¿Se puede hacer fine-tuning de Claude?

No. A 30 de octubre de 2026, la API de Claude no ofrece fine-tuning, y la propia documentación de Anthropic lo dice. La única vía que Anthropic documentó, el fine-tuning de Claude 3 Haiku en Amazon Bedrock, está cerrada: el modelo llegó al final de su vida útil en Bedrock el 10 de septiembre de 2026 en la única región que ofrecía su fine-tuning. Un equipo que quiere un modelo entrenado con su propio trabajo entrena un modelo abierto con sus propios datos y lo sirve detrás de un endpoint compatible con OpenAI, de modo que la aplicación solo cambia una URL base y un nombre de modelo.

Esta guía explica qué dice la documentación de Anthropic, qué pasó con la vía de Bedrock, cuánto cuesta el fine-tuning de Claude, en qué punto está el fine-tuning de OpenAI, la regla sobre entrenar con las salidas de Claude y cómo entrenar un modelo con tus propios datos. Todas las fechas y citas se leyeron en la documentación de cada proveedor el 30 de octubre de 2026.

¿La API de Claude ofrece fine-tuning?

No. El glosario de Anthropic afirma que "The Claude API does not currently offer fine-tuning" (la API de Claude no ofrece fine-tuning por ahora) y remite a quien tenga interés a su contacto en Anthropic. A 30 de octubre de 2026, la documentación para desarrolladores de Anthropic no describe ningún endpoint de fine-tuning.

Las formas de ajustar el comportamiento de Claude actúan en el momento de cada solicitud: el prompt de sistema, los ejemplos en el prompt, los documentos recuperados y el prompt caching para el contexto largo que se repite. Cada una cambia lo que Claude lee en una llamada a la API y deja el modelo tal como lo entrenó Anthropic. Ese contexto, además, se factura en cada llamada a la API, con descuento cuando está en caché. Para saber cuándo basta con cargar contexto en Claude y cuándo gana un modelo entrenado, consulta Claude Projects frente a un modelo con fine-tuning (en inglés).

¿Qué pasó con el fine-tuning de Claude en Amazon Bedrock?

Se cerró en 2026. AWS abrió el fine-tuning de Claude 3 Haiku en Amazon Bedrock en julio de 2024, como versión preliminar en la región US West (Oregón). La guía de resumen de documentos legales de Anthropic todavía dice "Fine-tuning is currently only available through Amazon Bedrock" (el fine-tuning solo está disponible a través de Amazon Bedrock), y la página de fine-tuning de Bedrock todavía muestra Claude 3 Haiku en Oregón como único modelo de Claude. El modelo, sin embargo, ya se ha retirado.

Las reglas de ciclo de vida de Bedrock indican que, cuando un modelo pasa a Legacy, "you cannot create new fine-tuning jobs on that model" (no se pueden crear nuevos trabajos de fine-tuning con ese modelo), así que los nuevos trabajos de fine-tuning de Claude se detuvieron en marzo de 2026. Desde el 10 de septiembre, la ficha del modelo Claude 3 Haiku indica que las solicitudes en la mayoría de las regiones "now fail with ResourceNotFoundException" (ahora fallan con ese error). Bedrock no ha añadido ningún modelo de Claude más reciente a su lista de fine-tuning.

¿Cuánto cuesta el fine-tuning de Claude?

Al no haber ninguna vía abierta, no hay precio vigente. La página de precios de Bedrock muestra precios de personalización para modelos de Amazon, Cohere y Meta, y ninguno para Claude, a 30 de octubre de 2026. La API de Anthropic tampoco tiene fine-tuning que poner precio.

El coste que merece la pena calcular es el de la alternativa, y tiene dos partes. El entrenamiento es un coste puntual por cada versión del modelo: preparar los ejemplos, ejecutar el entrenamiento y evaluar el resultado. El coste de funcionamiento se paga por tarea, y un modelo entrenado lo reduce en dos dimensiones a la vez:

1. Un precio por token más bajo. Un modelo entrenado para una sola tarea lleva solo la capacidad que esa tarea necesita, así que cuesta menos servirlo que un modelo frontera.
2. Menos tokens por tarea. Las instrucciones, los ejemplos y el contexto que repites en cada prompt de Claude quedan entrenados en el modelo y dejan de enviarse, y un modelo entrenado en la tarea responde sin tokens de razonamiento ocultos.

Cuánto ahorra cada dimensión depende de qué parte de cada prompt se repite y de tu volumen. Introduce tus propios recuentos de tokens y precios en la calculadora de coste por tarea (en inglés), que separa cualquier ahorro en su efecto precio y su efecto volumen. Para la aritmética del margen a escala de producto, consulta márgenes brutos de las startups de IA y costes de inferencia.

¿Qué dice la política de Anthropic sobre entrenar con las salidas de Claude?

Lo prohíbe sin autorización previa de Anthropic. La Política de Uso de Anthropic, en la versión vigente desde el 12 de noviembre de 2026, prohíbe usar sus productos para "Use outputs to train an AI model (e.g., 'model scraping' or 'model distillation') without prior authorization from Anthropic" (usar las salidas para entrenar un modelo de IA, por ejemplo mediante "model scraping" o "model distillation", sin autorización previa de Anthropic). La regla abarca cualquier modelo que entrenes, compita o no con Claude.

Los datos que dan un modelo que vale la pena poseer son, de todos modos, los tuyos: tus registros, las respuestas que tu equipo aceptó y las correcciones que hizo. Un modelo destilado de una API pública puede reconstruirlo cualquiera con la misma clave de API, mientras que uno entrenado con tu trabajo sigue siendo tuyo. Nuestro artículo sobre destilación de modelos frente a fine-tuning repasa los términos de cada proveedor y por qué tus propios datos construyen la ventaja competitiva. Esto es una visión general y no constituye asesoramiento jurídico.

¿Se puede hacer fine-tuning de ChatGPT?

Solo a través de la API de OpenAI, y esa vía también se está cerrando. El fine-tuning de los modelos de OpenAI se hace en la plataforma de fine-tuning de su API, y la guía de fine-tuning supervisado de OpenAI empieza ahora con "OpenAI is winding down the fine-tuning platform" (OpenAI está cerrando la plataforma de fine-tuning).

¿Cómo se hace fine-tuning de los modelos de OpenAI?

Solo como cliente existente que cumpla los requisitos, y solo hasta el 6 de enero de 2027. En palabras de OpenAI: "The platform is no longer accessible to new users. Eligible existing customers can create training jobs until January 6, 2027, unless the base model shuts down earlier" (la plataforma ya no está disponible para usuarios nuevos; los clientes existentes que cumplan los requisitos pueden crear trabajos de entrenamiento hasta el 6 de enero de 2027, salvo que el modelo base se retire antes). El 14 de enero de 2027 se retiran GPT-4o, GPT-4o mini, GPT-4.1 y GPT-4.1 mini, y según la página de retiradas de OpenAI, "Fine-tuned versions of these models follow the same shutdown schedule as their underlying base models" (las versiones con fine-tuning siguen el mismo calendario que sus modelos base).

Los modelos de pesos abiertos gpt-oss de OpenAI quedan fuera de ese calendario: descargas los pesos y los entrenas como cualquier otro modelo abierto. Si hoy tienes modelos con fine-tuning en OpenAI, nuestra guía de migración del fine-tuning de OpenAI cubre los plazos y un traslado en cuatro pasos.

¿Cómo se hace fine-tuning de un modelo de IA con tus propios datos?

Entrena un modelo abierto con ejemplos de tu propio trabajo, evalúalo frente al modelo que usas hoy y sírvelo detrás de una API compatible con OpenAI. Los modelos abiertos no tienen una fecha de retirada fijada por un proveedor, así que la versión entrenada funciona mientras la necesites.

1. Elige una tarea. Escoge una tarea que se ejecute a gran volumen y cuyo resultado tu equipo pueda comprobar: una clasificación, una extracción, un resumen con formato fijo, una respuesta con el estilo de la casa.
2. Reúne ejemplos de tu propio trabajo. Empareja entradas reales con las salidas que tu equipo aceptó. Reserva una parte como conjunto de evaluación con el que el modelo nunca entrena.
3. Entrena un modelo abierto. Elige el modelo abierto más pequeño que mantenga tu nivel de calidad en el conjunto reservado, y comprueba que su licencia permite el uso comercial.
4. Compáralo con Claude en tu conjunto de evaluación. Puntúa ambos con los mismos ejemplos reservados y con la medida que tu equipo ya usa para juzgar el trabajo.
5. Sírvelo detrás de una API compatible con OpenAI. Tu aplicación cambia la URL base y el nombre del modelo, y el resto del código se queda igual.

Entrenar con tu propia tarea puede cerrar la distancia con un modelo frontera en esa tarea. En nuestro estudio QMSum (arXiv 2609.25028), los modelos abiertos entrenados puntuaron por encima de cinco modelos propietarios alojados en ROUGE-1 en resumen de reuniones orientado a consultas, tres de ellos modelos de Claude (Claude Opus 5, Claude Sonnet 5 y Claude Haiku 4.5). Los modelos alojados se ejecutaron en zero-shot con un único prompt conciso y escribieron respuestas más largas, lo que contribuye a la diferencia en una métrica de solapamiento con la referencia, y no se hizo evaluación humana ni de veracidad. Para una comparación general entre modelos abiertos y frontera, consulta modelos de pesos abiertos frente a modelos frontera.

Ertas ofrece esto como el endpoint de modelo adaptativo: un modelo entrenado con tu tarea y con el feedback de tu equipo, servido a través de una API compatible con OpenAI. Al principio responden los modelos frontera, el modelo entrenado toma el relevo cuando supera tus evaluaciones, y los casos difíciles se quedan en los modelos frontera. Las nuevas versiones se entrenan en segundo plano con el tráfico de tus agentes, se puntúan con tus evaluaciones y solo entran en producción con tu aprobación; si una versión nueva no llega al nivel, el modelo actual sigue en servicio. Funciona gestionado por Ertas, en tu propia nube o en tus instalaciones. El endpoint funciona actualmente solo por invitación, y estamos desarrollando una versión más ágil para un acceso más amplio.

Preguntas Frecuentes

¿Existe una API de fine-tuning de Claude?

No. A 30 de octubre de 2026, la documentación de Anthropic afirma que la API de Claude no ofrece fine-tuning por ahora, y sugiere consultar a tu contacto en Anthropic si quieres explorarlo.

¿Todavía se puede hacer fine-tuning de Claude 3 Haiku en Amazon Bedrock?

No. Claude 3 Haiku pasó a Legacy en Bedrock el 10 de marzo de 2026, lo que detuvo los nuevos trabajos de fine-tuning, y llegó al final de su vida útil en Oregón, su única región de fine-tuning, el 10 de septiembre de 2026.

¿Se puede hacer fine-tuning de Claude Sonnet o Claude Opus?

No hay ninguna vía documentada a 30 de octubre de 2026. Ni la API de Claude ni la lista de fine-tuning de Bedrock ofrecen fine-tuning para ningún modelo actual de Claude.

¿Está permitido entrenar un modelo con las salidas de Claude?

Solo con autorización previa de Anthropic. La Política de Uso vigente desde el 12 de noviembre de 2026 prohíbe usar las salidas para entrenar un modelo de IA, y cita como ejemplos el "model scraping" y la "model distillation". Entrena con tus propios datos.

¿Cuál es la mejor alternativa al fine-tuning de Claude?

Un modelo abierto entrenado con tus propios ejemplos para una tarea, evaluado frente a Claude en un conjunto reservado y servido detrás de una API compatible con OpenAI. Reduce el coste por tarea en las dos dimensiones, el precio por token y los tokens por tarea, cuando la tarea se ejecuta a gran volumen.

La Versión Corta

A 30 de octubre de 2026 no se puede hacer fine-tuning de Claude. La API de Claude no lo ofrece, y la vía de Bedrock para Claude 3 Haiku se cerró cuando ese modelo se retiró en 2026. Entrenar otro modelo con las salidas de Claude requiere autorización previa de Anthropic. La vía que funciona es un modelo abierto entrenado con tus propios datos, evaluado frente a Claude en tu tarea y servido detrás de un endpoint compatible con OpenAI. La plataforma de fine-tuning de OpenAI deja de aceptar nuevos trabajos de entrenamiento el 6 de enero de 2027, así que la misma vía sirve allí.

---

Fuentes, consultadas el 30 de octubre de 2026: Anthropic, Glossary, guía de resumen de documentos legales, Model deprecations y Usage Policy (vigente desde el 12 de noviembre de 2026); AWS, Fine-tune Anthropic's Claude 3 Haiku in Amazon Bedrock (10 de julio de 2024), modelos con fine-tuning en Bedrock, ciclo de vida de los modelos, ficha de Claude 3 Haiku y precios; OpenAI, guía de fine-tuning supervisado y retiradas. Nuestra investigación: el estudio QMSum.