Qué modelo de IA usar para cada tarea (y cómo elegir sin perderte)
Algunos enlaces de esta página son de afiliado: si contratas a través de ellos, puede que recibamos una comisión sin que a ti te cueste más. Solo enlazamos herramientas que recomendaríamos igual.
Abres el chat de siempre para todo: para programar, para escribir un email, para hacer una imagen y para resumir un PDF de 80 páginas. Funciona a medias, pagas de más en unas tareas y te quedas corto en otras.
El carrusel del 3 de noviembre resumía qué modelo usar para cada cosa. Aquí va la versión larga: la tabla con los modelos de hoy y, sobre todo, cómo decidir tú cuando dentro de dos meses los nombres hayan cambiado.
Los tres criterios que importan
Antes de mirar nombres, decide qué te importa en esa tarea concreta. La guía de Anthropic para elegir modelo lo reduce a tres cosas, y vale para cualquier proveedor:
- Capacidad. ¿Necesita razonar varios pasos, escribir código complejo o entender un documento largo? ¿O es clasificar un email?
- Velocidad. ¿Hay alguien esperando la respuesta, como en un chat de atención al cliente, o puede tardar un minuto?
- Coste. ¿Lo vas a usar diez veces o diez mil veces al día?
Casi nunca puedes tener lo máximo en las tres. Un modelo grande razona mejor, pero es más lento y caro. Uno pequeño es rapidísimo y barato, pero se equivoca antes en tareas complejas.
La tabla (octubre de 2026)
Comprobada en la documentación oficial de cada proveedor el 30 de octubre de 2026. Los precios son por millón de tokens de entrada y de salida, en la API.
| Tarea | Qué usar | Por qué |
|---|---|---|
| Programar y crear webs | Claude Opus 5.5 o Sonnet 5.5, dentro de Claude Code | Opus 5.5 está pensado para programación agéntica larga; Sonnet 5.5, para el día a día, más rápido y a la mitad de precio (4/20 $ frente a 2/10 $). |
| Razonamiento muy exigente o agentes que trabajan horas | Claude Fable 5.1 o GPT-6 Astra | Son los modelos más capaces de cada casa. Fable 5.1 cuesta 10/50 $: úsalo cuando el resto se quede corto. |
| Textos largos, análisis y documentos | Claude o GPT, con el documento adjunto | Los modelos actuales de Claude admiten hasta 1 millón de tokens de contexto: caben documentos enteros. |
| Tareas rápidas y repetitivas (clasificar, extraer, resumir) | Claude Haiku 5.5, GPT-6 Luna o Gemini 3.5 Flash-Lite | Son los más rápidos y baratos de cada familia. Haiku 5.5 parte de 0,10/0,50 $. |
| Imágenes | GPT-Image-2.5 o Nano Banana (Google) | GPT-Image-2.5 Sunburst es el más capaz de OpenAI para crear y editar; Nano Banana es la generación de imágenes actual de Google (Imagen 4 está descontinuado). |
| Vídeo | Gemini Omni Flash (Google) | Genera, edita y alarga vídeo con audio nativo. Hay más opciones y el ranking cambia casi cada mes. |
| Voz y locuciones | ElevenLabs v4 | eleven_v4 para máxima calidad; eleven_v4_turbo o eleven_flash_v2_5 cuando necesitas respuesta en tiempo real. |
| Transcribir audio | ElevenLabs Scribe v2 o GPT-Transcribe | Scribe v2 separa quién habla y marca el tiempo de cada palabra. |
Cómo elegir cuando la tabla se quede vieja
Esta tabla caducará. Lo que no caduca es el método.
Empieza por arriba o por abajo, pero mide
Anthropic propone dos caminos y me parecen los dos buenos:
- Empezar por el modelo pequeño cuando la tarea es sencilla, repetitiva o tiene que ser barata. Si se queda corto en algo concreto, subes.
- Empezar por el grande cuando la calidad importa más que el coste. Cuando funciona, pruebas a bajar a uno más pequeño o a pedirle menos razonamiento.
La clave es la misma en los dos: prueba con tus datos. Diez emails reales de tu negocio te dicen más que cualquier ranking.
No siempre hay que cambiar de modelo
En Claude existe el parámetro de esfuerzo (effort): el mismo modelo razona más o menos según lo que le pidas. La propia documentación dice que ajustarlo suele ser mejor palanca que cambiar de modelo. Antes de saltar a uno más caro, sube el esfuerzo.
Combina modelos
Un patrón muy útil: un modelo grande que coordina y decide, y modelos pequeños que hacen el trabajo repetitivo. Así casi todos los tokens se pagan a precio de modelo barato.
Mueve los dos controles de la figura para verlo:
Lo que acabas de ver: cada tarea entra por la cinta y el cabezal la manda a la bandeja del modelo más pequeño que puede resolverla. Las monedas de cada bandeja son lo que cuesta ese modelo al mes, y la regla de la derecha marca lo que pagarías mandándolo todo a Opus.
Con tareas mayoritariamente fáciles, la pila de Haiku casi no crece aunque reciba la mayoría de las tareas: cada una cuesta unas 40 veces menos que en Opus. El volumen multiplica la factura, pero no cambia la proporción. Lo que de verdad la cambia es cuántas tareas difíciles tienes. Si casi todo es difícil, enrutar apenas ahorra y lo sensato es usar directamente el modelo grande.
El cálculo usa los precios oficiales de la API de Claude y supone 2.000 tokens de entrada y 500 de salida por tarea. Tus tareas pueden ser más largas o más cortas, pero la proporción entre modelos se mantiene.
Es lo que hago en ORQUEST, el orquestador de agentes que uso para desarrollar: cada agente tiene su propio modelo asignado, local o en la nube, según lo que necesita su tarea.
Cuándo no hace falta complicarse
- Si usas la IA unas pocas veces al día, quédate con un buen modelo generalista y no pierdas tiempo comparando.
- Si tu problema es el prompt, cambiar de modelo no lo arregla. Un modelo mejor con instrucciones vagas sigue dando respuestas vagas.
- Si la tarea es crítica (datos de clientes, decisiones legales, cifras que vas a publicar), ningún modelo te libra de revisar. Todos pueden inventarse cosas con total seguridad.
Lo que deberías llevarte
- Decide qué pesa más en la tarea: capacidad, velocidad o coste.
- Usa la tabla como punto de partida, no como verdad eterna.
- Prueba con tus propios ejemplos antes de decidir.
- Antes de pagar un modelo más caro, prueba a pedirle más esfuerzo al que ya usas.
Si alguna palabra de este artículo te sonó a chino (token, contexto, agente), tienes el glosario en recursos.