Modelos optimizados para pensar más al inferir marcaron 2025, con saltos en math contests y coding agents.
OpenAI reportó avances o3 en benchmarks difíciles; DeepSeek-R1 y otros open-weight mostraron cadenas de razonamiento competitivas y destilables.
El coste de inferencia se volvió palanca: más tokens de pensamiento, más latencia/coste, mejores tasas de éxito en tareas verificables.
Esa palanca es la misma filosofía que, en 2026, labs aplicarían a problemas matemáticos abiertos con verificación formal.
DeepSeek publicó modelos de razonamiento competitivos con costes de entrenamiento reportados bajos, alterando expectativas de mercado.
La serie o1 introdujo inferencia con “cadena de pensamiento” interna optimizada por RL, destacando en matemáticas y código.
Sistemas fronterizos combinaron diagramas, papers PDF y código en un solo hilo de razonamiento verificado por herramientas.