La mayoría de los productos que ponen un modelo detrás de una interfaz de chat en 2026 recurren al modelo de frontera más inteligente disponible. Cambio se ejecuta en Gemini 2.5 Flash Lite. Aquí está la compensación de ingeniería real que llevó a esa elección — incluido el período que pasamos en un modelo de nivel rápido diferente primero — y las condiciones que nos harían cambiar de opinión nuevamente.
Cuando pones un modelo de lenguaje detrás de la superficie de un producto, lo más fácil es recurrir al modelo de frontera que encabece la clasificación ese mes. Cuanto más listo, mejor, dice el razonamiento, y a escala la diferencia de coste desaparece.
Cambio funciona con Gemini 2.5 Flash Lite — la gama rápida de Google, no la de razonamiento. Es el valor por defecto en producción desde el 27 de mayo de 2026; antes, esa misma capa funcionaba con grok-4-1-fast de xAI. Este artículo explica el razonamiento de ingeniería detrás de la elección actual y las condiciones que nos harían revisarla de nuevo.
Lo que el modelo tiene que hacer en Cambio
Dos trabajos, ambos acotados. Ninguno requiere mucho razonamiento.
El primero es el análisis del mensaje. El modelo recibe un mensaje corto del usuario y devuelve un único objeto JSON: una intención de una lista cerrada, siete campos de entidad — moneda de origen, red de origen, moneda de destino, red de destino, importe, dirección y preferencia — y un número de confianza. No es lo primero que ve el mensaje: un resolutor determinista atiende la mayoría de los turnos por sí solo, y al modelo se le consulta cuando ese resolutor no está seguro. En una muestra de 209 turnos de producción, la capa determinista respondió el 69% sola y el modelo intervino en el 8%.
El segundo es la narración. El modelo recibe un objeto de cotización estructurado y escribe una línea corta en lenguaje llano a su alrededor. No puede escribir un precio, una tasa ni un importe: la tarjeta lleva todas las cifras, y al modelo nunca se le encarga producir una. Cuando añade una frase de matiz, el código la limita a doce palabras y descarta cualquier cosa más larga.
Ninguno de los trabajos implica razonamiento de varios pasos. Ninguno de los trabajos requiere que el modelo elija entre muchas alternativas. Ninguno de los trabajos tiene al modelo interactuando con herramientas, llamando a APIs o manteniendo estado entre turnos. Los requisitos de capacidad son: leer un prompt corto, seguir un formato de salida estructurado, producir inglés coherente. Todos los modelos de lenguaje modernos pueden hacer esto, incluidos los lanzados hace dos o tres años.
Por qué los modelos de razonamiento de frontera son la herramienta incorrecta aquí
No hicimos una comparativa directa de los modelos de frontera contra esta carga de trabajo, y no vamos a publicar una que no hayamos hecho. La elección no la necesitaba. La pregunta nunca fue qué modelo es más capaz; fue qué modelo es lo bastante rápido, lo bastante barato y lo bastante disciplinado con la salida estructurada para dos tareas que el código determinista ya resuelve la mayor parte del tiempo.
Lo que sí medimos es nuestro propio sistema. Una llamada de clasificación son unos 70 tokens de entrada y 30 de salida — del orden de 0,0001 $ por prompt no cacheado a precios de lista, medido contra Flash Lite el 26 de mayo de 2026 — y un prompt repetido se sirve desde la caché sin llegar al modelo. En latencia, el camino determinista promedia alrededor de 1,1 segundos de extremo a extremo y el camino que llama al modelo unos 2,3. Esa diferencia, y no una clasificación pública, es a lo que tiene que responder la elección del modelo.
Pasado cierto punto, más capacidad es presupuesto desperdiciado. Cuando un modelo ya es lo bastante rápido y lo bastante acertado para una tarea acotada, la experiencia la domina la latencia, no el techo del modelo.
Por qué el nivel rápido en general
La lista corta es la gama rápida de los proveedores que admite nuestra capa de agente: Gemini 2.5 Flash Lite, que la ejecuta hoy; grok-4-1-fast, que la ejecutaba antes; y GPT-5 Mini, que sigue siendo seleccionable. Todos saben leer un prompt corto, seguir un esquema y escribir una frase. A nuestro volumen, todos cuestan lo bastante poco como para que el precio por sí solo no decida.
Así que la decisión es de encaje operativo más que de capacidad: cuánto cuesta una llamada al volumen que realmente movemos, con qué fiabilidad devuelve el modelo exactamente el objeto que pide nuestro esquema, cómo se comporta cuando el proveedor está cargado y lo fácil que es convivir con ese proveedor en el día a día.
Por qué Gemini 2.5 Flash Lite específicamente
Sobre el coste: nuestros prompts son cortos de entrada y cortos de salida, que es la forma que mejor precia la gama rápida. Con unos 70 tokens de entrada y 30 de salida, una llamada cuesta del orden de 0,0001 $ a precios de lista, y un prompt repetido no llega al modelo porque la clasificación está cacheada. No publicamos un ranking de precios entre los tres, porque no hemos hecho ninguno que resista el escrutinio.
Sobre la salida estructurada: no pedimos texto libre y cruzamos los dedos. La llamada fija el tipo de respuesta a JSON, entrega a Google un esquema de respuesta con los campos obligatorios y los enums explícitos, y se ejecuta a temperatura cero. Todo lo que vuelve y no encaja en el esquema se descarta y el turno pasa al tratamiento determinista: una salida mal formada cuesta un reintento, nunca una tarjeta equivocada.
Sobre el comportamiento ante fallos: la capa recibe una lista ordenada de proveedores, Gemini y luego xAI por defecto, y se salta en silencio los que no estén configurados. Si fallan todos los configurados, el turno devuelve una forma de reserva segura en lugar de bloquear al cliente. Una caída del modelo es una respuesta más lenta, no un composer muerto.
Sobre la etapa anterior en producción: la primera versión de Cambio ejecutó esta capa con grok-4-1-fast. El cambio a Flash Lite el 27 de mayo de 2026 no fue porque Grok estuviera mal. La capa del agente es agnóstica al proveedor — xAI y OpenAI siguen siendo seleccionables con una sola variable de entorno — así que la elección es reversible.
Por qué no la variante de razonamiento
Gemini 2.5 lanza una variante con modo de pensamiento. No la usamos. El modo de pensamiento está diseñado para problemas que se benefician de la cadena de pensamiento: problemas de varios pasos, problemas donde el modelo tiene que considerar alternativas, problemas donde los pasos intermedios de borrador mejoran la respuesta final.
Ninguna de nuestras dos tareas es así. Convertir un mensaje corto en un objeto JSON no mejora con un paso de razonamiento, y tampoco escribir una frase alrededor de una cotización que el código ya ha calculado. Por eso la llamada fija el presupuesto de razonamiento en cero. El comentario en nuestro propio clasificador lo dice sin rodeos: no necesitamos cadena de pensamiento para una clasificación de un solo paso.
Ese ajuste vive en el código y no en la cabeza de nadie, y se aplica a cada llamada que hace esta capa. Es la clase de valor por defecto que conviene dejar escrito: el razonamiento que no necesitas es latencia que pagas en cada turno.
Lo que estamos renunciando
Reconocimiento honesto del compromiso. Al no recurrir a un modelo de frontera, renunciamos al margen en los mensajes más ambiguos: quien escriba algo genuinamente confuso puede recibir una pregunta aclaratoria más floja que la que daría un modelo mayor. También renunciamos a capacidades que vende la gama de frontera — ventanas de contexto larguísimas, cadenas largas de llamadas a herramientas, razonamiento multimodal profundo — ninguna de las cuales usan nuestras dos tareas, y todas las cuales importarían si ampliáramos el alcance del modelo. No lo haremos, según el artículo anterior de esta serie.
A lo que no renunciamos: al camino determinista, que resuelve la mayoría de los turnos sin modelo alguno; a la regla de que cada cifra de la tarjeta la calcula el código y nunca la escribe el modelo; y a poder cambiar de proveedor en una línea si el intercambio deja de tener sentido.
Cuándo volveríamos a considerar
Algunas condiciones específicas nos harían reabrir la selección del modelo.
Si la latencia de Flash Lite se degrada de forma apreciable y se queda así, el presupuesto se rompe y cambiamos. Vigilamos la latencia de nuestro propio composer y no la cifra publicada por el proveedor, porque es la que nota el cliente.
Si la calidad baja en un idioma concreto, podemos enrutar ese idioma a otro sitio. El asistente ya responde en nueve idiomas, y la capa acepta una lista ordenada de proveedores, así que eso es configuración y no una reescritura.
Si los precios cambian sustancialmente, digamos que Google aumenta las tarifas de Flash Lite 5 veces o un competidor reduce a una décima parte, revisamos el eje de costos. No cambiaremos por una diferencia de precio del 10%, pero un cambio estructural importa.
Si un modelo de gama rápida más nuevo lo hace mejor con nuestros propios prompts — los que los clientes escriben de verdad, no una clasificación pública — cambiamos. Así es como esta capa acabó en Gemini en primer lugar.
La lección general
Elegir un modelo es una decisión específica de la carga de trabajo, no una decisión de marca. El "mejor" modelo para un producto depende de la forma de los prompts que envías, el presupuesto de latencia que tienes, la disciplina de salida estructurada que necesitas, el sobre de costos a tu escala y la postura del proveedor con la que puedes vivir. Ninguna de esas cosas es visible en una tabla de clasificación. Todas ellas deben medirse contra tu carga de trabajo real, y volver a medirse periódicamente, porque los proveedores lanzan nuevos modelos de nivel rápido cada pocos meses y la respuesta puede cambiar.
Para la forma de Cambio: prompts cortos y simétricos, presupuesto de latencia estricto, dos trabajos estrechos que no necesitan razonamiento, Gemini 2.5 Flash Lite es la respuesta correcta hoy. Para un producto diferente con una forma diferente, la respuesta correcta es genuinamente diferente. Si estás construyendo algo similar, la conclusión no es "usa Gemini Flash Lite". Es "construye una capa de agente independiente del proveedor, prueba el nivel rápido contra tu carga de trabajo real y vuelve a ejecutar la prueba cada trimestre".
La última publicación de esta serie profundiza más que ninguna anterior: cómo funcionan los intercambios entre cadenas en Cambio sin contratos puente, y por qué eso tiene un perfil operativo distinto al de las arquitecturas que usa gran parte de la industria para lo mismo.
