¿Qué modelo de IA deberías usar para cada tarea y cómo puedes evitar pagar de más?

En resumen: deja que un modelo potente piense y que uno más sencillo ejecute. Encarga la planificación y las decisiones complejas a un modelo insignia (GPT-6 Astra, Claude Fable 5.1 o Claude Opus 5.5), deja que un modelo de gama media trabaje a partir de un plan terminado y asigna las tareas rutinarias y las llamadas de agentes en segundo plano al modelo más barato que pueda realizarlas. Al mismo tiempo, revisa el resultado: cuanto más barato sea el modelo, más cuidadosamente tendrás que comprobar su trabajo; de lo contrario, el ahorro se pierde en correcciones.

A continuación encontrarás una tabla «tarea → modelo» que el autor original publicó en un repositorio abierto el 23 de septiembre de 2026. Los modelos principales que aparecen en ella son elecciones personales suyas, basadas en su experiencia laboral. No se realizó ninguna prueba comparativa para esta tabla y no se garantizan los mismos resultados para otras tareas. Elegí la mayoría de las opciones más baratas basándome en clasificaciones públicas y recomendaciones de los desarrolladores; Opus 5.5 para código también se basa en mi experiencia. Los precios del material original se comprobaron en las páginas oficiales de OpenAI y Anthropic a 23.09.2026.

Para obtener más instrucciones sobre cómo trabajar con Ailoot, consulta la documentación.

¿Por qué cuesta más usar el mismo modelo de IA para todas las tareas?#

Si pagas los tokens mediante una API, cada tarea que ejecutes con un modelo insignia cuesta lo que cuesta el modelo insignia, aunque hubiera bastado con uno más sencillo. Con una suscripción, ten en cuenta los límites de tu plan y del modelo que hayas elegido: consúltalos en la página del plan. Para ver cómo funcionan los límites de las suscripciones de Claude y qué los consume, consulta el artículo independiente Cómo no agotar los límites de Claude Code en un día. Este artículo trata sobre cómo elegir un modelo para un trabajo concreto.

Precios oficiales de la API por cada 1 millón de tokens a 23.09.2026:

Imagina una ejecución hipotética de un agente: 100 mil tokens de entrada y 10 mil tokens de salida. Es un ejemplo de cálculo con los precios base, sin caché; no es una medición de una tarea real. Una ejecución así cuesta aproximadamente $1,5 con GPT-6 Astra o Fable 5.1, $0,6 con Opus 5.5, $0,3 con Sonnet 5 o GPT-6 Sol, $0,15 con Haiku 4.5 y $0,015 con GPT-6 Luna. En este cálculo, el modelo insignia y el más barato difieren en precio por un factor de cien. Para saber cómo calcular el coste de una ejecución así con tus propios volúmenes, consulta Cómo calcular el uso de tokens de la API.

Dos observaciones sobre los precios. En los modelos GPT-6, las solicitudes con más de 272 mil tokens de entrada se cobran íntegramente a una tarifa superior: la entrada cuesta el doble y la salida, una vez y media más. Las solicitudes por lotes cuestan la mitad del precio estándar tanto en OpenAI como en Anthropic.

La regla: piensa con un modelo potente y ejecuta con uno barato#

El trabajo posterior depende del plan, así que no escatimo en esa parte y uso el modelo más potente. Un modelo más sencillo puede redactar a partir de un plan terminado, recopilar datos, cambiar el nombre de los chats y comprimir conversaciones.

También sigo otras tres reglas al elegir un modelo:

1. Cuanto más barato sea el modelo, más cuidadosamente tienes que revisar su trabajo. Revisarlo también te lleva tiempo.
2. Compara el precio de un resultado terminado, no el de una sola solicitud. Por ejemplo, Opus 5.5 cuesta 2,5 veces menos que Fable 5.1 tanto para la entrada como para la salida. Si las correcciones hacen que Opus use tres veces más tokens de entrada y salida para una tarea, al final cuesta más. El tiempo que dediques a revisar es un coste adicional a los tokens. El artículo Qué agente de IA es más barato: el coste de una tarea resuelta explica cómo calcular el coste de un resultado.
3. Si un modelo no te convence, prueba otro. No hay un ganador único; cada uno tiene sus puntos fuertes y sus limitaciones.

Elegir un modelo es una parte del trabajo con un agente de IA.

Tabla: tarea → modelo#

En la columna «principal» figuran los modelos que uso personalmente. La columna siguiente recoge alternativas, la mayoría seleccionadas según clasificaciones públicas y recomendaciones de los desarrolladores. Para código también elijo Opus 5.5 basándome en mi experiencia personal. Revisa con más cuidado los resultados de un modelo más barato. Las opciones para tareas rutinarias tienen diferentes formas de pago, así que esta elección no necesariamente costará menos.

Estrategia y planes. Un error en el plan puede propagarse a los pasos posteriores. Aquí uso el modelo más potente. GPT-6 Sol es una opción más barata: OpenAI lo recomienda para código complejo y escenarios con agentes.

Código. Uso Fable 5.1 para código. Sin embargo, Anthropic recomienda empezar con Opus 5.5 para la mayoría de las tareas y usar Fable 5.1 para razonamiento difícil y trabajo prolongado con agentes, o cuando Opus con un nivel de razonamiento alto no puede realizar la tarea. Por API, Opus 5.5 cuesta 2,5 veces menos; según mi experiencia, trabajar con él también cuesta menos. Si el plan está listo, un modelo más barato puede escribir a partir de él. Para una comparación detallada de los dos modelos insignia para código, consulta GPT-6 Astra o Claude Fable 5.1: ¿cuál deberías elegir?.

Redacción. Si un texto está destinado a un cliente, uso un modelo potente. Sonnet 5 es una opción más barata: Anthropic lo describe como el mejor equilibrio entre velocidad e inteligencia. Revisa su resultado con más cuidado.

Números y finanzas. Aquí también uso un modelo potente. Es una elección basada en mi experiencia laboral, no el resultado de una prueba comparativa. Pero ni siquiera un modelo potente elimina la necesidad de comprobarlo: verifica las cifras con la fuente primaria. No envíes datos financieros ni personales a planes gratuitos cuyas condiciones permitan utilizar tus datos.

Búsqueda e investigación. Uso Sonnet 5 para tareas sencillas y búsquedas; esto se basa en mi experiencia. GPT-6 Luna es una opción más barata: OpenAI lo recomienda para tareas repetitivas de gran volumen.

Tareas rutinarias. Las tareas rutinarias se repiten a menudo, así que sus ejecuciones individuales van sumando costes. Uso Kimi K3 con una suscripción a Kimi Code. DeepSeek Flash es una opción con facturación por API. Son formas de pago distintas, y cuál cuesta menos depende del volumen.

En qué no escatimo#

Estas reglas se basan en mi práctica. No las he comprobado mediante un estudio comparativo.

• Planificación y arquitectura. Un error en el plan puede propagarse a los pasos posteriores.
• Números y finanzas. Aquí uso un modelo potente y, aun así, verifico las cifras con la fuente primaria.
• Comprobar el resultado. Cuanto más barato sea el modelo que realizó la tarea, más cuidadosamente tienes que revisar su trabajo.

La compresión de conversaciones determina qué recuerda un agente de una conversación larga, y un modelo demasiado débil puede perder información importante. Puedes pasar la compresión a un modelo barato, pero comprueba su calidad con tus propias tareas.

Cómo pasar las tareas en segundo plano de Hermes Agent a un modelo barato#

Además de su trabajo principal, un agente realiza tareas auxiliares: proponer títulos para los chats, comprimir conversaciones largas, analizar imágenes y decidir si se puede aprobar un comando automáticamente. En Hermes Agent, estas se denominan auxiliares. De forma predeterminada, cada una está configurada como auto: se encarga de ella el modelo principal. Si el modelo principal es un modelo insignia y pagas mediante API, las tareas auxiliares también se cobran al precio del modelo insignia.

Para aprobar comandos en el modo smart, la documentación de Hermes recomienda un modelo barato y rápido, y considera un desperdicio usar modelos caros. Para comprimir el contexto y resumir páginas web —es decir, contarlas brevemente— también recomienda un modelo rápido en lugar de uno caro de razonamiento.

Pasos:

1. Conecta de antemano un proveedor para el modelo barato y añade una clave. Según la documentación de Hermes, si asignas a una tarea un proveedor sin clave, se usará la opción predeterminada y se escribirá una advertencia en el registro agent.log. En el modo auto, si el modelo principal no puede realizar la tarea y no hay configurada una cadena de reserva, Hermes omitirá la tarea con una advertencia y no cambiará a otros proveedores conectados.
2. Abre el panel web de Hermes y sigue Models → Model Settings → Auxiliary tasks → Configure. En la fila de la tarea que necesitas (por ejemplo, Compression, Title Gen, Vision), haz clic en Change, elige un proveedor y un modelo, y luego haz clic en Switch. La documentación de Hermes indica que, en su lugar, se puede usar el botón Show auxiliary; las etiquetas dependen de la versión.
3. O introduce la misma configuración en ~/.hermes/config.yaml. Ejemplo de la documentación de Hermes: análisis de imágenes (vision) con un modelo rápido.

Buscar guías de herramientas en la documentación de Ailoot

Para los títulos de chat, la documentación sugiere fijar un modelo rápido o establecer auxiliary.title_generation.prefer_fast_model: true; Hermes elegirá un modelo rápido de tu proveedor.

4. Abre una sesión nueva. Los cambios de modelo solo se aplican a las sesiones nuevas; los chats que ya están abiertos siguen usando la configuración anterior. Si editaste config.yaml manualmente y una sesión nueva no aplicó el cambio, reinicia Hermes.

Cómo comprobarlo. La fila de la tarea debería mostrar provider · model en lugar de auto (use main model). Si sigue indicando auto, la tarea todavía usa el modelo principal. Para devolver todas las tareas al modelo principal, haz clic en Reset all to auto.

Para las tareas en segundo plano, la tabla incluye GPT-6 Luna, Gemini 3.8 Flash, DeepSeek Flash y Claude Haiku 4.5. Elige entre los proveedores que ya tengas conectados. Si conectas modelos de OpenAI mediante un proveedor de suscripción ChatGPT / Codex y GPT-6 Sol y GPT-6 Luna aún no aparecen entre tus modelos de Hermes, la tabla recomienda GPT-5.6 Sol o GPT-5.6 Luna. Según la página de Anthropic, Haiku 4.5 se retirará como pronto el 15 de octubre de 2026. No hay una fecha exacta, así que comprueba su estado antes de entonces.

Qué no incluye la tabla#

• Porcentajes de ahorro. No los he medido. Lo que ahorres depende de tus tareas y de los modelos que elijas.
• Uso exacto de los límites de suscripción. La documentación de Hermes no describe exactamente cómo consumen los límites de una suscripción a ChatGPT las solicitudes realizadas desde Hermes.
• Precios que nunca cambian. Los modelos y los planes cambian. Consulta las páginas oficiales antes de comprar.

Qué hacer hoy#

1. Haz una lista de tres o cuatro tipos de tareas que sueles encargarle a tu agente.
2. Para cada una, decide: ¿necesita pensar o ejecutar un plan terminado?
3. Reserva un modelo insignia para «pensar», usa un modelo de un nivel inferior para «ejecutar» y elige para las tareas rutinarias el modelo más barato que pueda realizarlas.
4. En Hermes, empieza por los títulos de chat: son lo más fácil de pasar a un modelo barato. Después pasa la compresión del contexto y comprueba, con tus propias conversaciones largas, si el agente empieza a perder información importante.

Para seguir trabajando con modelos, visita Ailoot.