Langfuse vs. LangSmith: comparativa de plataformas de observabilidad para LLM

Cuando un chatbot empieza a dar malas respuestas, el instinto es revisar el prompt. Para una única llamada a un LLM, suele bastar. Deja de funcionar cuando la aplicación es un agente que hace llamadas a herramientas.

Ese contexto que falta es justo lo que aportan las plataformas de observabilidad para LLM. No son herramientas de monitorización de aplicaciones tradicionales. Una herramienta clásica te da latencia y tasas de error. Una plataforma de observabilidad para LLM te dice qué llamada a una herramienta devolvió un mal resultado y si un cambio en el prompt mejoró la calidad de la salida.

Tanto Langfuse como LangSmith cubren trazabilidad, evaluación y gestión de prompts, y ambas lanzaron actualizaciones importantes a inicios de 2026. No son intercambiables, eso sí. La diferencia depende de los requisitos de despliegue, el stack técnico y cómo tu equipo ejecuta las evaluaciones.

Respuesta corta: Langfuse encaja con equipos que necesitan autoalojamiento open source, control de datos o un stack fuera de LangChain. LangSmith encaja con equipos que quieren una plataforma agnóstica al framework, con observabilidad, evaluación, depuración y flujos de trabajo de producción integrados para aplicaciones con LLM. Si no se cumple ninguna de las dos condiciones, yo miraría el precio.

¿Qué son Langfuse y LangSmith?

A grandes rasgos, ambos productos hacen que las aplicaciones con LLM sean observables, comprobables y depurables. Esto es lo que aporta cada uno.

Resumen de posicionamiento de Langfuse frente a LangSmith. Imagen del autor.

¿Qué es Langfuse?

Langfuse es una plataforma open source de ingeniería con LLM lanzada en 2023. Cubre trazabilidad, gestión de prompts, evaluación (LLM-as-judge, anotación humana y comprobaciones basadas en código), experimentos con datasets y monitorización de costes y latencia. El núcleo open source tiene licencia MIT.

En enero de 2026, ClickHouse anunció una Serie D de 400 millones de dólares y adquirió Langfuse. Langfuse forma ahora parte de ClickHouse, la base de datos columnar que ya impulsaba su backend. La licencia MIT y la identidad open source se mantuvieron sin cambios en ese momento.

Langfuse se ofrece como servicio gestionado en la nube con regiones en EE. UU., UE y Japón, o como instancia autoalojada open source sin coste de licencia de software.

¿Qué es LangSmith?

LangSmith es una plataforma de observabilidad y evaluación agnóstica al framework creada por LangChain Inc., el equipo detrás de LangChain, LangGraph y Deep Agents. La plataforma es propietaria y de código cerrado. LangChain recaudó 125 millones de dólares con una valoración de 1.250 millones en octubre de 2025.

Sus principales capacidades incluyen trazabilidad a lo largo de la ejecución, depuración visual, evaluaciones automatizadas, monitorización en producción y gestión de prompts mediante Prompt Hub y el Playground. En mayo de 2026, LangChain lanzó SmithDB, una capa de datos en Rust que ahora gestiona el 100% de la ingesta de LangSmith en la nube de EE. UU. SmithDB está diseñado para las cargas de datos únicas que generan las aplicaciones con LLM y reduce la carga P50 de árboles de trazas a 92 milisegundos y la búsqueda de texto completo a 400 milisegundos.

LangSmith está disponible como servicio gestionado en la nube, despliegue en tu propia nube (BYOC) con datos en el VPC del cliente o autoalojado para Enterprise. LangChain también anunció que el LangSmith autoalojado admitirá bring-your-own-key (BYOK) para Engine, su agente integrado para detectar y corregir errores en aplicaciones con LLM.

Open source vs. SaaS gestionado

La diferencia clave entre ambas plataformas no es «open source frente a no open source». La auténtica diferencia es control y portabilidad por un lado, y flujos gestionados por el otro. Langfuse te permite ejecutar el stack en tu propia infraestructura sin coste de licencia. LangSmith ofrece nube gestionada, BYOC y despliegues autoalojados, con soporte nativo profundo para LangChain, LangGraph y Deep Agents, sin obligarte a usar esos frameworks.

Una novedad cambia cómo plantear la comparativa: LangSmith ya admite trazabilidad con OpenTelemetry mediante el paquete langsmith[otel] y la variable de entorno LANGSMITH_OTEL_ENABLED=true. Es una de varias formas de usar LangSmith con aplicaciones que no están en LangChain. 

Aquí es donde se sitúan estructuralmente ambas plataformas:

El resto del artículo explica qué significan estas diferencias en la práctica.

Trazabilidad y observabilidad

En trazabilidad es donde los productos empiezan a separarse. Ambos capturan llamadas a LLM, llamadas a herramientas y metadatos relacionados, pero los flujos de agentes evidencian las diferencias antes que las apps sencillas de pregunta-respuesta.

Trazabilidad de peticiones

Langfuse construye trazas jerárquicas que capturan llamadas a LLM, invocaciones de herramientas, embeddings y pasos de recuperación. Puedes filtrar por usuario, sesión, coste, latencia o metadatos personalizados. En mayo de 2026, Langfuse añadió búsqueda de texto completo con el motor FTS nativo de ClickHouse, reduciendo búsquedas que antes tardaban cerca de 20 segundos a menos de medio segundo.

LangSmith captura cada llamada a LLM y uso de herramienta como un árbol de ejecución inspeccionable. Con SmithDB gestionando toda la ingesta en la nube de EE. UU., los árboles de trazas cargan en P50 a 92 milisegundos. LangSmith también incluye clustering de temas no supervisado, que agrupa trazas por temática detectada y da un punto de partida cuando no está claro qué falla.

Visibilidad de flujos de agentes

Langfuse añadió Agent Graphs en noviembre de 2025, visualizando el flujo de ejecución para agentes multi-paso al inferir la estructura del grafo a partir de tiempos y anidación de observaciones. Funciona con cualquier framework instrumentado, con soporte nativo para LangGraph incluido. En ese mismo momento se añadió Trace Log View, que ofrece un flujo plano de pasos del agente para workflows con muchos bucles o ramificaciones.

Grafo de agente en Langfuse para una ejecución con LangGraph. Imagen del autor.

La trazabilidad de LangGraph en LangSmith captura cada nodo, arista y transición de estado en una ejecución sin más configuración que establecer una variable de entorno. LangSmith Studio te permite avanzar paso a paso por la ejecución del agente, inspeccionar el estado en cada nodo y reproducir una traza con otro modelo o prompt. En una aplicación con LangGraph, esto da más contexto que un árbol de trazas genérico. En septiembre de 2026, LangSmith lanzó Trajectories, que facilitan depurar trazas e integrarlas en bucles de feedback con expertos de dominio.

Árbol de trazas en LangSmith para un flujo de agente. Imagen del autor.

Monitorización en producción

Para producción, ambas plataformas registran latencia, uso de tokens, coste y tasas de error. LangSmith incluye alertas con PagerDuty y webhooks para incidentes, junto con flujos de monitorización ligados a trazas y evaluaciones. Langfuse incluye alertas de gasto con umbrales configurables. A este nivel, las funciones de monitorización son similares.

Evaluación offline y online

La trazabilidad te dice qué pasó. La evaluación te dice si estuvo bien. En la práctica, estas herramientas son más útiles cuando la evaluación forma parte del flujo, no solo de una lista previa al lanzamiento.

LLM-as-a-judge y evaluadores por código

El LLM-as-judge de Langfuse pasó a ser totalmente open source bajo MIT en junio de 2025. Cualquier usuario autoalojado en la v3.65.0 o posterior lo obtiene sin licencia comercial. En mayo de 2026, Langfuse lanzó Code Evaluators: funciones evaluate en Python o TypeScript que escribes directamente en la interfaz de Langfuse. Ejecutan comprobaciones deterministas (validación de esquemas JSON, validación con regex o verificación de argumentos de herramientas) sin coste de tokens ni llamada a un modelo juez.

LangSmith ofrece evaluadores LLM-as-judge configurables con tipos de feedback booleano, categórico y continuo, además de plantillas integradas para seguridad, protección y calidad. También admite few-shot correction, donde las correcciones etiquetadas por humanos en las salidas del evaluador se retroalimentan como ejemplos few-shot para mejorar su calibración con el tiempo.

Datasets, experimentos y anotación humana

La evaluación offline funciona en ambas plataformas mediante datasets y comparaciones de experimentos lado a lado. Langfuse añadió Score Analytics en noviembre de 2025 para medir la alineación de evaluadores en precisión, recall, F1, coste y exactitud. La comparación con baseline, también en noviembre de 2025, te permite marcar una ejecución como referencia y detectar regresiones frente a ella.

La integración de CI/CD con GitHub Actions de Langfuse, lanzada en mayo de 2026 mediante langfuse/experiment-action, falla un workflow cuando las puntuaciones del experimento caen por debajo de un umbral. Así, la evaluación se convierte en una puerta de despliegue en lugar de una revisión posterior al lanzamiento.

Bucle de evaluación en Langfuse con GitHub Actions. Imagen del autor.

La configuración de evaluación en LangSmith tiene un detalle de facturación a tener en cuenta desde el principio: los evaluadores que añaden feedback a las trazas pueden pasarlas a retención extendida. Como comentaré en la sección de precios, eso cambia el coste de los flujos de evaluación.

Versionado, despliegue y A/B testing de prompts

La gestión de prompts aquí es más que un historial de versiones. El flujo es: iterar en un entorno de pruebas, testear contra un dataset, promover a producción y revertir con limpieza cuando algo falla.

Langfuse asigna a cada versión de prompt un ID de versión y usa etiquetas como production y staging para controlar qué versión está activa. Cambiar una etiqueta en la interfaz es cómo despliegas o haces rollback. Los prompts se cachéan en cliente mediante el SDK, así que no se añade latencia a las llamadas en producción cuando el SDK obtiene la versión activa. Las etiquetas protegidas permiten que los administradores limiten qué roles pueden modificar la etiqueta production, algo importante cuando hay colaboradores con distintos niveles de acceso.

LangSmith gestiona prompts a través de Prompt y Context Hub con versionado por hash de commit para fijar versiones exactas de forma programática. Prompt Hub incluye una biblioteca de la comunidad que Langfuse no replica. El A/B testing vía experimentos con datasets está disponible en ambas plataformas.

En esta categoría, los productos están más cerca entre sí que en hosting, precios o encaje con frameworks.

Langfuse vs. LangSmith para aplicaciones con agentes

Los agentes han impulsado gran parte del desarrollo de funciones en ambos productos el último año. Aquí importa dónde está construido el agente.

Langfuse muestra las herramientas disponibles, destaca cuáles se llamaron y enseña argumentos e IDs de llamada. Tipos de observación ampliados distinguen llamadas a herramientas, embeddings y guardrails en la vista de trazas. Como comenté, los Code Evaluators también pueden verificar argumentos de herramientas contra un esquema. El servidor MCP se amplió en mayo de 2026 a 15 categorías de herramientas, de modo que agentes en Claude Code, Cursor u OpenAI Codex puedan consultar datos de Langfuse por programación.

El punto de LangGraph de la sección de trazabilidad vuelve a aparecer aquí. El soporte de agentes en LangSmith incluye inspección de estado en cada nodo, reproducción de trazas con modelos alternativos y LangSmith Studio para depuración visual paso a paso. El equipo de ingeniería de Monte Carlo, que opera un sistema en producción con cientos de subagentes, citó esta integración de LangGraph sin configuración como una razón clave para elegirlo.

Para agentes construidos con CrewAI, Pydantic AI u otros frameworks multiagente, Langfuse tiene una instrumentación nativa más amplia y suele requerir menos configuración manual.

Integraciones con frameworks y SDK

Langfuse enumera integraciones amplias con proveedores de modelos, frameworks, gateways, herramientas no-code, analítica y herramientas de desarrollo. Entre los frameworks están LangChain, LangGraph, OpenAI Agents SDK, Pydantic AI, CrewAI, AutoGen, DSPy, Haystack, LlamaIndex y otros. La plataforma es nativa de OpenTelemetry a nivel de SDK.

Los SDK nativos de LangSmith cubren Python, TypeScript, Go y Java. Más allá de LangChain, LangGraph y Deep Agents, funciona con OpenAI SDK, Anthropic SDK, Vercel AI SDK, LlamaIndex, implementaciones personalizadas y OpenTelemetry. Eso significa que no es una herramienta de trazabilidad exclusiva de LangChain.

La pregunta práctica no es solo si un framework está soportado, ya que la mayoría de populares funcionan en ambas. Es cuánta instrumentación necesitas escribir.

Langfuse open source vs. LangSmith Enterprise

El autoalojamiento cambia más el panorama operativo y de cumplimiento que la mayoría de categorías de funciones.

El autoalojamiento de Langfuse es gratuito bajo MIT. Docker Compose sirve para desarrollo o evaluación; los despliegues en producción suelen usar Kubernetes con Helm en GKE, EKS o AKS. El stack incluye ClickHouse, PostgreSQL, Redis y almacenamiento compatible con S3, con una VM mínima recomendada de 4 cores y 16 GiB de RAM. La licencia de software no cuesta nada, pero tu equipo asume la infraestructura y las operaciones. Su edición Enterprise autoalojada de pago añade soporte dedicado, logs de auditoría, SCIM y SLAs.

En cumplimiento, Langfuse Cloud cuenta con SOC 2 Type II, ISO 27001, GDPR y HIPAA. LangSmith Cloud tiene SOC 2 Type II, GDPR y HIPAA. ISO 27001 no figura en LangSmith. Si tu proceso de compras exige esa certificación, es una diferencia concreta.

El autoalojamiento de LangSmith requiere un contrato Enterprise. No hay una vía open source y gratuita para autoalojarlo. Los tres modelos de despliegue (Cloud, Bring-Your-Own-Cloud (BYOC) y autoalojado) se engloban bajo Enterprise. SmithDB está disponible en todos los métodos de hosting.

Precios: Langfuse vs. LangSmith

El precio de portada no cuenta toda la historia.

Además, los precios cambian a menudo en esta categoría. Las cifras siguientes reflejan las páginas oficiales que consulté en junio de 2026, pero revisa las páginas de precios actuales antes de presupuestar con cualquiera de las dos.

Precios de Langfuse

Langfuse Cloud cobra por unidades: una unidad equivale a una traza, una observación o una puntuación. La fórmula es Units = Traces + Observations + Scores, así que una ejecución de agente con muchas herramientas puede costar más que una traza simple de prompt-respuesta. El plan gratuito Hobby incluye 50.000 unidades al mes, 30 días de retención y dos usuarios. Core cuesta 29 $/mes con 100.000 unidades incluidas, usuarios ilimitados y 90 días de retención. Pro son 199 $/mes con acceso a datos durante 3 años y certificaciones de cumplimiento. Enterprise empieza en 2.499 $/mes con volumen personalizado. El exceso comienza en 8 $ por cada 100.000 unidades adicionales.

Como comenté, el Langfuse autoalojado no tiene coste de licencia de software. SCIM, logs de auditoría y soporte enterprise requieren licencia comercial.

Precios de LangSmith

LangSmith cobra por asiento y por traza. El plan Developer es gratuito con 5.000 trazas al mes, un asiento y 14 días de retención. Plus cuesta 39 $ por asiento y mes con 10.000 trazas base incluidas. Las trazas base tienen 14 días de retención; las trazas extendidas guardan datos 400 días y cuestan más. Un equipo de cinco en Plus paga 195 $/mes en asientos antes del exceso de trazas. Enterprise tiene precio a medida.

Mecánica de retención de datos

Como comenté, la retención extendida se activa automáticamente cuando los evaluadores añaden feedback a las trazas. Lee la documentación de facturación de LangSmith sobre la auto-retención extendida antes de configurar pipelines de evaluación.

Estos detalles importan porque pequeñas diferencias en la profundidad de trazas, uso de evaluadores y retención pueden cambiar la factura mensual.

Tabla comparativa: Langfuse vs. LangSmith

Como dije, las principales diferencias son la propiedad, el encaje con frameworks, el flujo de evaluación y el precio. La tabla de abajo condensa estos puntos antes de las secciones finales de decisión.

Errores al elegir una plataforma de observabilidad para LLM

Primero, en mi opinión: no te centres solo en la trazabilidad. La trazabilidad te dice qué pasó, pero la evaluación te dice si el resultado fue bueno. Si eliges solo por la visualización de trazas, estás usando el criterio equivocado.

Segundo: vigila la mecánica de precios. Como vimos arriba, el coste de Langfuse crece con la profundidad de la traza, mientras que la retención extendida de LangSmith puede cambiar el coste de la evaluación automatizada. Haz números antes de producción.

Tercero, autoalojamiento no significa lo mismo en ambos productos. La sección de autoalojamiento anterior lo muestra. Si la soberanía de datos es un requisito innegociable, esa diferencia puede decidir la comparativa.

Por último, no decidas solo por compatibilidad de framework. Ambas plataformas admiten múltiples stacks de aplicaciones, y los stacks cambian. Los requisitos de despliegue y los flujos de evaluación son más difíciles de cambiar después.

Cuándo elegir Langfuse

Según los compromisos anteriores, Langfuse encaja mejor cuando:

• Tu equipo quiere integraciones nativas para frameworks como CrewAI, Pydantic AI, LlamaIndex o llamadas directas a las APIs de OpenAI o Anthropic.
• La soberanía de datos es irrenunciable y las entradas, salidas y trazas de LLM deben permanecer en tu infraestructura.
• Tu equipo quiere evaluación integrada en CI/CD con puertas de regresión automatizadas mediante GitHub Actions.
• Necesitas costes predecibles para un equipo en crecimiento, ya que los planes Cloud de pago incluyen usuarios ilimitados.

Cuándo elegir LangSmith

Con los mismos criterios, LangSmith encaja mejor cuando:

• Quieres una plataforma agnóstica a modelos y frameworks para observabilidad, evaluación, depuración y monitorización en producción de aplicaciones con LLM, con soporte especialmente profundo para los frameworks de LangChain.
• Tu equipo quiere una plataforma gestionada que cubra todo el ciclo de mejora de agentes.
• Quieres una base de datos de alto rendimiento para tus trazas que puedas desplegar en tu infraestructura preferida
• Tus necesidades van más allá de la observabilidad hacia la plataforma más amplia de LangSmith, incluyendo evaluación, monitorización en producción, agent server y LLM Gateway.
• Quieres trazas, datasets, experimentos, evaluaciones online, feedback humano y monitorización en producción conectados en un único flujo.

Conclusión

Langfuse y LangSmith resuelven un problema real y ambos han cambiado mucho en el último año. A estas alturas, el compromiso es claro.

La decisión no va de qué plataforma tiene más funciones. Es el compromiso entre propiedad y ecosistema del que hablábamos. ¿Necesitas una vía open source con control directo sobre tu stack de datos o prefieres una plataforma gestionada con observabilidad, evaluación y flujos de producción integrados?

Un aviso antes de decidir: ambas plataformas cambian a menudo. Revisa los changelogs antes de comprometerte.

Para más contexto sobre el ecosistema LangChain, consulta nuestro tutorial de LangChain vs. LangGraph vs. LangSmith vs. LangFlow.