales: primero comprobar las conexiones y el recorrido; después evaluar decisiones, resultados y permisos con las condiciones que realmente importan. llm-echo facilita una parte de ese trabajo, sin sustituir las demás.