Elegir un modelo de IA: OpenAI frente a Anthropic frente a LLM locales
La mayor ventaja práctica de un asistente independiente del modelo como OpenClaw es que esta decisión es reversible. Aportas tu propia clave, puedes cambiar de opinión en un minuto y puedes usar modelos distintos para tareas distintas. Esta guía trata de cómo tomar bien la decisión y no de qué marca elegir, porque las marcas se mueven más rápido de lo que cualquier página puede seguir.
Empieza por el criterio que realmente rompe las cosas
Antes de la capacidad, el precio o la longitud de contexto, comprueba una cosa: ¿admite el modelo la llamada a herramientas? Un asistente actúa haciendo que el modelo emita una llamada estructurada a una herramienta, y no todos los modelos pueden hacerlo. Si apuntas OpenClaw a uno que no puede, obtienes un interlocutor fluido que describe lo que está a punto de hacer y luego no hace nada. No hay ningún error, y por eso este es el problema peor diagnosticado de los asistentes autoalojados y por lo que tiene su propia sección en por qué un asistente deja de responder.
Una versión más suave también importa. Algunos modelos admiten la llamada a herramientas pero la hacen de forma poco fiable, produciendo llamadas mal formadas que fallan y se reintentan. Un modelo que reintenta no es más barato que uno más potente que acierta a la primera, diga lo que diga el precio por token.
Las cuatro dimensiones que merece la pena comparar
- Calidad de razonamiento. Cómo maneja una tarea con varios pasos y algo de ambigüedad. Es lo que notas en el trabajo difícil y nunca notas en el fácil.
- Ventana de contexto. Cuánto puede retener a la vez. Importante para documentos largos, y más caro de lo que parece, porque una conversación larga reenvía su propio historial en cada turno.
- Latencia. Cuánto esperas. En un asistente de chat esto importa más de lo que la gente admite: un asistente por el que esperas treinta segundos es uno que dejas de usar.
- Postura de privacidad. Adónde va el contenido y qué dice la política de retención y entrenamiento del proveedor al respecto. Lee la política del nivel que realmente usas, ya que con frecuencia difiere entre el acceso de consumidor y el de API.
Fíjate en que el precio no está en esa lista. Importa, pero es secundario: un modelo que necesita menos reintentos y prompts más cortos para hacer bien tu trabajo puede salir más barato aunque su tarifa nominal sea más alta.
Los proveedores alojados
OpenAI
Una opción general sólida por defecto, con uso fiable de herramientas, amplio soporte del ecosistema y una gran variedad, desde modelos pequeños y rápidos hasta grandes y capaces. Si no tienes un motivo concreto para elegir otra cosa, empezar aquí y cambiar después no te cuesta nada. Pagas a OpenAI directamente con tu propia clave.
Anthropic
Los modelos Claude son conocidos por un razonamiento cuidadoso y bien estructurado, un contexto largo y un seguimiento estricto de las instrucciones. Encajan con un asistente que lee y escribe mucho, y con flujos de trabajo donde quieres que el modelo haga exactamente lo pedido y no algo parecido.
La fortaleza principal de Gemini es un contexto muy grande, que encaja con trabajos dominados por documentos largos, transcripciones o bases de código sobre los que hay que razonar de una sola vez en lugar de por trozos.
Agregadores
Servicios como OpenRouter ponen muchos proveedores tras una sola clave y una sola API, lo que es realmente útil cuando quieres comparar modelos o enrutar distintas tareas a distintos modelos sin gestionar varias cuentas. El precio es otra parte en el camino y, en los niveles gratuitos, límites reales: las variantes gratuitas de los modelos tienen un tope por minuto y por día, y esos topes afectan más a un asistente que a un chatbot, porque un agente hace varias solicitudes por tarea.
Modelos locales, con realismo
Ejecutar un modelo en tu propia instancia mediante Ollama es la mayor garantía de privacidad disponible, porque no se envía nada a ninguna parte. Conviene ser claro sobre el intercambio en lugar de ser romántico.
Primero la aritmética. Un modelo de 7B cuantizado a 4 bits ocupa aproximadamente 4 GB de pesos antes de cualquier contexto de conversación y antes de OpenClaw en sí, así que el nivel de entrada no puede contenerlo y 8 GB es el mínimo realista. Los modelos más grandes escalan en consecuencia y, sin GPU, la inferencia se ejecuta en CPU y es lo bastante lenta como para que la mayoría de quienes la prueban para uso diario vuelvan a un modelo alojado. Consulta los requisitos de servidor para ver cómo cambia esto el dimensionamiento.
El planteamiento honesto es que la inferencia local es adecuada para tareas concretas y no como opción por defecto: contenido que no estás dispuesto a enviar a ninguna parte, trabajo que debe seguir funcionando sin internet, o una carga de trabajo de alto volumen donde el precio por token es la limitación. Para todo lo demás, un modelo alojado con un asistente autoalojado ya mantiene en tu propio servidor tu historial de conversaciones, tus credenciales y tus integraciones, que es la mayor parte de lo que la gente entiende por privacidad.
Comparación rápida
| Opción | Ideal para | Adónde va el contenido | Modelo de costo |
|---|---|---|---|
| OpenAI | Opción general por defecto, uso fiable de herramientas | API de OpenAI | Pago por token, tu clave |
| Anthropic | Documentos largos, escritura cuidadosa y seguimiento de instrucciones | API de Anthropic | Pago por token, tu clave |
| Contexto muy largo de una sola vez | API de Google | Pago por token, tu clave | |
| Agregador | Comparar o enrutar entre muchos modelos | Agregador, luego proveedor | Pago por token, más un margen |
| Local mediante Ollama | Contenido que no debe salir, o sin costo por token | Se queda en tu instancia | Tu cómputo, 8 GB o más |
Cómo decidir en la práctica
Las comparaciones escritas por otras personas son un punto de partida y un mal sustituto de dos horas de pruebas propias. El método que funciona:
- Elige la tarea que más quieres que el asistente haga bien. No un benchmark, una real.
- Ejecútala con dos modelos candidatos usando el mismo prompt.
- Compara en las tres cosas con las que vas a convivir: si la respuesta fue correcta, cuánto esperaste y qué consumo indicó el panel del proveedor.
- Quédate con el ganador como opción por defecto y deja configurado el otro, porque la próxima tarea puede inclinarse hacia el lado contrario.
Esto lleva una tarde y resuelve la cuestión mucho mejor que cualquier tabla, incluida la de arriba.
No tienes que elegir solo uno
Como OpenClaw es independiente del modelo, la respuesta real suele ser un reparto: un modelo alojado potente como opción por defecto, algo barato y rápido para reformateos rutinarios y un modelo local para las pocas cosas que preferirías no enviar a ninguna parte. Cambiar no cuesta nada estructuralmente, porque el modelo es configuración y no arquitectura. Tus integraciones, tu historial y tu configuración no se ven afectados por el cambio.
¿Listo para probarlo? Sigue la guía para autoalojar OpenClaw, revisa los requisitos de servidor si un modelo local está en tu lista, o despliega desde la página de inicio.