Modelo de razonamiento.

En la práctica

Empezó como un truco de prompt. En enero de 2022, Wei y otros autores mostraron que pedir al modelo los pasos intermedios, la cadena de razonamiento (chain of thought), mejoraba sus resultados en problemas de aritmética y de lógica. OpenAI lo convirtió en entrenamiento con o1, que según su ficha técnica de diciembre de 2024 «piensa antes de responder».

Los modelos actuales de Anthropic, OpenAI y Google razonan, y lo que se elige ya no es si piensa, sino cuánto. En Claude Opus 5.5 el razonamiento va siempre activo y el mando es el esfuerzo, de bajo a máximo. OpenAI ofrece lo mismo con su propio parámetro de esfuerzo. Y Anthropic ya no recomienda pedir «piensa paso a paso» en sus modelos más nuevos, que lo hacen solos.

Por qué te importa

Pensar se paga. Anthropic y OpenAI cobran esos tokens de razonamiento como salida, la parte cara, aunque no los veas, y OpenAI calcula que pueden ser desde unos cientos hasta decenas de miles por respuesta. El esfuerzo es un mando de calidad, pero también de tiempo y de coste por tarea.

Un ejemplo. Comprobar si un contrato contradice uno de sus anexos merece esfuerzo alto. Clasificar por tipo los correos que entran pide el mínimo. Los dos fabricantes dan el mismo consejo: subir el esfuerzo solo cuando tus propias pruebas, las evals, demuestren que compensa.

Los límites

Pensar más no garantiza menos alucinaciones. En la clasificación de Vectara de septiembre de 2026, que mide cuánto añaden los modelos al resumir un documento, o3-pro, un modelo de razonamiento, está entre los peores, con un 23,3 %. Y GPT-5.1 añade algo más con esfuerzo alto (12,1 %) que con esfuerzo bajo (10,9 %).

El razonamiento que se enseña tampoco es un acta fiel de lo que pasó. Anthropic comprobó en mayo de 2025 que los modelos que probó, cuando usaban una pista que se les había dado, lo reconocían en su razonamiento a menudo en menos del 20 % de los casos. Ayuda a orientarse, pero no demuestra por qué el modelo decidió lo que decidió.