Conoce los modelos
Astra
Inteligencia de vanguardia
Problemas ambiguos, análisis en profundidad y entregables ambiciosos.
GPT-6.1 Sol
Optimizado y de alto rendimiento
Tareas complejas en las que también necesitas controlar el tiempo y los costos.
GPT-6.1 Terra
Razonamiento visual y uso de la computadora
Flujos de trabajo en pantalla, redacción concisa y correcciones puntuales de código.
Luna
Inteligente y eficiente
Tareas de alcance definido, clasificación por prioridad y automatizaciones frecuentes
La disponibilidad, las herramientas, los ajustes 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
Selecciona el tipo de trabajo y la tarea para obtener una recomendación.
Cuándo considerar GPT-6.1 Terra
Prueba GPT-6.1 Terra para redactar textos concisos a partir del material que proporciones, realizar tareas de uso de la computadora con un resultado definido o hacer correcciones de alcance limitado en el código. Proporciona datos de entrada y requisitos claros e indica cómo verificar el resultado, por ejemplo, al revisar los registros guardados o ejecutar pruebas de regresión.
Compáralo con GPT-6.1 Sol usando los mismos datos de entrada y el mismo esfuerzo de razonamiento. Para las tareas de redacción, evalúa si el texto se adapta al público, si la voz es adecuada y si los detalles son útiles. Considera también la precisión y la extensión. Para las tareas de uso de la computadora, verifica el resultado guardado y la exactitud 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 preparar una presentación para la junta directiva 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 la relación entre calidad y costo.
Consulta la página del modelo en la API para conocer las especificaciones y los precios de la API, o revisa la disponibilidad en Codex y ChatGPT Work para saber si puedes acceder al modelo con tu plan de ChatGPT.
Cómo elegir un modelo y un nivel de esfuerzo de razonamiento
Luna es el modelo más eficiente en términos de costo. Astra es nuestro modelo más avanzado y potente. Si el costo y la latencia no son una preocupación, puedes usar Astra de forma predeterminada. Para reducir el costo o la latencia, sigue estas pautas para elegir el modelo y el nivel de esfuerzo de razonamiento que se ajusten a tus necesidades.
Luna es nuestro modelo más eficiente. Astra es nuestro modelo más avanzado y potente. Si no necesitas tener en cuenta el consumo ni el tiempo que lleva completar una tarea, puedes usar Astra de forma predeterminada. Para optimizar el consumo, sigue estas pautas para elegir el modelo y el nivel de esfuerzo de razonamiento que se ajusten a tus necesidades.
Modelo y esfuerzo de razonamiento
-
Luna · Ligera
Hacer cambios precisos, resolver problemas bien delimitados y realizar extracciones sencillas de datos.
-
Luna · Muy alta
Buscar información de contexto actualizada en varias aplicaciones, priorizar tareas y resolver problemas con restricciones claras.
-
GPT-6.1 Sol · Media
Trabajo técnico complejo y entregables coordinados que prevés revisar.
-
GPT-6.1 Sol · Muy alta
Entregables con un acabado profesional, sistemas visuales interconectados y decisiones basadas en evidencia contradictoria.
-
Astra · Ligera
Redactar de forma concisa y adaptar contenido sin perder los hechos ni los matices.
-
Astra · Media
Proyectos ambiciosos que requieren un contexto amplio, interacciones confiables y resultados completos.
-
Astra · Muy alta
Análisis exigentes y entregables complejos con requisitos rigurosos.
Experimenta
Usa las pautas de esta página como punto de partida. La mejor manera de encontrar el modelo adecuado para tu flujo de trabajo es probar distintos modelos y ajustes de razonamiento para ver cuáles te dan mejores resultados.
Empieza por responder estas preguntas:
- ¿Con qué frecuencia se ejecuta tu flujo de trabajo? El consumo y el costo se acumulan más rápido con una automatización que se ejecuta con frecuencia que con un proyecto ocasional.
- ¿Qué tan pronto necesitas el resultado? Si estás esperando a que termine una tarea, tal vez necesites un ajuste más rápido que para una tarea que se ejecuta durante la noche.
- ¿Cómo vas a usar el resultado? Un borrador que vas a revisar puede requerir menos pulido que un texto que vas a compartir fuera de tu organización.
- ¿Qué tan importante es la calidad del resultado? Según tu caso de uso o el sector en el que trabajes, quizá te convenga usar un modelo más potente para priorizar la calidad.
Si puedes, haz las pruebas con los mismos datos de entrada para comparar los resultados y quédate con el ajuste de menor esfuerzo que cumpla tus requisitos de calidad.
Define los criterios de aceptación antes de comparar los modelos:
- Redacción: comprueba que el texto incluya los datos y matices necesarios, se adapte al público y tenga la voz adecuada. Revisa ambos textos antes de decidir si el más breve es más útil.
- Uso de la computadora: vuelve a abrir el registro o la página donde se hicieron los cambios para verificar que se hayan guardado. Confirma que el flujo de trabajo haya conservado los datos ajenos a la tarea y compara el informe de finalización con el resultado real.
- Código e interfaces: ejecuta pruebas de regresión. Si se trata de una aplicación interactiva, revisa también cómo se ve el resultado en computadoras de escritorio y dispositivos móviles.
Repite la comparación con tareas representativas. Evalúa la calidad y mide el tiempo que lleva completar cada tarea, incluido el tiempo que dediques a revisar o corregir el resultado. Luego varía el esfuerzo de razonamiento y mantén el mismo modelo y los mismos datos de entrada.