El esfuerzo (effort) es el dial que controla cuánto razona un modelo antes de contestar: a más esfuerzo, más tokens de salida gastados en razonamiento intermedio y mayor probabilidad de resolver problemas duros. Es la perilla que complementa al modelo: el mismo modelo con alto esfuerzo se comporta casi como otro más capaz. Por eso conviene bajarlo en tareas rutinarias (ahorro en output tokens) y reservar el alto para planificación, debugging complejo o diseño. Esquivar el effort por defecto es la fuente más común de derroche.
Prompt para tu agente
Ayúdame a ajustar el esfuerzo de razonamiento para <tarea>: dime si es rutinaria (effort bajo, ahorro de tokens) o dura (effort alto para planificar o depurar), y qué señales me dicen que estoy gastando de más o quedándome corto.
Fuentes en Web Reactiva
- Cómo gastar menos en GitHub Copilot eligiendo el modelo de IA correctopost2026-04-28
- Prompting con Opus 4.7 vs GPT-5.5: la guía comparativapost2026-05-02
- Los mejores modelos de IA para código en 2026: comparativa técnicapost2026-02-12
- Claude Opus 4.7: qué cambia frente a Opus 4.6 y GPT-5.4post2026-04-10
- Gemini 3.5 Flash vs Opus 4.7 vs GPT-5.5: el Flash que lidera 5 benchmarkspost2026-06-20
- Aprendizaje por refuerzo: 10 conceptos de IA explicados con un videojuegopost2026-04-06
Artículo creado por Daniel Primo con ayuda de la IA en base a lo compartido en el podcast, vídeos y textos de Web Reactiva.