Migrar chats de ChatGPT a Claude o Gemini

Has pasado dos meses en una conversación de ChatGPT trabajando en un problema. Quieres cambiarte a Claude (mejor contexto largo) o Gemini (mejor integración con Workspace) sin empezar desde cero. ¿Cómo?

Tres enfoques, en orden de fidelidad.

1. Pegado de transcripción completa (más simple)

Exporta la conversación de ChatGPT a Markdown. Abre el nuevo chat de Claude / Gemini. Pega el Markdown en un único mensaje:

Here's a conversation I had with ChatGPT that I want to continue with you.
Read it, then continue from where we left off.

[paste the full Markdown export]

Continue from this point.

Lo que funciona:

• Toda la cadena de razonamiento se conserva.
• Código, matemáticas, citas, todo se mantiene.
• El nuevo modelo «ve» todo lo que vio ChatGPT.

Lo que no funciona:

• Las conversaciones largas pueden superar el contexto de 200K de Claude o el de 1M de Gemini. (La mayoría no lo hacen, pero los arcos de investigación de varios meses sí pueden.)
• El nuevo modelo trata el historial pegado como output observado del pasado, no como su propio razonamiento. Puede cuestionar conclusiones anteriores.
• El streaming puede ser lento mientras el modelo procesa el contexto largo.

Esta es la opción correcta para la mayoría de los casos. La exportación Markdown de ChatExport AI es densa — una conversación de 50 mensajes suele ocupar ~10K tokens, fácilmente dentro de la ventana de cualquier modelo moderno.

2. Resumen inicial (con pérdida pero rápido)

Si la transcripción completa es demasiado larga, pídele a ChatGPT que se resuma a sí mismo primero:

Summarise the key conclusions, decisions, and open questions from
this conversation in a way that another AI assistant could pick up
where we left off. Include any code or data that's still relevant.

Toma ese resumen. Pégalo en el nuevo chat de Claude / Gemini como primer mensaje:

I had a long conversation with ChatGPT that produced this summary.
Here's where we got to. Continue from this point.

[paste summary]

La pérdida de fidelidad es real — estás dejando que ChatGPT decida qué era importante. Pero para discusiones estratégicas en curso, un resumen de 2K tokens suele ser suficiente.

3. Exportación JSON → prompt estructurado (máxima fidelidad)

Para investigación donde la estructura importa: exporta ChatGPT como JSON. El JSON tiene campos por turno (rol, contenido, modelo, timestamp). Puedes filtrar manualmente los turnos que importan y reconstruir un resumen limpio:

Here are the turns from a previous conversation that are relevant
to where we're going next:

[paste filtered JSON, manually edited]

Continue from this point.

Esta es la jugada para compromisos donde has tenido 200 mensajes pero solo ~20 de ellos son relevantes hacia adelante.

Particularidades por plataforma

A Claude

Claude Sonnet 4.6 maneja bien contextos largos pegados. A veces preguntará «¿Debería tratar esto como input que estoy leyendo, o como nuestro historial compartido?» — acláralo en el resumen inicial.

Si quieres que Claude use un Project, sube la exportación Markdown como archivo del Project en lugar de pegarlo. Claude podrá referenciarlo a través de múltiples chats.

A Gemini

Gemini 3 Pro tiene un contexto de 1M de tokens, así que incluso conversaciones enormes caben. La ranura de instrucciones del sistema es el lugar adecuado para poner un resumen inicial («contexto de fondo: »). Para Gemini Advanced, también puedes subir el Markdown como archivo adjunto.

A DeepSeek (R1)

Si te mueves por la cadena de razonamiento, DeepSeek-R1 iterará sobre el razonamiento anterior. Sé explícito: «Aquí es donde llegamos. Reexamina las conclusiones críticamente». La fortaleza de R1 es el razonamiento de segunda pasada que captura lo que GPT-5 pasó por alto.

A Perplexity

Perplexity es un chatbot basado en búsqueda — pegar una conversación larga como resumen no encaja en su UX. Mejor: extrae una única pregunta de investigación de la conversación de ChatGPT y pregúntale a Perplexity esa pregunta desde cero. Usa el razonamiento de ChatGPT para formular la pregunta; deja que Perplexity encuentre fuentes actuales.

Antipatrones

No hagas: captura de pantalla de la conversación de ChatGPT y súbela al nuevo chat. El nuevo modelo tiene que hacer OCR de tu captura. Pierde formato, matemáticas, estructura de código. La exportación Markdown siempre es mejor.

No hagas: pedirle al nuevo modelo que «recuerde» la conversación anterior como si tuviera memoria. No la tiene. Trata cada chat como un modelo fresco con lo que pongas en el prompt.

No hagas: asumir que el nuevo modelo llegará a las mismas conclusiones. El objetivo de cambiar es a menudo obtener una perspectiva diferente.

Un ejemplo concreto

Pasé un mes con ChatGPT diseñando un esquema Postgres para un SaaS multiinquilino. Me cambié a Claude para la fase de implementación porque el contexto más largo de Claude retenía mejor todo el diseño en la memoria de trabajo.

Flujo:

1. Exportación de ChatGPT → Markdown mediante ChatExport AI. ~25K tokens de conversación de diseño.
2. Pegado el Markdown completo como primer mensaje de Claude en un nuevo Claude Project.
3. Le pregunté a Claude: «Lee esto. Enumera las decisiones de diseño que cuestionarías». Obtuve 4 críticas sustanciales en la respuesta.
4. Iteré sobre esas críticas. Dos semanas después el esquema estaba implementado y testeado en Claude con contexto completo.

Ese es el flujo de cambio cuando ambos modelos hacen su mejor trabajo.

Relacionados

• ChatGPT vs Claude vs Gemini — cuándo elegir cada uno.
• Cómo exportar ChatGPT a Markdown.
• Guía de exportación de Claude.