Inicio/Prompt Engineering/Zero-Shot vs. Few-Shot Prompting

Techniques

Zero-Shot vs. Few-Shot Prompting

Última actualización: 31 de agosto de 2026·9 min de lectura·Por Hans Kuepper · Fundador de PromptQuorum · Motor de descubrimiento de IA de pesos abiertos y código abierto

Leer en:

🇺🇸en 🇩🇪de 🇫🇷fr 🇯🇵ja 🇨🇳zh 🇪🇸es 🇧🇷pt 🇸🇦ar 🇰🇷ko

El Zero-Shot Prompting no incluye ejemplos en el prompt y depende completamente del conocimiento previo del modelo, mientras que el Few-Shot Prompting incorpora algunos ejemplos para que el modelo pueda imitar un patrón deseado.

El zero-shot prompting da al modelo una instrucción sin ejemplos; el few-shot prompting añade de 2 a 10 ejemplos resueltos para que el modelo copie el patrón. Zero-shot es más rápido y barato por llamada. Few-shot es más fiable con formatos estrictos, dominios especializados y casos límite.

1
Zero-shot envía solo una instrucción; few-shot envía esa misma instrucción más 2–10 ejemplos etiquetados. Ninguno modifica los pesos del modelo: ambos son aprendizaje en contexto.
2
Empieza con zero-shot, mide y añade ejemplos solo si la precisión se queda corta. Few-shot reenvía cada ejemplo en cada llamada.
3
La mayor ventaja de few-shot está en el control del formato — esquemas JSON estrictos, vocabularios de etiquetas fijos, estilo de la casa — no en la capacidad de razonamiento.
4
La calidad de los ejemplos supera a la cantidad: tres ejemplos diversos y representativos suelen ganar a diez casi idénticos.
5
En los modelos de razonamiento de frontera la distancia con zero-shot se ha reducido mucho. En modelos pequeños y locales, few-shot sigue siendo la mayor ganancia de precisión disponible.
6
El orden y el equilibrio importan. Los modelos sobrevaloran el último ejemplo, así que mezcla las etiquetas en vez de agruparlas por clase.
7
Decide con un conjunto de prueba: menos de 5 puntos porcentuales de mejora, quédate en zero-shot; 10 o más, despliega los ejemplos.

Datos rápidos

1
Rango habitual de few-shot: 2–10 ejemplos; las mejoras suelen estancarse a partir de 8
2
Origen: Brown et al. (2020), "Language Models are Few-Shot Learners" — el artículo de GPT-3, 175 000 millones de parámetros
3
Mejora reportada en GPT-3: 64,3 % zero-shot → 71,2 % few-shot en TriviaQA
4
Coste en tokens: 5 ejemplos de unos 120 tokens añaden unos 600 tokens de entrada a cada petición
5
Caché de prompts: un bloque few-shot estático puede reducir hasta un 90 % el coste de entrada repetida con el prompt caching de Claude
6
Umbral de adopción: despliega few-shot cuando aporte 10 puntos porcentuales o más sobre 50 casos de prueba

Qué es el Zero-Shot Prompting

📍 In One Sentence

El zero-shot prompting entrega una instrucción de tarea sin demostraciones en contexto y depende por completo del preentrenamiento y el ajuste por instrucciones del modelo.

💬 In Plain Terms

Zero-shot es decirle a alguien qué hacer y confiar en que ya sabe cómo. Sin ejemplos resueltos, solo la instrucción.

El zero-shot prompting pide al modelo que resuelva una tarea usando solo una instrucción clara, sin ejemplos dentro del prompt. El modelo se apoya en su conocimiento general y en la capacidad de seguir instrucciones adquirida durante el preentrenamiento y el alineamiento.

Zero-shot se configura rápido porque no hay que diseñar ni mantener pares de ejemplos. Funciona bien en tareas amplias como preguntas generales, clasificación simple, resúmenes o traducciones directas, donde la instrucción suele bastar.

Qué es el Few-Shot Prompting

📍 In One Sentence

El few-shot prompting antepone a la instrucción un conjunto reducido de demostraciones de entrada y salida para que el modelo infiera el patrón en contexto, sin actualizar pesos.

💬 In Plain Terms

Few-shot es enseñar tres ejemplos terminados antes de pedir el cuarto. El modelo copia el patrón que ve.

El few-shot prompting añade a la instrucción un pequeño conjunto de ejemplos de entrada y salida para que el modelo deduzca el patrón de la tarea a partir de demostraciones concretas. En la práctica, few-shot significa entre dos y diez ejemplos.

Esos ejemplos actúan como un mini conjunto de entrenamiento dentro del prompt y guían cómo el modelo interpreta tareas ambiguas, formatos especializados o lenguaje de un dominio concreto. Resulta especialmente útil cuando necesitas un estilo, un esquema o un comportamiento matizado que las instrucciones genéricas no capturan.

No se entrena nada. Los ejemplos viven en la ventana de contexto durante una sola llamada y luego se descartan; por eso la técnica se llama aprendizaje en contexto y no fine-tuning.

Diferencias clave: Zero-Shot vs. Few-Shot

El zero-shot y el few-shot prompting se diferencian sobre todo en esfuerzo de preparación, precisión en tareas concretas y escalabilidad entre casos de uso. Ambos usan el mismo modelo, pero cambian esfuerzo de diseño de ejemplos por un mejor ajuste a la tarea.

Dimensión	Zero-Shot	Few-Shot
Ejemplos en el prompt	Ninguno	2–10+ ejemplos representativos
Velocidad de puesta en marcha	Muy rápida; sin curar ejemplos	Más lenta; hay que seleccionar y mantener los ejemplos
Requisitos de datos	No hacen falta ejemplos etiquetados	Requiere al menos unos pocos ejemplos etiquetados
Precisión en tareas específicas	A menudo menor o más genérica	Suele ser mayor y más consistente en dominios concretos
Control del formato de salida	Depende de lo bien que describas el formato	Alto; los ejemplos son la especificación del formato
Tokens de entrada por llamada	Solo la instrucción	Instrucción más todos los ejemplos, en cada llamada
Escalabilidad entre tareas	Muy escalable, fácil añadir tareas nuevas	Menos escalable; cada tarea puede necesitar sus ejemplos

Cuándo usar Zero-Shot

Usa zero-shot prompting cuando necesites rapidez, no tengas ejemplos etiquetados y la tarea sea razonablemente general. Funciona muy bien como primera pasada o línea base.

Escenarios típicos de zero-shot:

Preguntas generales, resúmenes simples y clasificación básica de sentimiento.
Experimentación rápida mientras todavía estás definiendo la forma de la tarea.
Dominios o idiomas nuevos donde no dispones de ejemplos curados.
Pipelines de alto volumen y sensibles al coste, donde cada token de entrada extra se multiplica por millones de llamadas.

Cuándo usar Few-Shot

Usa few-shot prompting cuando la tarea sea especializada, sensible al formato o de alto riesgo y puedas aportar buenos ejemplos. En esos casos, los ejemplos mejoran la fiabilidad muy por encima de las instrucciones puras.

Escenarios habituales de few-shot:

Clasificación o extracción específica de dominio (legal, médico, financiero), donde las etiquetas y la redacción precisas importan.
Tareas con esquemas estrictos, como extraer JSON estructurado de texto desordenado.
Tareas multilingües o de localización, donde unos pocos ejemplos por idioma resuelven modismos y estilo.
Estilo y tono de la casa, donde "escribe así" es más fácil de demostrar que de describir.
Modelos pequeños o locales, que con instrucciones solas se desvían del formato con frecuencia.

Ejemplo: prompt Zero-Shot vs. Few-Shot

La diferencia práctica entre zero-shot y few-shot se ve con claridad al comparar prompts para la misma tarea. Aquí clasificamos tickets de soporte por intención.

Prompt malo – sin estructura

"Mira este ticket de soporte y dime de qué va."

Prompt Zero-Shot

"Clasifica el siguiente ticket de soporte en una de estas categorías: `billing_issue`, `login_problem`, `feature_request`, `bug_report` u `other`. Ticket: "He intentado restablecer mi contraseña tres veces hoy y el enlace siempre dice que ha caducado." Devuelve solo el nombre de la categoría."

Prompt Few-Shot

"Clasifica cada ticket de soporte en una de estas categorías: `billing_issue`, `login_problem`, `feature_request`, `bug_report` u `other`. Devuelve solo el nombre de la categoría. Ejemplo 1: Ticket: "Me habéis cobrado dos veces este mes la misma suscripción." Etiqueta: `billing_issue` Ejemplo 2: Ticket: "Cuando pulso 'exportar informe' no pasa nada, ni siquiera tras recargar la página." Etiqueta: `bug_report` Ejemplo 3: Ticket: "¿Podríais añadir la exportación de informes directamente a Google Sheets?" Etiqueta: `feature_request` Ahora clasifica este ticket: "He intentado restablecer mi contraseña tres veces hoy y el enlace siempre dice que ha caducado."

La versión few-shot muestra el patrón de forma explícita, lo que suele mejorar la clasificación en tickets ambiguos o ruidosos.

La calidad de los ejemplos decide el rendimiento few-shot

Tres ejemplos bien elegidos superan sistemáticamente a diez casi idénticos, porque el modelo aprende los límites de la tarea a partir de la variedad que le muestras, no del volumen. La mayoría de los resultados decepcionantes con few-shot vienen de la selección de ejemplos, no de su número.

1
Cubre todo el rango, no solo los casos fáciles. Incluye el ticket ambiguo, el muy corto y el mal redactado: son justamente las entradas que fallan en producción.
2
Equilibra las etiquetas. Si cuatro de cinco ejemplos son `bug_report`, el modelo predecirá `bug_report` de más. Da a cada clase una representación parecida.
3
Mezcla el orden. Los modelos ponderan más los ejemplos finales, así que evita agrupar etiquetas idénticas al final del bloque.
4
Mantén el formato exactamente igual en todos los ejemplos. Espaciados, comillas o claves inconsistentes le enseñan al modelo que el formato es negociable.
5
Toma los ejemplos de entradas reales de producción. Los ejemplos limpios escritos a mano enseñan al modelo a esperar entradas limpias que nunca recibirá.
6
Nunca pegues datos reales de clientes en una plantilla de prompt. Anonimiza o sintetiza: los bloques few-shot se guardan, versionan y comparten como si fueran código.

Few-Shot cuesta tokens en cada llamada

Los ejemplos few-shot no son un coste de configuración único: se reenvían como tokens de entrada en cada petición. Cinco ejemplos de unos 120 tokens añaden alrededor de 600 tokens de entrada por llamada, algo irrelevante en pruebas y significativo con un millón de llamadas al mes.

Esta es la razón práctica para medir primero la línea base zero-shot. Si zero-shot ya supera tu umbral de precisión, few-shot no aporta nada y te factura indefinidamente.

🔍 Cachea el bloque de ejemplos

Un bloque few-shot que no cambia entre llamadas es un candidato ideal para el prompt caching. Anthropic, OpenAI y Google descuentan con fuerza la entrada cacheada — hasta un 90 % en el prompt caching de Claude — lo que elimina casi todo el argumento de coste contra few-shot en pipelines de alto volumen.

Los modelos de razonamiento acortaron la distancia con Zero-Shot

Un ajuste por instrucciones potente ha cerrado buena parte de la ventaja de precisión que antes compraba el few-shot prompting en los modelos de frontera. En Claude Opus 5, GPT-5.6 y Gemini 3.1 Pro, una instrucción zero-shot bien escrita iguala hoy a few-shot en muchas tareas generales, pero esa convergencia no se extiende a todo el panorama de modelos.

Donde few-shot sigue justificando sus tokens es en formato y vocabulario: conjuntos de etiquetas propios, esquemas internos, tono de la casa y casos límite que el modelo nunca vio en el preentrenamiento. Y en modelos pequeños o alojados localmente, few-shot sigue siendo la palanca de precisión más eficaz sin recurrir al fine-tuning.

Clase de modelo	Calidad zero-shot	¿Sigue ayudando few-shot?
Razonamiento de frontera (Claude Opus 5, GPT-5.6, Gemini 3.1 Pro)	Alta en tareas generales	Sobre todo para formato de salida, estilo de la casa y etiquetas propias
Frontera sin razonamiento (Claude Sonnet 5, Gemini 3.8 Flash)	Buena	Sí — en dominios estrechos y esquemas estrictos
Modelos pequeños alojados (Claude Haiku 4.5, Gemini 3.5 Flash-Lite)	Irregular en tareas especializadas	Sí — normalmente la mayor ganancia individual de precisión
Open-weight local de 7–30B (Qwen3 8B, Llama 4 Scout, Gemma 4)	Variable; la deriva de formato es habitual	Sí — a menudo marca la diferencia entre salida usable e inservible

Errores comunes

La mayoría de los fallos con few-shot son fallos de proceso, no del modelo. Estos cinco explican la mayor parte de los casos en que añadir ejemplos empeoró la salida en lugar de mejorarla.

❌ Añadir ejemplos antes de medir la línea base zero-shot

Why it hurts: Pagas tokens de entrada para siempre sin saber si los ejemplos aportaron algo.

Fix: Ejecuta 50 casos de prueba en zero-shot y anota la precisión. Solo entonces añade ejemplos y vuelve a medir.

❌ Todos los ejemplos con la misma etiqueta

Why it hurts: El modelo interpreta el desequilibrio como una probabilidad previa y sobrepredice esa clase con entradas reales.

Fix: Equilibra las clases entre los ejemplos y mézclalos para que las etiquetas iguales no queden contiguas.

❌ Ejemplos que contradicen la instrucción escrita

Why it hurts: Cuando instrucción y demostración discrepan, el modelo suele seguir la demostración, y lo hace en silencio.

Fix: Relee la instrucción frente a cada ejemplo tras cada edición; trata los ejemplos como la especificación.

❌ Ejemplos mucho más largos o limpios que las entradas reales

Why it hurts: El modelo aprende a esperar texto ordenado y se degrada con el texto desordenado que realmente recibe.

Fix: Toma los ejemplos del tráfico de producción, incluidos los feos.

❌ Datos reales de clientes dentro del bloque de ejemplos

Why it hurts: Las plantillas de prompt se versionan, comparten y registran; los datos personales dentro se convierten en una exposición de cumplimiento.

Fix: Anonimiza o sintetiza cada ejemplo antes de que entre en una plantilla almacenada.

Cómo te ayuda PromptQuorum a elegir

PromptQuorum es una herramienta de despacho de IA multimodelo que te permite probar prompts zero-shot y few-shot en varios proveedores desde un mismo sitio. Puedes enviar el mismo prompt de solo instrucción y el mismo prompt con ejemplos a modelos como GPT-5.6, Claude Opus 5 y Gemini 3.1 Pro en paralelo.

Dentro de PromptQuorum puedes:

Empezar con prompts zero-shot usando frameworks como Single Step, RTF o CO-STAR para líneas base rápidas.
Pasar a prompts few-shot incrustando ejemplos representativos en frameworks como SPECS o la Prompting Guide de Google cuando necesites más control.
Guardar ambas versiones como plantillas y comparar precisión, latencia y coste en tokens entre modelos a lo largo del tiempo.

Cómo elegir entre Zero-Shot y Few-Shot Prompting

1
Para tareas rutinarias y sencillas, empieza con zero-shot (sin ejemplos). Ejemplo: "Clasifica esta reseña como positiva o negativa." Si la precisión basta, zero-shot es más rápido y barato.
2
Cuando el rendimiento zero-shot sea pobre (menos del 80 % de precisión o calidad), añade de 2 a 5 ejemplos few-shot. Muestra al modelo 2–3 reseñas positivas y 2–3 negativas con sus etiquetas correctas. Few-shot enseña con ejemplos.
3
Para tareas con distinciones sutiles o patrones raros, añade de 5 a 10 ejemplos (few-shot+). Si hay que detectar sarcasmo, sesgo dañino o matices de dominio, más ejemplos ayudan.
4
Elige ejemplos que cubran el rango de entradas que esperas. Si clasificas reseñas de producto, incluye entusiastas, tibias y negativas. No muestres solo casos fáciles.
5
Mide el beneficio de few-shot en un conjunto de prueba antes de llevarlo a producción. Ejecuta el mismo prompt con 0 y con 5 ejemplos sobre 50 casos. Si few-shot suma 10 puntos porcentuales o más, incluye los ejemplos. Si la mejora es inferior al 5 %, quédate en zero-shot.
6
Una vez en producción, cachea el bloque de ejemplos y revísalo cada trimestre. Los ejemplos obsoletos codifican en silencio categorías y formatos que tu producto ya no usa.

Preguntas frecuentes

¿Cuántos ejemplos son "few-shot"?

Entre dos y unos diez. Un solo ejemplo se llama one-shot. Las mejoras suelen estancarse pasados los ocho ejemplos y, a partir de ahí, sobre todo pagas tokens de entrada por un rendimiento decreciente. Si necesitas decenas de ejemplos para alcanzar tu objetivo de precisión, el fine-tuning suele ser mejor herramienta.

¿Es lo mismo few-shot prompting que fine-tuning?

No. El few-shot prompting es aprendizaje en contexto: los ejemplos están en el prompt durante una llamada y no cambian nada del modelo. El fine-tuning actualiza los pesos y persiste en todas las llamadas. Few-shot cuesta tokens de entrada por petición; el fine-tuning cuesta un entrenamiento más un modelo dedicado que alojar.

¿Sigue ayudando el few-shot prompting en modelos de razonamiento?

Menos que antes para la precisión pura, más de lo que esperarías para el formato. En Claude Opus 5, GPT-5.6 y Gemini 3.1 Pro, una instrucción zero-shot precisa suele igualar a few-shot en tareas generales. Pero si necesitas un esquema JSON exacto, un vocabulario de etiquetas propio o un tono concreto, los ejemplos siguen siendo la vía más fiable.

¿Por qué empeoró mi salida al añadir ejemplos?

Normalmente por desequilibrio de etiquetas, contradicción o deriva de formato. Si la mayoría de ejemplos comparten una etiqueta, el modelo la sobrepredice. Si un ejemplo contradice tu instrucción escrita, el modelo tiende a seguir el ejemplo. Y si los ejemplos son más limpios que las entradas reales, el modelo se degrada con el texto desordenado que recibe de verdad.

¿Importa el orden de los ejemplos few-shot?

Sí. Los modelos ponderan más los ejemplos posteriores, así que un bloque que termina con tres etiquetas iguales sesga la predicción hacia esa etiqueta. Intercala las clases y vuelve a probar tras cualquier reordenación: los efectos de orden mueven la precisión varios puntos.

¿Cómo mantengo asequibles los prompts few-shot a escala?

Con caché de prompts. Un bloque de ejemplos estático es idéntico en cada llamada, lo que lo convierte en un objetivo ideal de caché: Anthropic, OpenAI y Google facturan la entrada cacheada con un descuento fuerte, hasta alrededor del 90 % en el prompt caching de Claude. Coloca los ejemplos al principio del prompt para que el prefijo cacheado se mantenga estable.

¿Puedo combinar few-shot con chain-of-thought prompting?

Sí, y es una de las combinaciones más potentes que existen. Few-shot chain-of-thought significa que tus ejemplos muestran los pasos del razonamiento, no solo la respuesta final. Cuesta más tokens de salida que cualquiera de las dos técnicas por separado, pero en tareas de varios pasos suele ser más fiable que un "piensa paso a paso" en zero-shot.

Fuentes y lecturas adicionales

Brown, T., Mann, B., Ryder, N., et al. (2020). "Language Models are Few-Shot Learners." NeurIPS 2020. arXiv:2005.14165 — el artículo que introdujo few-shot, one-shot y zero-shot como regímenes de prompting.
Zhao, Z., Wallace, E., Feng, S., Klein, D., & Singh, S. (2021). "Calibrate Before Use: Improving Few-Shot Performance of Language Models." ICML 2021. arXiv:2102.09690 — sobre el sesgo de etiqueta mayoritaria y de recencia en el orden de los ejemplos.
Lu, Y., Bartolo, M., Moore, A., Riedel, S., & Stenetorp, P. (2022). "Fantastically Ordered Prompts and Where to Find Them." ACL 2022. arXiv:2104.08786 — sobre la sensibilidad de la precisión few-shot al orden de los ejemplos.
Min, S., Lyu, X., Holtzman, A., et al. (2022). "Rethinking the Role of Demonstrations." EMNLP 2022. arXiv:2202.12837 — evidencia de que el formato y la distribución de entrada de los ejemplos pesan más que la corrección de sus etiquetas.
Anthropic. "Prompt caching." Documentación de la plataforma Claude — precios de entrada cacheada para prefijos de prompt estáticos como los bloques few-shot.

Aplica estas técnicas con un LLM local o tus propias claves de API — PromptQuorum funciona con cualquier backend.

Prueba PromptQuorum gratis →

← Volver a Prompt Engineering