Claude y OpenAI han lanzado sendas formas de obligar a un modelo a generar JSON válido: estas son sus diferencias

Conseguir que un LLM llame a una función o devuelva JSON siempre ha funcionado la mayoría de las veces, un problema peor que si nunca funcionara: los fallos aparecen más adelante, en un analizador que se bloquea en la llamada número diez mil, no en las noventa y nueve que se probaron a mano. Tanto Claude como OpenAI publican ahora un modo que elimina el «la mayoría de las veces» de esa frase, y las reglas oficiales de configuración de cada uno son lo bastante específicas como para seguirlas directamente, sin tener que hacer conjeturas.

Modo estricto en ambas plataformas

La versión de Claude: se añade strict: true a la definición de una herramienta personalizada, y se garantiza que la llamada de Claude a la herramienta se ajustará al esquema. La versión de OpenAI, denominada Structured Outputs, se configura mediante text: { format: { type: "json_schema", strict: true, schema: … } }. OpenAI la presenta expresamente como la sucesora del antiguo «modo JSON»: este nunca garantizaba que se respetara el esquema; Structured Outputs sí.

Escriba la descripción de la función para un desconocido

El propio consejo de OpenAI es redactar los nombres de las funciones, las descripciones de los parámetros y las instrucciones de uso con la claridad suficiente para superar lo que denomina «la prueba del becario»: una persona recién incorporada debería poder utilizar correctamente la función basándose únicamente en la documentación, sin más contexto. Esto incluye indicar explícitamente en el prompt del sistema cuándo debe y cuándo no debe llamarse a una función, con ejemplos de casos límite; no basta con explicar qué hace la función cuando resulta evidente que es la opción adecuada.

Menos herramientas, mayor precisión

Resulta tentador proporcionar al modelo todas las herramientas disponibles y dejar que determine cuál corresponde. Las directrices de OpenAI se oponen directamente a ello: para mejorar la precisión, recomiendan mantener el número de funciones disponibles por debajo de unas 20 al comienzo de un turno y recordar que cada definición de función cuenta como tokens de entrada, se utilice o no durante ese turno. Si un conjunto de funciones se llama siempre en la misma secuencia, OpenAI aconseja combinarlas en una sola operación, en vez de obligar al modelo a encadenar correctamente varias llamadas en cada ocasión.

Los modelos de Claude no fallan de la misma manera

La documentación de Claude incluye una observación específica sobre la fiabilidad de cada modelo que conviene tener en cuenta al planificar, en lugar de descubrirla en producción: cuando falta un parámetro obligatorio en lo que el usuario ha escrito, Opus tiene muchas más probabilidades de detectar la carencia y formular una pregunta aclaratoria, mientras que Sonnet tiende más a inferir por su cuenta un valor plausible; por ejemplo, a adivinar una ubicación en vez de preguntar cuál. Este comportamiento no está garantizado en ninguno de los dos sentidos, pero refleja la tendencia de cada modelo y se agrava con prompts ambiguos y modelos menos capaces.

Forzar la llamada y ejecutar varias a la vez

Ambas plataformas permiten prescindir de la decisión predeterminada de Claude u OpenAI sobre si debe utilizarse alguna herramienta. Claude ofrece tool_choice para forzar una llamada, en lugar de mantener el valor predeterminado {"type": "auto"}. OpenAI admite llamadas a funciones en paralelo en GPT-5 y versiones posteriores para sus herramientas integradas, así como parallel_tool_calls: false si se desea específicamente un máximo de una llamada por turno; cabe destacar que las herramientas integradas no pueden agruparse para ejecutarse en paralelo, con independencia de ese ajuste.

Compruebe la fecha. La propia documentación de OpenAI recomienda gpt-5.6 para nuevos proyectos con Structured Outputs e indica que la búsqueda de herramientas solo está disponible en gpt-5.4 y versiones posteriores; la sobrecarga de tokens por el uso de herramientas de Claude se publica para cada generación vigente de modelos. Ambas cifras cambian a medida que aparecen nuevos modelos: consulte directamente las páginas enlazadas en lugar de considerar permanentes los datos anteriores.