En pocas palabras
Los modelos de razonamiento son una familia de IA que, antes de responder, dedican un tiempo extra a «pensar». Recorren el problema por dentro, prueban caminos y solo después dan la respuesta. Eso los hace mucho mejores en cosas difíciles como matemáticas, lógica y programación.
Explicado fácil
Piensa en un examen de mates con un problema enredado. Un alumno responde lo primero que se le ocurre y, con prisas, se equivoca. Otro coge el lápiz, hace los cálculos en un papel borrador, comprueba y entonces escribe la respuesta. El segundo acierta más porque se ha tomado su tiempo para pensar.
Un modelo de razonamiento es ese segundo alumno. En vez de contestar al instante, usa un rato extra para darle vueltas al problema por dentro, como un borrador mental. Para una pregunta fácil casi no hace falta, pero para una difícil esa pausa de pensar marca la diferencia entre acertar y meter la pata.
¿Por qué importa para crear agentes de IA?
Los agentes a menudo se enfrentan a problemas que requieren lógica de varios pasos: planificar, depurar código, resolver un cálculo o decidir entre varias opciones. En esos casos, un modelo de razonamiento se equivoca mucho menos. La contrapartida es que tarda más y cuesta más, así que conviene usarlo para las partes difíciles y reservar modelos rápidos para lo sencillo. En 2026, o3 de OpenAI, los modos de razonamiento de Claude y las variantes «thinking» de Gemini son los más conocidos.
Un ejemplo
Le pides al agente: «si compro 3 cajas de 12 lápices y regalo 7 lápices, ¿cuántos me quedan?». Un modelo rápido podría soltar un número al vuelo y fallar. Un modelo de razonamiento lo hace por pasos: 3 por 12 son 36, menos 7 son 29. Como ha pensado por etapas, da el resultado correcto.