Elegir el modelo adecuado



Establece criterios clave

Al elegir un modelo de Claude, considera evaluar primero estos factores:

• Capacidades: ¿Qué características o capacidades específicas necesitarás que tenga el modelo para satisfacer tus necesidades?
• Velocidad: ¿Con qué rapidez necesita responder el modelo en tu aplicación? Claude Opus 5 y Claude Opus 4.8 admiten el modo rápido (vista previa de investigación), que ofrece hasta 2,5 veces más velocidad de salida con precios premium.
• Costo: ¿Cuál es tu presupuesto tanto para el desarrollo como para el uso en producción?
• Esfuerzo: Los modelos recientes de Opus y Sonnet admiten un parámetro de esfuerzo que intercambia inteligencia por latencia y costo dentro de un mismo modelo. Ajustar el esfuerzo suele ser una mejor palanca que cambiar de modelo. En Claude Opus 5, comienza con el valor predeterminado (high) y ajústalo hacia arriba o hacia abajo según tus evaluaciones. En Claude Opus 4.8 y Claude Opus 4.7, el nivel de esfuerzo xhigh, entre high y max, es la mejor configuración para la mayoría de los casos de uso de programación y agénticos.

Conocer estas respuestas de antemano hará que sea mucho más fácil acotar las opciones y decidir qué modelo usar.



Elige el mejor modelo para empezar

Hay dos enfoques generales que puedes usar para comenzar a probar qué modelo de Claude funciona mejor para tus necesidades.



Opción 1: Comienza priorizando la eficiencia

Para muchas aplicaciones, comenzar con un modelo más rápido y rentable como Claude Haiku 4.5 puede ser el enfoque óptimo:

1. Comienza la implementación con Claude Haiku 4.5.
2. Prueba tu caso de uso a fondo.
3. Evalúa si el rendimiento cumple con tus requisitos.
4. Actualiza solo si es necesario para cubrir brechas de capacidad específicas.

Este enfoque permite una iteración rápida, menores costos de desarrollo y suele ser suficiente para muchas aplicaciones comunes. Este enfoque es ideal para:

• Prototipado y desarrollo inicial
• Aplicaciones con requisitos estrictos de latencia
• Implementaciones sensibles al costo
• Tareas sencillas de alto volumen



Opción 2: Comienza priorizando la capacidad

Para tareas complejas donde la inteligencia y las capacidades avanzadas son primordiales, es posible que quieras comenzar priorizando la capacidad: implementa con el punto de partida más potente para tu tarea y luego optimiza hacia modelos más eficientes con el tiempo:

1. Implementa con Claude Opus 5.
2. Optimiza tus prompts para este modelo.
3. Evalúa si el rendimiento cumple con tus requisitos.
4. Considera aumentar la eficiencia reduciendo el esfuerzo o cambiando a modelos inferiores con el tiempo mediante una mayor optimización del flujo de trabajo.

Este enfoque es ideal para:

• Tareas de razonamiento complejo
• Aplicaciones científicas o matemáticas
• Tareas que requieren comprensión matizada
• Aplicaciones donde la precisión es más importante que las consideraciones de costo
• Programación avanzada y trabajo agéntico de alta autonomía

Claude Opus 5 (claude-opus-5) representa una mejora sustancial respecto a Claude Opus 4.8, con un rendimiento sólido en razonamiento profundo, tareas agénticas y de largo horizonte, y escalado de cómputo en tiempo de prueba. Claude Opus 5 admite una ventana de contexto de 1 millón de tokens de forma predeterminada y hasta 128k tokens de salida, y tiene un precio de 5 USD por millón de tokens de entrada y 25 USD por millón de tokens de salida.

Claude Fable 5 (claude-fable-5) es el modelo de lanzamiento amplio más capaz de Anthropic, que ofrece inteligencia de próxima generación para agentes de larga duración. Claude Mythos 5 (claude-mythos-5) está disponible a través de Project Glasswing. Ambos modelos admiten una ventana de contexto de 1 millón de tokens de forma predeterminada, hasta 128k tokens de salida y pensamiento adaptativo siempre activo. Consulta Presentamos Claude Fable 5 y Claude Mythos 5 para conocer los detalles del lanzamiento.

Claude Fable 5 y Claude Mythos 5 tienen un precio de 10 USD por millón de tokens de entrada y 50 USD por millón de tokens de salida.



Matriz de selección de modelos



Decide si actualizar o cambiar de modelo

Para determinar si necesitas actualizar o cambiar de modelo, debes:

1. Crear pruebas de referencia específicas para tu caso de uso: tener un buen conjunto de evaluación es el paso más importante del proceso.
2. Probar con tus prompts y datos reales.
3. Comparar el rendimiento entre modelos en cuanto a:
   • Precisión de las respuestas
   • Calidad de las respuestas
   • Manejo de casos extremos
4. Sopesar las compensaciones entre rendimiento y costo.



Próximos pasos