# Modelo de capacidad — 100.000 facturas/mes

No sustituye una corrida real de 100k PDFs. Usa supuestos conservadores + evidencia k6 del 2026-07-13.

## Objetivo

| Escenario | Facturas/hora necesarias |
|-----------|--------------------------|
| 100k/mes 24×7 | ≈ 139/h |
| 100k/mes jornada 8h×22d | ≈ 570/h |

## Estimaciones por etapa (host compartido 8 GiB)

| Etapa | facturas/h estimadas | vs 139/h | vs 570/h |
|-------|----------------------|----------|----------|
| Gateway (orquestación) | >>10 000 (health ~57 rps) | OK | OK |
| count-api OCR | **≈100–325** (ST-COUNT-01 2026-07-17: p50 35,8 s @3 conc.; 9/9 ok) | ÁMBAR/OK | NO |
| extraction LLM | **≈506** (ST-EXT-02 2026-07-17: p50 7,114 s, gpt-5.4-mini, 23 PDFs) | OK | ÁMBAR (1w); OK≈1012/h con 2w sin cuota |
| Agent Selenium (1 agent PC) | **≈422** (medido: 633 PDFs / 90 min) | OK vs 139/h | NO vs 570/h |
| cleaning CSV | 500–2000 | OK | ÁMBAR |
| Pipeline completo (este host) | **≈100–325** (= min etapas; cuello OCR; **no** medido E2E) | JUSTO/NO vs 139 | NO vs 570 |

## Bench cola ARQ (ST-EXT-01) — LLM mock

Mide enqueue + drenado de backlog **sin coste OpenAI**. Requiere mock + `ASYNC_QUEUE=true`.

```bash
# Terminal 1 — mock OpenAI-compatible
bash docs/plan_pruebas/scripts/llm_mock_server.sh
# Apuntar extraction/workers:
#   EXTRACTOR_BASE_URL=http://host.docker.internal:8099/v1
#   ASYNC_QUEUE=true
#   WORKER_REPLICAS=1   # shared8g; lab → 2

# Terminal 2 — bench
bash docs/plan_pruebas/scripts/st_ext_01_arq_bench.sh
PROFILE=lab ARQ_BENCH_LIMIT=100 bash docs/plan_pruebas/scripts/st_ext_01_arq_bench.sh

# Windows
.\docs\plan_pruebas\scripts\llm_mock_server.ps1
.\docs\plan_pruebas\scripts\st_ext_01_arq_bench.ps1 -Profile shared8g -Limit 30
```

Salida: `informes/st_ext_01_arq_YYYYMMDD.csv` + `.summary.json`. Schema: `st_ext_01_schema.json`.

**Resultados 2026-07-17 (shared8g, Limit=30):** mode=async; 30/30 queued; drained en **22,5 s**; total **23,9 s**; throughput cola ≈ **4 528 docs/h** (mock ≈50 ms — no es SLO LLM). Producción: `ASYNC_QUEUE=true`.

## Bench OCR carga (ST-COUNT-01)

```bash
# Python (recomendado si no hay k6):
python docs/plan_pruebas/scripts/st_count_01_bench.py --profile shared8g
# Windows:
.\docs\plan_pruebas\scripts\st_count_01_bench.ps1 -Profile shared8g

# k6 (campo multipart corregido a "files"):
k6 run -e PROFILE=shared8g k6_count_batches.js
```

**Resultados 2026-07-17:** 9/9 ok; p50 **35,8 s** @3 concurrentes; throughput obs. ≈ **325 fact/h**; sin 5xx/OOM.

## Bench LLM (ST-EXT-02) — mismo schema/campos

Congela `fields` en `informes/st_ext_02_schema.json` y los reutiliza en toda la corrida
(y en re-runs) para que latencia/coste sean comparables. Modelo default: **gpt-5.4-mini**.

```bash
# Linux/macOS
bash docs/plan_pruebas/scripts/st_ext_02_llm_bench.sh
LLM_BENCH_LIMIT=10 bash docs/plan_pruebas/scripts/st_ext_02_llm_bench.sh

# Windows
.\docs\plan_pruebas\scripts\st_ext_02_llm_bench.ps1
.\docs\plan_pruebas\scripts\st_ext_02_llm_bench.ps1 -Limit 10 -Model gpt-5.4-mini
# Forzar redescubrimiento de schema:
.\docs\plan_pruebas\scripts\st_ext_02_llm_bench.ps1 -Rediscover
```

Salida:
- `docs/plan_pruebas/informes/llm_latency_YYYYMMDD.csv`
- `docs/plan_pruebas/informes/llm_latency_YYYYMMDD.summary.json`
- `docs/plan_pruebas/informes/st_ext_02_schema.json` (campos fijos)

Coste de referencia: USD **0,0257**/doc → **USD 2 570** por 100 000 que pasan conteo.

**Resultados 2026-07-17:** 23/23 ok; p50 **7,114** s; p95 **8,582** s; ≈**506** fact/h (1 worker).
Volcados en `informe/sections/13_llm_latency.tex` y fila LLM de `08_capacidad_100k.tex`.

## Escenario dedicado (condicional)

Con host ≥16–32 GiB solo IPS, OCR pool, 2+ workers extraction, cuota LLM, N agents Selenium: pipeline completo puede acercarse a 139–570/h según dimensionamiento (y p50 LLM medido).

## Coste LLM — 100 000 facturas que pasan el filtro de conteo

Supuesto: el conteo filtra el lote y **100 000 PDFs** llegan a extracción.

| Concepto | Valor |
|----------|-------|
| Modelo de extracción | **gpt-5.4 mini** |
| Coste por documento | **USD 0,0257** |
| Volumen (pasan filtro conteo) | 100 000 |
| **Coste estimado extracción/mes** | **USD 2 570** |

Fórmula: `100_000 × 0.0257 = 2_570`.

Notas:
- No incluye agent Selenium, orquestación `bot-descarga`, OCR de conteo, infra ni reintentos.
- Si el filtro de conteo deja pasar menos de 100k, el coste baja linealmente (`n_válidos × 0.0257`).
- ST-EXT-02 2026-07-17 usó el unitario 0.0257 como estimación; contrastar con tokens reales si se instrumenta usage.