Claude Haiku 5.5 y los argumentos a favor de los modelos pequeños en marketing

Cada lanzamiento de un modelo se mide frente al modelo más grande del momento. Creo que es el enfoque equivocado para la mayor parte del trabajo de marketing. El 7 de octubre, Anthropic lanzó Claude Haiku 5.5, y lo interesante no es cuánto se acerca a la frontera. Es lo que cuesta ejecutarlo un millón de veces.

Qué ha pasado

Anthropic describe Haiku 5.5 como el modelo pequeño más barato, rápido y capaz que ha lanzado. Está orientado a trabajo de gran volumen y sensible al coste: resúmenes, clasificación, consultas a bases de datos, atención al cliente en directo, uso del navegador y trabajo como subagente junto a los modelos más grandes Opus 5.5 y Sonnet 5.5. Es el primer modelo de la clase Haiku con un ajuste de esfuerzo regulable, de modo que los usuarios pueden equilibrar coste e inteligencia. Anthropic deja claro que Sonnet 5.5 y Opus 5.5 siguen siendo mejores para la programación agéntica compleja.

El precio es el titular. Para prompts de hasta 100.000 tokens, Anthropic indica 0,10 US$ por millón de tokens de entrada y 0,50 US$ por millón de tokens de salida, y afirma que Haiku 5.5 cuesta de media un 75 % menos que Haiku 4.5. La página de lanzamiento también incluye testimonios de clientes; HubSpot, por ejemplo, dice que obtuvo un 92,8 % en su conjunto de evaluación de CRM. Son cifras de la empresa y de sus clientes, no pruebas independientes.

Por qué importa

La IA para marketing es un negocio de volumen. Una sola campaña puede implicar miles de variantes creativas, decenas de miles de comentarios que clasificar, catálogos de productos con cientos de miles de filas e informes diarios de decenas de mercados. Casi nada de eso necesita el modelo más potente disponible. Necesita un modelo suficientemente bueno, rápido, predecible y lo bastante barato para aplicarlo a todo.

Cuando el modelo pequeño mejora mucho y se abarata mucho a la vez, cambia la economía de lo que se automatiza. Tareas que eran demasiado caras para aplicarlas a cada elemento, como etiquetar cada anuncio de la competencia o resumir cada reseña de clientes, se vuelven rutinarias. Y cambia la arquitectura: un modelo grande planifica y juzga, y los modelos pequeños hacen debajo el trabajo repetitivo. La propia descripción que hace Anthropic de Haiku como subagente es exactamente ese patrón.

Lo que dice mi investigación

Llevo mucho tiempo defendiéndolo. En Forbes me pregunté si más grande es mejor, y más tarde comparé los LLM y las redes neuronales pequeñas en marketing. Mi respuesta no ha cambiado: el tamaño del modelo importa mucho menos que la técnica y la adecuación a la tarea.

Nuestra investigación siempre ha combinado los dos tipos de modelo en lugar de elegir uno. En SoCraft (WSDM 2023) presentamos un modelo multimodal que puntúa las creatividades de anuncios de Meta de un anunciante, a partir del texto, la imagen, la segmentación y la configuración, antes del lanzamiento. En Fusing Predictive and Large Language Models for Actionable Recommendations in Creative Marketing (ACM Transactions on Information Systems, 2025) combinamos modelos de predicción del rendimiento publicitario con LLM, para que una puntuación creativa se convierta en una recomendación sobre la que un profesional del marketing pueda actuar.

La lección de ese trabajo es que los modelos especializados y eficientes se encargan de medir y los grandes modelos de lenguaje de explicar. Un LLM pequeño más barato y capaz no sustituye al predictor especializado. Hace asequible la capa de explicación y orquestación a la escala en la que realmente ocurre el marketing.

Cómo usaría yo un modelo así

• Clasificación con cobertura total. Etiquete cada publicación de la competencia, cada reseña y cada anuncio de su categoría por tema, oferta y formato, en lugar de trabajar con muestras.
• Resúmenes de primera pasada. Convierta informes largos, transcripciones e hilos de comentarios en síntesis breves que revise una persona o un modelo más grande.
• Subagentes en un flujo de trabajo. Deje que un modelo más grande planifique un análisis de la competencia y delegue los pasos repetitivos de extracción en el modelo pequeño.
• Rapidez de cara al cliente. Use el modelo rápido donde importa la latencia, como en el chat en directo, y derive los casos difíciles a un modelo más potente o a una persona.

Qué deben comprobar los profesionales del marketing antes de cambiar

• Haga su propia evaluación. Los benchmarks de los proveedores no son su tarea. Tome 200 ejemplos reales de su trabajo, etiquételos y compare los modelos con ese conjunto.
• Fíjese en el coste por tarea, no en el coste por token. Anthropic señala que Haiku 5.5 usa un nuevo tokenizador y algo más de tokens por tarea. La factura depende de todo el flujo de trabajo.
• Use el ajuste de esfuerzo de forma deliberada. Empiece con un esfuerzo bajo para el etiquetado sencillo y súbalo solo donde su evaluación muestre una mejora de calidad.
• Mantenga los modelos especializados donde sean mejores. Si ya tiene un modelo entrenado con sus propios datos de rendimiento, un LLM debe explicar su resultado, no sustituirlo.

La frontera acapara los titulares. El modelo pequeño es donde estará la mayor parte del trabajo y del ahorro.

Preguntas frecuentes