Niveles de modelos de IA: Flash, Mini, Nano y dónde corren

Nano. Flash. Mini. Flash-Lite. Sol, Terra, Luna. Cada empresa de IA lanza una escalera de modelos, y los nombres no son ruido de marketing: codifican una decisión real de ingeniería. Los niveles de modelos de IA, en una frase: cada nivel intercambia capacidad por costo, velocidad y lugar donde puede correr físicamente, y el nivel que usa un producto determina lo que tu hijo experimenta de verdad. El modelo de las noticias casi nunca es el modelo de la app de tareas. Entender la diferencia es la forma más barata de entender por qué una app se siente inteligente en un momento y tonta en el siguiente.

Puntos clave

• Los niveles existen porque el costo escala con el tamaño del modelo. Los precios publicados por millón de tokens de salida en 2026 iban de US$6 (GPT-5.6 Luna) a US$50 (Claude Fable 5.1).
• Los modelos clase Nano corren en el dispositivo. Gemini Nano corre dentro del servicio AICore de Android en el Tensor G6 del Pixel 11, sin necesidad de red para las tareas documentadas.
• Los de clase Flash y Mini corren en la nube pero están optimizados por precio y velocidad. Gemini 3.7 Flash salió a “la mitad del costo por millón de tokens del 3.6 Flash”.
• Los modelos de punta son para razonamiento difícil. Claude Fable 5.1 marcó 52,6 % en Terminal-Bench-Science 0.1 contra 22,4 % de GPT-5.6 Sol, a US$10 de entrada y US$50 de salida por millón de tokens.
• Las técnicas de compresión que crean los niveles chicos (destilación, cuantización, poda) son la razón por la que los modelos pequeños rinden más de lo esperado, y por la que son modelos distintos y no copias encogidas.

La escalera de 2026, con números reales

Arranca por el mapa, porque el vocabulario es genuinamente confuso y ninguna empresa usa las mismas palabras.

En el dispositivo (clase Nano). Gemini Nano es el miembro más chico de la familia de Google y corre dentro del servicio AICore de Android. La documentación para desarrolladores de Google dice que permite entregar IA generativa “sin necesitar conexión de red ni enviar datos a la nube”, y lista capacidades concretas: resumir un artículo o conversación en viñetas, corregir un mensaje corto, reescribirlo en otro tono, describir una imagen, transcribir voz, responder un prompt propio. El Tensor G6 del Pixel 11, anunciado el 12 de agosto de 2026, tiene 50 % más cómputo de TPU que el G5 y corre tareas de IA local “hasta 3,5 veces más rápido usando hasta 3,5 veces menos energía”.

Nube barata (clase Flash, Mini, Lite, Luna). Corren en centros de datos pero están hechos para volumen. Gemini 3.7 Flash salió a la mitad del costo por millón de tokens de Gemini 3.6 Flash, tres semanas después. GPT-5.6 Luna salió a US$1 de entrada y US$6 de salida por millón. Es el nivel que mueve la mayoría de las apps de consumidor, porque a escala la diferencia de precio decide si un producto puede existir.

Nivel medio (clase Terra, clase Pro). GPT-5.6 Terra a US$2,50 de entrada y US$15 de salida, descrito como rendimiento comparable a un modelo de punta anterior a la mitad del costo, que es exactamente para lo que existe un nivel medio.

De punta (clase Sol, Fable, Opus). GPT-5.6 Sol a US$5 y US$30. Claude Fable 5.1 a US$10 y US$50, con ventana de contexto de un millón de tokens y salida máxima de 128K. Claude Opus 5, lanzado el 24 de julio de 2026, a US$5 y US$25, posicionado como rendimiento casi de punta a la mitad del precio.

Nivel restringido. Una categoría nueva que conviene conocer: Claude Mythos 5.1 no está disponible al público, solo para organizaciones estadounidenses verificadas mediante programas de ciberseguridad y ciencias de la vida. GPT-5.6-Cyber es parecido, disponible solo por Daybreak Red. La capacidad hoy está limitada por quién eres, no solo por lo que pagas.

La brecha entre niveles en tareas difíciles es grande. En Terminal-Bench-Science 0.1, Fable 5.1 marcó 52,6 % mientras GPT-5.6 Sol marcó 22,4 %. En tareas fáciles la brecha casi desaparece, que es justamente por qué existen los niveles baratos.

Niveles de modelos de IA: cómo se logra que un modelo chico sea bueno

Un modelo chico no es un modelo grande al que le sacaron piezas. En general es un modelo distinto, entrenado específicamente para imitar a uno más grande. Tres técnicas hacen el trabajo, y las tres se pueden enseñar.

Destilación. Hinton, Vinyals y Dean la presentaron en 2015. Entrenas un modelo grande “profesor” y después entrenas un “estudiante” chico con las distribuciones de probabilidad completas del profesor, no solo con las respuestas correctas. Los objetivos suaves cargan más información que una etiqueta dura: le dicen al estudiante no solo que la respuesta era “gato”, sino que “lince” estuvo cerca y “auto” no. Los estudiantes entrenados así superan a los entrenados solo con etiquetas.

Cuantización. Guardar cada peso con menos bits: 8 o 4 en vez de 16. La memoria baja de forma proporcional, el ancho de banda de memoria baja, y en el hardware correcto la velocidad mejora. La pérdida de precisión es chica si se hace con cuidado. Es la razón más importante por la que un modelo capaz entra en un celular.

Poda. Eliminar conexiones que aportan poco a la salida. Las redes se entrenan con más capacidad de la que estrictamente necesitan, y una fracción significativa se puede cortar con pérdida modesta.

Ahora la parte que decide qué nivel usa un producto, y no es capacidad en absoluto. Es economía unitaria. Una app con un millón de usuarios diarios que hacen diez pedidos cada uno hace diez millones de pedidos por día. A US$50 por millón de tokens de salida con respuestas de 500 tokens, son US$250.000 por día. A US$6 por millón, son US$30.000. Ningún equipo de producto elige el modelo de punta para una función de alto volumen a menos que la función no funcione sin él.

Esa aritmética explica tres cosas que los papás notan. Por qué el nivel gratis se siente menos capaz que el pago: muchas veces es un modelo distinto y más chico, no una versión frenada del mismo. Por qué la misma app es inteligente en una tarea y torpe en otra: enrutamiento, donde los pedidos fáciles van a un nivel barato y los difíciles escalan. Y por qué la herramienta del colegio puede ser sorprendentemente limitada: los colegios compran por volumen, y volumen significa niveles baratos.

Una nota honesta más. Chico no significa malo, y la escalera se está moviendo hacia arriba rápido. La familia Gemma de Google pasó los mil millones de descargas y corre, según Google, en entornos “desde celulares e infraestructura de borde hasta el espacio”. Un modelo clase Flash de 2026 supera a uno de punta de 2024 en muchas tareas. El nivel que tu hijo usa hoy es mejor que el mejor disponible cuando empezó el colegio.

Cómo enseñarle esto a tu hijo

De 5 a 8 años: los tres ayudantes

Tres ayudantes imaginarios: uno vive en tu bolsillo y responde al instante pero solo sabe cosas simples; uno vive al otro lado de la ciudad, sabe más y tarda un minuto; uno vive muy lejos, sabe lo máximo y cobra mucho. ¿A cuál le preguntas la hora? ¿A cuál le pides ayuda con un proyecto difícil? Los chicos lo ordenan bien y de inmediato, y acaban de aprender el concepto completo de niveles.

De 9 a 12 años: encontrar el nivel en tu casa

Salgan de cacería. ¿Qué funciones del celular funcionan en modo avión (nivel local)? ¿Cuáles necesitan internet pero responden al instante (nube barata)? ¿Cuáles tardan varios segundos y producen respuestas largas y cuidadas (de punta)? Hagan una lista de tres columnas. Después que tu hijo adivine qué nivel usa la app de tareas del colegio y explique su razonamiento. No hay clave de respuestas, y el razonamiento es el punto.

De 13 en adelante: la hoja de cálculo

Dale los números reales: US$6, US$15, US$30, US$50 por millón de tokens de salida. Que arme una hoja de cálculo para una app hipotética con 100.000 usuarios diarios, 5 pedidos cada uno, respuestas de 400 tokens. Que calcule el costo diario en cada nivel. Después la pregunta de negocio: ¿qué nivel lanzarías, y qué harías con los usuarios cuyas preguntas el nivel barato no resuelve? Es una decisión de producto real, y un chico de 15 puede razonarla bien.

La pregunta que debes hacer: “Si esta app usara un modelo más caro, ¿qué mejoraría, y quién lo pagaría?”

De nivel a dispositivo: qué corre dónde

Nivel	Ejemplos	Dónde corre	Costo por M de salida	Bueno para	Falla en
En el dispositivo / Nano	Gemini Nano en Tensor G6	El propio celular, funciona sin conexión	Sin costo marginal; lo limita la batería	Resumir, corregir, reescribir, transcribir, describir imágenes	Razonamiento largo, información actual
Nube barata	GPT-5.6 Luna, Gemini Flash-Lite	Centro de datos, optimizado por volumen	Cerca de US$6	Chat de alto volumen, clasificación, preguntas simples	Problemas de varios pasos, juicio fino
Nube rápida	Gemini 3.7 Flash, GPT-5.6 Terra	Centro de datos	Cerca de US$15	Casi todas las funciones de apps de consumidor	Tareas de nivel investigación
De punta	GPT-5.6 Sol, Claude Opus 5	Centro de datos	US$25 a US$30	Programación, agentes, razonamiento difícil	El costo a escala
Frontera	Claude Fable 5.1	Centro de datos, contexto de 1M	US$50	Agentes de contexto largo, flujos científicos	Ser accesible para alto volumen
Restringido	Claude Mythos 5.1, GPT-5.6-Cyber	Centro de datos, acceso verificado	Sin precio público	Trabajo de ciberseguridad y ciencias de la vida	Estar disponible para cualquiera

Imprime esto y la confusión de nombres se disuelve casi por completo. Cuando aparezca un nombre nuevo, ubícalo en la escalera por su precio y su ventana de contexto, no por sus adjetivos.

¿Y en América Latina?

Acá el nivel importa más que en un país rico, y por una razón simple: los presupuestos. Un ministerio de educación o una red de colegios de la región que quiere darle IA a cientos de miles de estudiantes hace la cuenta en tokens, y la diferencia entre US$6 y US$50 por millón de salida decide si el programa existe o no. Traducción: cuando la herramienta del colegio de tu hijo se siente limitada, casi siempre es el nivel, no la pedagogía.

Hay un segundo factor técnico que conviene saber: los modelos chicos tienden a ser peores en español que en inglés, porque los datos de entrenamiento y la tokenización están sesgados hacia el inglés. La brecha se nota sobre todo en tareas de razonamiento y en variantes regionales del español. Eso significa que el mismo nivel de modelo entrega menos a un estudiante en Lima que a uno en Boston, y es una razón concreta para revisar la sección de “Factores” de la tarjeta del modelo antes de que un colegio adopte una herramienta. Con PISA 2025 mostrando que el 56 % de los estudiantes colombianos usa IA semanalmente, la pregunta de qué nivel usan no es académica.

Qué hacer en casa

Pregunta qué modelo y qué versión

Cuando un colegio o una app dice “con inteligencia artificial”, la pregunta útil es qué modelo y qué nivel. Un colegio que corre un modelo clase Flash para 50.000 estudiantes está tomando una decisión de presupuesto razonable; uno que no puede responder la pregunta no evaluó la herramienta.

Empareja el nivel con la tarea en casa

Consulta rápida o transcripción: el nivel local alcanza y es más privado. Aprender un método nuevo de matemática: quieres un modelo que muestre pasos, que en general significa un nivel más grande y un modo de estudio. Enseñar este emparejamiento de forma explícita convierte a tu hijo en alguien que elige herramientas en vez de aceptar valores por defecto.

Usa la diferencia entre gratis y pago como momento de enseñanza

Cuando tu hijo se queje de que la versión gratis es peor, muchas veces es literalmente cierto y muchas veces es otro modelo. Explicar la economía es más respetuoso que decir “es gratis, ¿qué esperabas?”, y le enseña algo duradero sobre cómo funcionan los negocios de software. Nuestros textos sobre cómo funcionan los modelos de IA y sobre edge AI vs. cloud AI siguen el tema.

No persigas el modelo de punta

Los modelos de frontera están optimizados para programación agéntica e investigación de contexto largo, no para enseñarle fracciones a un chico de 12. Un buen modo de estudio en un nivel medio le gana a un modelo de punta sin pedagogía. La capacidad no es la restricción que manda en tu casa.

Lo que no hay que hacer

No supongas que un nivel más grande es más seguro. La seguridad viene de las salvaguardas, la configuración de edad y el diseño del producto, no de la cantidad de parámetros. Un modelo de frontera sin modo de estudio y con valores por defecto de adulto es peor para un chico de 13 que un modelo clase Flash dentro de un producto para adolescentes bien hecho.

Qué observar en los próximos 3 meses

• Semana 4: Tu hijo puede nombrar una función local, una de nube barata, y explicar por qué son distintas.
• Señales de alerta en el mes 2: Tu hijo supone que el nombre de modelo más nuevo es mejor para su tarea, o no nota cuándo una app cambió de nivel en silencio.
• Autoevaluación del mes 3: Cuando se lanza un modelo nuevo, ¿tu familia pregunta por precio y ventana de contexto antes que por adjetivos? Ese es el reflejo que vale tener.

Preguntas frecuentes

¿Qué nivel hay en el celular de mi hijo?

Si es un Pixel reciente, Gemini Nano corre en el dispositivo a través de AICore para las tareas documentadas, y Gemini en la nube maneja el resto. Los iPhone recientes corren modelos locales de Apple más Private Cloud Compute. Casi todos los Android de gama alta desde cerca de 2023 tienen NPU y alguna capacidad local. Pruébalo con modo avión: lo que sigue funcionando es local.

¿Un modelo más chico es menos seguro?

No por tamaño. La seguridad depende de las salvaguardas que envuelven al modelo y de los valores por defecto del producto. Un modelo chico dentro de un producto bien diseñado para adolescentes es más seguro que uno de frontera con valores por defecto de adulto. Juzga el producto, no los parámetros.

¿Por qué usan tantos nombres confusos?

En parte marca, en parte diferenciación real de precio y capacidad, en parte porque la escalera cambia cada pocos meses. La forma duradera de leer un nombre nuevo es por su precio publicado por millón de tokens y su ventana de contexto. Esos dos números lo ubican con precisión.

¿El nivel afecta las alucinaciones?

Los modelos más grandes en general alucinan menos en preguntas factuales difíciles, y ningún nivel es inmune. El anclaje importa más que el tamaño: un modelo chico que consulta un documento real le suele ganar a uno grande que adivina de memoria. Verifica siempre, en cualquier nivel.

¿Puedo elegir el nivel que usa la app de mi hijo?

En general no de forma directa. Algunas apps de consumidor dejan elegir modelo a los usuarios pagos. Las herramientas escolares las elige el colegio o el ministerio. La palanca que sí tienes es qué app, y preguntarle al colegio qué modelo corre.

¿Los modelos chicos van a llegar a ser tan buenos como los de punta de hoy?

En muchas tareas ya igualan a los de punta de hace dos años, y los modelos clase Gemma hoy corren desde celulares hasta despliegues espaciales. Espera que la escalera siga subiendo mientras la brecha en las tareas de razonamiento más difíciles persiste, porque los modelos de punta también siguen avanzando.

---

Sobre el autor

Ricky Flores es el fundador de HiWave Makers e ingeniero eléctrico con más de 15 años de experiencia desarrollando tecnología de consumo en Apple, Samsung y Texas Instruments. Escribe sobre cómo los niños aprenden a construir, pensar y crear en un mundo saturado de tecnología. Lee más en hiwavemakers.com.

---

Fuentes

1. Google. (2026, 1 de septiembre). “Google AI updates: August 2026.” The Keyword. https://blog.google/innovation-and-ai/technology/google-ai-updates-august-2026/
2. Android Developers. “Gemini Nano.” https://developer.android.com/ai/gemini-nano
3. TechCrunch. (2026, 9 de julio). “OpenAI launches its new family of models with GPT-5.6.” https://techcrunch.com/2026/07/09/openai-launches-its-new-family-of-models-with-gpt-5-6/
4. Anthropic. (2026, 1 de septiembre). “Introducing Claude Fable 5.1 and Claude Mythos 5.1.” https://www.anthropic.com/claude-fable-and-mythos-5-1
5. Hinton, G., Vinyals, O., & Dean, J. (2015). “Distilling the Knowledge in a Neural Network.” arXiv 1503.02531. https://arxiv.org/abs/1503.02531
6. Axios. (2026, 24 de julio). “Anthropic releases new model Opus 5.” https://www.axios.com/2026/07/24/anthropic-releases-new-model-opus-5
7. Pulzo. (2026, 8 de septiembre). “Estudiantes en Colombia lideran uso de IA, según la OCDE.” https://www.pulzo.com/tecnologia/inteligencia-artificial-en-la-educacion-estudiantes-en-colombia-lideran-uso-de-ia-segun-la-ocde-PP5296043A