Sala 5 · Transformers · 2024

Modelos de razonamiento

Modelos de razonamiento (OpenAI o1 · DeepSeek R1, 2024): Más cómputo en pasos intermedios antes de responder.

En septiembre de 2024 OpenAI presentó o1, un modelo entrenado para generar una larga cadena de pasos intermedios antes de responder. A comienzos de 2025, DeepSeek publicó R1, un modelo de razonamiento de pesos abiertos. Estos modelos subieron mucho sus resultados en pruebas de matemática, programación y ciencias. La historia sigue escribiéndose.

En 2022 unos investigadores notaron algo simple. Si le pides a un modelo de lenguaje que muestre su trabajo, es decir, que escriba pasos intermedios antes de la respuesta final, acierta más en problemas de matemáticas y lógica. Un artículo de Google liderado por Jason Wei lo llamó chain-of-thought prompting (instrucciones de cadena de pensamiento), y otro equipo descubrió que bastaba añadir "Let's think step by step" [Pensemos paso a paso] a una pregunta para mejorar los resultados.

En septiembre de 2024 OpenAI presentó o1, un modelo entrenado para hacer esto por sí solo. Mediante aprendizaje por refuerzo, aprendió a producir una larga cadena interna de razonamiento antes de responder: probaba enfoques, los revisaba y corregía errores. OpenAI informó que el rendimiento seguía mejorando tanto con más entrenamiento como con más tiempo de reflexión en el momento de responder. Ese segundo punto era nuevo. En lugar de limitarse a hacer los modelos más grandes, también se podía dejar que trabajaran más tiempo antes de responder, gastando más cómputo por pregunta.

En problemas difíciles de competencias de matemáticas y en preguntas científicas, estos modelos de razonamiento obtuvieron puntajes mucho más altos que los modelos de chat anteriores. También son más lentos y más caros por respuesta, y su razonamiento visible no siempre refleja cómo llegaron realmente a una conclusión, una pregunta abierta en la investigación en interpretabilidad.

En enero de 2025 la empresa china DeepSeek lanzó R1, un modelo de razonamiento de pesos abiertos, junto con un artículo que describía cómo el aprendizaje por refuerzo a gran escala había hecho surgir conductas de razonamiento. El costo de entrenamiento que se reportó fue mucho menor de lo que muchos esperaban, y tras su lanzamiento cayeron con fuerza las acciones de las empresas de chips de IA. En pocos meses, los modos de razonamiento se volvieron una función estándar en modelos de Google, Anthropic y otras empresas.

Esta es la última pieza de la sala porque la historia aún se está escribiendo. Es posible que, cuando leas esto, ya haya modelos nuevos en las noticias.

Pregúntale a tu IA: ¿razona paso a paso antes de responder? Pídele que te diga qué tan seguros podemos estar de que su razonamiento escrito es lo que realmente hizo.

¿Sabías que…? La instrucción «pensemos paso a paso» se popularizó en 2022 para pedirle a un modelo pasos intermedios; a esa técnica se la llamó «cadena de pensamiento».

Fuente: openai.com/index/learning-to-reason-with-llms/

Verla en el museo →

← ChatGPT

Toda la Sala 5: Transformers

Cómo citar: Nazareno, I. (2026). Modelos de razonamiento (2024). New Mind Museum. Consultado el 17 de noviembre de 2026, en https://newmindmuseum.com/es/museo/modelos-de-razonamiento-2024/