IAIAVersusElegir una IA

Protocolo de pruebas · Atención y operaciones

IA para ecommerce y atención: dificultad y criterios.

Esta ficha define qué se medirá antes de ejecutar modelos. Una prueba reproducible vale más que una respuesta llamativa aislada.

Muestra de tareas

Qué debe resolver un modelo.

Los casos se preparan con datos permitidos, una instrucción estable y un criterio de aceptación que pueda comprobar otra persona.

  • Borradores de respuestas y clasificación
  • Fichas de producto y atributos
  • Soporte multilingüe y resúmenes de tickets

Lote inicial · octubre 2026

Modelos que conviene incluir en la primera pasada.

Son candidatos por adecuación declarada, canal de acceso y tarifa, no posiciones de un ranking. Ejecuta el mismo lote sobre todos los que estén disponibles en tu entorno y conserva el resultado completo.

Datos externos disponibles

Variante eficiente de GPT-6 para automatizaciones, extracción y cargas de alto volumen en las que el coste por tarea importa tanto como la calidad.

Alto volumenClasificaciónAutomatización
1,05M contextoEstándar: 0,10 USD entrada · 0,50 USD salida por 1M; con más de 272K de entrada: 0,20/0,75 USD. Ver ficha
Datos externos disponibles

Modelo compacto de Anthropic orientado a baja latencia, alto volumen, agentes y tareas de código que necesitan una respuesta rápida.

Chat de alto volumenAgentes rápidosClasificación
1M contextoHasta 100K: 0,10 USD entrada y 0,50 USD salida por 1M; sobre 100K: 0,50 y 2,50 USD. Caché desde 0,01 USD. Ver ficha
Pruebas propias pendientes

Modelo multimodal de QwenCloud para tareas de alto volumen, programación, agentes y análisis de texto, imagen y vídeo con contexto de un millón de tokens.

Alto volumenCódigoMultimodal
1M contexto0,15 USD de entrada · 0,47 USD de salida por 1M de tokens Ver ficha

Dificultad

Tres niveles para no mezclar trabajos distintos.

01 · NIVEL

Básica

Una tarea concreta, datos completos y una salida con formato verificable.

02 · NIVEL

Intermedia

Varias restricciones, contexto de trabajo y comprobación de consistencia.

03 · NIVEL

Avanzada

Varios pasos, información incompleta controlada, coste y éxito medibles.

Matriz de evaluación

Cómo se decide si una respuesta sirve.

  1. Coste por alto volumen
  2. Idioma, tono y consistencia
  3. Integración con el sistema de tickets o catálogo

Además del criterio principal, cada ejecución conserva el modelo y versión exactos, configuración, tokens, coste, latencia, error y revisión necesaria.

Publicación

Cuándo aparecerá un resultado.

Solo se publicará una puntuación cuando la muestra, el prompt, la configuración, la fecha y el criterio de éxito estén disponibles. Hasta entonces esta página es un protocolo, no un ranking encubierto.

Límites del sector

Qué no automatizar sin control.

  • Define cuándo debe intervenir una persona
  • No prometas condiciones no verificadas
  • Protege pedidos, pagos y datos personales
Volver a la guía sectorial →