Modelo de razonamiento

Un modelo de razonamiento es un LLM que, antes de dar su respuesta final, produce una secuencia de pasos intermedios: plantea el problema, prueba caminos, detecta errores y corrige. Es una versión entrenada y automática de la cadena de pensamiento, que antes había que pedir explícitamente en el prompt.

El hito público fue o1, de OpenAI, presentado en septiembre de 2024: la empresa explicó que lo entrenó con aprendizaje por refuerzo para «pensar» antes de responder y que su desempeño mejoraba tanto con más entrenamiento como con más tiempo de cómputo al momento de responder. En enero de 2025, DeepSeek publicó R1, un modelo de razonamiento de pesos abiertos, y describió en un artículo cómo el aprendizaje por refuerzo hizo surgir ese comportamiento.

A noviembre de 2026, la mayoría de los modelos de frontera de OpenAI, Google y Anthropic integran un modo de razonamiento («thinking») que puede activarse, graduarse o que el propio modelo dosifica según la dificultad de la tarea, según su documentación.

Ventajas: mejor desempeño en matemáticas, programación, análisis y planeación de agentes. Costos: más lentitud y más tokens (que se cobran). Y un matiz importante: el texto de «razonamiento» visible no siempre refleja fielmente cómo llegó el modelo a su respuesta, ni garantiza que la respuesta sea correcta.