Cómo reducir el coste de Claude Code con un router de modelos IA, qué modelo usar para programar cada tarea y qué mide de verdad nuestro benchmark.
Con Claude Code lo habitual es elegir un modelo al empezar y dejar que lo haga todo: planificar, escribir un test o retocar un README. Cada petición se paga al precio de ese modelo, y en las tareas sencillas ese precio rara vez compra un resultado mejor.
Para medirlo hemos construido Rebel Router, un router de modelos de código abierto entre tu agente y los proveedores, y lo hemos medido con un benchmark propio. Estos son los resultados y sus límites.
El problema: pagar el modelo más caro por todo
En nuestro benchmark, las mismas 12 tareas de programación costaron 0,96 dólares con Claude Opus 5.5 y 0,37 con Claude Sonnet 5.5. GPT-6 Luna las resolvió por 0,011 dólares y acertó las mismas 11 de 12 que Opus: unas 80 veces menos dinero por el mismo resultado en esta batería. No significa que Luna sustituya a Opus en todo, sino que muchas tareas diarias no necesitan el modelo más caro.
Cómo decide Rebel Router
Rebel Router es un proxy local. Claude Code le envía cada petición a través de ANTHROPIC_BASE_URL y OpenCode lo ve como un proveedor más. Para cada petición hace cuatro cosas:
- Clasifica la tarea en seis clases (orquestación, código complejo, código masivo, tests unitarios, QA o documentación) con una puntuación de complejidad. Puede usar JEV, el modelo de decisión de Venice (en beta), si le das una clave; sin clave o si tarda más de 800 ms, usa reglas locales.
- Elige con el Broker: descarta los modelos por debajo de un mínimo de calidad para esa clase y ordena el resto por calidad, precio y velocidad. Se queda con tres: el elegido y dos de reserva.
- Controla el gasto con FinOps: presupuestos diarios y por proyecto. Desde el 80% prefiere modelos más baratos; al 100% baja de modelo o bloquea.
- Reenvía y apunta: traduce entre los formatos de Anthropic y OpenAI cuando hace falta y registra en SQLite el modelo, los tokens, el coste y el motivo de cada elección.
En Claude Code ningún hook puede cambiar el modelo de la sesión: el cambio lo hace el proxy, y la línea de estado de Rebel Router enseña el modelo que respondió.
Lo que hemos medido
El benchmark tiene 12 tareas reales, dos por clase, y cada una se corrige de forma determinista: tests ocultos, mutation testing, servidores con fallos a propósito y rúbricas. Ningún modelo corrige a otro. Lo ejecutamos el 11 de octubre de 2026 con 10 modelos, un intento por tarea, por 1,78 dólares en total. Los resultados en bruto son públicos.
- Dejar que el router eligiera (
auto, con el clasificador de reglas) costó 0,17 dólares frente a 0,96 con Opus 5.5 para todo: un 82% menos. - A cambio acertó menos: 9 de 12 tareas (75%) frente a 11 de 12 (92%). Los tres fallos fueron dos tareas de tests unitarios y una de QA que el router mandó a Claude Haiku 5.5, cuyas respuestas pasaron del límite de 8.000 tokens.
- La latencia media bajó de 31,7 a 19,5 segundos por tarea.
- El clasificador de reglas, sin JEV, acertó la clase en 9 de las 12 tareas (75%).
Coste y acierto de cada modelo
Nuestro benchmark: la misma batería de tareas reales ejecutada con cada modelo a través de Rebel Router. Se actualiza cada día.
Coste por tarea frente a tasa de acierto
Cargando datos…
Tasa de acierto por tipo de tarea (media de los modelos)
Cargando datos…
Ahorro del enrutado automático
Cargando datos…
Índice de inteligencia: los 12 primeros
Cargando datos…
Qué modelo usar para programar: el recomendador
Los mismos datos alimentan el recomendador de modelos. Eliges tipo de tarea, presupuesto, velocidad, contexto mínimo y si solo quieres modelos abiertos o locales, y te devuelve los tres que mejor encajan, con su coste estimado y el motivo. También está en su página propia.
Recomendador de modelos
Elige el tipo de tarea y tus límites: te damos los tres modelos que mejor encajan, con su coste estimado por tarea y el motivo.
Calidad: tasa de acierto en nuestro benchmark cuando el modelo está medido; si no, la puntuación del catálogo de Rebel Router. Coste: medido o estimado con los precios oficiales para una tarea típica.
Límites
- Muestra pequeña: 12 tareas y un intento por modelo; las tasas por clase son orientativas.
- El ahorro tiene precio: el router perdió dos tareas que Opus resolvió. Puedes mantener en Opus lo que pidas a Opus (
aliases.opus: passthrough) o fijar un modelo por clase. - No cubierto: Grok, Gemini Pro, Ollama y los modelos de GPT salvo Luna. DeepSeek V4 Pro, GLM 5.3 y Qwen 3.8 Max solo hicieron parte de las tareas. JEV no se midió: el benchmark usó las reglas.
- Anthropic no da soporte a enrutar Claude Code hacia otros modelos: funciona, pero las funciones propias de Claude se pierden al traducir.
- El coste es de lista: los tokens que declara cada proveedor por el precio oficial del catálogo.
Pruébalo
El laboratorio paso a paso explica cómo instalarlo desde GitLab, poner tus claves (o una sola de OpenCode Zen), conectarlo a Claude Code y OpenCode, fijar presupuestos y comprobar qué modelo responde y cuánto cuesta. El código está en GitLab con licencia MIT.
Artículos relacionados de LaRebelión
Monta tu propio router de modelos con Rebel Router
Satya Nadella pide un 'freno de emergencia' para los modelos de IA
Un modelo de Anthropic envía una pista falsa sobre un asesinato durante pruebasFuente original: Rebel Router (GitLab)
Elaborado con apoyo de IA y revisado por la redacción
Comentarios
Publicar un comentario