Elegir tu modelo y tu herramienta
- 01El panorama de los modelos, una misma familia de predictores7 min
Claude, GPT y Gemini se basan en el mismo principio de entrenamiento básico, que Anthropic describe así para Claude: predecir la palabra siguiente. Los modelos de pesos abiertos comparten esta arquitectura. Una técnica de prompts aprendida en Claude suele funcionar casi igual en otros lugares, aunque la ventana de contexto, el tratamiento de los datos y las herramientas cambien.
- 02Enrutar por tarea, no por marca7 min
Elige un modelo según lo que exige la tarea: capacidad, velocidad, coste y esfuerzo de ajuste, no por costumbre. Dos preguntas sitúan una tarea: rutinaria o nueva, impacto bajo o alto. Ajustar el prompt, con un rol más preciso o un contexto mejor planteado, suele cambiar más el resultado que cambiar de modelo.
- 03Componer un system prompt entre varios proveedores7 min
Cuando un prompt debe funcionar en varios proveedores, se identifica la regla más fuerte de cada uno, se fusionan sin contradicción, y las reglas escritas por el propietario del prompt prevalecen en general sobre los valores por defecto de un proveedor, salvo cuando entrarían en conflicto con los límites de seguridad que ese proveedor impone él mismo.
- 04Modelo local, a medida, o simplemente un mejor prompt6 min
Para una estructura pequeña, en la inmensa mayoría de los casos, un prompt mejor escrito resuelve el problema más rápido. Un modelo de pesos abiertos en local no genera coste por llamada ni envía datos fuera, pero exige un equipo. Un modelo a medida cuesta caro construir y solo se justifica a muy gran volumen o para un formato fijo.
- 05Low, medium, high, xhigh, max: elegir tu nivel de esfuerzo6 min
Parte del nivel marcado Default, sube un escalón si la respuesta te parece superficial, baja un escalón si tarda en una pregunta sencilla. El nivel de esfuerzo regula cuánto trabaja Claude antes de responder: más esfuerzo da respuestas más profundas, pero tardan más y alcanzas antes los límites de tu plan.