Modelos de IA de Razonamiento: Cómo Funcionan y Por Qué Son Importantes

En el otoño de 2024, OpenAI presentó el modelo o1, que causó sensación: en el examen de matemáticas AIME obtuvo un 74 % en modo de intento único y hasta un 93 % con selección por consenso, mientras que GPT-4o solo resolvió el 12 % de los problemas. En el benchmark GPQA Diamond, o1 alcanzó un 78 %, superando la media de los expertos. Estos resultados demuestran las capacidades de los Modelos de Razonamiento a Gran Escala (Large Reasoning Models, LRM), que emulan el lento pensamiento del «Sistema 2» descrito por Kahneman. Otros modelos clasificados como LRM incluyen el de Anthropic (Claude Fable 5, Mythos 5, Opus 4.8), el Gemini 3.1 Pro de Google, DeepSeek R1 y GLM-5.2. A diferencia de los modelos clásicos de lenguaje autoregresivos a gran escala (large language models, LLM), que operan como el rápido «Sistema 1», los modelos de razonamiento utilizan cadenas de pensamiento, computación adicional en tiempo de inferencia (test-time compute) y aprendizaje por refuerzo. Generan tokens de razonamiento invisibles para el usuario, lo que aumenta el tiempo de procesamiento de la solicitud a un minuto o más. La investigación ha demostrado que la estrategia de «pensar más tiempo» es más eficaz que simplemente escalar el tamaño del modelo: un modelo puede rendir tan bien como un LLM 14 veces mayor si dispone de tiempo suficiente para pensar. El sistema DeepSeek-R1 de China integró el razonamiento directamente en el propio modelo, eliminando la necesidad de un «crítico» externo.