LLM routing multi-modelo en bots WhatsApp: reduce costos 80% sin perder calidad

El LLM routing multi-modelo es el patrón de usar el modelo de IA adecuado para cada tipo de tarea en lugar del más capaz para todas. Stack típico: Gemini Flash 2.5 para clasificación de intent (~$0.0001 USD/msg), Claude Haiku para FAQ (~$0.001), Claude Sonnet 4.5 para conversación natural (~$0.01), GPT-4o para razonamiento con function calling (~$0.02). Reduce costos 70-90% vs usar GPT-4o para todo. Implementación: ~50 líneas Python adicional, ROI primer mes.

El error que sangra costos: usar GPT-4o para todo

Cuando una empresa implementa su primer bot WhatsApp con IA, el patrón más común es conectarlo a GPT-4o (o Claude Sonnet 4.5) y usar ese mismo modelo para CADA interacción. Resultado: factura mensual 10-50x más alta de lo necesario, sin diferencia perceptible en calidad para 80% de las conversaciones.

La solución es LLM routing multi-modelo: usar el modelo adecuado para cada tipo de tarea, en lugar de usar el más capaz para todas. Esto reduce costo operacional 70-90% sin sacrificar experiencia del usuario.

Los modelos disponibles en 2026 vía OpenRouter

Diferencia de costo entre Gemini Flash y Claude Opus para procesar 1 millón de tokens: 48× más caro Opus. Para tareas simples (90% del bot), Flash es suficiente.

El stack de routing típico

Tier 0 — Clasificación de intent (Gemini Flash)

Cada mensaje entrante pasa primero por un clasificador rápido que determina: (a) ¿es FAQ conocida?, (b) ¿requiere data lookup?, (c) ¿es conversación libre?, (d) ¿es escalación humana?, (e) ¿es spam/fuera de scope?. Este step usa Gemini Flash con prompt de 200-300 tokens. Costo: ~$0.0001 USD por mensaje.

Tier 1 — FAQ y respuestas directas (Claude Haiku o cache)

Si intent = FAQ y respuesta está cacheada (vector store con embeddings), retorna respuesta cacheada sin pasar por LLM. Si no, usa Claude Haiku para generar. Costo: ~$0.001 USD por respuesta.

Tier 2 — Conversación natural (Claude Sonnet)

Si intent = conversación libre o respuesta tonal compleja, usa Claude Sonnet 4.5. Mantiene mejor el tono mexicano y maneja regionalismos. Costo: ~$0.01 USD por respuesta de 200 tokens output.

Tier 3 — Razonamiento + function calling (GPT-4o)

Si intent = requiere combinar múltiples fuentes (CRM lookup + cálculo + decisión), usa GPT-4o. Mejor en function calling estructurado. Costo: ~$0.02 USD por respuesta.

Tier 4 — Casos enterprise complejos (Claude Opus, raro)

Solo para conversaciones donde la complejidad lo justifica (consultas legales, recomendaciones técnicas multi-variable). Usar <1% de las veces. Costo: ~$0.10-0.30 USD por respuesta.

Ejemplo: estructura del router en código

def route_message(user_msg, context):
    # Tier 0: Classify intent
    intent = gemini_flash.classify(
        user_msg=user_msg,
        intents=["faq", "lookup", "free_chat", "escalate", "spam"]
    )

    if intent == "spam":
        return None  # Silently drop

    if intent == "escalate":
        notify_human(user_msg, context)
        return "Te pongo con una persona del equipo, en breve te responde."

    if intent == "faq":
        # Tier 1: Try cache first, then Haiku
        cached = vector_lookup(user_msg)
        if cached.score > 0.85:
            return cached.answer
        return claude_haiku.generate(user_msg, context)

    if intent == "lookup":
        # Tier 3: needs function calling
        return gpt_4o_with_tools.generate(user_msg, context, tools=CRM_TOOLS)

    if intent == "free_chat":
        # Tier 2: best for natural conversation
        return claude_sonnet.generate(user_msg, context)

Resultados típicos del routing optimizado

Para bot con 5,000 conversaciones únicas mensuales mix típico (60% FAQ, 25% conversación libre, 10% lookup, 5% escalamiento):

La inversión inicial extra para implementar el router (4-8 horas dev) se paga en el primer mes.

OpenRouter como puerta única

En lugar de gestionar 5 API keys (OpenAI + Anthropic + Google + xAI + DeepSeek), usar OpenRouter como single point of access simplifica:

• 1 sola API key
• 1 sola factura
• Fallback automático si un modelo no está disponible
• Pricing transparente y unificado
• Métricas de uso por modelo

Costo OpenRouter: 5% markup sobre tarifa nativa de cada modelo. Justificado por la simplificación operacional.

Dr. Irving Varela — Ph.D, PMP Fundador de Varela Insights · Director de Estudios Aplicados GEO · Monterrey, México. Ver perfil completo →