Índice del artículo
- En 30 segundos
- Una distribuidora, dos encargos distintos
- Del correo al pedido revisado
- Qué trabajo merece cada prueba
- Cómo comparar sin decidir por la etiqueta
- Qué significa realmente el tamaño
- No lo confundas con
- Si quieres trabajar en tu ordenador
- Por dónde seguir
- Dudas sobre el tamaño de los modelos, respuestas cortas
En 30 segundos
Un modelo pequeño de IA tiene menos parámetros —ajustes aprendidos al entrenarlo— que uno grande: suele usar menos recursos; el grande puede resolver mejor tareas complejas.
El tamaño no decide por sí solo la calidad, el precio ni la espera. Compara la misma tarea y elige según los errores, las correcciones y el tiempo hasta tener un resultado que puedas usar.
Una distribuidora, dos encargos distintos
Ejemplos ilustrativos: una distribuidora de recambios de Zaragoza recibe solicitudes por correo. Una pide una referencia y una cantidad claras; otra mezcla varios artículos y contiene frases contradictorias. El primer trabajo consiste en sacar campos concretos del mensaje. El segundo exige resolver dudas antes de preparar una oferta. Son encargos diferentes dentro del mismo negocio, aunque lleguen al mismo buzón.
La empresa puede probar un modelo pequeño para ordenar las solicitudes claras y uno de mayor capacidad para preparar otro borrador cuando hay ambigüedad. Separa los trabajos: extraer una referencia no equivale a decidir qué ha querido pedir el cliente. Antes de elegir, administración necesita saber qué respuesta considera correcta en cada caso.
Del correo al pedido revisado
- Mensaje
- Extraer
- Comprobar
- Derivar dudas
- Tú apruebas
La aprobación se diseña en el proceso. El responsable coteja referencias, cantidades y existencias antes de registrar o enviar el pedido. El modelo no conecta el correo ni modifica el programa de gestión por tener más capacidad. Si una integración —una conexión entre programas— le entrega el texto, limita sus accesos: preparar una propuesta no debe darle permiso para cambiar precios, comprar o enviar mensajes.
Qué trabajo merece cada prueba
Trabajo acotado
Prueba el pequeño para clasificar solicitudes o extraer campos con reglas claras. Define qué debe devolver y deja los mensajes dudosos fuera del recorrido automático. Un formato correcto no basta si la referencia está mal.
Trabajo complejo
Prueba uno más capaz cuando haya ambigüedad, redacción delicada o decisiones encadenadas. Puede servir para fijar una respuesta de referencia. Después comprueba si uno menor alcanza ese mismo mínimo.
Cómo comparar sin decidir por la etiqueta
Fija qué aceptas
Escribe el resultado mínimo antes de abrir el selector. En la distribuidora, sería una categoría, las referencias y las cantidades que aparecen en el mensaje. Si falta un dato o hay contradicción, debe señalarlo. Prepara respuestas de referencia para cotejar las salidas. Usa documentos ficticios o autorizados y reúne tanto solicitudes habituales como excepciones. Así evitas valorar una respuesta solo porque está bien redactada o porque coincide con lo que esperabas ver.
Mantén el mismo encargo
Entrega los mismos documentos y el mismo prompt, el encargo escrito que das a la IA. Cambia solo el modelo en peticiones nuevas y conserva los ajustes compatibles. Si modificas las reglas y el modelo a la vez, no sabrás qué ha mejorado el resultado.
Cuenta el trabajo completo
Registra el coste por trabajo aceptado, el tiempo total y las correcciones. La API, la vía que permite a un programa pedir respuestas al modelo, cobra el consumo según sus condiciones. Ese consumo es solo una parte: añade integración, revisión y mantenimiento. Anota además las repeticiones necesarias para obtener una respuesta utilizable. Si una salida exige rehacerla, su tarifa inicial no representa lo que te ha costado resolver la solicitud. Compara el recorrido completo con el trabajo que hacías antes.
Decide dónde escalar
Escala por fallo comprobado o por ambigüedad, no porque la respuesta suene insegura ni porque el propio modelo diga estar seguro. Conserva las salidas y los motivos de rechazo para decidir qué casos necesitan revisión.
Qué significa realmente el tamaño
Los parámetros son ajustes internos que el modelo aprende durante su entrenamiento. Al comparar modelos que publican esa información, uno pequeño tiene menos que otro de referencia. No hay un umbral único que sirva para todos los catálogos. Además del tamaño, influyen el entrenamiento, las instrucciones y la forma de ejecutarlo. Por eso dos modelos de escala parecida pueden dar resultados distintos con tus documentos. Si quieres situar el concepto, empieza por qué es un modelo de IA.
En un catálogo comercial, pequeño también puede ser una gama de coste y capacidad. Anthropic presenta Haiku para tareas de volumen y poca espera, Sonnet como equilibrio y Opus para trabajo exigente, sin publicar ahí un recuento de parámetros comparable. No puedes deducir su tamaño físico a partir del nombre. Tampoco conviene tratar todas las gamas de una marca como si solo hubiera una opción pequeña y otra grande: consulta la ficha del modelo concreto.
Para instalar un modelo, los parámetros activos no bastan para calcular la memoria necesaria. En una arquitectura de mezcla de expertos solo interviene una parte de los parámetros al producir cada token, un fragmento de texto que procesa el modelo. El tamaño total sigue siendo distinto del trabajo que se activa en ese momento. Comprueba también el formato, el contexto y el equipo antes de comprar hardware. Que un modelo se pueda descargar no demuestra que vaya a funcionar bien en tu ordenador.
No lo confundas con
Contexto
Es el texto que admite el modelo al trabajar, no su número de parámetros. Una gama pequeña puede aceptar mucho contexto. Lee ese límite por separado si necesitas entregar documentos largos.
Esfuerzo
Es cuánto trabajo dedica a responder. Aumentarlo puede consumir más tokens y alargar la espera, también en un modelo pequeño. No transforma el modelo elegido en otro de mayor tamaño.
Licencia
Define los usos permitidos. Pequeño no significa abierto, ni grande significa cerrado. Si quieres instalarlo, lee la licencia y quién se ocupará del equipo y del mantenimiento.
Si quieres trabajar en tu ordenador
Si instalas el modelo en tu ordenador, revisa también las conexiones externas. Ollama distingue la ejecución local de sus servicios en la nube y permite desactivar funciones externas. Si una parte del proceso consulta un servicio fuera del equipo, no puedes afirmar que todos los documentos se quedan dentro. En una instaladora de Valladolid, el equipo de administración usaría copias de los partes y cotejaría el resumen antes de incorporarlo al sistema. Necesitaría apoyo técnico para revisar el recorrido de los datos.
Por dónde seguir
Elige primero el encargo que quieres resolver. Para profundizar en la decisión, tienes la comparación entre modelo grande y modelo pequeño, la explicación del precio por tokens y la latencia, el tiempo que esperas hasta recibir respuesta. Si prefieres empezar por los conceptos de negocio, sigue con la formación gratuita de Ciade. Lleva una tarea concreta: te ayudará a distinguir la capacidad que necesitas de las opciones que aparecen en el selector.
Dudas sobre el tamaño de los modelos, respuestas cortas
¿El modelo grande acierta más en cualquier tarea?
No. La calidad depende de la tarea, del entrenamiento, de las instrucciones y de cómo se ejecuta el modelo. Uno grande puede ayudar con trabajos complejos, pero no convierte sus conclusiones en datos verificados. Usa respuestas de referencia y comprueba los casos difíciles antes de elegirlo.
¿El pequeño siempre resulta más barato y rápido?
Puede reducir consumo y espera si mantiene el resultado que necesitas. Mide también las correcciones y los reintentos: una respuesta que debes rehacer puede empeorar la cuenta. El esfuerzo elegido y la cantidad de texto influyen. Compara el tiempo completo hasta tener el trabajo aceptado.
¿Conviene empezar con el modelo pequeño en cualquier tarea?
No hay una secuencia válida para cualquier encargo. Empieza según la dificultad: una clasificación clara permite probar el pequeño directamente; un análisis difícil puede necesitar primero una referencia con uno capaz. Después compara con las mismas entradas. El criterio es alcanzar tu mínimo de calidad, no seguir una jerarquía fija.
¿Un modelo pequeño puede leer documentos largos?
Sí, si su ventana de contexto lo permite. Contexto y tamaño son distintos: la primera medida indica cuánto texto admite; la segunda se refiere a sus parámetros o a su gama comercial. Comprueba además la memoria disponible si lo instalas tú. El nombre pequeño no resuelve esa pregunta.
¿Puedo instalar un modelo pequeño en cualquier ordenador?
No basta con que se llame pequeño. Comprueba la memoria, el formato y el contexto que necesita el modelo concreto. Los parámetros activos no indican por sí solos la memoria necesaria. Revisa también las conexiones externas si necesitas que los documentos se procesen dentro del equipo.
Fuentes
Fuentes oficiales, consultadas el 4 de noviembre de 2026
- IBM · Modelos pequeños y parámetros
- OpenAI · Optimizar coste manteniendo el resultado
- Anthropic · Catálogo y diferencias entre gamas
- Anthropic · Clasificación y extracción con Haiku
- Anthropic · Modelo, esfuerzo y pensamiento
- Mistral · Parámetros y despliegue de Ministral
- Mistral · Parámetros totales y activos de Small
- Mistral · Modelo grande y descarga de pesos
- Apache Software Foundation · Usos y condiciones de licencia
- Ollama · Ejecución local y funciones en nube
Cómo lo comprobamos. Información revisada el 4 de noviembre de 2026. Los negocios no son clientes reales. Ciade no ha ejecutado las pruebas de clasificación y resumen de partes, instalado los modelos locales ni comparado su calidad o velocidad.
Qué ha cambiado.
- 4 de noviembre de 2026: Reescritura v2: definición por parámetros, ejemplo de recambios, prueba por tarea y separación entre tamaño, contexto, esfuerzo y licencia. Se retiran las reglas universales de rapidez y de empezar siempre por el pequeño.
Términos relacionados
Aprende a usar la IA en tu trabajo, con criterio.
El nivel 0 es gratis: cuarenta minutos para entender qué pedirle a la IA y qué revisar. El programa completo enseña a implementarla en tu propio negocio, tarea a tarea.
