OpenAI lanza sus modelos más inteligentes hasta la fecha: o3 y o4-mini con acceso completo a herramientas

OpenAI ha anunciado el lanzamiento de o3 y o4-mini, los últimos modelos de su serie-o caracterizados por su capacidad de razonamiento avanzado. Estos modelos, descritos como los más inteligentes lanzados por la compañía hasta la fecha, representan un cambio significativo en las capacidades de ChatGPT tanto para usuarios curiosos como para investigadores avanzados.

Por primera vez, estos modelos de razonamiento pueden utilizar y combinar de forma autónoma todas las herramientas disponibles en ChatGPT, incluyendo búsquedas web, análisis de archivos con Python, razonamiento visual y generación de imágenes. La innovación clave radica en que están entrenados para decidir cuándo y cómo utilizar estas herramientas para producir respuestas detalladas y reflexivas en los formatos adecuados, generalmente en menos de un minuto.

OpenAI o3 se posiciona como el modelo de razonamiento más potente de la compañía, estableciendo nuevos récords en benchmarks como Codeforces, SWE-bench y MMMU. Está optimizado para consultas complejas que requieren análisis multifacético y destaca especialmente en tareas visuales como el análisis de imágenes, gráficos y elementos gráficos. Según evaluaciones de expertos externos, o3 comete un 20% menos de errores graves que su predecesor, OpenAI o1, en tareas complejas del mundo real, sobresaliendo en programación, consultoría empresarial e ideación creativa.

Por su parte, o4-mini es un modelo más pequeño optimizado para un razonamiento rápido y eficiente. A pesar de su tamaño reducido, logra un rendimiento notable en matemáticas, programación y tareas visuales, siendo el modelo con mejor desempeño en las pruebas AIME 2024 y 2025. En evaluaciones realizadas por expertos, o4-mini también supera a su predecesor, o3-mini, en tareas no-STEM y en dominios como la ciencia de datos.

Una de las innovaciones más destacadas es la capacidad de estos modelos para integrar imágenes directamente en su cadena de pensamiento. No solo "ven" una imagen, sino que "piensan" con ella, lo que desbloquea una nueva clase de resolución de problemas que combina razonamiento visual y textual. Los usuarios pueden cargar fotos de pizarras, diagramas de libros de texto o bocetos dibujados a mano, y los modelos pueden interpretarlos incluso si están borrosos o son de baja calidad.