Qué modelo de decisión elegir según el caso de uso

👁 112 lecturas

Seleccionar un modelo de decisión requiere evaluar el tipo específico de tarea estructurada, los requisitos de latencia, la necesidad de alojar pesos de forma local y las exigencias de cumplimiento en materia de protección de datos. El Decision Index v1.0 publicado por Artificial Analysis el 13 de octubre de 2026 evidencia que ningún modelo domina todas las dimensiones operativas, existiendo marcadas diferencias entre proveedores.

Clasificación, moderación y llamada a herramientas

Para tareas puras de clasificación y detección de contenido dañino, la prueba WildGuardTest de Artificial Analysis sitúa a GLiDE como el modelo con mejor puntuación global (95.1 F1, por encima de todos los LLM evaluados), seguido de Decider v1.1 27B (93.8), Jev 1.13 (93.6) y Claude Haiku 5.5 low (92.6). No obstante, en coste de clasificación por millón de tareas, Decider ($12.1) y Microsoft-Decision-1 ($12.5) son notablemente más económicos que GLiDE ($84.3).

En la selección de herramientas y enrutamiento (When2Call), GLiDE y Celeris-1 Decision lideran con 83.7 puntos frente a Claude Haiku 5.5 low (73) y GPT-6 Luna low (77). Celeris-1 Decision ofrece además la menor latencia mediana de la tabla de AA (63 ms) e incluye explicaciones de una frase mediante x_celeris.explain sin coste adicional, aunque no dispone de pesos abiertos ni presencia en OpenRouter. En una prueba propia de este sitio con 10 casos tipo When2Call, siete modelos de decisión obtuvieron 10/10, mientras Mercury logró 9/10 y Clef-Flash y Clef-Omni obtuvieron 6/10.

Razonamiento complejo frente a conocimiento factual

Si la prioridad es el razonamiento lógico formal, Jev 1.13 lidera ampliamente en HLE-MultiChoice con 20.9 puntos frente a 15.4 o menos en cualquier otro modelo de decisión. Como contrapartida, en pruebas de conocimiento factual privado (AA-Omniscience-Decision), ningún modelo de decisión supera el 41% de precisión (d1 obtiene 41.0, pero solo dice «No lo sé» en el 1.7% de los casos incorrectos). Para abstenerse ante preguntas desconocidas, Microsoft-Decision-1 marca 39.8, Jev 35.2 y Mercury Decide 32.0; los demás no superan el 17.

Asimismo, en el test propio sobre 50 tickets de soporte en un idioma no inglés (polaco), Jev 1.13 obtuvo el resultado más bajo en enrutamiento por departamento (41 aciertos sobre 47 tickets no ambiguos frente a 44 de Decider, Microsoft-Decision-1, Mercury y Clef), requiriendo además ~640 tokens de entrada por tarea frente a ~275 en Microsoft-Decision-1. En urgencia, Decider y GPT-6 Luna Decisions lograron 48/50, mientras Microsoft-Decision-1 tuvo 42/50 debido a 8 falsas alarmas con umbral 0.5.

Pesos abiertos y procesamiento de datos en la UE

Para entornos corporativos con restricciones geográficas o necesidad de despliegue propio, las opciones se diferencian claramente:

• Modelos abiertos: Decider v1.1 27B ofrece pesos bajo licencia Apache-2.0 en Hugging Face (requiere ~49 GiB de VRAM). d1 cuenta con pesos abiertos d1-3B y d1-omni-600M bajo LFM Open License v1.0 (gratuita para ingresos inferiores a $10M anuales). Clef y Clef-Flash disponen de licencia Apache-2.0.
• Procesamiento en la Unión Europea: Microsoft-Decision-1 permite despliegues DataZoneStandard en Microsoft Foundry para retener el cómputo dentro de la zona de datos de la UE. GPT-6 Luna Decisions ofrece procesamiento en UE/EEE con un recargo del 10%. Por el contrario, TypeSafe procesa Jev 1.13 en EE. UU. (DPA con SCCs sin región europea).

Más: Modelos de decisión IA - ranking Decision Index, precios y pruebas

// sigue leyendoPara quién es Grok 4.7 y quién debería elegir otro modeloNoticiasPara quién es GPT-6 Astra y quién debería elegir otro modeloNoticias¿Qué IA elegir para música de vídeo? Eleven Music, Stable o SunoHerramientas de IA

Kinetyra