Selección de modelos
Encuentra el modelo adecuado para tu caso de uso
Conoce los modelos
Astra
Inteligencia de vanguardia
Problemas ambiguos, análisis profundos y entregables ambiciosos.
GPT-6.1 Sol
Optimizado y de alto rendimiento
Tareas complejas en las que también necesitas gestionar el tiempo y el costo.
GPT-6.1 Terra
Razonamiento visual y uso del equipo
Flujos de trabajo en pantalla, redacción concisa y correcciones de código de alcance definido.
Luna
Inteligente y eficiente
Tareas de alcance definido, clasificación inicial y automatizaciones frecuentes
La disponibilidad, las herramientas, la configuración de razonamiento y los límites de uso varían según el producto y la versión del modelo. Consulta los modelos disponibles en ChatGPT o el catálogo de modelos de la API.
Encuentra el modelo adecuado para tu flujo de trabajo
Elige tu trabajo y tarea y recibe una recomendación.
Cuándo considerar GPT-6.1 Terra
Prueba GPT-6.1 Terra para redactar de forma concisa a partir de material proporcionado, realizar tareas de uso del equipo con un resultado definido y corregir código con un alcance definido. Proporciona datos de entrada claros, requisitos y una forma de verificar el resultado, como comprobar los registros guardados o ejecutar pruebas de regresión.
Compáralo con GPT-6.1 Sol usando los mismos datos de entrada y esfuerzo de razonamiento. Para la redacción, evalúa la adecuación al público, la voz y los detalles útiles, además de la precisión y la extensión. Para el uso del equipo, comprueba el resultado guardado y la precisión del informe de finalización.
Cuándo considerar GPT-6.1 Sol
Considera GPT-6.1 Sol para proyectos complejos en los que el costo sea importante, como crear una presentación para el consejo de administración a partir de resultados financieros o crear un sitio web a partir de una descripción del producto. Compáralo con Astra en la misma tarea para evaluar el equilibrio entre calidad y costo.
Consulta la página del modelo en la API para ver las especificaciones y los precios de la API, o la disponibilidad en Codex y ChatGPT Work para acceder a través de tu plan de ChatGPT.
Cómo pensar en los modelos y el esfuerzo de razonamiento
Luna es nuestro modelo más eficiente, mientras que Astra es nuestro modelo más avanzado y potente. Si no necesitas tener en cuenta el uso ni el tiempo que lleva completar una tarea, puedes usar Astra de forma predeterminada. Para optimizar el uso, sigue las indicaciones siguientes para elegir un modelo y un esfuerzo de razonamiento según tus necesidades.
Modelo y esfuerzo de razonamiento
Luna · Bajo
Ediciones precisas, resolución de problemas bien acotados y extracción sencilla de datos.
Luna · Extra alto
Búsqueda de contexto actual en varias aplicaciones, priorización del trabajo y resolución de problemas con restricciones claras.
GPT-6.1 Sol · Medio
Trabajo técnico complejo y entregables coordinados que prevés revisar.
GPT-6.1 Sol · Extra alto
Entregables pulidos, sistemas visuales conectados y decisiones basadas en pruebas contradictorias.
Astra · Bajo
Redacción concisa y adaptación de contenido que preservan los hechos y los matices.
Astra · Medio
Proyectos ambiciosos que requieren un contexto amplio, interacciones fiables y resultados completos.
Astra · Extra alto
Análisis exigentes y entregables complejos con requisitos rigurosos.
Experimenta
Considera las indicaciones de esta página como un punto de partida. La mejor manera de encontrar el modelo adecuado para tu flujo de trabajo es experimentar con distintos modelos y configuraciones de razonamiento para ver qué funciona.
Comienza por considerar lo siguiente:
- ¿Con qué frecuencia se ejecuta tu flujo de trabajo? Una automatización frecuente acumula uso y costos más rápido que un proyecto ocasional.
- ¿Con qué rapidez necesitas el resultado? Una tarea cuyo resultado estás esperando puede requerir una configuración más rápida que otra que se ejecuta durante la noche.
- ¿Cómo usarás el resultado? Un borrador para que lo revises puede necesitar menos pulido que algo que compartirás externamente.
- ¿Qué importancia tiene la calidad del resultado? Según tu caso de uso o sector, quizá quieras usar un modelo más potente para dar prioridad a la calidad.
Si puedes, experimenta con las mismas entradas para comparar los resultados y conserva la configuración más ligera que cumpla con tu nivel de calidad.
Define los criterios de aceptación antes de comparar modelos:
- Redacción: comprueba los hechos requeridos, los matices, el público y la voz. Revisa ambos resultados antes de decidir si el más breve es más útil.
- Uso del equipo: vuelve a abrir el registro o la página afectados para verificar los cambios guardados, confirma que el flujo de trabajo conservó los datos no relacionados y compara el informe de finalización con el resultado real.
- Código e interfaces: ejecuta pruebas de regresión. Si se trata de una aplicación interactiva, inspecciona también el resultado renderizado en equipos de escritorio y dispositivos móviles.
Repite la comparación con tareas representativas. Mide el tiempo de finalización junto con la calidad, incluido el tiempo dedicado a revisar o corregir el resultado. Después, varía el esfuerzo de razonamiento manteniendo el modelo y los datos de entrada sin cambios.