GPT-4.5 'Orion': el mayor modelo de OpenAI que ya no razona ni convence

OpenAI anunció este jueves el lanzamiento de GPT-4.5, el modelo con nombre en clave Orion que buena parte del sector llevaba meses esperando. Es el modelo más grande que ha entrenado la compañía, con más potencia de cómputo y más datos que ninguno de sus predecesores. Y sin embargo, en su propio informe técnico OpenAI reconoce que no lo considera un modelo frontier —es decir, no está en la vanguardia absoluta del campo—. La forma tibia en que la propia empresa lo presenta dice más sobre el estado de la IA que cualquier tabla de resultados.

Qué es GPT-4.5 y quién puede usarlo

GPT-4.5 llegó primero a los suscriptores de ChatGPT Pro, el plan de 200 dólares al mes, dentro de una research preview (una versión de acceso anticipado que la propia empresa usa para estudiar cómo funciona el modelo en la práctica). Los desarrolladores con planes de pago de la API también obtuvieron acceso el mismo día. Para el resto —los usuarios de ChatGPT Plus y ChatGPT Team— OpenAI adelantó a TechCrunch que el modelo llegaría la semana siguiente.

La compañía insiste en un punto importante: GPT-4.5 no es un reemplazo directo de GPT-4o, el modelo de uso general que mueve la mayor parte de su API y de ChatGPT. Admite subida de archivos e imágenes y funciona con la herramienta canvas de ChatGPT, pero de momento carece de capacidades que GPT-4o sí tiene, como el modo de voz bidireccional realista.

Un detalle revelador: la frase que desapareció

Horas después del lanzamiento, OpenAI eliminó del informe técnico una línea que decía literalmente que "GPT-4.5 no es un modelo frontier". La versión nueva del documento ya no la incluye. El matiz no es menor para entender la operación de comunicación: la empresa reconoció por escrito las limitaciones de su modelo más caro y grande, y después retiró esa admisión.

Más allá del gesto, el propio tono del anuncio delata cautela. "Compartimos GPT-4.5 como una research preview para entender mejor sus fortalezas y limitaciones", escribió OpenAI en su blog. "Todavía estamos explorando de qué es capaz y tenemos ganas de ver cómo lo usa la gente de maneras que quizá no habíamos previsto." No es el lenguaje de quien presenta un salto generacional.

En qué es mejor y en qué se queda corto

GPT-4.5 se construyó con la misma técnica clave que dio a luz a GPT-4, GPT-3, GPT-2 y GPT-1: aumentar de forma drástica la cantidad de cómputo y datos durante una fase de "preentrenamiento" llamada aprendizaje no supervisado. En cada generación anterior, escalar así producía saltos enormes de rendimiento en matemáticas, escritura y programación.

Esta vez el patrón se rompe. OpenAI afirma que el mayor tamaño le ha dado a GPT-4.5 "un conocimiento del mundo más profundo" y "una mayor inteligencia emocional". El modelo responde con un tono más cálido y natural, se defiende bien en tareas creativas como la escritura y, según la empresa, entiende mejor la intención humana.

Donde brilla es en fiabilidad factual. En el benchmark SimpleQA, que mide la precisión ante preguntas de hecho directas, GPT-4.5 supera a GPT-4o y a los modelos de razonamiento o1 y o3-mini de la propia OpenAI. La empresa sostiene que alucina —se inventa datos— con menos frecuencia que la mayoría de modelos. Con un matiz incómodo: el modelo Deep Research de la startup Perplexity, que rinde de forma parecida al de OpenAI en otras pruebas, supera a GPT-4.5 en este test de precisión factual.

En programación, el resultado es desigual. En un subconjunto del benchmark SWE-Bench Verified, GPT-4.5 iguala más o menos a GPT-4o y o3-mini, pero se queda por debajo del modelo de investigación profunda de OpenAI y de Claude 3.7 Sonnet de Anthropic. En otra prueba, SWE-Lancer —que mide la capacidad de desarrollar funciones completas de software—, supera a GPT-4o y o3-mini, pero tampoco alcanza al de investigación profunda.

Y en los benchmarks académicos difíciles como AIME y GPQA, GPT-4.5 no llega al nivel de los modelos de razonamiento punteros: o3-mini, R1 de DeepSeek y Claude 3.7 Sonnet. Iguala o supera a los mejores modelos sin razonamiento en esas mismas pruebas, lo que indica que se maneja bien en problemas de matemáticas y ciencias, pero deja clara la jerarquía: el modelo más grande de OpenAI queda por detrás de modelos más pequeños que "piensan" antes de responder.

La empresa apela a lo que las métricas no capturan. En una prueba informal, pidió a GPT-4.5, GPT-4o y o3-mini que dibujaran un unicornio en SVG, un formato de gráficos basado en fórmulas matemáticas y código. GPT-4.5 fue el único que produjo algo parecido a un unicornio. En otra, ante la frase "lo estoy pasando mal tras suspender un examen", los tres dieron información útil, pero la respuesta de GPT-4.5 fue la más adecuada socialmente.

El precio: entre 15 y 30 veces más caro

El punto que más condiciona el futuro de GPT-4.5 es su coste. OpenAI cobra a los desarrolladores 75 dólares por cada millón de tokens de entrada (unas 750.000 palabras) y 150 dólares por cada millón de tokens de salida. La comparación con GPT-4o es demoledora: ese modelo cuesta 2,50 dólares por millón de tokens de entrada y 10 por millón de salida. Es decir, GPT-4.5 sale 30 veces más caro en la entrada y 15 veces más caro en la salida.

Es tan costoso de operar que OpenAI admite estar evaluando si mantener GPT-4.5 en su API a largo plazo. Que una empresa se plantee retirar un producto el mismo día que lo lanza resume su encaje comercial.

El techo del preentrenamiento, a la vista

OpenAI afirma que GPT-4.5 está "en la frontera de lo posible en el aprendizaje no supervisado". Puede que sea cierto, y precisamente por eso resulta preocupante para la estrategia dominante de la industria. Durante años, la receta fue simple: más datos y más cómputo equivalían a más capacidad. GPT-4.5 sugiere que esa curva se está aplanando.

No es una sospecha aislada. El cofundador y ex científico jefe de OpenAI, Ilya Sutskever, afirmó en diciembre que "hemos alcanzado el pico de datos" y que "el preentrenamiento tal como lo conocemos terminará sin lugar a dudas". Sus palabras hicieron eco de las inquietudes que inversores, fundadores e investigadores venían compartiendo.

La respuesta del sector —OpenAI incluida— ha sido apostar por los modelos de razonamiento, que tardan más en resolver tareas pero suelen ser más consistentes. La idea es que, dándoles más tiempo y cómputo para "pensar" un problema, se puede mejorar su capacidad de forma significativa sin necesidad de entrenar modelos cada vez más colosales.

Un peldaño, no una cima

OpenAI planea combinar su serie GPT con su serie "o" de razonamiento, empezando por GPT-5 este mismo año. GPT-4.5 —que, según se ha informado, fue extraordinariamente caro de entrenar, se retrasó varias veces y no cumplió las expectativas internas— quizá no gane por sí solo ninguna corona en los benchmarks.

Su valor real, para la empresa, parece estar en otro sitio: es un experimento a gran escala sobre los límites de una técnica, y un peldaño hacia la fusión de conocimiento y razonamiento que promete GPT-5. Para los usuarios y las empresas, el mensaje práctico es más sobrio. El modelo más grande de OpenAI hasta la fecha es también uno de los más difíciles de justificar económicamente, y llega en el momento en que la propia industria admite que hacer los modelos más grandes ya no basta.