Los modelos dentro de una familia intercambian capacidad contra costo y latencia: los modelos más pequeños son más rápidos y baratos pero menos capaces; los más grandes razonan mejor sobre problemas difíciles pero cuestan más y responden más lentamente. La habilidad está en hacer coincidir el modelo con la dificultad de la tarea, no siempre optar por el más grande.
Usando la familia Claude de Anthropic como ejemplo (generación más reciente: , , ):
Haiku → smallest, fastest, cheapest
→ high-volume / simple tasks: classification, extraction, quick edits
Sonnet → balanced cost/quality
→ everyday coding and general work (the sensible default)
Opus → most capable, highest cost & latency
→ hardest multi-step reasoning, architecture, tricky debugging
El orden es relativo: Haiku < Sonnet < Opus tanto en precio como en latencia, y el mismo orden en capacidad bruta.
Classify 1M support tickets → Haiku (volume dominates; task is simple)
Implement a feature → Sonnet (balanced everyday coding)
Debug a subtle race condition → Opus (hard reasoning justifies the cost)
Optar por defecto al modelo más grande desperdicia dinero y añade latencia en tareas que un nivel más barato maneja bien; optar por el más pequeño proporciona resultados pobres en trabajo genuinamente difícil. Elegir deliberadamente — comienza más barato, escala solo cuando la calidad lo requiera — mantiene los sistemas rápidos y asequibles a escala mientras sigue llevando el modelo pesado a los problemas que realmente lo necesitan.