Has invertido dos meses en una conversación de ChatGPT resolviendo un problema complejo. Ahora quieres cambiarte a Claude por su manejo superior de contextos largos, o a Gemini por una integración más estrecha con Workspace, sin tirar todo ese progreso. ¿Cómo das el salto?
Aquí tienes tres enfoques de migración, ordenados por fidelidad.
1. Pegar la transcripción completa (lo más simple y efectivo)
Exporta tu conversación de ChatGPT a Markdown. Abre un nuevo chat en Claude o Gemini. Pega la transcripción Markdown completa en un solo mensaje con este prompt:
Aquí hay una conversación que tuve con ChatGPT y que quiero continuar contigo.
Léela y luego continúa desde donde lo dejamos.
[pegar la exportación Markdown completa]
Continúa desde este punto.Lo que funciona:
- La cadena de razonamiento completa se conserva
- Todo el código, matemáticas y citas se mantienen intactos
- El nuevo modelo recibe el contexto completo que tenía ChatGPT
Lo que no funciona:
- Conversaciones extremadamente largas pueden rozar el límite de 200K tokens de Claude o 1M de Gemini (raro, pero posible en hilos de investigación de varios meses)
- El nuevo modelo trata el historial pegado como output observado, no como su propio razonamiento, puede cuestionar conclusiones anteriores
- La transmisión inicial puede ralentizarse al procesar un contexto grande
Este método funciona mejor para la mayoría de los casos de uso. Las exportaciones Markdown de ChatExport AI son eficientes en tokens: una conversación típica de 50 mensajes consume unos ~10K tokens, dentro del margen de cualquier modelo moderno.
2. Resumen preparatorio (más rápido, pero con pérdida)
Cuando la transcripción completa excede límites razonables, pídele a ChatGPT que cree primero un resumen de traspaso:
Resume las conclusiones clave, decisiones y preguntas abiertas de
esta conversación de forma que otro asistente de IA pudiera retomarla
desde donde lo dejamos. Incluye cualquier código o dato que siga siendo relevante.Toma ese resumen y pégalo como mensaje inicial en tu nuevo chat de Claude o Gemini:
Tuve una conversación larga con ChatGPT que produjo este resumen.
Aquí es hasta donde llegamos. Continúa desde este punto.
[pegar resumen]Perderás algo de fidelidad: ChatGPT decide qué es importante. Pero para discusiones estratégicas y proyectos en curso, un resumen de 2K tokens suele capturar suficiente contexto para continuar eficazmente.
3. Exportación JSON → prompt estructurado (máxima fidelidad)
Para investigaciones donde la estructura de la conversación importa: exporta ChatGPT a JSON. El JSON incluye metadatos por turno (rol, contenido, modelo, marca de tiempo). Filtra los turnos relevantes y construye un preparatorio limpio y estructurado:
Aquí están los turnos de una conversación anterior que son relevantes
para hacia dónde vamos a continuación:
[pegar JSON filtrado, editado manualmente]
Continúa desde este punto.Este enfoque brilla para interacciones de más de 200 mensajes donde solo ~20 turnos son relevantes: obtienes precisión quirúrgica sin ruido.
Detalles de migración por plataforma
Migrar a Claude
Claude Sonnet 5 maneja contextos largos pegados excepcionalmente bien. Ocasionalmente preguntará «¿Debo tratar esto como entrada que estoy leyendo o como nuestro historial compartido?», acláralo en tu mensaje preparatorio.
Para trabajo continuo, sube la exportación Markdown como un archivo de Proyecto en lugar de pegarlo. Así Claude puede referenciarlo a lo largo de múltiples hilos de conversación.
Migrar a Gemini
Gemini 3 Pro ofrece una ventana de contexto de 1M de tokens, que admite historiales de conversación enormes. El campo de instrucciones del sistema es ideal para resúmenes preparatorios («contexto de fondo:
Migrar a DeepSeek (R1)
¿Te cambias para capturar mejoras en el razonamiento? DeepSeek-R1 iterará sobre cadenas de razonamiento anteriores. Sé explícito en tu prompt: «Aquí es hasta donde llegamos. Examina las conclusiones de forma crítica.» R1 destaca en un razonamiento de segunda pasada que detecta lo que GPT-4 pasó por alto.
Migrar a Perplexity
Perplexity está basado en búsqueda. Pegar preparatorios de conversaciones largas no encaja con su diseño UX. Mejor enfoque: extrae una única pregunta de investigación enfocada de tu conversación de ChatGPT y pregúntale a Perplexity desde cero. Usa el razonamiento de ChatGPT para formular la pregunta; deja que Perplexity muestre fuentes actuales.
Errores comunes de migración que debes evitar
No: Hagas capturas de pantalla de la conversación de ChatGPT y subas las imágenes al nuevo chat. El modelo tendría que aplicar OCR a tus capturas, lo que destruye el formato, la notación matemática y la estructura del código. La exportación Markdown siempre es superior.
No: Le pidas al nuevo modelo que «recuerde» la conversación anterior como si tuviera memoria persistente. No la tiene. Cada chat comienza de cero con solo lo que incluyas en el prompt.
No: Esperes que el nuevo modelo llegue a conclusiones idénticas. Obtener una perspectiva diferente suele ser exactamente la razón por la que cambias de modelo.
Ejemplo real de migración
Pasé un mes con ChatGPT diseñando un esquema Postgres para SaaS multiinquilino. Me cambié a Claude para la implementación porque el contexto extendido de Claude mantenía el diseño completo en la memoria de trabajo de manera más efectiva.
Flujo de migración:
- Exporté la conversación de ChatGPT a Markdown mediante ChatExport AI, aproximadamente 25K tokens de discusión de diseño
- Pegué el Markdown completo como primer mensaje en un nuevo Proyecto de Claude
- Le indiqué a Claude: «Lee esto. Enumera las decisiones de diseño que cuestionarías.» Recibí 4 críticas sustanciales de inmediato
- Iteré sobre esas críticas durante dos semanas. El esquema se implementó y probó en Claude con el contexto de diseño completo
Eso es un flujo de trabajo entre modelos efectivo, dejando que cada IA haga su mejor trabajo.
Guías relacionadas
- ChatGPT vs Claude vs Gemini, cuándo elegir cada modelo
- Cómo exportar ChatGPT a Markdown
- Guía de exportación de Claude