Elegir una implementación necesita pruebas de la tarea real y de sus criterios obligatorios. Una opción barata que falle en privacidad no es apta y los umbrales deben interpretarse de forma coherente. Esta lección usa observaciones ficticias para comprobar la regla sin afirmar resultados de modelos reales.
De case.model_results, selecciona filas con safety_passed true y quality al menos igual a case.minimum_quality. Devuelve el modelo con menos fake_units, después menor latency_ms y después name. Devuelve null si ninguno cumple. Estos números son observaciones ficticias, no precios actuales ni comparativas de modelos.
El cuaderno ejecuta tu código Python con un simulador local original. Usa los datos del caso en lugar de copiar los valores visibles. Las comprobaciones ocultas cambian identidades, revisiones y datos límite; no se contacta con proveedores ni herramientas externas.
Una implementación de ejemplo del contrato de la función.