Un modelo de razonamiento es un modelo de lenguaje entrenado para escribir pasos intermedios antes de dar la respuesta final. Esos pasos le sirven para resolver problemas de varios pasos con menos errores. A cambio, la respuesta tarda más y gasta más tokens que la de un modelo que contesta directo.
Una pregunta de la app. Elige una respuesta.
Un modelo que razona se parece a alguien que...
Eso es responder sin borrador. Un modelo que razona escribe pasos intermedios antes de la respuesta final.
Escribe pasos intermedios y luego la respuesta. Es una analogía: no piensa como una persona.
No consulta una respuesta guardada: genera texto, y al razonar también genera pasos intermedios.
Una forma de imaginarlo: es como alguien que hace las cuentas en un borrador antes de contestar, en vez de decir lo primero que se le ocurre. Es solo una analogía. El modelo no piensa como una persona: sigue siendo un modelo de lenguaje que genera texto, solo que primero genera pasos intermedios y después la respuesta.
Suele ayudar cuando la respuesta depende de encadenar pasos: problemas de lógica, matemática, código difícil, planes con restricciones o decisiones con varias condiciones. Para preguntas simples, un dato conocido o reescribir un texto, muchas veces un modelo común responde igual de bien, más rápido y más barato. Lo seguro es probar con tus casos.
Escribir el borrador lleva tiempo, porque la respuesta se genera token por token. Y esos tokens de razonamiento se cobran como salida aunque no se muestren. Muchos de estos modelos traen un ajuste de effort para elegir cuánto razonar: menos effort ahorra tiempo y dinero, más effort puede ayudar en problemas difíciles.
Tampoco hay garantía de acierto: un modelo de razonamiento puede equivocarse, y un borrador largo no vuelve verdadero lo que dice. Cada proveedor llama y configura estos modelos a su manera, así que revisa cómo funciona el que vas a usar.