Modo caverna: cómo gastar menos tokens hablándole corto a la IA

Por qué estás aquí

Gastar menos tokens con IA no empieza por cambiar de herramienta: empieza por cómo le escribes. Si llegaste desde el reel sobre el impuesto invisible del español, ya sabes la idea; si no, aquí va en una línea: la misma frase en español suele partirse en más tokens que en inglés, así que cada token de más te cuesta cuando pagas por consumo, y te resta velocidad y contexto aunque pagues tarifa fija. Aquí está el método completo de modo caverna, el banco de antes y después para copiar, y lo más importante, cuándo NO usarlo. El punto de partida está documentado: un estudio de EMNLP 2023 sobre 22 lenguas confirmó que los idiomas no cuestan lo mismo bajo precios por token (Ahia et al., 2023). Lo que sigue es lo que tú sí controlas.

¿Por qué el español te gasta más tokens?

Porque el modelo no lee palabras, lee tokens: fragmentos de texto. El tokenizador (el sistema que corta el texto en esos fragmentos) se entrenó sobre todo con inglés, así que la misma idea en español suele partirse en más fragmentos. Más tokens significan tres cosas a la vez: pagas más cuando la herramienta cobra por consumo, la respuesta suele tardar un poco más, y tu ventana de contexto (el total de texto que el modelo puede tener presente de una vez) se llena más rápido.

Aquí va la parte honesta, la que casi nadie te dice: no existe un multiplicador fijo. Desconfía de quien te diga "el español cuesta 1.6x". Análisis públicos ubican a lenguas de altos recursos como el español en un premio moderado frente al inglés en algunos modelos, pero la investigación advierte que la cifra exacta depende del modelo, del tokenizador y del texto (Ahia et al., EMNLP 2023). La dirección es sólida; el número exacto solo lo sabes midiendo en tu modelo.

¿Por qué el método opera en las dos direcciones?

La mayoría aplica modo caverna solo a la respuesta: le pide a la IA que conteste de forma concisa. Eso recorta los tokens que recibes, no los que envías. Las instrucciones propias también se facturan. Un mensaje con saludo, cortesía y relleno suma tokens antes de que la IA escriba una sola palabra.

El método completo opera en dos carriles: tú escribes en caverna y pides que responda en caverna. El ahorro viene de los dos lados.

Pega esta instrucción al inicio de cualquier sesión para activar los dos carriles desde el primer mensaje:

Modo caverna activado para esta sesión.

Contexto: Yo también escribo en modo caverna. Brevedad = intención, no falta de información.

Reglas:
1. Responde: verbo + objeto + restricción. Sin introducción.
2. Sin cortesía: no "¡Claro!", no "Por supuesto.", no resumen al cierre.
3. Por defecto: lista o tabla. Sin párrafos.
4. Si falta contexto: pregunta en una frase.

Confirma: "Activo."

La línea de Contexto le indica al modelo que la brevedad es una elección, no información faltante, para que no interrumpa con preguntas innecesarias.

¿Qué es hablarle en modo caverna?

Modo caverna es el método: puros verbos y sustantivos, cero relleno, y un límite explícito. Le quitas a la instrucción todo lo que no cambia el resultado (el saludo, la cortesía, el "¿serías tan amable?", el contexto que el modelo ya tiene) y dejas la orden y la restricción. No es escribir mal, es escribir económico. No es una técnica nueva: es ponerle nombre y reglas a algo que quien usa IA a diario ya intuye, para que puedas aplicarlo siempre igual.

Modo caverna tiene 4 partes:

1. Verbos de comando + sustantivos: la orden y el objeto, nada más.
2. Sin cortesía ni relleno: fuera saludos, "por favor", "¿serías tan amable?".
3. Úsalo para lo repetitivo: resumir, corregir, extraer, clasificar.
4. Para lo delicado, dale todo el contexto: caverna se pausa cuando la tarea es sensible o de alto riesgo.

Funciona porque recorta tokens en las dos direcciones que pagas: lo que mandas y lo que recibes. Un límite como "máximo cinco puntos" evita que el modelo se extienda en una respuesta larga que también se factura.

¿Cómo se ve el antes y después?

Este es el banco para copiar. Fíjate en el patrón, no memorices las frases: verbo, objeto, límite.

¿Cuáles son los verbos y las restricciones que uso?

El método cabe en dos listas. Empieza cada instrucción con un verbo de comando y ciérrala con una restricción.

Verbos de comando: resume, corrige, extrae, clasifica, compara, reescribe, traduce, lista, ordena, devuelve.

Frases de restricción: "máximo N palabras", "en N puntos", "sin introducción ni cierre", "solo el resultado", "sin explicación", "en formato tabla", "en JSON con las claves X, Y, Z".

Una instrucción bien formada en modo caverna es simplemente [verbo] + [objeto] + [restricción]. Ejemplo: "Compara estas dos propuestas. En tabla. Precio, plazo y riesgo."

¿Cuándo NO usar modo caverna?

Esta es la parte que separa el método de un truco. Modo caverna es para lo repetitivo y de bajo riesgo. Cuando la calidad importa más que el costo, paga los tokens: valen la pena.

La señal práctica: si describes la tarea en una sola oración directa, es caverna. Si necesitas decir "depende de" o "que sea coherente con", dale el contexto completo.

¿Cuánto te ahorra de verdad?

No te voy a dar un número universal, porque sería inventado, y la investigación es clara en que el premio del español cambia según el modelo. Te doy dos cosas: un ejemplo resuelto y la forma de medir el tuyo.

Un ejemplo. Revisas propuestas o contratos con IA unas 20 veces por semana. Con instrucción larga y respuesta sin límite, cada tarea te toma entre tres y cuatro minutos de espera y lectura. En modo caverna, con un límite de salida, baja a cerca de un minuto. Son entre 40 y 60 minutos que recuperas cada semana: si cobras por hora, son horas facturables de vuelta en tu agenda; si pagas por consumo, además baja el costo directo, porque mandas y recibes menos tokens en cada una de esas 20 veces.

Tu número exacto. No uses una regla general de "tantos tokens por palabra": ese número no es fijo y depende del modelo y del tokenizador. Mídelo así: pega tu instrucción actual y una respuesta típica en el contador de tokens de tu herramienta, apunta el total, reescribe la instrucción en modo caverna con un límite de salida, y vuelve a contar en el mismo modelo. La diferencia, multiplicada por las veces que repites la tarea al mes, es tu ahorro real. No es "ahorrar tiempo" en abstracto: es la diferencia entre pagar por relleno y pagar por trabajo, cada vez.

¿Qué más puedo hacer?

Modo caverna es la palanca más rápida, pero no la única. Estas cuatro también recortan tokens sin tocar nada técnico, y se apoyan en las mismas prácticas que documenta la investigación sobre eficiencia de tokens (Ahia et al., 2023).

• Pega solo lo relevante, no el documento entero. Si tu pregunta es sobre una cláusula, pega esa cláusula, no el contrato completo. El contexto de más es el token que más se desperdicia.
• Pide el resultado en un formato fijo. "En tabla", "en cinco viñetas", "en JSON con estas claves". Un formato acotado evita respuestas que se extienden, y la salida también se factura.
• En conversaciones largas, reinicia con un resumen. Cuando un chat se alarga, pídele "resume lo que llevamos en cinco puntos", abre uno nuevo y pega ese resumen. Dejas de arrastrar todo el historial en cada respuesta.
• Usa siempre las mismas palabras para las mismas tareas. Un vocabulario fijo (los mismos verbos, los mismos nombres de formato) evita que reformules la misma instrucción de tres maneras distintas.

Y una que va un paso más allá: deja el contexto fijo una vez. Lo que repites en cada conversación (quién eres, cómo trabajas, tu formato preferido) va en las instrucciones del Proyecto, no en cada mensaje. Lo escribes una vez y deja de contar tokens en cada turno.