Comparar modelos de IA lado a lado

Cómo usar el comparador

Escriba unas letras del nombre de un modelo en el buscador: la lista se filtra al instante. Añada de 2 a 4 modelos y sus características se alinean fila a fila para leerlas con facilidad. En cada criterio, un veredicto automático señala el modelo mejor situado (el más barato, la ventana de contexto más grande, la mejor puntuación…). Por último, el enlace para compartir le permite enviar la comparación a un compañero o recuperarla más tarde.

Qué significa cada fila

Token. Es la unidad básica que lee y escribe un modelo: un fragmento de texto, a menudo un trozo de palabra. Todo se cuenta en tokens, tanto el precio como la longitud de los textos. Para saber cuántos tokens tiene su texto, use el estimador de tokens.

Precio de entrada y de salida. Se expresan por millón de tokens. La entrada es lo que usted envía al modelo (su pregunta, un documento, el historial de la conversación); la salida, lo que el modelo le responde. La salida suele ser más cara.

Ventana de contexto. Es la «memoria de trabajo» del modelo: la cantidad máxima de texto que puede tener en cuenta a la vez, pregunta y documentos incluidos. Una ventana grande permite analizar un informe largo de una sola vez. La herramienta ventana de contexto le ayuda a visualizar lo que esto supone.

Salida máxima. La longitud máxima de una sola respuesta. Suele ser mucho menor que la ventana de contexto: un modelo puede leer un documento muy largo pero solo redactar una respuesta de extensión limitada.

Funciones. Herramientas: el modelo sabe llamar a funciones externas (búsqueda, cálculo, programas), algo imprescindible para construir un agente. Razonamiento: puede «pensar» por pasos antes de responder, útil para problemas complejos. Visión: entiende imágenes. Audio: procesa sonido o voz.

Pesos abiertos. Los pesos son los parámetros que el modelo aprende durante su entrenamiento. Si se publican, puede descargar el modelo y ejecutarlo en sus propios servidores, lo que cambia mucho en materia de privacidad. Si no, el modelo solo es accesible a través del servicio de su fabricante.

Fecha de lanzamiento. Ayuda a identificar los modelos recientes, aunque un modelo más antiguo sigue siendo a menudo una excelente opción si es barato y suficiente para su tarea.

Puntuaciones en benchmarks. Son los resultados en pruebas estandarizadas, procedentes de los mismos datos que el ranking de IA. Una casilla vacía significa que el modelo no se evaluó en esa prueba, no que la suspendiera.

Cómo elegir según su uso

• Redacción y preguntas cotidianas: un modelo económico suele bastar. Compare sobre todo el precio de salida.
• Análisis de documentos largos: priorice una ventana de contexto amplia y fíjese en el precio de entrada, que es el que pesa cuando envía mucho texto.
• Agentes y automatizaciones: compruebe la función herramientas y calcule la factura con la calculadora de coste de un agente, ya que un agente encadena muchas llamadas.
• Datos sensibles: un modelo de pesos abiertos, alojado por usted o por un proveedor de confianza, limita la circulación de sus datos. Consulte la selección de modelos open source.
• Problemas difíciles (código, matemáticas, lógica): la función razonamiento y las puntuaciones en benchmarks pasan a ser prioritarias.

Errores frecuentes

• Mirar solo el precio de entrada. Un modelo barato en entrada puede salir caro si sus respuestas son largas.
• Olvidar los tokens de razonamiento. Los modelos que «piensan» suelen generar tokens intermedios, normalmente facturados como salida. La factura real puede superar su estimación.
• Creer que un contexto enorme siempre se aprovecha. El rendimiento puede bajar cuando la ventana se llena al máximo; es mejor enviar solo lo útil.
• Tomar el veredicto automático por una recomendación. Compara cifras fila a fila sin conocer su uso. Le corresponde a usted ponderar los criterios.
• Confundir modelo y asistente. Si busca una suscripción para uso personal, el comparador de asistentes de IA le resultará más útil.