Inicio / Elegir tu modelo y tu herramienta

El panorama de los modelos, una misma familia de predictores

Claude, GPT, Gemini y los modelos de pesos abiertos son todos predictores de la palabra siguiente entrenados de forma distinta, y una plantilla de prompt escrita para uno se traslada casi sin cambios a los demás.

Claude, GPT y Gemini se basan en el mismo principio de entrenamiento básico. Así describe Anthropic la fase inicial de aprendizaje de Claude: el modelo aprende a predecir la palabra siguiente a partir de todo el texto que la precede en el documento. Los modelos propuestos por los demás grandes proveedores, y los modelos de pesos abiertos que cualquiera puede instalar en su propio equipo, comparten esta misma arquitectura general, entrenados con corpus y ajustes que difieren de un proveedor a otro.

Lo que se traslada de un asistente a otro

Este parentesco explica por qué una técnica de redacción de prompts aprendida en Claude suele funcionar casi igual en otros lugares. Una plantilla que fija un rol, un formato de salida esperado y un ejemplo de respuesta se interpreta de forma comparable, porque cada modelo completa el texto que sigue teniendo en cuenta ese contexto, sin importar el proveedor que lo haya entrenado.

Redactas actas de reuniones de asociación.
Responde en tres puntos numerados, cada uno una frase completa.
Aquí están las notas en bruto para resumir: notas

Esta plantilla se pega casi sin cambios en otro asistente conversacional: el rol, el formato en tres puntos y el ejemplo esperado siguen siendo comprensibles, porque describen una instrucción y no un comando técnico propio de Claude. Queda entonces comparar las respuestas obtenidas, algo que elegir el nivel de modelo adecuado para la tarea ayuda a hacer de forma metódica en vez de al azar.

Lo que distingue realmente a los proveedores

El nivel de razonamiento movilizado para responder también varía dentro de una misma familia, no solo de un proveedor a otro. Un modelo pensado para la velocidad responde más rápido pero profundiza menos en un problema complejo que un modelo pensado para la profundidad, una distinción que se encuentra tanto en Claude como en sus competidores, bajo nombres distintos propios de cada uno.

El parentesco de arquitectura no dice nada de las diferencias prácticas, que existen y son reales. El tamaño de la ventana de contexto, la forma en que cada proveedor trata los datos enviados, y el ecosistema de herramientas que rodea al modelo, conectores, memoria y tareas programadas en el caso de Claude, cambian de un proveedor a otro y evolucionan con el tiempo. La figura de abajo compara estos criterios sin fijar una cifra precisa, una cifra de ventana o de nivel de gama queda obsoleta más rápido que el principio que ilustra.

Verificar estas diferencias en el momento de elegir sigue siendo más fiable que confiar en un recuerdo. Un prompt que funciona bien en un proveedor puede dar una respuesta más corta, más larga o menos estructurada en otro, aunque su estructura básica se haya trasladado sin cambios notables.