OpenAI lanza sus “modelos más inteligentes y capaces hasta la fecha”

 OpenAI lanza sus “modelos más inteligentes y capaces hasta la fecha”



OpenAI lanzó dos nuevos modelos de “razonamiento”: o3 y o4-mini.

En febrero, el CEO de OpenAI, Sam Altman, había dicho que la compañía planeaba lanzar ambos modelos exclusivamente como componentes de GPT-5, el cual describió como un sistema diseñado para conectar todos los modelos de OpenAI.

Aún no está claro cuándo se lanzará GPT-5.

Pero, ante la creciente presión competitiva, OpenAI optó por un “cambio de planes”, lanzando GPT-4.1, lo que dio inicio a esta tanda de nuevos modelos.

o3, o4-mini y o4-mini-high —que reemplazan a o1, o3-mini y o3-mini-high— ya están disponibles para usuarios de ChatGPT Plus, Pro y Teams; los usuarios de Enterprise tendrán que esperar aproximadamente una semana para acceder. Los usuarios gratuitos, por su parte, podrán probar 4o-mini activando la opción “think” en ChatGPT.

Durante una transmisión en vivo anunciando el lanzamiento, el cofundador de OpenAI, Greg Brockman, lo calificó como un “salto cualitativo hacia el futuro”, y agregó: “estos son los primeros modelos con los que científicos dicen que producen ideas legítimamente buenas, útiles y novedosas”.

Entrenados para realizar razonamiento tipo Chain-of-Thought mediante el escalado del aprendizaje por refuerzo, los modelos pueden buscar en la web, analizar archivos, procesar imágenes, utilizar herramientas y generar imágenes.

OpenAI declaró que o3 comete un 20% menos de errores importantes que o1 en tareas complejas del mundo real —destacándose especialmente en áreas como programación, negocios/consultoría e ideación creativa.

o4-mini, por su parte, fue optimizado para el “razonamiento rápido y rentable”.

Ambos modelos obtienen puntajes altos en diversos benchmarks.

El costo de uso de o3 es de 10 USD por millón de tokens de entrada y 40 USD por millón de tokens de salida, ubicándose en el extremo más costoso de los modelos de OpenAI. o4-mini cuesta 1,1 USD por millón de tokens de entrada y 4,4 USD por millón de salida. Mientras tanto, GPT-4o cuesta 3,75 y 15 USD, respectivamente.

En cuanto a una diferencia significativa entre estos y otros modelos, tanto o3 como o4-mini fueron entrenados para incorporar imágenes en sus cadenas de razonamiento (aunque esto permanece oculto para los usuarios). OpenAI llama a esto “pensar con imágenes”. Además, los modelos obtienen puntajes más altos en pruebas de codificación y fueron entrenados específicamente para usar herramientas de forma autónoma.

Durante la transmisión, Brockman comentó: “la magia está en que, en el fondo, sigue siendo solo predicción del siguiente token”. El laboratorio independiente de investigación en IA Transluce realizó una serie de pruebas con una versión preliminar de o3, y encontró que “frecuentemente inventa acciones que nunca realizó, y luego las justifica elaboradamente cuando se le confronta”.

En mil conversaciones, o3 afirmó regularmente tener acceso a herramientas de codificación (cuando en realidad no lo tenía) y luego defendió con firmeza esas afirmaciones, según Transluce. Este fenómeno también estuvo presente en o3-mini y o1.

“Estos comportamientos son sorprendentes”, dijo Transluce. “Parece que, a pesar de ser increíblemente poderoso en tareas matemáticas y de programación, o3 no es veraz por defecto sobre sus capacidades”.

De hecho, la tarjeta del sistema de o3 y o4-mini menciona esto, aunque sin entrar en detalles: “Específicamente, o3 tiende a hacer más afirmaciones en general, lo que lleva tanto a afirmaciones más precisas como a más afirmaciones incorrectas o alucinadas”.

o3 tiene una tasa de precisión de 0,59, según esa tarjeta, superior al 0,47 de o1. Pero también alucina más, con una puntuación de 0,33, frente a 0,16 de o1 (puntuaciones más bajas indican menos alucinaciones).

En cuanto a la seguridad, el equipo de OpenAI determinó que ninguno de los modelos representa un riesgo “alto” en las categorías de biología, ciberseguridad o auto-mejora. Por lo tanto, OpenAI no publicará un informe de salvaguardas para ninguno de los modelos.

Como es habitual, los datos de entrenamiento, la intensidad energética y las emisiones de carbono (tanto para el entrenamiento como para el uso) de ambos modelos siguen siendo desconocidos, aunque se sabe que los modelos de “razonamiento” consumen significativamente más energía que los modelos no orientados al razonamiento.

Mg. en Ing. Carlos Gerardo Said

Comments

Popular posts from this blog

IBM goes big to keep quantum computers cold

IBM - avances en mantener adecuadamente fríos computadores cuánticos.

Estructura multinivel de los sistemas de agentes de IA