Ir al contenido principal
Español— Elegir un idioma
Menú

Esfuerzo de razonamiento: bajo, medio y alto

Lección 4 de 12 Actualizado el 3 de noviembre de 2026 Desarrollador
En esta página
  1. Control de la profundidad de razonamiento
  2. Niveles de esfuerzo
  3. Impacto en los tokens
  4. Elección del nivel adecuado
  5. Ejemplo práctico: misma pregunta, tres esfuerzos
  6. Puntos clave

Actualizado el 3 de noviembre de 2026 según la referencia de la API de xAI: max_completion_tokens limita únicamente la respuesta visible; los tokens de razonamiento no cuentan para este límite y el parámetro de esfuerzo controla su cantidad. Fuente: Chat Completions. Nota añadida el 3 de noviembre: La lección vinculaba anteriormente el esfuerzo a la API (Chat Completions o Responses) y lo aplicaba a grok-4.20-0309-reasoning, que no lo admite; según la página de Reasoning de xAI, depende del modelo (grok-4.7, grok-4.6, grok-4.5, grok-4.20-multi-agent). El ejemplo también leía usage.completion_tokens, que está ausente en las respuestas de la API Responses (output_tokens, output_tokens_details.reasoning_tokens). Fuente: Reasoning.

Control de la profundidad de razonamiento

El esfuerzo de razonamiento te permite calibrar cuánta reflexión invierte el modelo antes de responder. Es una palanca directa para equilibrar calidad, velocidad y consumo de tokens.

El modelo determina la disponibilidad, no la API. Según la documentación de xAI:

ModeloEsfuerzoValores
grok-4.7, grok-4.6Profundidad de razonamientolow, medium, high (predeterminado), xhigh
grok-4.5Profundidad de razonamientolow, medium, high (predeterminado); xhigh se trata como high
grok-4.20-multi-agentNúmero de agentes movilizados (4 o 16), no profundidadlow, medium, high, xhigh
grok-4.20-0309-reasoningNo configurable: el modelo siempre razona—

El razonamiento no puede desactivarse en estos modelos: sin configuración, el esfuerzo predeterminado es high. Solo cambia el nombre del parámetro según la API: reasoning_effort en el nivel superior en Chat Completions, reasoning.effort dentro de un objeto reasoning con la API Responses.

{
  "model": "grok-4.7",
  "input": "Solve the system of equations: 3x + 2y = 12, x - y = 1",
  "reasoning": {
    "effort": "medium"
  }
}

Niveles de esfuerzo

La documentación describe cada nivel y su uso adecuado:

  • low: Utiliza cierto razonamiento manteniendo la rapidez. Para usos agenticos sensibles a la latencia y llamadas a herramientas sencillas.
  • medium: Mayor reflexión, para aplicaciones menos sensibles a la latencia. Para análisis de datos complejos y razonamiento sobre contextos largos.
  • high (predeterminado): Muchos más tokens de razonamiento. Para problemas muy difíciles, matemáticas complejas y lógica de varios pasos.
  • xhigh: Profundidad máxima, con la latencia correspondiente. Para los problemas más arduos, cuando la calidad importa más que el tiempo de respuesta.

Las buenas prácticas de xAI añaden una regla sencilla: establece el esfuerzo explícitamente en cada solicitud y regístralo junto con cada resultado, para que tus mediciones sean comparables.

Los modelos de razonamiento también rechazan tres parámetros: presence_penalty, frequency_penalty y stop harán fallar la solicitud.

Impacto en los tokens

El nivel de esfuerzo tiene un impacto directo en el consumo de tokens de razonamiento:

  • low: Pocos tokens de razonamiento, respuesta rápida, coste bajo
  • medium: Consumo moderado, buen compromiso
  • high y xhigh: Muchos tokens de razonamiento, respuesta más lenta, coste alto

Estos tokens de razonamiento se facturan como tokens de salida (véase la Lección 8). El límite de salida (max_completion_tokens en Chat Completions, max_output_tokens en la API Responses) limita únicamente la respuesta visible: el razonamiento no cuenta para ello, por lo que el esfuerzo controla su cantidad.

Elección del nivel adecuado

TareaEsfuerzo recomendado
Clasificación de textolow
Resumen con análisismedium
Extracción de entidades estructuradaslow
Resolución de ecuacioneshigh
Análisis de errores en códigohigh
Reformulación de textolow
Comparación de opciones con pros y contrasmedium
Demostración matemáticahigh

Ejemplo práctico: misma pregunta, tres esfuerzos

for effort in ["low", "medium", "high"]:
    response = client.responses.create(
        model="grok-4.7",
        input="Explain why 0.1 + 0.2 != 0.3 in computing.",
        reasoning={"effort": effort},
    )
    usage = response.usage
    print(f"Effort {effort}: {usage.output_tokens} output tokens, "
          f"including {usage.output_tokens_details.reasoning_tokens} reasoning tokens")

La brecha entre niveles depende de la pregunta: mídela en tus propios casos en lugar de confiar en una ratio general, y registra el esfuerzo con cada resultado.

Puntos clave

  • El esfuerzo depende del modelo: low, medium, high (predeterminado) y xhigh en grok-4.7 y grok-4.6, sin xhigh en grok-4.5; grok-4.20-0309-reasoning no lo admite
  • reasoning_effort en Chat Completions, reasoning.effort en la API Responses; el razonamiento no puede desactivarse
  • El nivel de esfuerzo impacta directamente en el número de tokens de razonamiento y, por tanto, en el coste
  • Sin configuración, el esfuerzo predeterminado es high: establécelo explícitamente en cada solicitud, como recomienda xAI
  • Adapta el esfuerzo a la complejidad real de la tarea para optimizar costes