Un modelo de razonamiento piensa en tokens antes de responder en tokens
Pregúntale algo difícil a un modelo estándar y empieza a escribir la respuesta de inmediato. Su único "pensamiento" es lo que sucede dentro de la red entre leer tu prompt y producir la primera palabra.
Un modelo de razonamiento está entrenado para hacer algo distinto: primero escribe una cadena de trabajo, a menudo de miles de tokens, y solo después escribe la respuesta. Ese trabajo es texto que el modelo genera para sí mismo. Prueba un enfoque, nota una contradicción, retrocede, verifica la aritmética y finalmente se decide. La mayoría de los productos ocultan esta cadena o muestran un resumen de ella, y etiquetan todo el proceso como "pensamiento".
El pensamiento es la misma predicción del siguiente token que describe qué es un LLM, aplicada al problema durante más tiempo. Un modelo de razonamiento es un modelo de lenguaje que ha sido entrenado, mediante aprendizaje por refuerzo en problemas con respuestas verificables, para gastar más tokens antes de comprometerse. Por eso ayuda más en problemas donde el trabajo se puede verificar y menos en problemas donde no hay nada que trabajar.
De dónde viene la idea, en tres fechas
En enero de 2022, Jason Wei y sus colegas de Google mostraron que incluir en el prompt unos pocos ejemplos resueltos paso a paso elevaba las puntuaciones de un modelo en problemas de matemáticas y lógica. Lo llamaron chain-of-thought prompting, y funcionaba porque escribir los pasos le daba al modelo más tokens y, por lo tanto, más cómputo por problema.
En septiembre de 2024, OpenAI lanzó o1, el primer modelo ampliamente disponible entrenado para hacer esto por defecto en lugar de bajo pedido. El aprendizaje por refuerzo detrás de él recompensaba las cadenas que llevaban a respuestas correctas en matemáticas y código, así que el modelo aprendió a producir por sí mismo trabajos largos y autocorrectivos.
En enero de 2025, DeepSeek lanzó R1 con pesos abiertos y un artículo que describía la receta de entrenamiento, lo que significó que cualquier laboratorio podía reproducir el enfoque. En el transcurso del año, el razonamiento pasó de ser un modelo a ser un modo: un interruptor dentro de GPT, Claude y Gemini, y una familia de filas dedicadas como Kimi K2 Thinking en el catálogo más amplio.
Cuándo pensar se paga solo, y cuándo es puro costo
El patrón en cada benchmark y cada tarea real es el mismo: el razonamiento ayuda en proporción a cuántos pasos tiene el problema y qué tan verificable es la respuesta.
| Tarea | Modo pensamiento | Por qué |
|---|---|---|
| Matemáticas de varios pasos, problemas de palabras, conversiones de unidades | Vale la pena | Los pasos se pueden verificar; los errores se acumulan sin el trabajo |
| Depuración, rastrear un fallo en el código | Vale la pena | El modelo prueba hipótesis contra el código antes de comprometerse |
| Planificar un cronograma, una migración, un presupuesto con restricciones | Vale la pena | Las restricciones interactúan; un primer borrador suele violar alguna |
| Acertijos de lógica, demostraciones, reglas con excepciones | Vale la pena | Todo el punto es la cadena |
| Búsqueda factual ("en qué año ocurrió X") | Desperdiciado | No hay pasos; el modelo lo sabe o no |
| Reescribir, traducir, resumir, cambiar el tono | Desperdiciado | Una sola pasada es la tarea; pensar añade demora y ninguna calidad |
| Conversación casual, lluvia de ideas para una lista | Desperdiciado | Nada que verificar; más tokens para la misma respuesta |
Dos límites honestos. Pensar no arregla la alucinación en hechos; un modelo que no sabe la capital de un país razonará hacia la equivocada con más confianza. Y las cadenas largas pueden salir mal de formas que una respuesta corta no puede: el modelo se convence a sí mismo de abandonar un primer instinto correcto. En preguntas fáciles, una cadena larga a veces termina en un lugar peor que la primera respuesta del modelo simple.
Qué cuesta pensar: los tokens, los segundos y los créditos
La cadena de pensamiento son tokens de salida, el tipo caro, y qué son los tokens en IA muestra que la salida cuesta de cinco a seis veces más que la entrada en todos los modelos principales. Un turno de razonamiento que escribe 3.000 tokens de trabajo antes de una respuesta de 300 tokens ha generado diez veces la salida de la respuesta simple. También tarda aproximadamente diez veces más, porque la salida se produce un token a la vez.
Los rankings ahora ponen precio al dial directamente. Artificial Analysis puntúa cada modelo en cada ajuste de esfuerzo que su proveedor expone, así que el impuesto es medible: el mismo modelo, en su esfuerzo de razonamiento más bajo y más alto, con su puntuación de Intelligence Index sobre cada extremo. Las tres escalas de abajo se leyeron el 2026-09-17.
Grafica cada ajuste y las curvas se cruzan de forma instructiva. GPT-6 Astra llega a 53 a $2.31 por millón de tokens; Claude Fable 5.1 llega a esos mismos 53 puntos a $5.98. Claude Opus 5 al máximo esfuerzo cae en 51, dos puntos por debajo de ambos, a $5.86. El esfuerzo compra puntos en cada curva, y en qué curva estés decide cuánto cuestan esos puntos.
El enrutador Auto de Whizi convierte eso en un precio fijo que puedes ver. Auto lee cada mensaje y lo envía a uno de seis escalones; el escalón es lo que fija el costo en créditos, y el razonamiento de varios pasos se sitúa en la cima en Powerhouse. Pro llega como máximo al escalón de código de 10 créditos, y Starter se queda en el modelo de la casa a 1.
Un turno de razonamiento cuesta 20 créditos frente a 1 para una pregunta rápida: una diferencia de 20 a 1 que refleja el costo en tokens que hay detrás. Auto también se niega a desperdiciarlo. Un mensaje nuevo que clasifica como reescritura o búsqueda va al escalón de 1 o 2 créditos, y un seguimiento en un hilo que ya ganó el escalón de razonamiento se queda ahí, porque el modelo del turno anterior actúa como piso. Cómo Auto elige un modelo tiene la tabla de escalones con el modelo detrás de cada fila.
Cómo usar el modo pensamiento sin pagarlo en todas partes
Trata el pensamiento como una herramienta a la que recurres, no un ajuste que dejas encendido.
- Usa el modelo rápido por defecto. La mayoría de los mensajes son búsquedas, reescrituras y preguntas cortas. Pensar añade segundos y créditos y no cambia nada.
- Actívalo para el turno difícil. Cuando la pregunta tiene varios pasos y una respuesta verificable, mueve ese mensaje a un modelo de razonamiento o activa el pensamiento, y luego vuelve atrás.
- Dale las restricciones en el prompt. Un modelo de razonamiento está en su mejor momento cuando tiene reglas contra las que verificar su plan. "Debe caber en 40 horas, sin reuniones los viernes, el lanzamiento es el día 12" es el tipo de prompt que se gana la espera.
- Lee el trabajo cuando se muestra. La cadena es donde el modelo revela una suposición equivocada. Si el primer paso está mal, la respuesta está mal sin importar cuánto haya pensado.
- No lo uses para verificar hechos. Usa una búsqueda, un documento o un segundo modelo para eso; qué es una alucinación de IA explica por qué pensar más no ayuda ahí.
La regla de decisión en una línea: si querrías ver el razonamiento de alguien antes de confiar en su respuesta, usa un modelo de razonamiento. Si no lo querrías, no lo pagues.
- Mantén el modelo rápido como opción por defecto y recurre al modo pensamiento en el turno difícil específico
- Usa el razonamiento para matemáticas, lógica, planificación con restricciones y depuración
- Sáltatelo para búsquedas, reescrituras, traducción y resúmenes; es más lento y no mejor
- Pon las restricciones en el prompt para que el modelo tenga algo contra qué verificar su plan
- Verifica los hechos con una búsqueda o un segundo modelo, no con una cadena de pensamiento más larga
Preguntas frecuentes
¿Qué hace un modelo de razonamiento realmente distinto?
Escribe una cadena de pasos intermedios antes de la respuesta final, probando enfoques, verificando aritmética y retrocediendo, todo como texto generado. Un modelo estándar empieza a escribir la respuesta de inmediato. El razonamiento es la misma predicción del siguiente token, aplicada durante más tiempo al problema, por lo que ayuda en tareas de varios pasos y no en búsquedas.
¿El modo pensamiento siempre es mejor?
No. En búsquedas factuales, reescrituras, traducción y preguntas casuales es más lento, cuesta más tokens y no mejora la respuesta. En preguntas fáciles, una cadena larga puede convencer al modelo de abandonar un primer instinto correcto. Es mejor en matemáticas, lógica, planificación con restricciones y depuración, donde la respuesta tiene pasos verificables.
¿Por qué el modo pensamiento es más lento y más caro?
Porque el pensamiento son tokens de salida, producidos uno a la vez, y la salida cuesta de cinco a seis veces más que la entrada en todos los modelos principales. Un turno que escribe 3.000 tokens de trabajo antes de una respuesta de 300 tokens genera diez veces la salida de la respuesta simple y tarda unas diez veces más.
¿Qué modelos son modelos de razonamiento?
El o1 de OpenAI en septiembre de 2024 fue el primero ampliamente disponible, y DeepSeek R1 en enero de 2025 publicó la receta con pesos abiertos. Desde entonces, el razonamiento suele ser un modo dentro de GPT, Claude y Gemini en lugar de un producto separado, junto a filas dedicadas como Kimi K2 Thinking. Whizi enruta automáticamente las preguntas de varios pasos a su escalón de razonamiento.
¿Un modelo de razonamiento alucina menos?
En problemas de varios pasos, sí, porque detecta sus propios errores de aritmética y lógica dentro de la cadena. En hechos, no: un modelo que no sabe algo razonará hacia una respuesta equivocada con más confianza. Para hechos, apoyarse en búsqueda o en un documento y en la opinión de un segundo modelo funciona; una cadena de pensamiento más larga no.
