El 10 de junio el equipo de n8n publicó su guía sobre enrutamiento de modelos de lenguaje: el proceso de asignar automáticamente a cada tarea el modelo de IA más adecuado según complejidad, coste y tiempo de respuesta. No es una feature completamente nueva — es una estrategia que los equipos avanzados ya aplican, ahora documentada en un formato que cualquier usuario de n8n puede seguir.

Las empresas que automatizan flujos con IA afrontan un dilema creciente: usar siempre el modelo más capaz dispara la factura; usar siempre el más barato degrada resultados en tareas complejas. El routing resuelve esto asignando, por ejemplo, Claude Fable 5 o GPT-5.4 a análisis complejos y Gemini 3.1 Flash-Lite — a $0,25 por millón de tokens — a clasificaciones o resúmenes simples.

En n8n el routing se implementa con un nodo de evaluación previo que clasifica la complejidad de cada entrada antes de derivarla al modelo correspondiente. El caso más directo en una empresa mediana: un workflow que recibe correos de clientes, clasifica los sencillos con un modelo económico y escala los técnicamente complejos a un modelo superior.

Si ya usas n8n con algún nodo de IA, revisa cuántas ejecuciones implican a un modelo caro respondiendo tareas simples — clasificación, extracción de un campo, transformación de formato. Con una sola capa de routing puedes reducir el consumo del modelo premium entre un 40% y un 70% según la distribución de tareas de tu flujo.

Este movimiento llega la misma semana en que Anthropic lanza Claude Fable 5 a $50 por millón de tokens de salida. La coexistencia de modelos a precios radicalmente distintos hace rentable el routing: en una empresa con 50.000 llamadas mensuales de IA, elegir el modelo equivocado para las tareas sencillas puede representar miles de euros anuales.

El único riesgo a vigilar: el nodo de clasificación previo también comete errores y puede enviar una consulta compleja al modelo económico. Empieza con reglas deterministas — longitud del input, keywords, tipo de fuente — antes de confiar la clasificación a otro modelo de IA.