Los niveles de esfuerzo son un control que decide cuánto trabaja una IA antes de responderte: más razonamiento, más pasos y más espera, a cambio de más gasto de tokens o de tu límite de uso. Empieza en el nivel por defecto, bájalo en tareas simples y súbelo solo cuando la respuesta salga floja.
Cada empresa llama de una forma distinta a los niveles de esfuerzo y los nombres cambian rápido. OpenAI está desplegando un selector nuevo en ChatGPT y todavía circulan guías con los nombres anteriores. Por eso contrasté los datos de este artículo con la documentación oficial de Anthropic, OpenAI y Google.
Si no programas, quédate con la explicación básica, los pasos para cambiar el nivel en cada app y la tabla por tipo de tarea. Si trabajas con la API, los parámetros exactos están en la sección para desarrolladores.
Última actualización: 21 de septiembre de 2026.
¿Qué son los niveles de esfuerzo en la IA?
Imagina que le haces una pregunta a un colega. Puede contestarte en el pasillo, sin pensarlo mucho, o pedirte veinte minutos para revisar los números y darte algo más sólido. Los niveles de esfuerzo son la manera de decirle a la IA cuál de las dos cosas quieres.
Por dentro, los modelos actuales razonan antes de responder. Ese razonamiento no siempre se ve, pero existe y se mide en tokens, los trozos de texto con los que el modelo lee y escribe. El nivel de esfuerzo marca cuánto puede gastar ahí y en el resto del trabajo. En inglés aparece como reasoning effort, thinking level o thinking mode.
Qué cambia cuando subes los niveles de esfuerzo
- La IA razona más antes de contestar, sobre todo si el problema es difícil.
- Da más pasos cuando trabaja con herramientas. Según Anthropic, los niveles bajos combinan operaciones, hacen menos llamadas y confirman con mensajes breves; los altos hacen más llamadas y explican el plan antes de actuar.
- Tarda más en empezar a responder.
- Cuesta más. En la API, los tokens de razonamiento se cobran como tokens de salida; en las apps, agotas antes el límite de uso de tu plan.
Qué no cambia
El modelo es el mismo. Cambia cuánto trabajo dedica a cada respuesta, y con los niveles bajos aceptas perder algo de capacidad a cambio de velocidad y ahorro, según la documentación de Anthropic.
Tampoco es un tope estricto. Anthropic lo describe como una señal de comportamiento, no como un presupuesto fijo: con un nivel bajo, el modelo igual piensa cuando el problema lo exige, solo que menos. Y no controla el largo del texto. En Claude Opus 5, cambiar el esfuerzo no acorta las respuestas de forma fiable; si quieres brevedad, pídela en el prompt.
Niveles de esfuerzo en Claude, ChatGPT y Gemini: cómo se llaman en cada uno
Los tres ofrecen el mismo dial con nombres distintos. Esta tabla resume lo que dicen sus documentaciones oficiales hoy, de menor a mayor esfuerzo.
| Posición del dial | Claude (app y API) | ChatGPT (app) | API de OpenAI | API de Gemini |
|---|---|---|---|---|
| Mínimo | Low | Instant | none, minimal o low | minimal o low |
| Medio | Medium | Medium | medium | medium |
| Alto | High (por defecto) | High | high | high |
| Muy alto | Extra high (xhigh) | Extra High | xhigh | No existe |
| Máximo | Max | Opciones Pro | max | Deep Think (app, solo AI Ultra) |
Las filas van de menor a mayor esfuerzo. No significan que un «medio» rinda igual en las tres plataformas, y no todos los modelos de cada empresa ofrecen todos los niveles. Si buscas una comparación más amplia entre los tres, tienes la de Claude vs ChatGPT vs Gemini.
Claude (Anthropic)
Los niveles de esfuerzo de Claude son cinco: low, medium, high, xhigh y max. Por defecto usa high, y elegir high equivale a no indicar nada, según la documentación de la API. En la app se llaman Low, Medium, High, Extra high y Max, y los cambias con un clic en el nombre del modelo, junto al botón de enviar. Los pasos completos están en el Centro de ayuda de Claude.
El nivel xhigh solo existe en los modelos recientes: Opus 4.7 en adelante, Sonnet 5 y la familia Fable y Mythos. No está en Opus 4.6 ni en Sonnet 4.6. Para Claude Fable 5.1, Anthropic recomienda empezar en high y subir a xhigh o max solo para programación y agentes muy exigentes. Para trabajo rutinario o sensible a la latencia sugiere bajar a medium o low, siempre que tus pruebas confirmen que la calidad se mantiene.
En la app, Anthropic lo dice sin rodeos: subir los niveles de esfuerzo da respuestas más completas, pero tarda más y consume más tokens, así que llegas antes a tu límite de uso. Low y Medium sirven para tareas rutinarias y estiran tu cupo. Un detalle más: el interruptor de pensamiento (Thinking o Extended) no se puede apagar en Fable 5.1 ni en Opus 5.
ChatGPT (OpenAI)
En las cuentas de pago, los niveles de esfuerzo de ChatGPT viven en un selector llamado Thinking: Instant para respuestas rápidas y Medium, High y Extra High para pensar más, con opciones Pro encima para tareas difíciles y largas. Según el Centro de ayuda de OpenAI, Medium es el pensamiento estándar y High el extendido, así que si lees guías con los nombres Standard y Extended, son los anteriores.
No todos los planes ven todo. Plus tiene Medium y High; Extra High y las opciones Pro llegan con Pro, Business y Enterprise. Free y Go usan GPT-5.6 Luna, el modelo más rápido y económico de la familia GPT-5.6 (Sol, Terra y Luna), y tienen un botón Think para las preguntas más difíciles.
Un detalle que evita frustraciones: escribir «piensa más» o «piensa con calma» en el mensaje no cambia el nivel. En Plus y Pro, Instant no sube solo por una petición compleja. El cambio lo haces tú en el selector.
En la API de OpenAI el parámetro es reasoning.effort (en Chat Completions, reasoning_effort) y acepta none, minimal, low, medium, high, xhigh y max, según el modelo. GPT-5.5 y GPT-5.6 usan medium por defecto, y GPT-6 Astra no acepta none: la petición falla con un error 400.
Gemini (Google)
En la API de Gemini el parámetro es thinkingLevel y tiene cuatro valores: minimal, low, medium y high. Depende del modelo: varios Flash arrancan en medium, y Gemini 3.1 Pro arranca en high y no ofrece minimal. Google los describe así: minimal y low para recuperar datos o clasificar, medium para comparar conceptos o razonar con creatividad, y high para programación avanzada, matemáticas o planificación de varios pasos.
En la app, los niveles de esfuerzo de Gemini se eligen así: primero el modelo (Flash-Lite, Flash o Pro) y, en Pro, el nivel de pensamiento. El más profundo es Deep Think, exclusivo de los suscriptores de Google AI Ultra, que puede tardar varios minutos en responder y que Google califica de capacidad experimental. Según su página de límites, los modelos más avanzados y los niveles de pensamiento más altos consumen más de tu uso.
¿Qué nivel de esfuerzo usar según la tarea?
Ninguna documentación trae una tabla universal, así que esta la armé cruzando las recomendaciones de las tres empresas. Úsala como punto de partida para elegir entre los niveles de esfuerzo y ajústala con tus propios resultados.
| Tipo de tarea | Nivel sugerido | Por qué |
|---|---|---|
| Preguntas rápidas, clasificar, extraer datos, reescribir un texto | Bajo (Instant, Low) | Recuperar o transformar información casi no necesita razonar. OpenAI y Google recomiendan niveles bajos para esto. |
| Redactar correos, analizar datos sencillos, atender clientes | Bajo a medio | OpenAI sugiere low para análisis de datos, borradores y atención al cliente. |
| Programar funciones, investigar, trabajar con hojas de cálculo | Medio | Es el punto de equilibrio: OpenAI lo recomienda para programación con agentes e investigación, y Anthropic para tareas que piden equilibrio entre velocidad, costo y rendimiento. |
| Depurar un error difícil, diseñar una arquitectura, revisar un análisis donde un fallo sale caro | Alto (High) | Hay razonamiento encadenado y errores costosos. Las tres empresas reservan este nivel para lo complejo. |
| Trabajo largo y autónomo: agentes de código que corren durante horas, investigación profunda | Muy alto (xhigh, Extra High) | Anthropic lo indica para tareas de más de 30 minutos con presupuestos de millones de tokens; OpenAI, para investigación profunda y ejecuciones largas. |
| Un problema único y muy difícil, sin importar el costo | Máximo (Max) | Es el último recurso, cuando los niveles anteriores no lo resolvieron. |
La regla en cuatro pasos
- Empieza en el nivel que trae tu herramienta.
- Si la tarea es simple o repetitiva, baja un escalón y compara el resultado con el anterior.
- Si la respuesta sale superficial, sube un escalón. Uno, no tres.
- Reserva el máximo para el problema que ya falló en un nivel alto.
El máximo merece una advertencia aparte. En su guía para Opus 4.7, que también aplica a Opus 4.8, Anthropic recomienda reservarlo para problemas de frontera: en la mayoría de las cargas suma un costo notable por una mejora pequeña, y en tareas menos exigentes puede llevar al modelo a sobrepensar. Ponerlo siempre es como contratar a un consultor para saber qué hora es.
Cuánto cuesta pensar de más: tokens, espera y límites de uso
El razonamiento no se ve, pero se paga. En la API de OpenAI, los tokens de razonamiento no aparecen en la respuesta, ocupan espacio en la ventana de contexto y se facturan como tokens de salida. Gemini funciona igual: su precio de respuesta suma los tokens de salida y los de pensamiento. En Claude, el esfuerzo afecta a todo lo que el modelo produce: texto, llamadas a herramientas y razonamiento.
Un ejemplo con cifras inventadas para que se entienda: si te llega una respuesta de 500 tokens pero el modelo gastó 4000 pensando, se cobran 4500 tokens de salida, nueve veces lo que ves. Es una ilustración, no una medición. Cada modelo y cada tarea gastan distinto.
En las apps con suscripción no pagas por token, pero el costo aparece como límite de uso. Anthropic advierte que los niveles de esfuerzo altos te hacen llegar antes a tu tope, Google dice lo mismo de sus niveles de pensamiento más altos y OpenAI raciona sus modelos Pro: en el plan Pro de 100 dólares, GPT-6 Pro y GPT-5.6 Sol Pro comparten un cupo de 50 mensajes por semana.
La espera también cuenta. Un nivel alto retrasa la primera palabra de la respuesta, y Deep Think puede tardar varios minutos. Si lo que te preocupa es la factura, mira cómo ahorrar tokens en IA: subir o bajar los niveles de esfuerzo es solo una de las palancas.
Errores comunes al elegir entre los niveles de esfuerzo
- Dejar todo en máximo «por si acaso». Pagas más y esperas más por respuestas que un nivel medio habría resuelto igual.
- Subir el nivel para compensar una petición confusa. Si no dices qué quieres, pensar más solo produce una respuesta larga a la pregunta equivocada. Aclara primero el pedido.
- Esperar que un nivel bajo acorte la respuesta. El esfuerzo controla el razonamiento, no la extensión del texto. Para eso, pide brevedad en el prompt.
- Cambiar de nivel a mitad de una conversación larga en la API de Claude. Modificar el valor entre solicitudes invalida el caché del prompt, salvo en los modelos que admiten el cambio por mensaje (una función en beta), y pierdes el ahorro del caché.
- Confiar en guías desactualizadas. Los nombres y las opciones cambian por modelo y por plan: en ChatGPT Plus, por ejemplo, no hay Extra High. Confirma en tu selector lo que tienes.
- Comparar niveles entre empresas como si fueran equivalentes. Un medium de Claude no piensa igual que un medium de OpenAI.
Para desarrolladores: cómo fijar el nivel de esfuerzo en la API
Cada plataforma fija los niveles de esfuerzo con su propio parámetro:
| Plataforma | Parámetro | Valores | Valor por defecto |
|---|---|---|---|
| API de Claude | output_config.effort | low, medium, high, xhigh, max | high |
| API de OpenAI (Responses) | reasoning.effort | none, minimal, low, medium, high, xhigh, max (según el modelo) | medium en GPT-5.5 y GPT-5.6 |
| API de OpenAI (Chat Completions) | reasoning_effort | Los mismos | Los mismos |
| API de Gemini | thinkingLevel | minimal, low, medium, high (según el modelo) | medium en varios Flash; high en Gemini 3.1 Pro |
Así se ve en Claude, con el formato que muestra la documentación de Anthropic:
{
"model": "claude-opus-5",
"max_tokens": 4096,
"output_config": {
"effort": "medium"
},
"messages": [
{
"role": "user",
"content": "Analiza las ventajas y desventajas de una arquitectura de microservicios frente a un monolito"
}
]
}Dos detalles de la documentación de Claude que ahorran problemas. En xhigh y max conviene fijar un max_tokens alto (Anthropic sugiere empezar en unos 64 mil y ajustar), porque ese límite cuenta el razonamiento y la respuesta juntos. Y en Opus 5 no puedes desactivar el pensamiento con esos dos niveles: la API responde con un error 400.
El consejo común a las tres empresas es medir con tus propios casos. Anthropic recomienda probar cada nivel con tus tareas antes de bajar el que usas.
Con Sonnet 5.5 los niveles de esfuerzo se recalibraron y son cinco: low, medium, high, xhigh y max. Los detalles están en mi análisis de Claude Sonnet 5.5.
Los Dots de OpenAI siguen otra lógica de consumo: las conversaciones con el Dot no cuentan para tus límites de ChatGPT, pero las tareas que lance en Codex o ChatGPT Work sí. Lo detallé en OpenAI Dots: qué son, precio y cómo funcionan los agentes.
Fuentes y documentación oficial
- Parámetro de esfuerzo (effort) en la API de Claude: niveles, modelos compatibles y recomendaciones de Anthropic para cada modelo.
- Guía de modelos de razonamiento de OpenAI: valores de reasoning effort, valores por defecto y facturación de los tokens de razonamiento.
- Pensamiento (thinking) en la API de Gemini: niveles thinkingLevel por modelo, usos recomendados y facturación.
- GPT-5.6 y GPT-6 Pro en ChatGPT: el selector Thinking, las opciones por plan y los límites de uso.
Preguntas frecuentes
¿Qué significan los niveles de esfuerzo en una IA?
Son un ajuste que le indica al modelo cuánto trabajo dedicar a cada respuesta: cuánto razonar, cuántos pasos dar y cuánto detalle incluir. Un nivel bajo prioriza la velocidad y el ahorro; uno alto, la profundidad. En inglés se llaman reasoning effort, thinking level o thinking mode.
¿Cómo cambio el nivel de esfuerzo en ChatGPT, Claude y Gemini?
Los niveles de esfuerzo se cambian desde un menú dentro de cada app. En ChatGPT, abre el selector de modelo y elige Instant, Medium, High o Extra High según tu plan. En Claude, haz clic en el nombre del modelo, junto al botón de enviar, y elige el nivel. En Gemini, toca el nombre del modelo, elige Pro y luego Thinking level; Deep Think requiere Google AI Ultra.
¿El nivel máximo da siempre mejores respuestas?
No. Anthropic reserva max para problemas muy difíciles y advierte que en la mayoría de las cargas cuesta bastante más por una mejora pequeña, y que puede llevar al modelo a sobrepensar tareas sencillas. Si high resolvió tu tarea, quédate ahí.
¿Un nivel de esfuerzo más alto cuesta más?
Sí. En las API, los tokens de razonamiento se cobran como tokens de salida, así que un nivel alto encarece cada petición y la hace más lenta. En las apps con suscripción no pagas por token, pero llegas antes al límite de uso de tu plan.
