OpenAI recupera GPT-4o tras la protesta por el estreno de GPT-5

El 12 de agosto de 2025, OpenAI volvió a ofrecer GPT-4o a suscriptores de pago después de la transición inicial a GPT-5. La fuente original sostiene el núcleo documental del hecho; el cambio de catálogo confirma disponibilidad, no permite medir por sí solo la intensidad ni las causas de la reacción.

GPT-5 se presentó la semana pasada como el intento de simplificar ChatGPT. En lugar de obligar al usuario a escoger entre una lista de modelos, OpenAI propuso un sistema de enrutamiento automático: el servicio decidiría internamente qué variante de GPT-5 era la más adecuada para cada pregunta. La promesa era sencilla: una sola interfaz y menos decisiones técnicas para el usuario.

La acogida ha mostrado el límite de esa idea. Un asistente que responde rápido no siempre es el que una persona considera más útil; y uno que razona durante más tiempo tampoco satisface necesariamente a quien busca un estilo concreto de escritura, una conversación más cálida o una respuesta menos extensa.

GPT-4o regresa, pero el selector también

Sam Altman, consejero delegado de OpenAI, confirmó que GPT-4o volvería para los clientes Plus ante la demanda. La compañía también ha restaurado el selector de modelos y permite elegir entre los modos Auto, Fast y Thinking de GPT-5.

Auto mantiene la lógica original del lanzamiento: un sistema decide cuándo conviene priorizar rapidez y cuándo activar un razonamiento más costoso. Fast ofrece respuestas con menor demora, mientras que Thinking da acceso directo a la variante orientada a tareas que requieren más pasos de razonamiento. OpenAI ha fijado para GPT-5 Thinking un límite de 3.000 mensajes semanales antes de pasar a capacidad adicional. Documento que sostiene la cifra.

Los usuarios de pago pueden recuperar además modelos anteriores como GPT-4.1 y o3 desde la configuración de ChatGPT. GPT-4o aparece de nuevo directamente en el selector.

Es una solución pragmática, pero supone abandonar por ahora la aspiración de que el usuario no tenga que pensar en modelos. La pantalla vuelve a concentrar opciones con nombres que la mayoría del público no puede comparar de forma intuitiva. El enrutador automático debería haber resuelto esa complejidad; la reacción al lanzamiento indica que aún no genera la confianza suficiente para hacerlo solo.

El problema no era solo técnico

Parte de las críticas a GPT-5 se centraron en el funcionamiento inicial de su enrutador. Altman reconoció durante una sesión de preguntas en Reddit que el sistema tuvo problemas el día del lanzamiento, lo que hizo que algunos usuarios recibieran respuestas peores de las esperadas o percibieran un retroceso frente a modelos anteriores.

Pero el caso de GPT-4o va más allá de un fallo de infraestructura. Los modelos no se diferencian únicamente por sus resultados en pruebas de programación, matemáticas o conocimiento. También cambian en la longitud de sus respuestas, en su tendencia a discrepar, en la forma de hacer preguntas y en el grado de cercanía que transmiten.

OpenAI trabaja ahora en una actualización de la personalidad de GPT-5 para hacerla más cálida, aunque sin reproducir exactamente el estilo de GPT-4o. Altman ha señalado que la lección es avanzar hacia una personalización mayor para cada usuario y que, si GPT-4o vuelve a retirarse, la empresa avisará con antelación.

Una dependencia que las plataformas deben tratar con cuidado

La protesta ilustra una transformación relevante de los chatbots de consumo. Para mucha gente, cambiar de modelo se parece menos a actualizar una herramienta que a perder un interlocutor habitual. Cuando Anthropic retiró Claude 3 Sonnet, usuarios de San Francisco llegaron a organizar un funeral simbólico para el modelo.

Ese apego no es necesariamente un problema: una interfaz conversacional consistente puede hacer más accesible la tecnología. Sin embargo, plantea obligaciones de diseño. Las empresas pueden modificar, limitar o retirar un modelo desde sus servidores sin que el usuario conserve una copia, un historial funcional equivalente ni control sobre el comportamiento futuro del asistente.

También exige cautela en salud mental. Los sistemas conversacionales pueden reforzar dinámicas poco saludables en personas vulnerables si validan de forma acrítica ideas dañinas o fomentan una dependencia emocional. Devolver GPT-4o resuelve una crisis inmediata de producto, pero no elimina la cuestión de fondo: las grandes plataformas de IA tendrán que explicar mejor qué cambia cuando sustituyen un modelo y ofrecer controles reales sobre la experiencia que están modificando.

Cómo convertir el titular en una comprobación

El primer paso es congelar la identidad del sistema. OpenAI volvió a ofrecer GPT-4o a suscriptores de pago después de la transición inicial a GPT-5. Un nombre comercial puede cubrir revisiones, rutas automáticas y herramientas distintas. La ficha de prueba debe guardar fecha, modalidad de acceso, configuración, permisos y salida completa. Sin esa fotografía, una mejora o un fallo observado hoy no puede atribuirse con rigor a la versión que otra persona usará mañana.

Después hay que convertir cómo tratar la versión de un asistente como una dependencia que puede cambiar en casos con criterio de aceptación. Se prepara una muestra propia que incluya tareas fáciles, ambiguas, largas y deliberadamente imposibles. Se anota qué entrada recibe el modelo, qué información puede consultar y qué resultado sería suficiente. Una demostración elegida por el proveedor enseña posibilidad; una batería conservada por el usuario mide fiabilidad.

La autonomía requiere una escala de permisos. Leer y proponer no es lo mismo que modificar, enviar o comprar. La configuración segura concede primero acceso de solo lectura, exige una vista previa y reserva la ejecución para una aprobación explícita. También conserva un registro y una vía de deshacer. El modelo se juzga por los errores que el sistema contiene, no por la confianza con la que describe su plan.

Qué debe quedar registrado

Coste y calidad deben medirse juntos. Una respuesta barata que obliga a revisar desde cero puede costar más que otra lenta pero verificable. La medición incluye espera, reintentos, consumo, supervisión humana y consecuencias de un fallo. el cambio de catálogo confirma disponibilidad, no permite medir por sí solo la intensidad ni las causas de la reacción. Esa frontera convierte el anuncio en una hipótesis que puede comprobarse en lugar de una promesa que deba creerse.

Una ficha de evidencia separa cuatro columnas: lo que afirma la fuente, lo que muestra, lo que no midió y qué tendría que ocurrir para cambiar la conclusión. Esa disciplina evita que una ausencia se convierta en promesa y que una condición desaparezca al resumir. También permite actualizar la pieza sin reescribir la historia desde el resultado posterior.

Conviene incluir un caso negativo antes de decidir. Se busca una situación donde el sistema, norma, operación o estudio no resuelva la necesidad y se anota la señal que obligaría a parar. Los éxitos seleccionados muestran que algo puede ocurrir; el caso negativo revela el límite y reduce el coste de descubrirlo después del despliegue.

La capacidad que sobrevive al anuncio

La comparación válida conserva denominador y eje. No enfrenta una cifra puntual con un promedio, una capacidad futura con una instalada ni una predicción con una observación. Cuando dos fuentes usan palabras parecidas, se reconstruye qué contaron y durante qué periodo. Si no coinciden, se publican como medidas distintas en vez de fabricar una clasificación.

El registro debe sobrevivir al cambio de versión. Guarda URL, fecha de consulta, documento, configuración y decisión tomada. Al aparecer nueva evidencia, se añade con su fecha y se explica qué modifica. Esa trazabilidad protege contra dos errores opuestos: mantener una conclusión caducada o fingir que un dato posterior ya se conocía el día del hecho.

La capacidad transferible de esta pieza es cómo tratar la versión de un asistente como una dependencia que puede cambiar. El procedimiento es breve: nombrar el documento, conservar la fecha, fijar el eje, buscar la condición y diseñar una comprobación que pueda fallar. Con esos pasos, el lector no necesita aceptar ni rechazar el anuncio por intuición; puede decidir con una cadena visible de evidencia.