Introducción
Azure AI Foundry permite descubrir, desplegar y usar modelos de IA generativa dentro del ecosistema de Azure. Sin embargo, en la práctica puede aparecer una situación confusa: un modelo reciente se muestra en el catálogo o en la pantalla de despliegue, pero no aparece como opción seleccionable al configurar un agente en Azure AI Agent Service.
La diferencia es importante. Que un modelo esté visible en Azure AI Foundry no implica necesariamente que esté disponible para todos los escenarios, regiones, tipos de despliegue o servicios asociados. En particular, la disponibilidad para asignar un despliegue a un agente puede ir por detrás de la disponibilidad general del modelo.
Este artículo resume qué conviene comprobar antes de abrir una incidencia o asumir que se trata de un problema de cuota o permisos.
Disponibilidad del modelo no equivale a compatibilidad con agentes
En Azure AI Foundry pueden coexistir varios niveles de disponibilidad:
-
Modelo visible en el catálogo
El modelo aparece como opción consultable dentro de Foundry. -
Modelo disponible para despliegue
La suscripción, región y recurso permiten crear un despliegue de ese modelo. -
Despliegue utilizable desde una aplicación
El despliegue puede invocarse desde los endpoints o herramientas compatibles. -
Despliegue asignable a un agente
El despliegue aparece como opción dentro de Azure AI Agent Service para configurar un agente.
El problema habitual surge entre los puntos 2 y 4: el modelo puede desplegarse, pero el despliegue no aparece en la lista de modelos asignables al agente. Según una respuesta en Microsoft Q&A sobre este escenario, Microsoft no publica un calendario estimado para cuándo un modelo GPT recién lanzado estará disponible para asignación en Azure AI Agent Service.
Por tanto, si un modelo reciente aparece en la página de despliegue pero no en la configuración del agente, no tiene por qué ser un fallo de la suscripción. Puede deberse simplemente a que ese modelo todavía no está habilitado para ese uso concreto.
Factores que pueden limitar el acceso
Antes de diagnosticar el problema como un error, conviene revisar los factores que suelen condicionar la disponibilidad real.
Región de Azure
La disponibilidad de modelos puede variar por región. Un modelo puede estar disponible en una región y no en otra, o puede estar disponible con capacidades distintas.
Comprueba siempre:
- La región del recurso o proyecto que estás usando.
- La región en la que intentas crear el despliegue.
- Si el servicio asociado, como Azure AI Agent Service, admite ese modelo en esa región.
Tipo de modelo y tipo de despliegue
No todos los modelos ni todos los tipos de despliegue son compatibles con todos los servicios. Es posible que un modelo esté disponible para determinados flujos de inferencia, pero no para ser usado directamente por agentes.
En escenarios con agentes, valida específicamente si el despliegue aparece dentro de la configuración del agente. La disponibilidad en el catálogo no es suficiente.
Cuota disponible
La cuota puede impedir crear o escalar un despliegue, pero no siempre explica que un modelo ya desplegado no aparezca como asignable a un agente.
Si sospechas de un problema de cuota, revisa:
- La cuota asignada para la región.
- La cuota consumida por otros despliegues.
- Los límites aplicables al tipo de modelo.
- Los mensajes de error al crear o actualizar el despliegue.
Si el despliegue se crea correctamente pero no aparece en Azure AI Agent Service, el problema probablemente está relacionado con compatibilidad o disponibilidad del servicio, no solo con cuota.
Permisos sobre el recurso y el proyecto
También es necesario que el usuario tenga permisos suficientes para administrar o usar los recursos implicados. En entornos corporativos, puede haber separación entre quienes administran el proyecto, quienes gestionan despliegues y quienes configuran agentes.
Revisa, como mínimo:
- Permisos sobre el recurso o proyecto de Azure AI Foundry.
- Permisos para crear o administrar despliegues de modelos.
- Permisos para crear o modificar agentes.
- Políticas internas de la suscripción o del grupo de recursos.
No conviene asumir que un rol concreto resuelve todos los casos, porque la configuración puede variar según el modelo de gobierno de la organización.
Cómo comprobar si el modelo puede usarse con agentes
Una validación práctica sería seguir este orden:
-
Abrir Azure AI Foundry
Accede al proyecto correspondiente dentro de Foundry. -
Revisar el catálogo o la sección de modelos
Comprueba si el modelo aparece para la región y el recurso que estás usando. -
Intentar crear el despliegue
Si el modelo permite despliegue, créalo con un nombre identificable y revisa que quede en estado correcto. -
Abrir la configuración del agente
En Azure AI Agent Service, intenta seleccionar el despliegue como modelo del agente. -
Comparar ambas listas
Si el modelo aparece como desplegable pero no como asignable al agente, trátalo como una limitación de compatibilidad o disponibilidad del servicio, salvo que el portal muestre un error explícito de permisos o cuota. -
Revisar mensajes de error
Guarda el texto exacto de cualquier error. Es importante distinguir entre errores de autorización, cuota, región, modelo no encontrado o incompatibilidad.
Qué hacer si el modelo no aparece para asignarlo al agente
Si el modelo está desplegado pero no aparece en la lista de modelos disponibles para un agente, las acciones recomendadas son:
- Probar con otro modelo que sí aparezca en la configuración del agente.
- Verificar si el problema ocurre en otra región admitida por tu organización.
- Confirmar que el despliegue está asociado al proyecto o recurso correcto.
- Revisar si existen restricciones internas de la suscripción.
- Abrir una consulta o incidencia con soporte de Azure si necesitas confirmación formal para un caso productivo.
Lo que no conviene hacer es basar el diagnóstico únicamente en la visibilidad del modelo en el catálogo. En Azure AI Foundry, la disponibilidad se debe validar en el punto exacto donde se va a usar el modelo.
Errores y situaciones habituales
El modelo aparece en Foundry, pero no en el agente
Es el caso principal. Puede deberse a que el modelo todavía no está habilitado para Azure AI Agent Service. La respuesta oficial en Microsoft Q&A indica que no hay un calendario público estimado para la disponibilidad de modelos GPT recién lanzados en la asignación a agentes.
El despliegue falla por cuota
En este caso, el problema aparece antes: no se puede crear el despliegue o se reciben errores relacionados con límites de capacidad. Revisa la cuota regional y los despliegues existentes.
El modelo no aparece en una región concreta
Puede tratarse de una limitación regional. Revisa la disponibilidad desde el propio portal de Azure AI Foundry para la región utilizada por tu proyecto.
El usuario no puede crear o modificar despliegues
Aquí el problema está relacionado con permisos. Solicita a un administrador que revise los roles y políticas aplicadas sobre el recurso, el grupo de recursos y la suscripción.
Recomendaciones para equipos técnicos
Para reducir incertidumbre en proyectos que dependen de modelos recientes:
- No diseñes una arquitectura productiva asumiendo que todo modelo recién publicado será compatible de inmediato con agentes.
- Valida la compatibilidad en la región y suscripción reales, no solo en entornos de prueba.
- Mantén una alternativa con un modelo ya soportado por Azure AI Agent Service.
- Documenta el nombre del despliegue, región, modelo y servicio donde se ha validado.
- Diferencia claramente entre “modelo disponible para despliegue” y “modelo disponible para agentes”.
- Si el caso requiere una fecha de disponibilidad, solicita confirmación a Microsoft mediante los canales de soporte correspondientes.
Conclusión
Acceder a los modelos más recientes en Azure AI Foundry no depende de un único factor. La visibilidad del modelo, la capacidad de desplegarlo y la posibilidad de asignarlo a un agente son pasos relacionados, pero no equivalentes.
Si un modelo reciente aparece en Azure AI Foundry pero no está disponible en Azure AI Agent Service, puede tratarse de una limitación temporal o de compatibilidad del servicio. En ese caso, conviene validar región, cuota, permisos y soporte específico para agentes antes de considerarlo un problema de configuración.
La recomendación práctica es trabajar con una matriz de compatibilidad propia por proyecto: modelo, región, tipo de despliegue y servicio consumidor. Esa comprobación evita sorpresas al pasar de una prueba en Foundry a una implementación real con agentes.