Cada semana sale un modelo nuevo que "lidera el leaderboard". Y la pregunta práctica sigue ahí: ¿cuál uso para lo mío?
La respuesta corta: depende de la tarea y de qué priorices. Elegir bien es un proceso, no quedarte con el número más alto.
I
Qué mirar
Los ejes
Las variables en juego
Siete dimensiones
·Capacidad: cuánto "razona" para tu tipo de tarea.
·Velocidad y coste: latencia y precio por token.
·Contexto y modalidad: cuánto cabe, y si maneja imagen/voz/vídeo.
·Abierto vs cerrado y privacidad: ¿puedes autoalojarlo?, ¿dónde van tus datos?
La tensión eterna
Calidad · Velocidad · Coste
Casi siempre puedes optimizar dos de las tres, no las tres a la vez. Un modelo frontera es brillante pero lento y caro; uno pequeño es rápido y barato pero menos capaz.
La pregunta clave no es "¿cuál es más listo?", sino "¿cuánta inteligencia necesita de verdad esta tarea?". Muchas tareas no necesitan el modelo más potente.
II
Cuidado con los rankings
Benchmarks vs realidad
El número alto engaña
Los benchmarks son un punto de partida, no la meta
Sirven para una primera criba, pero los modelos se optimizan para puntuar alto y un test genérico no se parece a tu caso de uso real.
Lo que de verdad importa es cómo rinde en tus ejemplos. Las "vibes" generales no bastan.
El paso que casi nadie da
Monta tu propia mini-eval
1Reúne 10–20 ejemplos reales de tu tarea, con la respuesta ideal.
2Pasa los candidatos por ellos y mide calidad, coste y latencia.
3Decide con datos tuyos, no con un ranking ajeno. (Esto enlaza con la clase de observabilidad y evals.)
III
Manos a la obra
Decide
Asistente de decisión
¿Por dónde empezar?
1 · ¿Qué tipo de tarea?
2 · ¿Qué priorizas?
No es para siempre
El ganador cambia cada mes
El modelo que hoy es la mejor opción puede quedar segundo en semanas. Por eso lo importante no es la elección puntual, sino tener el proceso montado: definir → preseleccionar → evaluar → decidir → re-evaluar.
Truco práctico: usa una capa como OpenRouter para cambiar de modelo sin reescribir tu código cuando salga uno mejor.
La idea para llevarse
Ajusta el modelo a la tarea, no al revés
Pagar por el modelo más potente para todo es como ir a comprar el pan en un deportivo. Elige el más pequeño que resuelva bien tu problema — y verifícalo con tus propios ejemplos.