Modelos: elegir
el cerebro adecuado
Qué vas a poder hacer al terminar
- Elegir entre subscription, API key o modelo local según tu caso.
- Saber cuándo usar Opus 4.8 y cuándo Sonnet (y cuánto te va a costar).
- Cambiar el modelo por defecto con una sola frase.
- Entender por qué un buen modelo es también una decisión de seguridad.
Dónde venís
Ya tenés piezas: en la Clase 05 aprendiste a darle habilidades y en la Clase 06 a conectarlo con miles de apps. Pero todas esas piezas necesitan un cerebro que las maneje. Y acá mucha gente se traba: ¿qué modelo uso? ¿pago por token? ¿me sale una fortuna?
Recordá: modelo ≠ harness
En la Clase 01 lo vimos: el modelo es el cerebro (lee, razona, planifica) y OpenClaw es el harness, el cuerpo que lo rodea. Lo potente es que OpenClaw es model-agnostic: no estás casado con ningún proveedor. Podés usar el mejor modelo para cada tarea y cambiarlo cuando salga uno mejor (y salen seguido).
La idea clave: enrutar la tarea correcta al modelo correcto
Si un modelo escribe mejor, lo usás para escribir. Si otro entiende mejor imágenes esta semana, lo usás para eso. OpenClaw orquesta: tu agente principal puede delegar cada tarea al cerebro que más le conviene.
Las tres formas de darle cerebro
Subscriptiontu plan mensual de Claude o ChatGPT
- Costo fijo y predecible: sin ansiedad por tokens. Lo más barato a la larga.
- Uso prácticamente ilimitado: OpenClaw enruta el consumo por tu plan.
- Te puede limitar la tasa (rate limit) en picos de uso.
API keypago por uso, por token
- Control total y acceso a cualquier modelo (Anthropic directa u OpenRouter).
- Tareas simples cuestan centavos.
- Una sesión compleja puede costar USD 5–20: los costos sorprenden si no los monitoreás.
Modelo localcorre en tu propia máquina (Ollama)
- Gratis de usar: pagás el hardware una vez, sin costo por API.
- Tus datos nunca salen de tu computadora.
- Necesitás una máquina potente, y los modelos locales son menos capaces que los grandes de la nube.
¿Qué modelo concreto uso? (v2026.6.10)
La versión actual de OpenClaw trae soporte para los modelos más nuevos. La guía práctica:
| Modelo | Cuándo usarlo | Costo aprox. |
|---|---|---|
| Claude Opus 4.8 | Razonamiento profundo, tareas largas multi-paso, escritura muy matizada, sesiones de código. | El más caro y capaz |
| Claude Sonnet | ~90% de las tareas: conversación, agenda, borradores de email, búsquedas. Para asistente personal, arrancá acá. | ~USD 2–5 / día |
| NVIDIA featured / MiniMax | Modelos destacados que el catálogo reciente sumó; útiles para enrutar tareas específicas o local-friendly. | Variable |
| Fal Krea | Generación de imágenes (esquemas de imagen nuevos en esta versión). | Por uso |
Novedad reciente
Las versiones recientes agregaron Claude Opus 4.8 como modelo destacado, además de esquemas de imagen de Fal Krea y modelos destacados de NVIDIA. También llegó soporte de runtime para GitHub Copilot y el Codex Supervisor como plugins, y el override de modelo por DM (podés fijar un cerebro distinto por conversación). Traducción: hoy tenés más y mejores cerebros para elegir que en cualquier guía vieja.
Cambiar el modelo por defecto
No tenés que tocar archivos de config. Le hablás:
Cambiá el modelo por defecto a Sonnet.
Hablemos de plata (sin vueltas)
- Si vas con subscription: tu costo es el plan mensual y listo (lo más predecible).
- Si vas con API: con uso moderado de Sonnet, ~USD 2–5/día. Cargas pesadas con Opus pueden saltar a USD 30+ en un día.
- Tu primera semana, mientras todavía estás aprendiendo, probablemente gastes ~USD 3–5/día.
- Si usás keys directas, revisá tu consumo en el panel del proveedor las primeras semanas y poné alertas de facturación.
El error silencioso más común
Si llegás a tu límite de gasto en la API, el agente se queda mudo, sin mensaje de error útil. Si de golpe deja de responder, lo primero que tenés que chequear es tu facturación y tus límites.
Elegir modelo también es elegir seguridad
Esto casi nadie te lo dice: el modelo que elegís afecta cuán vulnerable sos a ataques de prompt injection (cuando contenido externo malicioso le da órdenes ocultas a tu agente).
Modelos buenos resisten mejor los ataques
Las auditorías muestran tasas de éxito de prompt injection de hasta ~91% contra modelos flojos. Los modelos más capaces (Opus, Sonnet) son notablemente más resistentes. No corras tu agente con un modelo barato y débil si va a tocar internet, emails o documentos. Lo vemos a fondo en la Clase 10.
Caso de uso real
Un asesor inmobiliario usa Sonnet como cerebro por defecto para el 90% (resúmenes, agenda, borradores de mail a clientes) y deja que el agente escale a Opus 4.8 solo cuando hay que redactar una propuesta importante o investigar a fondo una empresa antes de una reunión. Resultado: costos bajos todos los días, calidad máxima cuando de verdad importa.
Ejercicio: hacelo ahora (10 min)
- Preguntale a tu agente qué modelo está usando ahora mismo.
- Cambialo a Sonnet con el prompt de arriba y hacele una tarea simple (resumir un artículo).
- Pedile la misma tarea pidiéndole que use Opus 4.8 y compará la diferencia de calidad y de tiempo.
- Si usás API key: abrí el panel del proveedor y mirá cuánto costó cada una.
- Decidí y escribí tu regla: "por defecto uso ___, escalo a ___ cuando ___".
Lo que te falta ahora → Clase 08
Ya tenés todas las piezas: habilidades (skills), conexiones (MCPs) y cerebro (modelos). Pero hasta acá tu agente actúa cuando vos le hablás. ¿Cómo hacés que trabaje SOLO? Que combine todo esto en un proceso que corre en piloto automático. Eso son los workflows agénticos, y es la próxima clase.
Profundizá en el manual
Referencia: la pestaña Models y Model & Thinking en Quick Settings.