cestercian/claude-model-picker

Selector de modelos Claude

Elige un modelo inicial y un nivel de esfuerzo, luego ajusta con evidencia.

Toda recomendación aquí proviene de la guía publicada por Anthropic — consulta Fuentes. Al citar consejos al usuario, enlaza la fuente. Los catálogos de modelos y precios cambian: si un dato es importante (precio, ID del modelo, esfuerzo predeterminado), verifica la documentación en vivo antes de confiar en él.

Predeterminado

Empieza con Opus 5.5 a esfuerzo medio. Es el valor predeterminado de Claude Code y cuesta la mitad que Fable 5.2 por token. Muévete desde ahí solo con una razón.

• Baja a Sonnet 5.5 — trabajo cotidiano bien delimitado (corrección de errores, funcionalidad contra una especificación). Una especificación clara por sí sola no es suficiente: las migraciones y el trabajo de rendimiento aún pueden necesitar Opus o Fable.
• Baja aún más a Haiku 5.5 — trabajo simple y de alto volumen: clasificación, enrutamiento, etiquetado, extracción; subagentes económicos.
• Sube a Fable 5.2 — trabajo técnico más difícil (codificación, finanzas, ciencia), refactorizaciones/migraciones importantes, arquitectura, liderar muchos subagentes, ejecuciones largas sin supervisión, o cuando Opus a esfuerzo alto aún se queda corto.

Tarea → punto de partida

Tarea	Modelo	Esfuerzo
Ingeniería cotidiana, depuración, funcionalidades con múltiples PR	Opus 5.5	medio → alto
Clasificación, enrutamiento, etiquetado, extracción masiva	Haiku 5.5	medio
Subagentes que buscan, leen registros, resumen	Haiku o Sonnet 5.5	predeterminado del modelo
Sesiones de chat / interactivas	Sonnet 5.5 (Haiku para chat simple a gran volumen)	bajo o medio
Codificación bien delimitada (corrección de errores, basada en especificación)	Sonnet 5.5	medio → alto
Documentación cotidiana, diapositivas, hojas de cálculo	Sonnet 5.5 (Opus para modelos financieros complejos o pilas enormes de fuentes)	alto (medio en Claude Code)
Tareas repetitivas de agente (revisión, investigación, redacción)	Sonnet 5.5	medio
Uso de ordenador, bucles intensivos en visión	Opus 5.5	medio
Refactorizaciones importantes, arquitectura, orquestación de subagentes	Fable 5.2	medio → alto
Investigación profunda, análisis científico/cuantitativo	Fable 5.2	medio → alto
No estoy seguro	Opus 5.5	medio

Datos de los modelos

	Haiku 5.5	Sonnet 5.5	Opus 5.5	Fable 5.2
Entrada / salida por MTok	$0.10 / $0.50 (≤100K de prompt); $0.50 / $2.50 (>100K)	$2 / $10	$4 / $20	$8 / $40
Lectura de caché por MTok	$0.01 (≤100K) / $0.05	$0.10	$0.20	$0.20
Latencia	más rápida	rápida	moderada	moderada
Contexto / salida máxima	1M / 128K	1M / 128K	1M / 128K	1M / 128K
Pensamiento (Thinking)	adaptativo, se puede desactivar (≤ esfuerzo alto)	adaptativo; opción between_tools	siempre activo	siempre activo
Esfuerzo predeterminado en API	medio	alto (medio en CC)	medio	alto (medio en CC)
Modo rápido	no	no	sí	sí

Orden de ajuste cuando los resultados no son suficientes

1. Dale al modelo una forma de verificar su propio trabajo (prueba, compilación, script que llama al endpoint). Generalmente más barato que más esfuerzo.
2. Sube un nivel de esfuerzo.
3. Sube un modelo, empezando con un esfuerzo menor al que usaste en el más pequeño.

Notas:

• Esfuerzo ≈ tiempo de pensamiento, llamadas a herramientas, autoverificación. Añade latencia. No puede añadir conocimiento que al modelo le falte — eso necesita un modelo más grande.
• Más allá de high, un nivel de esfuerzo adicional puede costar tanto como el siguiente modelo. Prueba el modelo más grande con un esfuerzo menor.
• Si los resultados se pueden verificar automáticamente: ejecuta todo con esfuerzo bajo, repite solo las fallas con esfuerzo alto (supera la opción de todo-esfuerzo-alto tanto en coste como en tasa de aprobación en las pruebas de Anthropic).
• ¿Necesitas velocidad sin perder capacidad? Modo rápido en Opus 5.5 / Fable 5.2 (precio premium).

Razonamiento de costes

• Compara coste por tarea completada, no el precio por token. Un modelo más caro con menor esfuerzo puede ser más barato por tarea (p. ej., Fable 5.2 a esfuerzo alto ≈ Opus 5.5 al máximo en un benchmark difícil por ~la mitad del coste).
• Calcula el precio de las tareas más difíciles de tu conjunto; ellas dominan el gasto.
• El contexto grande se reenvía en cada turno, pero principalmente se factura como lecturas de caché. Fable y Opus comparten la tarifa de lectura de caché de $0.20, por lo que en ejecuciones intensivas en caché, su brecha es la entrada + salida no almacenada en caché.
• Mantén el contexto del modelo caro ajustado; envía la lectura verbosa a subagentes baratos.
• El nivel de prompt largo de Haiku (>100K) es 5 veces su tarifa corta. Para prompts largos, compara Haiku vs Sonnet por tarea completada.

Mezcla de modelos

• Cambia en pausas naturales. La caché de prompt es por modelo, por lo que el primer turno en un modelo nuevo vuelve a pagar las escrituras de caché. En Claude Code ejecuta /compact o empieza de nuevo con un plan corto; en la API, abre con un resumen.
• Los bloques de pensamiento no viajan hacia abajo. Fable 5.2 lee los bloques de Opus/Sonnet/Haiku 5.5; Opus 5.5 lee los de Sonnet/Haiku; Sonnet lee los de Haiku. Bajar (o salir de Fable 5.2) descarta silenciosamente el razonamiento anterior.
• Subagentes en modelos pequeños para trabajo donde los errores son baratos de detectar (buscar archivos, ejecutar pruebas, leer registros). Mantén las ediciones de código y el juicio en el modelo principal. En Claude Code, establece model: haiku / model: sonnet en el archivo del agente, o CLAUDE_CODE_SUBAGENT_MODEL para el predeterminado.
• El subagente Explore incorporado ahora usa el modelo de la sesión. Para mantenerlo barato, define tu propio agente Explore con model: haiku. ANTHROPIC_DEFAULT_HAIKU_MODEL fija el alias. En la API de Anthropic haiku → Haiku 5.5 (necesita Claude Code ≥ v2.1.293); en Bedrock/Vertex/Foundry sigue siendo Haiku 4.5.
• opusplan planifica en Opus y edita en Sonnet — lo contrario del consejo anterior. Mide antes de adoptarlo.
• Herramienta Advisor (beta): un ejecutor barato consulta a un asesor más fuerte. Las ganancias han sido pequeñas (≈ lo que compra subir el esfuerzo). Primero mide la tasa de consulta; verifica los emparejamientos permitidos.
• Líder + trabajadores para trabajo más grande que una sola ventana de contexto (p. ej., un líder Opus sobre trabajadores Sonnet en paralelo: ~⅓ más barato, misma puntuación). Omítelo para cadenas únicas dependientes o trabajo que cabe en un solo contexto.

Ejemplo de subagente barato (.claude/agents/log-reader.md):

---
name: log-reader
description: Lee la salida de pruebas y registros e informa cada caso fallido. Úsalo después de una ejecución de pruebas.
tools: Read, Grep, Glob, Bash
model: haiku
---

Para cada fallo, informa el archivo, el nombre de la prueba y la primera línea de error. No edites archivos.

Lista de verificación de migración / compatibilidad

• Fable 5.2 conserva el pensamiento: La API devuelve 400 si algo antes de un bloque de pensamiento de Fable cambió (prompt del sistema, herramientas, mensajes anteriores) a menos que optes por descartarlo. Mantén el historial solo de añadidos. Claude Code / Agent SDK / Managed Agents manejan esto.
• Pensamiento (Thinking): Opus 5.5 y Fable 5.2 no pueden desactivar el pensamiento (error). Lee los bloques de contenido por tipo — las respuestas pueden comenzar con un bloque de pensamiento.
• Uso forzado de herramientas: tool_choice: any|tool → 400 en Sonnet/Opus 5.5 y Fable 5.2. Usa auto + herramienta strict: true + instrucciones en el prompt.
• Uso de ordenador: solo a través de computer_toolset_20260801 (API de Claude, Claude gestionado por Google en Google Cloud).
• Haiku 4.5 → 5.5: reemplaza budget_tokens con esfuerzo; elimina los valores no predeterminados de temperature/top_p/top_k; termina con un turno de usuario (sin relleno de asistente).
• Alternativas de seguridad: las solicitudes de ciberseguridad marcadas pueden reejecutarse en Opus 4.8, las de biología en Opus 5 (Claude Code muestra un aviso).
• Sistemas multimodelo: construye cada solicitud para el modelo más estricto para que los pasos puedan cambiar de nivel sin cambios de código. Si el enrutamiento es simple (un modelo por tipo de paso), enruta en código, no con un modelo.

Mide antes de comprometerte

1. Toma una muestra de tareas reales; escribe una verificación de resultado para cada una (prueba que pase, recuento de filas correcto…).
2. Ejecuta cada candidato con 2–3 niveles de esfuerzo, sesiones separadas (sin caché compartida). Registra el coste del usage de cada respuesta.
3. Traza la puntuación frente al gasto. Mantén una configuración multimodelo solo si supera todos los puntos de un solo modelo.
4. Ejecuta en segundo plano el ganador con tráfico real antes de migrar.

Comprobación rápida en Claude Code: ejecuta una tarea del backlog en dos modelos mediante /model, compara /usage.

Cómo responder al usuario

1. Nombra el modelo + esfuerzo para su tarea, con una razón de una línea de la tabla.
2. Di qué haría que subieran o bajaran.
3. Si están integrando mediante API o mezclando modelos, señala los elementos de compatibilidad relevantes.
4. Si el coste importa, sugiere el bucle de medición anterior en lugar de confiar en los precios de lista.

Fuentes

Fuente principal:

• Addy Osmani, "Which Claude model should you build with? Fable, Opus, Sonnet, or Haiku", claude.dev Blog (Anthropic), 9 de noviembre de 2026.

Documentación de Anthropic referenciada en ese artículo:

• Elegir un modelo — Documentación de la plataforma Claude
• Visión general de modelos — IDs de modelo, precios, ventanas de contexto
• Esfuerzo — niveles de esfuerzo y sus compensaciones
• Configuración de modelos en Claude Code — alias, opusplan, ANTHROPIC_DEFAULT_HAIKU_MODEL
• Subagentes en Claude Code — model: por agente y CLAUDE_CODE_SUBAGENT_MODEL