Cargando

Cómo seleccionar la configuración de esfuerzo adecuada en Claude

Comprende cómo funcionan las configuraciones de esfuerzo en claude.ai y por qué ajustar el esfuerzo en un modelo de vanguardia a menudo cuesta menos por tarea que cambiar a un modelo más económico.

6 minClaude
Cargando

1. Qué controla la configuración de esfuerzo de Claude

A medida que los modelos de Claude se vuelven más agénticos, tienden a completar más de la tarea antes de volver a ti. El esfuerzo es una configuración que controla qué tan minuciosamente Claude trabaja en una tarea por su cuenta antes de devolverte una respuesta. Claude sigue ajustando su trabajo al problema que le planteas; el esfuerzo solo desplaza esa línea base hacia arriba o hacia abajo.

Cuando aumentas el esfuerzo, Claude piensa durante más tiempo, realiza más llamadas a herramientas y revisa más su trabajo antes de responder. Puede probar un enfoque, revisar su propio resultado y rehacer lo que no funcionó, todo antes de que veas la primera respuesta. Cuando reduces el esfuerzo, Claude realiza un pase más rápido y directo, y vuelve antes.

Puedes pensar en el esfuerzo como una señal de comportamiento para Claude. Un esfuerzo más bajo dirige a Claude hacia hacer menos, como un pensamiento más breve y menos verificaciones. Un esfuerzo más alto le da más margen para probar y verificar su trabajo.

2. Cómo el esfuerzo afecta tu límite de uso

Todo este trabajo (el pensamiento, el uso de herramientas, la verificación y la revisión) afecta qué tan rápido ves una respuesta y cuánto de tu límite de uso se consume por tarea.

En claude.ai, tu límite de uso se mide en tokens, que son pequeñas unidades de texto que Claude procesa. Todo lo que hace Claude (leer tu prompt, procesar archivos, pensar, escribir respuestas) se mide de esa manera y se descuenta de tu límite de uso. Un esfuerzo menor significa que Claude usa menos tokens, lo que resulta en que se gaste menos de tu límite por tarea. Aumentar el esfuerzo de Claude tiene el efecto contrario. Por eso es importante ajustar el esfuerzo a la tarea.

Cargando

3. Por qué ajustar el esfuerzo en lugar de cambiar de modelo

Tienes dos palancas para equilibrar lo que cuesta una tarea. Cambiar el modelo de Claude seleccionado cambia tanto la capacidad como el costo. Cambiar de un modelo como Opus a Sonnet es más económico por token, pero menos capaz. Mientras tanto, cambiar la configuración de esfuerzo modifica el costo manteniendo intactas las capacidades centrales del modelo: su juicio avanzado, su capacidad de razonamiento y su reconocimiento de patrones.

Reducir el esfuerzo en un modelo de vanguardia no elimina estas capacidades. Elimina el tiempo que el modelo dedica a cosas como planificar y explorar opciones más exhaustivamente, o releer y verificar su trabajo.

Cargando

Esta es la diferencia práctica: si estás pensando en cambiar a un modelo más antiguo o más pequeño para evitar alcanzar tus límites, intenta reducir el esfuerzo en el modelo más nuevo en su lugar. Un modelo de vanguardia con esfuerzo medio o bajo a menudo supera a un modelo más antiguo con esfuerzo alto o máximo.

4. Costo por tarea frente a costo por token

La mayoría de las personas asume que un modelo más económico por token significa un costo total más bajo. En la práctica, la unidad que más importa es el costo por tarea completada, que puede diferir significativamente del costo por token.

Un modelo de vanguardia que resuelve un problema difícil de manera eficiente a menudo cuesta menos por tarea que un modelo más pequeño que batalla para lograrlo, incluso cuando el modelo de vanguardia cuesta más por token. Los modelos de vanguardia tienen mejor juicio, lo que significa que son mejores gastando tokens en lo que realmente importa. Pueden resolver problemas más rápido y es más probable que los solucionen en un solo pase cuidadoso, sin necesitar tantos prompts de seguimiento ni redireccionamientos.

Por ejemplo: supongamos que estás analizando por qué los clientes se dieron de baja el trimestre pasado. Un modelo más pequeño con esfuerzo alto encuentra patrones en los datos, pero no detecta que tus precios cambiaron a mitad del trimestre, lo que distorsiona el análisis. Tienes que hacer un seguimiento y aclarar la situación. Un modelo de vanguardia con esfuerzo medio reconoce el contexto de precios automáticamente y ajusta su análisis.

El modelo de vanguardia terminó en un solo pase. El modelo más pequeño necesitó aclaraciones y revisiones adicionales. Para el modelo de vanguardia, menos rondas totales significan un menor costo por tarea, aunque cueste más por token.

5. Cómo saber qué configuración de esfuerzo necesita una tarea

A menudo, en lugar de cambiar a un modelo más económico para estirar tu límite, reducir el esfuerzo en un modelo de vanguardia supera a un modelo más antiguo con esfuerzo máximo. La clave está en ajustar el esfuerzo a lo que la tarea realmente exige.

Claude viene configurado con un esfuerzo predeterminado, que es el equilibrio recomendado para el trabajo diario. El valor predeterminado equilibra la minuciosidad con la velocidad y el uso, y funciona bien para la mayoría de las tareas. Pero ningún equilibrio único se ajusta a todo el trabajo, por lo que los controles de esfuerzo te permiten gastar más en las tareas que decidas que valen la pena, y menos en las que no.

Cómo encontrar tu punto óptimo: puede ser útil simplemente probar diferentes configuraciones de esfuerzo en la tarea que realizas habitualmente. Ejecútala con el esfuerzo predeterminado. Anota cuánto tardó, qué tan completa fue la respuesta y cuánto tuviste que revisar. Luego, ejecútala de nuevo con un nivel más bajo. Compara los resultados en tres tipos de tareas diferentes.

Considera elegir el esfuerzo según la naturaleza de la tarea:

Cargando

Una vez que Claude responde, presta atención a las señales de que la configuración de esfuerzo coincide o no con la tarea:

  • Esfuerzo insuficiente: se omiten instrucciones, o un trabajo extenso se da por terminado antes de estar realmente finalizado. Sube el esfuerzo, vuelve a preguntar y observa si la nueva respuesta sigue tus instrucciones.
  • Esfuerzo excesivo: las respuestas se vuelven más extensas sin mejorar la calidad, o el alcance se amplía más allá de lo que pediste. El modelo puede llegar a una respuesta correcta, seguir verificándola y terminar descartándola por sí mismo. Baja el esfuerzo y comprueba si estos problemas se solucionan.
  • La cantidad correcta de esfuerzo: tu tarea se completa con éxito en uno o pocos turnos, sin necesidad de muchos seguimientos. El tiempo de respuesta de Claude se siente proporcional a tu tarea.

Más información