Del razonamiento pedido al razonamiento entrenado
Una forma de escribir los ejemplos de una instrucción se convierte en un método de entrenamiento, y en dos años todos los laboratorios ofrecen modelos que piensan antes de responder.
GPT-3 (28 de mayo de 2020)
GPT-3 muestra que un modelo de lenguaje grande resuelve tareas nuevas a partir de unos pocos ejemplos en la instrucción.
Cadena de pensamiento (28 de enero de 2022)
Wei y sus colegas cambian solo los ejemplos. Si incluyen los pasos intermedios del razonamiento, modelos como GPT-3 o PaLM escriben sus propios pasos y aciertan mucho más.
Árbol de pensamientos (17 de mayo de 2023)
El árbol de pensamientos generaliza la cadena. El modelo explora varios caminos, los evalúa y puede volver atrás.
OpenAI o1 (12 de septiembre de 2024)
OpenAI deja de pedir el razonamiento en la instrucción y entrena a o1 con aprendizaje por refuerzo para que piense antes de responder. Más tiempo de pensamiento da mejores respuestas.
DeepSeek-V3 (26 de diciembre de 2024)
Mientras tanto, en China, DeepSeek publica V3, un modelo abierto entrenado con mucho menos cálculo del habitual.
DeepSeek-R1 (20 de enero de 2025)
Sobre V3, DeepSeek reproduce el paradigma de o1 con pesos abiertos. Su variante R1-Zero aprende a razonar solo con aprendizaje por refuerzo.
Grok 3 (17 de febrero de 2025)
xAI incorpora a Grok 3 un modo que razona antes de responder.
Claude 3.7 Sonnet (24 de febrero de 2025)
Anthropic une en un solo modelo la respuesta rápida y el razonamiento extendido, con un presupuesto de pensamiento que se puede regular.
Gemini 2.5 Pro (25 de marzo de 2025)
Con Gemini 2.5, Google hace que todos los modelos de su nueva generación piensen antes de responder. El razonamiento ya no es una línea aparte.