¿Por qué es mala pregunta cuál es el mejor?
Porque no tiene respuesta que siga siendo cierta más de un mes, y porque «mejor» no es una propiedad. Un modelo puede ser el más preciso y a la vez veinte veces más caro; puede ser el más rápido y el más flojo en tu idioma.
En la práctica, elegir modelo es filtrar, no clasificar. Cinco preguntas, y entre lo que quede ya da bastante igual cuál tomes.
1. ¿Dónde puede correr el dato?
Va primero porque excluye, no ordena. Si por ahí pasan datos de clientes, datos de salud o contratos, la pregunta no es qué modelo es mejor sino con qué proveedor tienes un contrato que lo permita.
Si la respuesta es «no puede salir de la UE» o «no puede salir de la empresa», el campo se reduce a una fracción de golpe — y dentro de lo que queda, la diferencia de calidad suele ser menor que el riesgo de incumplimiento. Opciones europeas de IA trata esto en detalle.
2. ¿Qué tamaño tiene la tarea y cuántas veces corre?
Hay dos extremos, y piden modelos completamente distintos.
Pocas veces, pero cuenta mucho. Un análisis de contrato, un documento estratégico, una propuesta. Diez al mes. Aquí hasta el modelo más caro sale barato — la diferencia son unos euros, y el coste de una respuesta mala no son unos euros.
Muchas veces, con poco en juego. Clasificar cinco mil correos entrantes al día. Aquí el precio del modelo es todo tu coste, y el nivel más barato suele bastar. ¿Rápido y barato o lento y listo? recorre esa decisión con números.
La mayoría de los equipos lo hace al revés: pasa el trabajo masivo diario por el modelo tope y suelta la decisión importante en una ventana de chat.
3. ¿Hace falta pensar o solo transformar?
Esta pregunta decide el nivel del modelo, y reparte las tareas en tres grupos:
- Transformación. Resumir, traducir, reformular, extraer datos. Hasta el nivel más barato lo hace bien.
- Juicio. «¿Cuál de los dos?», «¿qué le falta a esto?», «¿es válida esta objeción?» Aquí ya cuenta el modelo.
- Derivación. Cálculo de varios pasos, depuración de código, deducir a partir de fuentes que se contradicen. Aquí hace falta el reasoning mode, y aquí se gana su precio el nivel más caro.
La trampa: la transformación parece sencilla, y lo es — pero cuando corre sobre veinte mil filas, ahí es donde más pesa la elección de modelo.
4. ¿En qué idioma?
El inglés va bien en todos los modelos. En cualquier otro idioma empeoran dos cosas: la calidad y el precio.
El texto húngaro se descompone en 2,71 veces más tokens que el inglés de la misma longitud; el español, 1,46 veces. Ese multiplicador aparece directamente en tu factura, y se come tu context window en la misma proporción. Y la calidad varía muchísimo de un modelo a otro — eso hay que medirlo, no adivinarlo, y Qué modelos manejan bien los idiomas pequeños enseña a hacerlo en cinco minutos.
5. ¿Hace falta herramienta o solo texto?
Si al final de la tarea el modelo tiene que hacer algo — buscar en la red, leer un archivo, llamar a una API, ejecutar código —, entonces no eliges modelo sino sistema. Esa es otra decisión, y ¿Chatbot, API o aplicación? es donde se resuelve.
Lo mismo si tiene que procesar imagen, audio o vídeo: eso estrecha el campo — no todos los modelos son multimodales, y los que lo son no son igual de buenos en todo.
El orden práctico
Esas cinco preguntas no pesan igual. Este es el orden para recorrerlas:
- Dato — esto excluye. Lo que no se puede, no se puede.
- Capacidad — idioma, modalidad, uso de herramientas. Lo que no sepa hacerlo, fuera.
- Nivel — transformación, juicio o derivación.
- Precio — solo dentro de lo que queda, y solo si corre muchas veces.
- Medición — entre los dos o tres restantes, decide con tus propias tareas.
El quinto paso es el que casi todo el mundo se salta, y es el único que responde a tu situación. Veinte tareas reales, dos modelos, una tarde — Un torneo de modelos en dos semanas lo describe como receta.
Lo que no hay que tener en cuenta
La clasificación. No miente, simplemente no mide tu tarea. Los modelos más usados no están con regularidad en lo alto de la lista — de eso trata Clasificaciones y realidad con datos.
Los anuncios. Un modelo nuevo no es mejor en tu tarea por el hecho de ser nuevo. Lo único que lo dice es tu propio conjunto de pruebas.
El nombre del fabricante. Dentro de un mismo fabricante la distancia entre niveles es mayor que la distancia entre fabricantes al mismo nivel. Conviene conocer las grandes familias de modelos , pero no es eso lo que toma la decisión.
Una decisión, paso a paso
La tarea: de las reclamaciones entrantes, sacar categoría, urgencia y un resumen de una frase. 300 al día, en húngaro.
- Dato: contiene nombres y direcciones de clientes → hace falta un endpoint en la UE o un contrato de encargo de tratamiento. Eso excluye parte del campo.
- Capacidad: texto húngaro, sin imagen, sin herramientas. Basta un modelo de texto.
- Nivel: es clasificación, o sea transformación y una pizca de juicio. No hace falta derivación.
- Precio: 300 al día × 30 días = 9.000 pasadas al mes. Aquí la diferencia entre el nivel más barato y el modelo tope es de diez veces — eso ya cuenta.
- Medición: coges 40 reclamaciones reales, las pasas por los dos candidatos más baratos y cuentas cuántas clasifica mal.
La decisión se toma sobre esas 40 reclamaciones, no sobre la clasificación. Y cuando dentro de medio año salga un modelo nuevo, esas mismas 40 reclamaciones dirán si compensa cambiar.
Qué llevarte
Primero filtra, después elige. El dato y la capacidad excluyen, el nivel y el precio ordenan — y la decisión final sale de medir sobre tus propias tareas, no de una clasificación. Estas cinco preguntas siguen funcionando aunque mañana todos los modelos tengan otro nombre.