En la historia del gato feo ya apareció: la IA iba a medio gas. Salió un dibujo flojo porque, en un día de escasez, tres cosas estaban bajadas a la vez. Esas tres cosas no son una anécdota, sino el armazón de todo uso de la IA – tres reguladores que determinan juntos lo buena que sale una respuesta y lo que cuesta. Quien los ha entendido una vez lee con otros ojos los nombres de los modelos, los niveles de suscripción y el estado de forma diario de los chatbots.
Regulador 1: la clase de modelo
Los proveedores de IA organizan sus modelos en clases de tamaño, como los motores. En Anthropic, por ejemplo, la gama actual va del pequeño y rápido Haiku, pasando por Sonnet en la franja media, hasta los modelos punteros Opus y Fable. La lista de precios (para desarrolladores que integran los modelos en sus propias aplicaciones) hace tangible el abanico – a fecha de julio de 2026, según el resumen oficial de modelos: Haiku cuesta 1 dólar estadounidense por millón de piezas de texto procesadas («tokens»), Sonnet 3, Opus 5, Fable 10 – el texto generado cuesta en cada caso el quíntuple. Entre el modelo más pequeño y el más grande hay, por tanto, un factor de diez.
La cuestión no es la cifra en dólares – como usuario de chat nunca la pagas directamente. La cuestión es: la inteligencia se factura por token, y los modelos más grandes son más caros por token. Cada suscripción, cada nivel gratuito, cada «ilimitado» es una cuota de este recurso. Los modelos pequeños no son por ello «malos» – para resumir, reformular o responder preguntas sencillas son rápidos y perfectamente suficientes. La clase decide allí donde la cosa se pone difícil: problemas de muchas capas, contexto largo, trabajo conceptual.
Regulador 2: el presupuesto de razonamiento
Los modelos modernos pueden trabajar internamente antes de responder – ensayar pasos intermedios, descartar enfoques, comprobar. Ese «razonamiento» consume tokens adicionales, de forma invisible para ti, y se puede dosificar: de «responde ya» a «tómate tu tiempo». Los modelos actuales lo deciden cada vez más por sí mismos, según la dificultad de la tarea; los proveedores y las herramientas ofrecen además niveles con los que limitar o ampliar la profundidad de razonamiento.
Para ti eso significa: la misma pregunta al mismo modelo puede dar respuestas de calidad distinta – según cuánto presupuesto de razonamiento le conceda la aplicación en ese momento. Un modelo puntero con el presupuesto recortado puede quedar por detrás de un modelo de gama media al que se le deja razonar con generosidad.
Regulador 3: el número de iteraciones
El regulador infravalorado. Las primeras respuestas rara vez son las mejores – el buen trabajo con IA nace en bucles: mirar el resultado, comprobarlo (o hacer que se compruebe), retocar. Con código, el bucle se llama «ejecutar los tests»; con el gato se llamó «mirar la captura de pantalla»; con textos, «releer con ojo crítico». Cada ronda vuelve a costar tokens – pero a menudo es la diferencia entre utilizable y bueno. Quien solo dice «otra vez, pero mejor», por cierto, no está girando este regulador: eso es repetición sin feedback nuevo.
La bajada silenciosa
Y ahora la interacción que casi nadie tiene en cuenta: estos reguladores no los manejas solo tú. También el proveedor los gira – y a veces, en silencio. Cuando tu cuota se acerca al final o la demanda es alta, algunas interfaces de chat cambian sin previo aviso a un modelo más pequeño o recortan el presupuesto de razonamiento. Las respuestas empeoran entonces sin hacer ruido. A un párrafo mediocre no se le nota que va a medio gas – a un gato, sí.
Así que si un chatbot que ayer era brillante hoy te parece disperso, no tiene por qué ser imaginación tuya. Comprueba qué modelo está seleccionado, si tu cuota se está agotando, si la interfaz tiene un modo «auto» que elige por ti.
Ajustar los reguladores a conciencia
Como regla general para el día a día: lo sencillo: pequeño y rápido – los resúmenes, la ayuda para redactar y las preguntas cotidianas no necesitan un modelo puntero. Lo difícil: grande y con espacio para razonar – los conceptos, los análisis y la caza de errores enrevesados merecen la mejor clase disponible. Lo importante: con varias iteraciones – y con comprobación de verdad entre ronda y ronda, a ser posible por ti en persona. Solo sale caro cuando los tres reguladores están al tope de forma permanente; empleado con cabeza, ese abanico es justo lo que hace asequible la IA.
/compact – lo esencial cuando el contexto escasea:
Tres reguladores determinan juntos lo buena que sale una respuesta de IA y lo que cuesta: la clase de modelo, el presupuesto de razonamiento interno y el número de iteraciones – todo se factura en tokens. Estos reguladores no los gira solo el usuario; a veces, en silencio, también el proveedor: con la cuota escasa o la demanda alta, algunas interfaces de chat cambian sin previo aviso a un modelo más pequeño o recortan el presupuesto de razonamiento – las respuestas empeoran entonces sin hacer ruido. Como regla general: lo sencillo: pequeño y rápido; lo difícil: grande y con espacio para razonar; lo importante: con varias iteraciones y comprobación de verdad entre ronda y ronda.