Modelos · · 10 min de lectura
Google quiere que el modelo caro solo piense y el barato trabaje: el orquestador que puede salvar tu factura de tokens en coding
Google propone separar razonamiento y ejecución en las herramientas de programación con IA: un modelo caro piensa, uno barato trabaja y un orquestador enruta cada tarea. Analizamos qué significa para la economía real de los equipos de ingeniería y las agencias IA en España.
Programar con IA tiene un problema económico que nadie quiere mirar de frente: cada iteración del agente quema tokens del modelo más caro para tareas que un modelo barato resolvería en milisegundos. Google ha puesto sobre la mesa una idea que, si se estandariza, cambia las reglas del juego para cualquier CTO con equipo de ingeniería: separar el razonamiento del trabajo. Un modelo caro piensa, un modelo barato ejecuta, y un orquestador decide cuándo usar cada uno. Según Xataka, el objetivo es reducir el gasto en herramientas de programación con IA sin perder calidad en las decisiones críticas.
TL;DR: Google propone un patrón de orquestación thinker/worker donde el modelo caro solo razona y el barato ejecuta tareas simples, recortando el coste de la IA de programación. La idea no es nueva —es arquitectura de sistemas aplicada a LLMs—, pero su adopción masiva por las herramientas de coding cambiará la economía de las agencias IA y de los equipos de ingeniería. Si tu stack actual quema un solo modelo para todo, probablemente estás pagando entre 4 y 15 veces más de lo necesario por cada línea generada.
La factura invisible de programar con IA
Cualquiera que haya puesto un agente de coding en producción durante una semana conoce el patrón: el primer día el equipo está entusiasmado, el segundo ya notan la latencia, el tercero llega la nota de facturación y empieza el recorte silencioso. Los modelos de razonamiento tipo o-series, Gemini con thinking, o los grandes de Anthropic, cobran el token de salida a precios que pueden multiplicar por 8-10 el de un modelo pequeño. Y en coding, el agente reescribe contexto, reformula planes, corrige errores y vuelve a empezar. Es fácil que un solo bug complejo cueste más en tokens que la hora de un senior.
El argumento de Google es simple y demoledor: el 70-80% del trabajo de un agente de coding es ejecución mecánica —aplicar un diff, formatear, escribir un test trivial, refactorizar un import— y no requiere un modelo de razonamiento. Solo el 20-30% restante exige planificación real. Enrutar cada subtarea al modelo adecuado, no usar el más potente por defecto, es la palanca de recorte más obvia que había sobre la mesa.
El patrón thinker-worker: arquitectura del orquestador
El planteamiento es una variante sofisticada de lo que en ingeniería de sistemas se llama router o dispatch pattern. Un orquestador observa la petición del agente de coding, la clasifica por dificultad y la enruta:
- Modelo caro (planner): recibe la tarea cuando hay ambigüedad, arquitectura, debugging complejo o decisiones de diseño. Genera un plan accionable y devuelve control.
- Modelo barato (executor): ejecuta ese plan paso a paso —editar ficheros, escribir tests, correr linters, aplicar migraciones. No improvisa.
- Orquestador: decide también cuándo escalar al planner si el executor falla repetidamente. Es la capa que evita que el ahorro se convierta en frustración.
La clave de esta arquitectura es que el orquestador no necesite un LLM caro para enrutar. Un clasificador pequeño o reglas heurísticas sobre la petición resuelven el 90% de los casos sin coste adicional. Esa es la parte que Google optimiza en su propuesta: el gasto está en pensar, no en decidir si hay que pensar.
Tabla comparativa: cuánto cuesta cada patrón de ejecución
A partir de precios públicos consolidados de los principales proveedores (referencias por millón de tokens de entrada/salida), la diferencia entre usar un solo modelo grande y una arquitectura thinker-worker es brutal cuando se suma a lo largo de un sprint:
| Patrón | Coste relativo por tarea | Latencia media | Casos de uso |
|---|---|---|---|
| Mono-modelo caro (planner + executor en el mismo LLM) | 1x (referencia) | Alta | Prototipos, tareas críticas puntuales |
| Thinker-worker (planner caro + executor barato) | 0,15x – 0,30x | Media-baja | Coding agent en producción, CI/CD, PR review |
| Solo modelo barato | 0,05x | Muy baja | Boilerplate, linting, docs, tests triviales |
| Modelo local / OSS destilado | 0,01x – 0,03x | Depende de hardware | Refactor masivo, triage de issues |
Las cifras exactas dependen del proveedor y del ratio planner/executor de cada flujo, pero el orden de magnitud es consistente: un agente de coding mal enrutado puede costar entre 5 y 15 veces más que uno bien enrutado para el mismo output final. Si tu equipo tiene 30 devs con Copilot/Cursor/Claude Code en modo auto, esa diferencia es la de un sueldo junior al año en tokens.
Qué cambia para las agencias IA y los equipos in-house
Para las agencias IA en Madrid o cualquier consultoría IA que ya construye agentes autónomos de desarrollo para clientes, esta propuesta legitima una conversación que muchas querían tener pero no sabían cómo articular: el coste de IA no es una línea plana, es diseño de arquitectura. Vender un agente de coding sin un orquestador de modelos es como vender un microservicio sin capa de caché: funciona en demo, arruina en producción.
El ecosistema de agencias IA en Barcelona ya está empezando a estructurar ofertas alrededor de esta idea: no se vende "acceso a Gemini 3 Pro", se vende un patrón de enrutamiento calibrado para el stack del cliente. Y ahí entra la parte que ninguna herramienta SaaS resuelve sola —los guardarraíles por repositorio, el coste real por feature y las políticas de escalado cuando el executor falla.
El mercado de agentes autónomos es el que más se beneficia: los flujos donde el agente corre durante horas (migraciones, refactors cross-repo, triage de issues) son precisamente los que colapsaban la factura con un único modelo grande. La propuesta de Google no es caridad, es reconocer que el modelo único no escala económicamente para workflows largos.
Arquitectura de automatización con IA: el eslabón que falta en tu stack
Un detalle que se pasa por alto leyendo la noticia en diagonal: el orquestador no es solo un ahorrador de coste, es un punto de control operativo. Cada enrutamiento es una decisión auditable —qué se consideró "difícil" y por qué, qué hizo el executor, cuándo se escaló—. Para cualquier empresa que opere automatización con IA en entornos regulados (banca, salud, legal), eso vale tanto como el ahorro: pasar de un LLM caja negra a un pipeline con capas identificables es lo que hace la diferencia entre un demo de consejo de administración y un sistema que puede pasar auditoría.
A diferencia de lo que dice el anuncio oficial, el verdadero reto para las agencias españolas no es implementar el router —eso es ingeniería conocida—, sino calibrar las heurísticas de escalado para cada vertical. Un agente que escribe tests en una fintech no tiene el mismo patrón de fallo que uno que refactoriza una app móvil. Y ninguna herramienta out-of-the-box de Google captura esa calibración: es trabajo de consultoría, no de licencia.
El riesgo oculto: sobrearquitectura para problemas simples
Si el orquestador es la solución, también es la trampa. Meter un router a un equipo de tres devs que usan Copilot para autocompletar es matar moscas a cañonazos. El coste de mantenimiento de un orquestador propio —reglas, telemetría, alertas, tests de enrutamiento— se come el ahorro en tokens si el volumen no es alto. La regla práctica: orquestación solo tiene sentido cuando quemas más de 1.000-2.000 $ al mes en tokens de coding, o cuando tienes agentes que se ejecutan de forma autónoma durante horas.
El segundo riesgo es ignorar la latencia del escalado. Cada vez que el executor falla y devuelve al planner, el usuario espera. Un mal ratio de escalado (demasiado agresivo) reintroduce la latencia del modelo caro sin el ahorro; demasiado conservador, y la calidad cae en picado. El patrón thinker-worker funciona en producción solo con un buen test de regresión de calidad —si no mides el output del executor con las mismas métricas que el del planner, estás volando a ciegas.
Implicación de mercado: el fin del "modelo único por defecto"
Lo más significativo de este movimiento no es el ahorro puntual, es la señal que envía al mercado: el liderazgo en coding IA va a dejar de medirse en benchmarks de HumanEval y empezar a medirse en coste por feature entregada. OpenAI, Anthropic y Google llevan dos años compitiendo por el techo de calidad; el siguiente campo de batalla es la economía del pipeline completo. Y ahí quien tenga mejor capa de orquestación —sea nativa del proveedor o construida por consultoría externa— tendrá ventaja estructural.
Mi predicción: en 2027, las herramientas de coding enterprise vendrán con orquestador incluido de serie, y el argumento "tengo el modelo más potente" será tan irrelevante como presumir del motor de un coche sin mirar el consumo. La pregunta que todo CTO debería hacerse ya no es qué modelo contrato, sino cuántos modelos estoy pagando por tarea sin necesidad.
Preguntas frecuentes sobre la orquestación de modelos en coding IA
¿Qué es el patrón thinker-worker que propone Google?
Es una arquitectura donde un modelo de razonamiento caro (planner) decide el plan a seguir y un modelo más barato y rápido (executor) ejecuta ese plan. Un orquestador decide qué tarea va a cada uno según su dificultad, evitando quemar tokens caros en trabajo mecánico.
¿Cuánto puedo ahorrar en tokens con esta arquitectura?
Depende del ratio de tareas simples vs complejas. En flujos reales de coding, la diferencia entre un solo modelo grande y un thinker-worker bien calibrado suele moverse entre un 70% y un 85% de reducción de coste para el mismo output entregado. Cuanto más autónomo sea el agente y más horas corra, mayor es el ahorro.
¿Necesito un orquestador propio o lo tendré en Cursor/Copilot/Claude Code?
Los proveedores están integrando enrutamiento básico en sus productos, sobre todo para autocompletado. Pero la calibración por repositorio, vertical y política de escalado sigue siendo trabajo de ingeniería propio o de consultoría IA externa. Para equipos pequeños con uso moderado, la versión nativa del proveedor es suficiente.
¿Puedo usar thinker-worker en producción desde hoy?
Sí, con matices. La arquitectura funciona pero exige telemetría de calidad (comparar output del executor con el del planner), reglas de escalado bien probadas y un plan para que el orquestador no se convierta en un punto único de fallo. En entornos críticos, empieza por flujos no bloqueantes (PR review, docs, tests) antes de llevarlo al código principal.
¿Cómo encaja esto con los agentes autónomos que ya tengo desplegados?
Es una capa por debajo del agente: en lugar de reescribir el agente, sustituyes el cliente LLM que usaba por un router. Los flujos de larga duración, como refactors cross-repo o migraciones masivas, son los que más se benefician porque el coste actual los hace inviables en muchos equipos.
Temas relacionados en agentes.ai
Si quieres aplicar lo que lees en tu empresa, estos son puntos de partida útiles dentro de agentes.ai:
- Directorio de agencias de automatización con ia
- Agencias de IA en Barcelona y en Bilbao
- Explora el directorio completo de agencias de IA
- Sigue las últimas noticias de IA en tiempo real