OpenAI lanza o1, modelos que razonan antes de responder

OpenAI ha presentado este jueves o1-preview y o1-mini, una nueva familia de modelos que dedica más cómputo a razonar antes de generar una respuesta. La novedad importa porque desplaza parte de la mejora de la IA desde el tamaño del modelo hacia el tiempo que emplea en resolver cada problema.

La compañía había anticipado esta línea de investigación bajo el nombre en clave Strawberry. Su primer resultado comercial no sustituye a GPT-4o: está pensado para tareas en las que una respuesta rápida vale menos que una solución bien planteada, como un problema matemático complejo, una consulta científica o la depuración de código.

Pensar más tiempo antes de contestar

Los modelos de lenguaje convencionales producen texto prediciendo, palabra a palabra, cuál debería ser la continuación más probable. o1 añade una fase de razonamiento interno más extensa. Durante el entrenamiento, OpenAI ha usado aprendizaje por refuerzo, una técnica que recompensa las estrategias que llevan a una respuesta correcta y penaliza los errores.

El resultado es que el modelo puede probar distintos caminos, detectar que uno no funciona y corregirlo antes de ofrecer la contestación final. No equivale a que comprenda un problema como una persona ni convierte cada respuesta en correcta. Sí cambia la manera de abordar encargos que requieren encadenar varios pasos lógicos.

OpenAI no muestra la cadena de pensamiento completa al usuario. En su lugar, la interfaz puede enseñar una breve indicación del proceso mientras el modelo trabaja y después entrega la respuesta. Es una precaución relevante: el razonamiento interno no debe confundirse con una demostración verificable. En matemáticas, investigación o trabajo profesional, la respuesta sigue necesitando revisión humana y contraste con fuentes o cálculos independientes.

Mejores resultados en pruebas de matemáticas y código

La compañía ha acompañado el lanzamiento con resultados que retratan bien el objetivo de o1. En un examen clasificatorio para la Olimpiada Internacional de Matemáticas, GPT-4o resolvió correctamente el 13% de las preguntas, mientras que o1 alcanzó el 83%, según OpenAI. En competiciones de programación de Codeforces, el modelo se situó en el percentil 89.

Estas pruebas no miden toda la inteligencia ni garantizan el mismo rendimiento en un trabajo real. Pero señalan una debilidad conocida de los asistentes generativos: pueden explicar con soltura una solución errónea cuando el problema exige mantener la lógica durante muchos pasos. El avance de o1 está precisamente en reducir ese fallo en dominios estructurados.

o1-preview es la versión generalista y más capaz de la nueva serie. Está disponible desde hoy para los suscriptores de ChatGPT Plus y Team, con un límite inicial de 30 mensajes semanales. También llega a la API para desarrolladores que cumplan los requisitos de acceso de OpenAI.

La segunda versión, o1-mini, se concentra en programación y materias STEM, siglas en inglés para ciencia, tecnología, ingeniería y matemáticas. OpenAI la ofrece como una alternativa más rápida y un 80% más barata que o1-preview: cuesta 3 dólares por millón de tokens de entrada y 12 dólares por millón de tokens de salida, frente a 15 y 60 dólares, respectivamente, de o1-preview. Un token es una unidad de texto que utilizan los modelos para procesar y generar lenguaje.

Más capacidad, pero menos funciones que GPT-4o

El estreno tiene límites claros. En ChatGPT, o1-preview y o1-mini todavía no incorporan herramientas ya habituales en GPT-4o, como la navegación web, la subida de archivos o el análisis de imágenes. También son más lentos: esa pausa no es un defecto accidental, sino el coste de dedicar más recursos al razonamiento.

Esto obliga a elegir modelo según la tarea. Para redactar, resumir un documento o mantener una conversación ágil, GPT-4o seguirá siendo en muchos casos la opción más práctica. Para resolver un ejercicio técnico difícil, revisar una estrategia de programación o explorar una hipótesis científica, o1 puede justificar la espera y el mayor precio.

OpenAI ha evaluado además esta familia con su marco de preparación para riesgos avanzados. La compañía clasifica a o1-preview con riesgo medio en capacidades relacionadas con amenazas químicas, biológicas, radiológicas y nucleares, y aplica salvaguardas específicas a esas consultas. Es una señal de que el razonamiento más competente no solo mejora las respuestas útiles: también obliga a elevar la evaluación de seguridad antes de ampliar el acceso.

La primera versión de o1 es, por tanto, menos un asistente universal que una apuesta por modelos que sepan detenerse a resolver. Su evolución dependerá de si OpenAI logra extender ese razonamiento a más herramientas y tareas sin convertir cada consulta cotidiana en una espera costosa.