> For the complete documentation index, see [llms.txt](https://docs.airops.com/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.airops.com/docs/es/acciones/workflow-concepts/workflow-steps/ai-steps/llm/choosing-a-model.md). # Guía de selección de modelos Compara los modelos admitidos y elige uno para un paso Prompt LLM ## Elige un modelo El modelo que selecciones afecta la calidad de la salida, la velocidad, el costo y las funciones disponibles en un [paso Prompt LLM](/docs/es/acciones/workflow-concepts/workflow-steps/ai-steps/llm.md). Usa el selector de modelos como fuente de verdad para la disponibilidad en tu espacio de trabajo.
### Qué considerar Compara estos factores antes de seleccionar un modelo: 1. **Ventana de contexto:** Comprueba cuánto input puede procesar el modelo. Un token equivale aproximadamente a cuatro caracteres en inglés. 2. **Complejidad de la tarea:** Usa modelos de razonamiento más potentes para planificación, análisis y lógica de varios pasos. 3. **Acceso web:** Confirma que el modelo admita investigación web cuando la tarea requiera información actual. 4. **Costo:** Compara el nivel de costo del modelo en el selector, especialmente para Workflows de gran volumen. 5. **Velocidad:** Equilibra el tiempo de respuesta con la profundidad de razonamiento que requiere la tarea. ## Modelos comunes de AirOps Los siguientes modelos cubren casos de uso comunes en nuevos Workflows. Una marca de verificación significa que la capacidad está disponible en el paso Prompt LLM de AirOps. | Modelo | Proveedor | Descripción | Ventana de contexto | Visión | Modo JSON | Acceso web | | ---------------------- | ---------- | ------------------------------------------------------------------- | ------------------- | ------ | --------- | ---------- | | GPT-6 Astra | OpenAI | Razonamiento complejo y trabajo agéntico | 1M | ✓ | ✓ | ✓ | | GPT-6.1 Sol | OpenAI | Predeterminado para los nuevos pasos Prompt LLM | 1M | ✓ | ✓ | ✓ | | GPT-6 Sol | OpenAI | Razonamiento sólido para programación y trabajo agéntico | 1M | ✓ | ✓ | ✓ | | GPT-6 Luna | OpenAI | Modelo eficiente para trabajo enfocado y de gran volumen | 1M | ✓ | ✓ | ✓ | | GPT-5.6 Sol | OpenAI | Modelo insignia GPT-5.6 para razonamiento y programación complejos | 1M | ✓ | ✓ | ✓ | | GPT-5.6 Terra | OpenAI | Modelo GPT-5.6 equilibrado para un gran rendimiento a menor costo | 1M | ✓ | ✓ | ✓ | | GPT-5.6 Luna | OpenAI | Modelo GPT-5.6 rentable para cargas de trabajo de gran volumen | 1M | ✓ | ✓ | ✓ | | GPT-5.5 | OpenAI | Antiguo modelo insignia para tareas complejas de razonamiento | 1M | ✓ | ✓ | ✓ | | GPT-5.4 | OpenAI | Modelo avanzado para trabajo profesional | 1M | ✓ | ✓ | ✓ | | GPT-5.4 Mini | OpenAI | Modelo GPT-5.4 más rápido para tareas bien definidas | 400K | ✓ | ✓ | ✓ | | GPT-5.2 | OpenAI | Modelo insignia con razonamiento de contexto largo mejorado | 400K | ✓ | ✓ | ✓ | | GPT-5 | OpenAI | Modelo para tareas complejas | 200K | ✓ | ✓ | ✓ | | O3 Pro | OpenAI | Modelo avanzado para razonamiento complejo | 200K | ✓ | ✓ | - | | O3 | OpenAI | Modelo de razonamiento con investigación web | 200K | ✓ | ✓ | ✓ | | Claude Opus 5.5 | Anthropic | Razonamiento complejo y trabajo agéntico | 1M | ✓ | - | ✓ | | Claude Opus 5 | Anthropic | Para programación agéntica compleja y trabajo empresarial | 1M | ✓ | - | ✓ | | Claude Fable 5.1 | Anthropic | Razonamiento exigente y trabajo agéntico de largo plazo | 1M | ✓ | - | ✓ | | Claude Fable 5 | Anthropic | Razonamiento exigente y trabajo agéntico de largo plazo | 1M | ✓ | - | ✓ | | Claude Sonnet 5.5 | Anthropic | Modelo rápido para programación y tareas cotidianas | 1M | ✓ | - | ✓ | | Claude Sonnet 5 | Anthropic | Razonamiento híbrido para respuestas rápidas o pensamiento profundo | 1M | ✓ | - | ✓ | | Claude Opus 4.8 | Anthropic | Modelo insignia anterior para tareas complejas de varios pasos | 1M | ✓ | - | ✓ | | Claude Opus 4.7 | Anthropic | Razonamiento complejo, programación y trabajo de contexto largo | 1M | ✓ | - | ✓ | | Claude Opus 4.6 | Anthropic | Razonamiento complejo y programación | 200K | ✓ | - | ✓ | | Claude Sonnet 4.6 | Anthropic | Opción Sonnet actual para tareas complejas | 200K | ✓ | - | ✓ | | Claude Haiku 5.5 | Anthropic | Clasificación rápida, extracción y tareas ligeras | 1M | ✓ | - | ✓ | | Claude Haiku 4.5 | Anthropic | Modelo rápido para tareas ligeras | 200K | ✓ | - | ✓ | | Gemini 3.8 Flash | Google | Razonamiento y generación con base en Google Search | 1M | - | ✓ | ✓ | | Gemini 3.5 Flash | Google | Modelo rápido con base en Google Search | 1M | - | ✓ | ✓ | | Gemini 3.1 Pro Preview | Google | Razonamiento avanzado con base en Google Search | 1M | - | ✓ | ✓ | | Gemini 3 Flash Preview | Google | Modelo rápido para tareas ligeras | 1M | - | ✓ | ✓ | | Gemini 3.1 Flash Lite | Google | Modelo rentable para tareas ligeras | 1M | - | ✓ | ✓ | | Perplexity Sonar | Perplexity | Modelo equilibrado para investigación web en línea | 128K | - | - | ✓ | ## Modelos de OpenAI ### GPT-6 Astra Selecciona **GPT-6 Astra** para tareas complejas de razonamiento y tareas agénticas. Admite esfuerzo de razonamiento, verbosidad, visión, salida JSON e investigación web en el paso Prompt LLM. Los controles de temperatura no están disponibles. ### GPT-6.1 Sol Los nuevos pasos Prompt LLM se configuran de forma predeterminada en **GPT-6.1 Sol** con **Media** esfuerzo de razonamiento. Puedes elegir **Baja**, **Media**, o **Alta**. El paso admite visión, salida JSON, Investigación web y controles de verbosidad, con una ventana de contexto de 1M tokens y hasta 128.000 tokens de salida. Los controles de temperatura no están disponibles. Las selecciones de modelos compatibles existentes permanecen sin cambios. ### GPT-6 Sol y Luna Usar **GPT-6 Sol** para programación exigente, razonamiento y trabajo agéntico. **GPT-6 Luna** es una opción de menor costo para tareas enfocadas y de gran volumen. Ambos admiten visión, salida JSON, Investigación web y controles de esfuerzo de razonamiento y verbosidad. Los controles de temperatura no están disponibles. Los pasos existentes conservan el modelo seleccionado. ### Serie GPT-5 Los modelos GPT-5 combinan razonamiento con generación de propósito general. GPT-5.6 aparece en el selector de modelos como Sol, Terra y Luna. Estos modelos siguen estando disponibles para pasos existentes y nuevos. Los controles de razonamiento varían según el modelo: * GPT-5 admite `mínimo`, `bajo`, `medio`, y `alto`. * GPT-5.1, GPT-5.2, GPT-5.4, GPT-5.5 y GPT-5.6 admiten `ninguno`, `bajo`, `medio`, y `alto`. ### Modelos O3 Usa O3 para razonamiento complejo de varias etapas. O3 admite `bajo`, `medio`, y `alto` niveles de razonamiento. O3 Pro aumenta la capacidad de razonamiento, pero no admite investigación web en el paso Prompt LLM. ## Diferencias entre los modelos Claude ### Claude Opus 5.5 Selecciona **Claude Opus 5.5** para razonamiento complejo y trabajo agéntico. Admite una ventana de contexto de 1M tokens, visión e Investigación web. Activa **Activar pensamiento** para usar pensamiento adaptativo. Los controles de temperatura y Web Fetch no están disponibles para este modelo en el paso Prompt LLM. ### Claude Opus 5 Claude Opus 5 gestiona programación agéntica compleja y trabajo empresarial. Activa **Activar pensamiento** en el paso Prompt LLM cuando la tarea se beneficie de un razonamiento adicional. Claude Opus 5 admite **Investigación web**, pero no admite **Web Fetch**. ### Claude Fable 5.1 y Fable 5 Claude Fable 5.1 admite razonamiento exigente y trabajo agéntico de largo plazo, con una ventana de contexto de 1M tokens, visión, pensamiento adaptativo, Investigación web y Web Fetch. Fable 5 sigue disponible para Workflows existentes. ### Claude Sonnet 5.5 Selecciona **Claude Sonnet 5.5** para programación y tareas cotidianas. Admite una ventana de contexto de 1M tokens, visión, Investigación web y Web Fetch. Activa **Activar pensamiento** para usar pensamiento adaptativo con esfuerzo Bajo, Medio o Alto. Los controles de temperatura no están disponibles. ### Claude Sonnet 5 Claude Sonnet 5 equilibra respuestas rápidas con un razonamiento más profundo y aparece destacado en el selector de modelos LLM. ### Claude Opus 4.8 y 4.7 Claude Opus 4.8 y 4.7 admiten Workflows complejos de varios pasos, contenido extenso y tareas de investigación. Ambos modelos admiten ventanas de contexto de 1M tokens. ### Claude Haiku 5.5 Selecciona **Claude Haiku 5.5** en un paso Prompt LLM para clasificación, extracción y tareas ligeras. Admite visión, Investigación web, una ventana de contexto de 1M tokens y hasta 128.000 tokens de salida. Activa **Activar pensamiento** para pensamiento adaptativo con **Baja**, **Media**, o **Alta** esfuerzo. Los controles de temperatura, Top P, Top K y Nivel de prioridad no están disponibles para este modelo. ### Claude Sonnet 4.6 y Haiku 4.5 Usa Claude Sonnet 4.6 para tareas complejas que necesiten un equilibrio entre razonamiento y velocidad. Usa Claude Haiku 4.5 para cargas de trabajo más ligeras. ## Modelos Gemini Flash Gemini 3.8 Flash admite una ventana de contexto de 1M tokens, salida JSON y base de datos con Google Search. Las herramientas de visión y MCP no están disponibles para este modelo en el paso Prompt LLM. Gemini 3.8 Flash no expone controles de temperatura. ## Modelos de Groq Selecciona **GPT OSS 120B** o **GPT OSS 20B** para modelos de peso abierto alojados por Groq. GPT OSS 20B está pensado para tareas más ligeras. Groq retiró Llama 3.1 8B Instant y Llama 3.3 70B Versatile el 16 de agosto de 2026. AirOps asigna las selecciones afectadas a GPT OSS 20B y GPT OSS 120B, respectivamente. Revisa y prueba el reemplazo antes de ejecutar en masa un Workflow afectado. ## Disponibilidad del modelo AirOps oculta los modelos obsoletos del selector para nuevos Workflows. Si un Workflow existente usa un modelo obsoleto, el modelo seleccionado sigue visible para que puedas revisar el cambio. AirOps puede actualizar automáticamente la selección a un modelo compatible cuando se cargue el Workflow. Si un reemplazo también ha quedado obsoleto, AirOps sigue la cadena de reemplazos hasta llegar a un modelo compatible. Revisa el modelo seleccionado y prueba el Workflow después de una actualización automática. El comportamiento del modelo, el costo y los ajustes admitidos pueden cambiar entre versiones. ### Reemplazos programados de modelos El calendario de reemplazo configurado de AirOps incluye: | Modelo obsoleto | Reemplazo | Eliminación programada | | --------------------- | --------------------- | ----------------------- | | GPT-5.4 Nano | GPT-6 Luna | 1 de abril de 2027 | | GPT-5.1 | GPT-6 Sol | 1 de abril de 2027 | | Claude Sonnet 4.5 | Claude Sonnet 5.5 | 30 de noviembre de 2026 | | Gemini 3.7 Flash | Gemini 3.8 Flash | 28 de enero de 2027 | | Gemini 2.5 Flash Lite | Gemini 3.1 Flash Lite | 20 de octubre de 2026 | | Gemini 2.5 Flash | Gemini 3.8 Flash | 20 de octubre de 2026 | | Gemini 2.5 Pro | Gemini 3.1 Pro | 20 de octubre de 2026 | La fecha de eliminación configurada para Claude Opus 4.1 era el 5 de agosto de 2026; su reemplazo es Claude Opus 4.8. Prueba los Workflows afectados con el modelo de reemplazo antes de ejecutarlos en masa. ## Capacidades de búsqueda web Varios modelos admiten investigación web, lo que les permite acceder a información actual durante la generación: **OpenAI:** GPT-6 Astra, GPT-6.1 Sol, GPT-6 Sol, GPT-6 Luna, GPT-5, GPT-5.2, GPT-5.4, GPT-5.4 Mini, GPT-5.5, GPT-5.6 Sol, GPT-5.6 Terra, GPT-5.6 Luna y O3 admiten investigación web cuando está habilitada en el paso Prompt LLM. **Anthropic:** Los modelos Claude actuales admiten investigación web. La disponibilidad de Web Fetch depende del modelo seleccionado. Claude Opus 5.5 y Opus 5 admiten **Investigación web**, pero no **Web Fetch**. **Google:** Los modelos Gemini actuales admiten investigación web a través de Google Search grounding. **Perplexity:** Los modelos Sonar incluyen acceso web para la investigación en línea. ## ¿Cuánto costará ejecutarlo? El costo de ejecutar un modelo depende del número de tokens de entrada y salida. ### Aproximación de tokens **Tokens de entrada:** para aproximar el total de tokens de entrada, copia y pega tus prompts del sistema, del usuario y del asistente en [el tokenizador de OpenAI](https://platform.openai.com/tokenizer) **Tokens de salida:** para aproximar el total de tokens de salida, copia y pega tu salida en [el tokenizador de OpenAI](https://platform.openai.com/tokenizer) ### Aproximación del costo **OpenAI:** divide los tokens de entrada y salida entre 1000; luego multiplica por sus costos respectivos [según los precios de OpenAI](https://openai.com/pricing)\* **Anthropic:** divide los tokens de entrada y salida entre 1.000.000; luego multiplica por sus costos respectivos [según los precios de Anthropic](https://www-cdn.anthropic.com/files/4zrzovbb/website/31021aea87c30ccaecbd2e966e49a03834bfd1d2.pdf)\* {% hint style="info" %} \*Este es el costo si [aportas tu propia clave API](/docs/es/tu-espacio-de-trabajo/settings/byo-key.md). Si eliges usar modelos alojados por AirOps, se te [cobrarán tareas según tu uso](https://airopshq.notion.site/AirOps-Task-Pricing-by-Hosted-Service-fd825db1300545cb8c3b5de8bc16529e). {% endhint %} --- # Agent Instructions This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com. ## Querying This Documentation If you need additional information that is not directly available in this page, you can query the documentation by asking a question. Perform an HTTP GET request on the following URL with the `ask` and `goal` query parameters: ``` GET https://docs.airops.com/docs/es/acciones/workflow-concepts/workflow-steps/ai-steps/llm/choosing-a-model.md?ask=&goal= ``` `ask` is the immediate question: it should be specific, self-contained, and written in natural language. `goal` is what the user is ultimately trying to achieve, the reason they need the answer. Sharing it helps GitBook give you a better, more relevant answer. A goal is most helpful when it describes the outcome the user wants rather than restating the question. For example, with `ask=how do I create an API token`, a goal like `automate deployments from our CI pipeline` lets GitBook tailor the answer to that use case. The response will contain a direct answer to the question and relevant excerpts and sources from the documentation. Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.