OpenAI o1
Etapa 5 · IA generativa, razonamiento y agentes (2022–2026) › Alineamiento y razonamiento
- Linaje
- Símbolos y lógica
- Tipo
- Implementación
Quién
OpenAI
Qué ocurrió
OpenAI presenta o1-preview y o1-mini, modelos entrenados con aprendizaje por refuerzo para generar una cadena de pensamiento antes de responder. En el examen de matemáticas AIME de 2024, o1 resuelve el 74 % de los problemas con un solo intento, frente al 12 % de GPT-4o. El o1 completo llega el 5 de diciembre.
Qué aportó
Primer modelo comercial entrenado para razonar antes de responder. Abre una segunda vía para mejorar los modelos: dejarles pensar más tiempo al responder.
Desarrollo
Hasta 2024, la forma principal de mejorar un modelo de lenguaje era entrenarlo más grande y con más datos. La cadena de pensamiento mostraba que razonar por escrito ayudaba, pero los modelos lo hacían porque se les pedía en la instrucción, no porque se les hubiera entrenado para ello.
OpenAI entrenó o1, un proyecto que según la prensa se conoció internamente como Q* y después como Strawberry, con aprendizaje por refuerzo a gran escala para que usara su cadena de pensamiento de forma productiva antes de dar la respuesta. Según la empresa, el rendimiento mejoraba de forma sostenida con más aprendizaje por refuerzo, el cálculo del entrenamiento, y con más tiempo de pensamiento al responder, el cálculo de la inferencia. Era una nueva dimensión en la que escalar.
Los resultados fueron un salto en matemáticas y programación. En el examen AIME de 2024, o1 resolvió el 74 % de los problemas con un intento por problema, frente al 12 % de GPT-4o, y el 93 % al elegir entre mil intentos. En programación competitiva quedó en el percentil 89 de Codeforces, y en un conjunto de preguntas de física, biología y química superó la precisión de expertos con doctorado.
OpenAI decidió no mostrar la cadena de pensamiento completa, sino un resumen generado por el propio modelo. En diciembre anunció o3, su sucesor.
Vídeos
- Building OpenAI o1 (Extended Cut) (se abre en una pestaña nueva) (OpenAI · en inglés)
Viene de
Cadena de pensamiento (28 de enero de 2022)
Herencia sin relación directa demostrada
o1 se entrena con aprendizaje por refuerzo para usar de forma productiva una cadena de pensamiento antes de responder
Lleva a
DeepSeek-R1 (20 de enero de 2025)
Herencia sin relación directa demostrada
Mismo paradigma; no hay dependencia directa documentada
Grok 3 (17 de febrero de 2025), Claude 3.7 Sonnet (24 de febrero de 2025), Gemini 2.5 Pro (25 de marzo de 2025)
Herencia sin relación directa demostrada
Tras o1, los tres laboratorios incorporan a sus modelos principales un modo que razona antes de responder
Hilos que pasan por aquí
- Del razonamiento pedido al razonamiento entrenado (paso 4 de 9)
Bibliografía
Estudios y contexto
Cómo citar
«OpenAI o1». En La historia de la IA, revisión del 13 de noviembre de 2026. https://thehistoryofai.com/es/hito/o1
Última revisión de esta ficha: 13 de noviembre de 2026.