¿Qué cambia cuando le pides lo mismo a Claude pero le dejas pensar más? Para comprobarlo hice un experimento con el mismo encargo, los mismos modelos y una sola variable: cuánto piensa Claude antes de escribir.
Le pedí un simulador 3D de teletrabajo en los cinco niveles de razonamiento de Opus 5.5 y apunté lo que costó cada uno. El resultado son cinco videojuegos distintos que puedes jugar aquí mismo, en el navegador, tal y como salieron: no he tocado ni una línea de su código.
Si solo quieres jugar, aquí los tienes de menos a más razonamiento: Bajo, Medio, Alto, Extra alto y Máximo. Y si prefieres explorar los datos con gráficas interactivas, tienes la página del experimento.
El experimento: todo igual, menos el razonamiento
- Mismo prompt. Un único prompt, idéntico en los cinco casos y sin iteraciones posteriores: lo que ves es lo que salió a la primera.
- Mismos modelos. Opus 5.5 + Haiku 4.5 en todos los niveles. Nada más cambia entre un juego y otro.
- Una sola variable. El nivel de razonamiento:
low,medium,high,xhighymax. Cuanto más alto, más «piensa» el modelo antes y durante el desarrollo.
Lo que tienen en común los cinco juegos
Un simulador 3D en el navegador, en un único index.html con Three.js. La jornada va de 9:00 a 18:00 (unos 5 minutos reales) y tienes que acumular 6 horas de trabajo, cuidar tu energía y aprovechar para poner lavadoras, ver series o echarte la siesta sin que Borja, tu manager, sospeche. Si la sospecha llega al 100 %, despedido.
Entre los cinco desarrollos sumaron 5 h 32 min, ≈1,99 millones de tokens, $76,81 y 19.979 líneas de código. Por juego, de 14 min, 50K tokens, $2,85 y 1.808 líneas en Bajo a 1 h 52 min, 589K tokens, $26,12 y 7.295 líneas en Máximo.
Los cinco juegos
Para cada nivel: qué cabe esperar de ese esfuerzo de razonamiento, qué salió realmente y cuánto costó. Pulsa en la captura o en el botón para jugar; vuelve atrás en el navegador para seguir leyendo.
1. Bajo · low
Qué cabe esperar. Piensa lo justo y se pone a escribir. Es el nivel más rápido y barato: cabe esperar una solución que cumpla el enunciado sin grandes florituras, con poca planificación previa y menos revisión de casos límite.
Qué salió. Un juego completo y con mucho humor en un piso compacto. Cumple el enunciado de punta a punta con unas 25 interacciones, un gato y un robot aspirador que patrullan la casa y una pantalla final con rangos.
Lo más destacado: 5 habitaciones · ~25 interacciones · gato y robot con IA de patrulla · luz que cambia con la hora · 3 finales y 5 rangos.
Cifras: 14 min 11 s · 50.000 tokens · $2,85 · 1.808 líneas.
2. Medio · medium
Qué cabe esperar. Equilibrio entre velocidad y profundidad. Planifica antes de escribir, así que suele añadir más sistemas y contenido y revisar mejor lo que hace, sin que el coste se dispare.
Qué salió. El mayor salto de contenido de toda la escala: el piso crece hasta 7 estancias con la ciudad de fondo, hay más de 50 acciones, tickets de Jira, minimapa y un personaje articulado que camina, se sienta y teclea.
Lo más destacado: 7 estancias + exterior · +50 acciones · minimapa · respuestas desde el móvil (1/2/3) · multiplicadores de eficiencia · 8 rangos finales.
Cifras: 1 h 2 min 49 s · 360.000 tokens · $13,21 · 3.552 líneas.
3. Alto · high
Qué cabe esperar. Razona más a fondo cada decisión: una arquitectura más cuidada, mecánicas que se relacionan entre sí y un juego mejor equilibrado. Gasta más tokens de pensamiento por cada línea que escribe.
Qué salió. Menos líneas que Medio, pero un diseño más redondo: estado de flow al programar seguido, puntos de conciliación que valen más cuanto menos sospecha Borja, una visita sorpresa del jefe a casa y una lista de pendientes con plazos.
Lo más destacado: flow ×1,4 y café ×1,3 · conciliación × sigilo · visita sorpresa del jefe · lista de pendientes · fuego, humo y vapor.
Cifras: 58 min 53 s · 420.000 tokens · $15,41 · 3.268 líneas.
4. Extra alto · xhigh
Qué cabe esperar. Razonamiento extendido para tareas largas y complejas: explora más alternativas, encadena más sistemas y cuida los detalles. Es más lento y caro, pero el resultado suele ser más denso.
Qué salió. La simulación más sistémica: lavadero propio, buffs y debuffs (cafeína, taquicardia, música…), siete estados de presencia, un canal de Slack con varios compañeros y hasta apagones cuando sobrecargas el diferencial.
Lo más destacado: 8 estancias · buffs y debuffs · 7 estados de presencia · Slack con compañeros · lluvia que moja la colada · modo debug.
Cifras: 1 h 24 min 1 s · 575.000 tokens · $19,22 · 4.056 líneas.
5. Máximo · max
Qué cabe esperar. Todo el presupuesto de razonamiento disponible. Es el nivel más lento y costoso, pensado para los problemas más difíciles; suele dar la solución más exhaustiva y pulida.
Qué salió. El más largo y pulido, y el único pensado para rejugarse: racha de escaqueo de hasta ×2,5, ventajas aleatorias en los paquetes, reuniones con o sin cámara, música lo-fi en el tocadiscos y récord personal guardado.
Lo más destacado: racha ×1 → ×2,5 · ventajas en los paquetes · reuniones con o sin cámara · música lo-fi · récord guardado · intro de cámara.
Cifras: 1 h 51 min 43 s · 589.000 tokens · $26,12 · 7.295 líneas.
Lo que cuesta pensar más
Tiempo de desarrollo, tokens, coste y líneas de código de cada nivel. Tokens y coste son aproximados, tal y como se recogieron en cada sesión.
La tabla completa
| Nivel | Juego | Tiempo (h:mm:ss) | Tokens (aprox.) | Coste (aprox.) | Líneas |
|---|---|---|---|---|---|
Bajo low |
Teletrampa | 0:14:11 | 50.000 | $2,85 | 1.808 |
Medio medium |
TELETRAMPA | 1:02:49 | 360.000 | $13,21 | 3.552 |
Alto high |
Ctrl+Alt+Siesta | 0:58:53 | 420.000 | $15,41 | 3.268 |
Extra alto xhigh |
Ctrl+Casa | 1:24:01 | 575.000 | $19,22 | 4.056 |
Máximo max |
Ctrl+Casa | 1:51:43 | 589.000 | $26,12 | 7.295 |
| Total | 5 juegos | 5:31:37 | 1.994.000 | $76,81 | 19.979 |
Lo que compra cada dólar
| Nivel | Líneas por dólar | $ por 1.000 líneas | Tokens por línea | Líneas por minuto |
|---|---|---|---|---|
Bajo low |
634 | $1,58 | 27,7 | 127,5 |
Medio medium |
269 | $3,72 | 101,4 | 56,5 |
Alto high |
212 | $4,72 | 128,5 | 55,5 |
Extra alto xhigh |
211 | $4,74 | 141,8 | 48,3 |
Máximo max |
279 | $3,58 | 80,7 | 65,3 |
| Total | 260 | $3,84 | 99,8 | 60,2 |
Lectura de los datos
Más razonamiento no significa más código
De Bajo a Máximo, los tokens se multiplican por 11,8, el coste por 9,2 y el tiempo por 7,9. Las líneas de código, solo por 4: buena parte del esfuerzo extra se va en pensar, no en escribir.
Cada métrica en Máximo dividida entre su valor en Bajo.
Alto pensó más y escribió menos
Alto terminó 4 min antes que Medio y escribió 284 líneas menos, pero gastó un 17 % más de tokens ($2,20 más). Menos código, con mecánicas mejor conectadas entre sí.
El gran salto llega al final
Máximo escribió un 80 % más de código que Extra alto con apenas un 2 % más de tokens, aunque tardó un 33 % más y costó un 36 % más. Es el juego más completo y el único pensado para rejugarse.
Bajo, imbatible en eficiencia
En Bajo, cada 1.000 líneas costaron $1,58, frente a $4,74 en Extra alto: unas 3 veces más barato por línea. A cambio, es el juego más sencillo de los cinco.
Sobre los juegos
Cada juego es un único index.html generado desde un solo prompt y se publica aquí sin cambios, byte a byte. Por eso cada uno conserva su propio estilo, su título y sus controles, y carga Three.js desde una CDN pública. Tokens y coste son aproximados. Las cinco capturas, las cifras y las gráficas interactivas están reunidas en la página de Remote Dev Game.
Si te interesa construir productos con IA, puedes ver más herramientas en Plataformas y seguir lo que voy construyendo en mi página.