Salidas estructuradas: cómo obtener JSON válido de un modelo de lenguaje

Las salidas estructuradas hacen que un modelo de lenguaje devuelva JSON que cumple un esquema definido por ti, de modo que tu código puede leer cada respuesta sin reintentos. A 23 de octubre de 2026, OpenAI, Anthropic, Google y Ollama las admiten, y las tres API en la nube imponen el esquema mientras el modelo genera (decodificación restringida), en lugar de limitarse a pedirlo en el prompt. Esta guía explica en qué se diferencian del antiguo modo JSON, cómo se activan en cada API, qué partes de JSON Schema aceptan y qué límites siguen rompiendo proyectos reales, a partir de la documentación de cada fabricante leída el 23 de octubre de 2026.

El modo JSON no es lo mismo

El modo JSON solo promete JSON válido. Las salidas estructuradas prometen JSON que sigue tu esquema: todas las claves obligatorias presentes, cada valor de una lista permitida y cada tipo correcto. OpenAI presenta las salidas estructuradas como la evolución del modo JSON y recomienda usarlas siempre que se pueda. El modo JSON además tiene una trampa: OpenAI avisa de que si olvidas pedirle al modelo que responda en JSON, puede soltar un chorro interminable de espacios en blanco hasta agotar el límite de tokens.

La diferencia se nota en producción. Sin esquema, un modelo puede saltarse un campo, inventarse un valor fuera de tu lista o envolver el JSON en texto, y cualquiera de esas cosas rompe el analizador. Con decodificación restringida, el modelo solo puede elegir tokens que mantengan la salida válida frente al esquema. Anthropic lo resume en que se acaban los errores de JSON.parse() y los reintentos por incumplir el esquema.

Cómo se activan en cada API

Tabla: salidas estructuradas por fabricante (documentación oficial, comprobada el 23 de octubre de 2026)

En las llamadas a herramientas la idea es la misma, aplicada a los argumentos: el modo estricto de OpenAI y el uso estricto de herramientas de Anthropic garantizan que las entradas cumplan el esquema de la herramienta. Nuestra explicación de la llamada a funciones cuenta cuándo debe el modelo llamar a una herramienta en lugar de responder con un formato fijo. La regla de Google es corta: las salidas estructuradas dan formato a la respuesta final y la llamada a funciones ejecuta una acción antes de responder.

En local, Ollama acepta un esquema JSON en su campo format y recomienda poner también el esquema en el prompt y bajar la temperatura a 0. Su documentación indica que la nube de Ollama no admite salidas estructuradas. Si usas modelos en tu propio equipo, nuestra guía para instalar Ollama explica la configuración.

Qué partes de JSON Schema se admiten

Ningún fabricante acepta el estándar JSON Schema completo. Las reglas que más tropiezos causan:

• Todos los campos obligatorios (OpenAI). Todos deben figurar en required. Para que uno sea opcional, se le da un tipo unión con null.
• additionalProperties: false. OpenAI lo exige en cada objeto, y Anthropic solo acepta false.
• Objeto raíz. OpenAI exige que la raíz sea un objeto y no un anyOf, que es justo lo que produce una unión discriminada de Zod.
• Recursividad. OpenAI admite esquemas recursivos; Anthropic los da como no admitidos.
• Restricciones ignoradas. Gemini elimina minLength, maxLength, minProperties, maxProperties y uniqueItems en lugar de imponerlas; las ayudas del SDK de Anthropic pasan las restricciones no admitidas, como minimum, a la descripción del campo y las comprueban en tu código.

Los límites de tamaño también cambian. OpenAI permite hasta 5.000 propiedades de objeto con hasta 10 niveles de anidación y hasta 1.000 valores de enumeración por esquema. Anthropic limita cada petición a 20 herramientas estrictas, 24 parámetros opcionales y 16 parámetros con tipos unión entre todos los esquemas estrictos, y responde «Schema is too complex for compilation» cuando la gramática sería demasiado grande. Gemini rechaza los esquemas muy grandes o muy anidados con un error 400 INVALID_ARGUMENT.

Latencia, caché y coste

El esquema hay que compilarlo la primera vez. OpenAI indica que la primera petición con un esquema nuevo tarda más y las siguientes no. Anthropic guarda en caché las gramáticas compiladas 24 horas desde su último uso y la invalida cuando cambia la estructura del esquema, pero no cuando solo cambian nombres o descripciones. Cambiar el formato de salida en Claude invalida además la caché de prompts de esa conversación. No hay precio aparte: el JSON se cobra como tokens de salida normales, y OpenAI admite las salidas estructuradas en su Batch API, así que se aplica el 50 % de descuento de la API por lotes.

Qué puede seguir fallando

• Rechazos. Si el modelo se niega por seguridad, OpenAI devuelve un campo refusal aparte y Claude marca stop_reason: "refusal"; en ambos casos la salida puede no cumplir el esquema.
• Respuesta cortada. Si se acaba max_tokens, el JSON queda incompleto. Sube el límite y repite.
• Válido pero falso. El esquema garantiza la forma, no la verdad. OpenAI advierte de que si la entrada no tiene nada que ver con el esquema, el modelo puede rellenarlo con valores inventados, y Google pide validar los valores en tu aplicación. Nuestra guía sobre las alucinaciones de los modelos explica por qué.
• Mayúsculas en las enumeraciones. Anthropic avisa de que Claude puede devolver un valor que solo difiere en mayúsculas. Compara esos valores sin distinguir mayúsculas.
• Funciones incompatibles. En Claude, las salidas estructuradas no se pueden combinar con citas (error 400) ni con el relleno previo del mensaje del asistente.

Una configuración que aguanta

Define el esquema una sola vez en el código con Pydantic o Zod y deja que el SDK genere el JSON Schema, como recomienda OpenAI para que no se desincronicen. Mantén el esquema plano, haz obligatorios los campos que tengan un valor por defecto, describe cada campo en una frase sencilla y dile al modelo qué devolver cuando la entrada no encaje, por ejemplo una lista vacía. Después valida los valores en tu propio código, porque una forma válida es solo la mitad de una respuesta correcta.