🟡 Prompting 2026 (Guía definitiva) - GPT Sol, Opus, Kimi

Consigue Mejores resultado. Gasta Menos dinero.

Tu mejor prompt de hace 6 meses hoy te da peores resultados.

Y encima te cuesta más dinero.

No es una opinión mía. Es lo que OpenAI y Anthropic acaban de publicar en sus guías oficiales, cada uno por su lado, diciendo exactamente lo mismo:

Los prompts que funcionaban con la generación anterior ahora estorban

Los mega-prompts con 40 líneas de instrucciones. El “revisa tu trabajo antes de responder”. El “piensa profundamente”. Las plantillas XML con 8 secciones para pedirle un email.

Todo eso tenía sentido. Yo mismo os enseñé buena parte de ello en mi Guía de Prompting de GPT-5, y funcionaba. El problema es que los modelos han cambiado más rápido que nuestras costumbres.

Y aquí viene el dato clave para crear buenos prompts para los modelos más inteligentes de la actualidad

OpenAI probó a recortar los prompts de sus agentes internos: eliminaron instrucciones repetidas, ejemplos innecesarios y descripciones de herramientas irrelevantes. Resultado: los scores de evaluación mejoraron entre un 10 y un 15%... mientras el consumo de tokens bajaba entre un 41 y un 66% y el coste hasta un 67%.

- (ref: guía oficial de prompting GPT-5.6 Sol)

Léelo otra vez.

Quitar texto del prompt mejoró el resultado Y redujo el coste a la mitad.

Cuando los dos laboratorios más importantes del mundo, que compiten a muerte entre sí, publican la misma recomendación por separado la misma semana... ya no es un truco. Nos están diciendo cuales son la nueva regla del juego.

Hoy te explico de la forma más breve posible todo lo que tienes que saber sobre las nuevas técnicas de prompting.

Qué ha cambiado, qué tienes que borrar de tus prompts, y qué es lo que sí funciona con los modelos de última generación como Opus 5, Fable 5, GPT-5.6, Kimi-3 y compañía.

---

Pero antes que nada un saludo 👋 a los 1.031 nuevos miembros 👨‍🚀 desde la última publicación de La Mafia IA. Ya somos +19.000 y la newsletter #tech que más crece en español (según Substack) - Puedes suscribirte gratis aquí 👈

✱ Recuerda que hay artículos que solo los recibirás si estás apuntado ✱

Soy Alex dc. y en esta newsletter te cuento cómo aprovechar la IA para mejorar tu negocio. Sin ruido. Solo consejos prácticos que generan resultados.

---

🧠 Qué ha cambiado

Durante dos años entrenamos un instinto: si el resultado es malo, añade más instrucciones al prompt.

Añadíamos más pasos, más “asegúrate de”, más verificaciones y otra capa de andamiaje cada vez que el resultado fallaba.

Tenía lógica. Los modelos de 2024-2025 eran como un becario brillante pero despistado: si no le decías “revisa las cifras antes de enviarlo”, no las revisaba.

Los modelos de 2026 se parecen menos a un becario despistado y más a un consultor con experiencia.

Y cuando a un consultor senior le das un checklist de 40 puntos para escribir un email... no trabaja mejor. Trabaja peor. Pierde tiempo reconciliando tus instrucciones, duda de su propio criterio, y te cobra las horas igualmente.

Esto es literal, no metáfora. Mira lo que dice la guía oficial de Anthropic para Opus 5:

Si tu prompt contiene instrucciones explícitas de verificación (”incluye un paso final de verificación”, “usa un subagente para verificar”), elimínalas: causan sobreverificación en Opus 5, y quitarlas reduce tokens desperdiciados sin ninguna pérdida de calidad.
- Prompting Claude Opus 5, sección “Task scope and over-verification”

El modelo ya verifica su trabajo solo. Ya se auto-corrige solo. Ya planifica solo.

Cada instrucción que le repite lo que ya hace por defecto no suma. Se acumula encima, y el resultado es un modelo que verifica dos veces, duda tres veces, y quema tus tokens en el proceso.

El prompting de 2026 no va de sobrecargar al modelo.

Va de no frenarlo.

---

✂️ Los 5 anti-hacks: qué borrar HOY de tus prompts

Abre tus prompts guardados. Tus GPTs personalizados, tus Proyectos de Claude, tus plantillas de Notion.

Vamos a hacer limpieza.

1. El “verifica tu trabajo” y el “double-check”

El clásico. “Antes de responder, revisa que todo sea correcto.” “Valida cada paso antes de continuar.”

Los modelos actuales detecta y corrige sus propios errores sin que se lo pidas, y estas instrucciones se suman al comportamiento que ya tiene, añadiendo coste sin mejorar nada.

⮕ Su prompt contiene instrucciones explícitas de verificación. Bórralas. Si el caso es de verdad crítico (un cálculo fiscal, un JSON que va a producción), pide UNA validación concreta y verificable, no una revisión genérica.

ref: guía Opus 5, sección “Self-correction”

2. El “piensa profundamente” como comodín

En 2025 este truco era imprescindible: forzaba el modo razonamiento en modelos que por defecto respondían rápido y mal. Yo mismo lo recomendaba como el hack número uno.

En 2026 los modelos razonan por defecto, y cuánto razonan se controla con el nivel de esfuerzo (effort), un ajuste del propio modelo, no con frases mágicas.

Peor aún: en Opus 5 o GPT, el effort controla cuánto piensa el modelo, no cuánto escribe: así que “piensa profundamente” ya ni siquiera te da respuestas más largas ni mejores, solo más caras (ref: guía Opus 5, sección “Response length and verbosity”).

⮕ Sustitúyelo por el selector de esfuerzo de tu herramienta. Y si lo que querías era una respuesta más larga... pídele una respuesta más larga. Así de simple.

3. Cuidado con lo que le pides… es lo que puede obtener.

SIEMPRE, NUNCA, OBLIGATORIO.

En 2025 gritarle al modelo funcionaba.

En 2026, la recomendación es reservar los ALWAYS/NEVER para invariantes reales (reglas de seguridad, campos obligatorios, cosas que jamás deben pasar) y usar reglas de decisión para todo lo demás: “si pasa X, haz Y” en vez de “SIEMPRE haz Y”

¿Por qué? Porque estos modelos siguen tus instrucciones al pie de la letra. Y cuando todo es OBLIGATORIO, o bien nada lo es, o bien el modelo se encuentra dos órdenes absolutas que chocan entre sí... y se bloquea intentando obedecer ambas.

⮕ Guarda las mayúsculas para las 2-3 reglas que de verdad son sagradas. El resto, criterios.

🔎 Ejemplo en prompts de código: mucha gente añade al prompt “repórtame solo los errores graves” o “sé conservador con los avisos” para no recibir ruido. Pues bien: Anthropic avisa de que Opus 5 obedece esa instrucción al pie de la letra... y reporta menos de lo que encuentra. Su recomendación oficial: pídele que reporte TODO y filtra tú después en una segunda pasada (link).

Recuerda: el filtro que pusiste para mejorar el resultado está suprimiendo hallazgos reales. Con los modelos de 2026, cada instrucción restrictiva es un contrato que se cumple, incluso cuando te perjudica.

4. El “sé conciso” universal

Sorpresa: este también ha caducado, pero al revés.

GPT-5.6 es más conciso por defecto que su predecesor.

El “sé breve, no te enrolles” que pusiste en todos tus prompts ahora puede producir respuestas demasiado cortas, que se comen información que necesitabas (ref: guía GPT-5.6, sección “Personality, collaboration, and response length”).

⮕ En vez de “sé breve”, di qué conservar y qué recortar: “Empieza por la conclusión. Mantén datos, decisiones y próximos pasos. Recorta introducciones, repeticiones y contexto opcional.” Eso le da un orden de prioridades, no una tijera ciega.

5. Las contradicciones heredadas

Este ya lo conté en la guía de GPT-5 y es el único que sigue vigente al 100%... pero ahora es todavía más grave.

Tus prompts han ido creciendo por capas: cada vez que algo fallaba, añadiste un parche. “Sé breve” arriba, “explica en detalle” abajo. “Nunca asumas nada” en la línea 4, “no preguntes, decide tú” en la línea 19.

Los modelos de 2026 siguen el contrato del prompt con precisión quirúrgica, así que las reglas contradictorias generan más inestabilidad que las reglas que faltan.

⮕ Una regla, una vez, en un solo sitio. Si dos instrucciones chocan, decide cuál es más importante y borra la otra.

---

🔥 Los 4 mandamientos nuevos del prompting 2026

Vale, ya sabes qué borrar.

Ahora lo interesante.

Qué funciona hoy.

Los modelos nuevos no fallan por hacer poco. Fallan por hacer demasiado.

Se pasan de rosca. Y tu trabajo como prompter ha cambiado de acelerador a controlar el volante.

Estos son los 4 mandamientos:

▪️El esfuerzo (la evolución del “Juice”)

Si leíste mi guía de GPT-5, recordarás el “Juice”: el nivel de razonamiento interno del modelo. Aquello era un truco de la comunidad para adivinar cuánto pensaba el modelo.

En 2026 el Juice se ha convertido en un menú oficial con carta de precios:

• GPT-5.6 ⮕ low / medium / high / xhigh / max, y un modo ultra que coordina 4 agentes en paralelo para las tareas más bestias.

• Opus 5 ⮕ effort de bajo a Max (xhigh), con un detalle clave: los niveles bajos mantienen una calidad sorprendente a una fracción del coste y la latencia.

La regla práctica: empieza bajo, sube solo si lo notas. La mayoría de tus tareas diarias (emails, resúmenes, análisis normales) no necesitan el nivel máximo. Estás pagando un Ferrari para ir a por el pan.

🔥 Importante: Antes de subir el esfuerzo porque el resultado es malo, revisa si a tu prompt le falta un criterio de éxito. Nueve de cada diez veces el problema no era el esfuerzo. Era que no estabas pidiendo lo que realmente buscas.

En mis pruebas, muchas respuestas malas no mejoraban dando más “potencia” al modelo, sino explicando mejor qué debía conseguir.

▪️El alcance (frenar la expansión)

Los modelos 2026 tienen iniciativa. Mucha.

Le pides que arregle un párrafo y te reescribe el documento entero. Le pides un análisis y te monta un plan estratégico con anexos.

(A mí me ha pasado pedirle un ajuste de una landing page de mi web y encontrarme con que había “aprovechado” para rediseñar el pricing. Gracias, supongo. 😅)

Anthropic lo reconoce abiertamente: Opus 5 puede expandir el alcance de una tarea, añadiendo pasos que no pediste. Su recomendación oficial para tareas acotadas:

Entrega lo que se pidió, con el alcance previsto. Toma tú las decisiones
rutinarias, y consulta solo cuando distintas interpretaciones lleven a
trabajos materialmente diferentes. Si crees que hay un enfoque mejor,
dilo en una frase y continúa con la tarea tal como se pidió.

Fíjate en la elegancia: no le prohíbes tener criterio. Le dices que su criterio se expresa en una frase, no en trabajo extra que no pediste.

▪️La longitud (ahora se pide explícita)

Ya lo vimos en los anti-hacks: el esfuerzo controla el pensamiento, no la extensión. Y los modelos nuevos, dejados a su aire, tienden a escribir documentos más largos que antes.

Anthropic recomienda incluso calibrar explícitamente la longitud de los documentos que el modelo genera para que no rellene con secciones de paja (ref: guía Opus 5, “Written deliverable length”).

Quieres controlar este efecto. Añade esta instrucción a tu prompt:

Adapta la extensión de los documentos escritos a lo que requiera la tarea: aborda el fondo del asunto, pero no lo alargues con secciones de relleno, resúmenes redundantes o frases hechas.

⮕ Especifica formato y extensión como parte del encargo: “un documento de ~1200 palabras”, “máximo 5 bullets”, “una tabla, sin texto adicional”.

▪️La autonomía (qué puede hacer sin preguntarte)

Esto ni existía en 2025 para el usuario normal. Ahora que los modelos ejecutan tareas de varios pasos (navegan, tocan archivos, encadenan herramientas), necesitas definir hasta dónde llegan solos.

En la guía oficial de OpenAI te sugieren una política de 3 niveles que puedes adaptar a cualquier flujo:

Para peticiones de analizar, revisar o planificar ⮕ inspecciona y reporta.
No implementes cambios salvo que se pidan.

Para peticiones de crear, cambiar o arreglar ⮕ haz los cambios pedidos
y las validaciones no destructivas sin preguntar.

Pide confirmación para: acciones externas, destructivas, con coste,
o que amplíen materialmente el alcance.

(ref: guía GPT-5.6, sección “Define autonomy and approval boundaries”)

👀 Cuidado: repetir “pregunta antes”, “no toques nada”, “espera aprobación” por todo el prompt hace que el modelo te pida permiso hasta para respirar. Una política, en un sitio, una vez.

---

📋 La plantilla 2026

En la guía de prompting anterior os di plantillas XML con secciones de rol, contexto, restricciones y proceso. Siguen siendo válidas para prompts compartibles (luego te cuento por qué). Pero para trabajar tú con un modelo frontier, la estructura ha mutado.

La palabra clave del prompting 2026 es outcome-first: describe el destino, no el camino.

Los modelos más avanzados funcionan mejor cuando el prompt define el resultado, las restricciones importantes, la evidencia disponible y el listón de “terminado”... y luego deja espacio al modelo para elegir el camino eficiente.

Esta es la estructura que recomiendo para los modelos más avanzados a día de hoy:

Rol: [qué es el modelo en esta tarea / una línea]

Objetivo: [el resultado visible que quieres]

Criterios de éxito: [qué debe ser cierto para dar la tarea por terminada]

Restricciones: [límites reales: negocio, datos, seguridad, presupuesto]

Formato de salida: [estructura, extensión, idioma]

Reglas de parada: [cuándo preguntar, cuándo asumir, cuándo parar]

¿Notas lo que falta? La sección de “proceso paso a paso”.

Los 7 pasos numerados que le dábamos al modelo para que no se perdiera. Ya no se pierde. Dile a dónde vas y confía.

Un ejemplo real, versión 2025 vs versión 2026:

❌ 2025:

Actúa como un consultor de marketing y growth de clase mundial, con más de
10 años de experiencia ayudando a newsletters y negocios digitales a crecer.
Eres experto en embudos de conversión, copywriting y monetización.

Tu tarea es ayudarme a mejorar la conversión de suscriptores gratuitos a
suscriptores de pago de mi newsletter.

Sigue OBLIGATORIAMENTE estos pasos, en este orden:
Paso 1: Analiza en detalle mi negocio y mi situación actual.
Paso 2: Piensa paso a paso e identifica los 3 problemas principales que
        están frenando la conversión.
Paso 3: Para cada problema, propón 2 soluciones distintas.
Paso 4: Prioriza todas las soluciones por impacto potencial.
Paso 5: Verifica que cada solución sea accionable y realista.
Paso 6: Antes de responder, revisa tu respuesta completa y comprueba que
        has seguido todos los pasos anteriores.

Reglas:
- SIEMPRE justifica cada recomendación.
- NUNCA propongas nada que requiera un equipo grande.
- SIEMPRE piensa profundamente antes de responder.
- No te inventes datos.
- Sé conciso pero completo y detallado.
- Usa un tono profesional pero cercano.
- No uses un lenguaje demasiado técnico ni demasiado simple.

Piensa profundamente. Respira hondo y trabaja en este problema paso a paso.

Reconócelo, has escrito algo así. Yo también. 🙋‍♂️

Y ahí dentro están casi todos los pecados de 2026:

• Rol inventado → “de clase mundial”, “10 años de experiencia”. El modelo no rinde más porque le inventes un currículum.

• Proceso paso a pasos

• Verificación forzada ×2 → Pasos 5 y 6. El anti-hack número 1, por duplicado.

• Razonamiento forzado ×3 → “paso a paso”, “piensa profundamente”, “respira hondo”. Hoy solo suma coste.

• Órdenes militares → dos SIEMPRE y un NUNCA para cosas que son criterios, no invariantes.

• Contradicción en una línea → “conciso pero completo y detallado”.

• Prohibiciones de estilo sin ejemplo → “ni demasiado técnico ni demasiado simple”. Anthropic recomienda lo contrario: un ejemplo positivo del estilo que quieres, no la lista de lo que no quieres.

Pero el problema de verdad no es ninguno de esos siete.

Es que en esas 27 líneas no hay un solo dato de tu negocio. Ni suscriptores, ni conversión actual, ni precio, ni qué has probado ya.

El modelo va a “analizar en detalle mi negocio” (Paso 1) sin tener absolutamente nada que analizar. Resultado garantizado: un listado genérico que podrías haber sacado de cualquier blog de 2019.

Ahora la versión 2026, exactamente la misma tarea:

✅ 2026:

Rol: consultor de growth para newsletters de un solo fundador.

Objetivo: subir la conversión de suscriptor gratuito a suscriptor de pago.

Contexto:
- Mi newsletter ayuda a emprendedores a sacar partido de la IA
- 19.200 suscriptores, +1800 al mes
- Conversión actual a pago: 1,4%
- Precio: 12 €/mes o 149 €/año
- Publico 1 artículo cada 15 días, el 10% es solo para suscriptores de pago
- Última prueba: muro de pago a mitad del artículo. Sin cambio medible.

Criterios de éxito: máximo 3 acciones. Cada una ejecutable por una persona
sola en menos de una semana. Cada acción indica qué métrica debe mover y
cómo sabré en 14 días si ha funcionado.

Restricciones: sin presupuesto de anuncios, sin contratar a nadie, sin
cambiar de plataforma.

Formato: por cada acción, un párrafo de contexto y 3 bullets de ejecución.
Sin introducción ni resumen final.

Menos líneas. Cero procesos “obligados” o paso a paso. Mejores criterios.

Y el segundo prompt produce resultados consistentemente mejores porque el modelo invierte su capacidad en resolver, no en obedecer una coreografía.

---

💡 Nota: si esto te parece mucho cambio de golpe, tranquilo, no necesitas reescribir nada a mano. Justo abajo te doy el prompt que lo hace por ti.

---

🔄 El prompt de migración de prompts

No te voy a dejar con teoría. Copia esto, pégalo en Claude o ChatGPT junto a cualquier prompt viejo que uses a menudo, y deja que el modelo nuevo limpie lo que escribiste para el modelo viejo:

Rol: editor de prompts. Modernizas prompts escritos para modelos de
2024-2025 y los adaptas a los actuales, que razonan, verifican su trabajo
y se auto-corrigen por defecto.

Objetivo: la versión mínima de mi prompt que dé el mismo resultado o mejor.

Qué eliminar:
- Verificación: "revisa antes de responder", "comprueba tu trabajo",
  "double-check", pasos finales de validación.
- Razonamiento forzado: "piensa profundamente", "razona paso a paso",
  "respira hondo", "tómate tu tiempo".
- Inflación de rol: años de experiencia, "de clase mundial", superlativos
  que no cambian la tarea.
- Reglas repetidas: cada una, una sola vez y en un solo sitio.
- Filtros que suprimen resultado: "reporta solo lo importante", "sé
  conservador". Si hay que filtrar, que sea un paso posterior.

Qué transformar:
- Los pasos de proceso ⮕ objetivo + criterios de éxito + regla de parada.
- SIEMPRE / NUNCA / OBLIGATORIO ⮕ regla de decisión ("si pasa X, haz Y"),
  salvo seguridad real o campos obligatorios.
- "Sé breve" o "sé conciso" ⮕ qué conservar, qué recortar, o una extensión
  concreta.
- Prohibiciones de estilo ⮕ un ejemplo corto del estilo que sí quiero.

Qué no tocar: el contexto de negocio, los datos, los criterios de éxito,
las restricciones reales (seguridad, legales, presupuesto) y el formato de
salida.

Restricciones: no inventes contexto, criterios ni reglas que no estén en el
original, y no cambies la tarea. Si algo falta, márcalo como hueco.

Formato de salida: el prompt reescrito, y debajo una tabla de qué has
quitado y qué pierdo si eso me importaba.

Regla de parada: si dos instrucciones se contradicen y no está claro cuál
gana, pregúntame en vez de decidir por mí.

Mi prompt:
[PEGA AQUÍ TU PROMPT]

Hazlo con tu prompt más usado. El de los emails, el del contenido, el que sea. Compara resultados durante una semana.

Vas a notar dos cosas: respuestas más directas, y (si usas API o miras tu consumo) una factura más ligera.

---

⚖️ Lo que sigue importando

Aquí es donde el 90% de los posts sobre “el fin del prompt engineering” se equivocn.

Porque después de leer todo esto podrías pensar: “genial, entonces le escribo dos líneas y listo”.

No.

La tesis no es “escribe menos”.
Es “instruye menos, contextualiza más”.

Fíjate en la lista de lo que OpenAI dice que debes conservar al simplificar:

• El resultado visible

• Los criterios de éxito

• Las condiciones de parada

• Las restricciones de seguridad y negocio

• El formato de salida requerido

guía oficial OpenAI (ref: sección “Prompting best practices”).

Es decir: sobrevive exactamente lo que os llevo contando desde la guía de GPT-5:

• Objetivo claro.

• Criterios de éxito medibles.

• Restricciones reales.

• Contexto de tu negocio.

Lo que muere es el andamiaje de proceso:

• El paso a paso

• La verificación forzada

• La lista de pasos punto por punto.

Y un matiz más, importante si compartes prompts o usas los de otros:

Todo lo de este artículo aplica a prompts para modelos frontier, los grandes, los caros, los más inteligentes (Fable, GPT 5.6, Kimi 3...)

Pero un prompt pensado para que lo use cualquiera, en cualquier herramienta, con cualquier modelo (incluidos los pequeños y los locales) sigue necesitando estructura densa y explícita.

Un modelo pequeño sin instrucciones detalladas no “elige el camino eficiente”: se pierde.

Tenlo en cuenta si usas modelos locales o ahorras coste con modelos más económicos.

---

📌 Resumen

• Los modelos top 2026 razonan, verifican y se auto-corrigen por defecto → las instrucciones que se lo piden estorban.

• Recortar prompts mejoró resultados un 10-15% y bajó el coste hasta un 67% en las pruebas de OpenAI.

• Borra: verificaciones, los paso a paso obvios, “piensa profundamente”, órdenes absolutas innecesarias,, contradicciones.

• Controla: esfuerzo (empieza bajo), alcance (frena la expansión), longitud (pídela explícita), autonomía (política de 3 niveles).

• Lo que sigue importando: el contexto, el objetivo y los criterios.

• La plantilla 2026: objetivo + criterios de éxito + restricciones + reglas de parada. Sin proceso.

• Prompt para IA frontier ≠ prompt modelos más pequeños.

El prompt perfecto de 2026 no es el más largo ni el más corto.

Es el que no le dice al modelo nada que ya sepa hacer.

Alex.

---

📚 Referencias

• Prompting Claude Opus 5/Fable - La guía oficial de Anthropic.

• Guía oficial Prompting últimos modelos OpenAI - GPT-5.6

• GPT-5.6: anuncio oficial

• Introducing Claude Opus 5

• Guía de prompting GPT-5 (ago 2025)

---

❤️ Gracias por leer La Mafia IA.

Si te ha gustado esta edición, házmelo saber, no te olvides de darle al ♡

o déjame un comentario con tu sistema para manejar el contexto favorito.

¿Conoces a alguien a quien le pueda ayudar esta información? → compártelo.

🗞️ Para noticias IA diarias:

La Mafia IA no te bombardea con noticias (que solo añaden ruido y caos).

Si te interesa estar más al día: En mis perfiles en redes comento las noticias más importantes en tiempo real, me puedes encontrar en:

⮕ 💼 Linkedin | 𝕏 x.com | ＠Thread | 📶 Telegram

---

Este post fue escrito por un humano. Las herramientas IA me ayudaron a investigar y organizar. El criterio, los ejemplos y las opiniones son 100% mías.

Alex dc

---

Quizá te interese: