Markdown se consolida como formato por defecto entre datos de búsqueda y modelos LLM

Markdown ha dejado de ser solo una herramienta de documentación para convertirse en el lenguaje de intercambio preferido entre datos de búsqueda y modelos de lenguaje. Los proveedores de datos están ofreciendo salidas en Markdown para que los agentes de IA puedan consumir la información con menos sobrecarga de tokens y sin necesidad de desanidar JSON.

OpenAI ya recomienda estructurar los mensajes de los desarrolladores con encabezados ##, listas y tablas. Los mismos principios se aplican a los prompts de GPT‑5, donde Markdown se muestra más token‑eficiente y se alinea con la forma en que los modelos han sido entrenados en repositorios de código, documentación y foros.

SerpApi, empresa de APIs de datos de búsqueda, lanzó la opción output=md en todas sus más de 100 APIs sin coste adicional. Un ejemplo práctico: una búsqueda de "coffee" devuelve 24.723 tokens en JSON, 6.435 en Markdown y solo 1.298 cuando se filtra por campos. En sus APIs, el ahorro promedio es del 50 %, con reducciones de hasta 90 % en algunos endpoints.

La ventaja es clara. JSON lleva metadatos innecesarios, enlaces de seguimiento y estructuras anidadas que el modelo debe descifrar. Markdown conserva la esencia: títulos, fragmentos, enlaces y tablas de precios, eliminando ruido interno. Los desarrolladores pueden habilitarlo añadiendo output=md a la cadena de consulta, llamando a /search.md o enviando la cabecera Accept: text/markdown.

A medida que los agentes reemplazan a los humanos en la lectura de la web, la infraestructura debe optimizar la legibilidad de máquina. Markdown seguirá siendo el formato de entrada por defecto para la fase de ingestión de contexto, mientras que JSON permanecerá vital para manipulación programática y validación estricta. Se espera que más APIs de búsqueda, comercio electrónico y mapas adopten variantes de Markdown en los próximos meses, y que las plantillas de agentes y los frameworks de LLM lo normalicen.

Para los arquitectos y administradores de sistemas, la decisión es clara: cuando se alimenta a un modelo con datos externos, el formato debe coincidir con la distribución de entrenamiento. Markdown ya no es solo documentación, es la nueva lingua franca de la IA.