De responder a actuar
Los modelos de lenguaje pasan de escribir respuestas a usar herramientas, navegadores y ordenadores, y a trabajar solos durante horas.
Cadena de pensamiento (28 de enero de 2022)
La cadena de pensamiento hace que el modelo razone por escrito, pero solo con lo que ya sabe.
ReAct (6 de octubre de 2022)
ReAct intercala ese razonamiento con acciones, como buscar en Wikipedia, y usa lo que observa para decidir el siguiente paso.
SWE-bench (10 de octubre de 2023)
Mientras tanto, SWE-bench propone medir a los modelos con incidencias reales de GitHub, mucho más cerca del trabajo real que las pruebas de la época.
Uso de ordenador en Claude (22 de octubre de 2024)
Anthropic aplica el mismo bucle a un ordenador. Claude mira capturas de pantalla, mueve el cursor y escribe.
Model Context Protocol (25 de noviembre de 2024)
Mientras tanto, Anthropic publica un protocolo común para conectar los asistentes con los sistemas donde están los datos.
Operator, Deep Research y Claude Code (23 de enero de 2025)
En un mes llegan tres agentes especializados. Operator navega por la web, Deep Research investiga y redacta informes, y Claude Code programa desde la terminal.
Horizonte temporal de los agentes (18 de marzo de 2025)
METR propone medir a los agentes por la duración de las tareas que completan. Ese horizonte se duplica cada unos siete meses, y en SWE-bench Verified todavía más deprisa.
ChatGPT agent (17 de julio de 2025)
OpenAI une la navegación de Operator y la investigación de Deep Research en un solo agente con ordenador virtual propio y conectores con otras aplicaciones.
GPT-5.4 (5 de marzo de 2026)
El manejo del ordenador deja de ser un producto aparte. GPT-5.4 lo trae incorporado y supera la referencia humana en OSWorld-Verified.