# ¿Cómo elijo un modelo de IA más pequeño?

> Cómo elegir el modelo de IA más pequeño que haga bien su tarea: fije un nivel de calidad, pruebe de menor a mayor y tenga uno grande de reserva.

Source: https://greenai.guide/es/como/como-elijo-un-modelo-de-ia-mas-pequeno/  
Updated: 2026-11-19

## En resumen

Defina qué significa «suficientemente bueno» con ejemplos reales, pruebe luego los modelos del más pequeño al más grande y quédese con el primero que apruebe. Los modelos pequeños y específicos para una tarea pueden consumir una fracción de la energía de los grandes modelos generales: la UNESCO y el University College London informan de ahorros de hasta el 90% en tareas adecuadas.

## Steps

1. Anote la tarea y un umbral de aprobado, como la proporción de respuestas que deben ser correctas.
2. Reúna entre 20 y 50 ejemplos reales con los que hacer pruebas.
3. Pruebe primero el modelo más pequeño o «mini», y pase a uno mayor solo si no alcanza el umbral.
4. Consulte etiquetas energéticas públicas como el AI Energy Score cuando existan.
5. Reserve un modelo más grande para los casos que el pequeño no pueda resolver.
6. Vuelva a probar cuando cambien los modelos o su tarea.

**Use el modelo más pequeño que alcance su nivel de calidad, no el más capaz disponible.** Un gran modelo general
paga, en cada solicitud, por capacidades que su tarea quizá nunca use.

## ¿Por qué importa tanto el tamaño del modelo? {#why-does-model-size-matter-so-much}

**Suele ser la palanca individual más importante sobre la energía.** Luccioni, Jernite y Strubell observaron que los
modelos generativos multiuso son órdenes de magnitud más caros de ejecutar que los sistemas específicos para las
mismas tareas. La UNESCO y el University College London hallaron que los modelos pequeños adaptados a tareas
concretas podían reducir el consumo de energía hasta en un 90%.

## ¿Cómo pruebo a los candidatos? {#how-do-i-test-candidates}

1. **Defina el nivel con su propio trabajo**, por ejemplo «extrae correctamente el total de la factura el 98% de las
   veces».
2. **Pruebe primero los pequeños.** Muchos proveedores ofrecen versiones «mini», «lite» o «flash»; las familias de
   pesos abiertos vienen en varios tamaños.
3. **Deténgase en el primero que apruebe.** Más grande no es automáticamente más preciso en tareas acotadas.
4. **Compare la energía, no solo el precio.** El AI Energy Score de Hugging Face califica los modelos abiertos de una
   a cinco estrellas según la energía por consulta en tareas comunes; consulte
   [interpretar una calificación del AI Energy Score](/es/como/como-interpreto-una-calificacion-del-ai-energy-score/).

Para los usuarios cotidianos, la idea es la misma: elija la opción rápida o ligera de su chatbot para las preguntas
sencillas.

## Errores frecuentes {#common-mistakes}

- **Elegir por reputación** en lugar de probar con sus propios ejemplos.
- **Medir el coste por llamada, no por acierto.** Un modelo demasiado pequeño que falla y obliga a repetir con uno
  grande puede costar más en total.
- **No revisar nunca la elección.** Los modelos pequeños mejoran deprisa; vuelva a probar cada pocos meses.

Para enviar automáticamente cada solicitud al tamaño adecuado, consulte
[enrutar solicitudes a modelos más pequeños](/es/como/como-enruto-las-solicitudes-a-modelos-mas-pequenos/). El método completo está en
[elegir el modelo adecuado](/es/buenas-practicas/elija-el-modelo-adecuado-para-cada-tarea/).

## Fuentes

- [Smarter, smaller, stronger: resource-efficient generative AI and the future of digital transformation](https://www.unesco.org/en/articles/ai-large-language-models-new-report-shows-small-changes-can-reduce-energy-use-90), UNESCO and University College London (2025)
- [Power Hungry Processing: Watts Driving the Cost of AI Deployment?](https://arxiv.org/abs/2311.16863), Luccioni, Jernite and Strubell, ACM FAccT (2024)
- [AI Energy Score](https://huggingface.github.io/AIEnergyScore/), Hugging Face (2025)
