El modelo o3 de OpenAI está dando de qué hablar en la industria de la inteligencia artificial, gracias a sus puntuaciones que rivalizan con las de programadores humanos y su enfoque en el razonamiento avanzado. Según informes, este modelo promete mejorar la eficiencia en programación, matemáticas y resolución de problemas, y lo hace apenas tres meses después de que o1 saliera a la luz.
o3 sorprende en los tests de programación
Según la fuente, uno de los benchmarks más sorprendentes es el SWE-bench Verified, donde o3 logra un 71,7% de aciertos, superando ampliamente a otros competidores. Esta prueba incluye preguntas típicas de ingenieros de software que, hasta ahora, ponían en aprietos a los modelos de IA. Sin embargo, o3 sube el listón con soltura, generando expectativas para futuros desarrollos.
También en Codeforces, que evalúa programación competitiva, o3 obtiene 2.727 puntos, situándose en un ELO que solamente 175 programadores humanos superan. Este nivel, según expertos, demuestra que estamos ante un salto “extraordinario” de calidad, muy por encima de versiones anteriores y de otros modelos conocidos.
Para mantenerte al tanto de más pruebas y comparativas, puedes revisar nuestra sección de rankings, donde analizamos los modelos más relevantes en el mercado de la IA.
Rendimiento sorprendente en tests de razonamiento y matemáticas
La nota de prensa subraya el rendimiento de o3 en GPQA Diamond, un test de preguntas científicas donde alcanzó el 87,7%. Según informes, ese porcentaje supera con creces el nivel medio de doctorado, que ronda el 70%. Además, o3 brilla en FrontierMath, un benchmark especialmente exigente donde logra un inédito 25,2%, comparado con el 2% que ostentaban otros modelos punteros.
Estos datos parecen contradecir la idea de que la IA aún tardaría varios años en superar ciertos retos. Según la fuente, o3 va abriendo paso a un futuro en el que la inteligencia artificial sea capaz de manejar conceptos matemáticos avanzados y retos lógicos casi al nivel de expertos humanos. Puedes conocer más detalles en el sitio web de Epoch AI.
ARC-AGI y la paradoja de Moravec
Otro aspecto destacable es la capacidad de o3 para enfrentarse al benchmark ARC-AGI, creado por François Chollet en 2019. Esta prueba evalúa la habilidad de la IA para adaptarse a nuevos problemas no anticipados por sus creadores. GPT-4o apenas lograba un 5%, mientras o1 alcanzaba un 32%. Sin embargo, o3 escala hasta un 87,5% en modo de “alta computación”, cifra que, según informes, marca un hito excepcional.
Aun así, existe un margen de mejora. Según la nota de prensa, no se considera que o3 sea una inteligencia artificial general (AGI), ya que todavía falla en tareas que a los humanos nos resultan obvias. Sin embargo, se planea lanzar un ARC-AGI-2 para poner a prueba aún más las habilidades de este modelo.
La cautela de OpenAI: un lanzamiento parcial
Según la fuente, OpenAI mantiene un discurso moderado ante el potencial de o3. Parte de su estrategia consiste en presentar primero el modelo o3-mini, versión que reduce latencia y costes, y podría lanzarse en el primer trimestre de 2025. Sam Altman, CEO de la compañía, ve en esta modalidad una gran ayuda para programar, ya que equilibrará rendimiento y precio.
Por otro lado, la empresa necesita ingresos de manera urgente, dada la enorme inversión que está realizando en su ecosistema de modelos. Ofrecer soluciones tan potentes como o3 y, a la vez, variantes más accesibles, podría ser el plan perfecto para recuperar parte de esa inversión y competir con otras IA como Gemini 2.0 Flash o Claude Sonnet 3.5.
Costes y oportunidades de mercado
Un tema candente es el precio que podría tener o3 en su versión completa. Se rumorea que podría alcanzar cifras astronómicas por tarea, aunque la empresa está trabajando en optimizaciones para hacerlo rentable. Según informes, la clave estará en combinar el modelo robusto con versiones más ligeras, de modo que cada cliente escoja lo que mejor se ajuste a sus necesidades.
Esta estrategia de diversificación permitiría a OpenAI segmentar a sus usuarios en distintos planes y tarifas. De esa manera, los programadores más exigentes podrían pagar por la máxima potencia, mientras que quienes necesiten una IA funcional y veloz optarían por versiones más asequibles. Si deseas informarte más sobre los planes de suscripción, visita nuestro artículo sobre precios de OpenAI.
¿Una IA para todo o distintas herramientas?
El lanzamiento de o3 lanza la discusión sobre la evolución de la IA: por un lado, vemos modelos “rápidos” y generalistas como ChatGPT/Gemini/Claude, y por otro, modelos más potentes y especializados como o3 u o1, con razonamiento más profundo y menos tolerancia a errores. Esta dualidad podría convertirse en la norma, ofreciendo opciones más refinadas para ámbitos como la ciencia y la programación avanzada.
Según la fuente, esta estrategia permite a OpenAI competir en varios frentes y satisfacer las exigencias de usuarios que buscan un nivel de precisión inigualable. Al mismo tiempo, puede mantener un mercado más amplio con versiones orientadas a la usabilidad y la rapidez, sin llegar a disparar los costes por tarea.
Perspectivas y futuro de o3
En definitiva, o3 apunta alto y revoluciona la percepción de lo que la IA puede lograr en campos como la codificación y el razonamiento. Aunque no se puede confirmar que sea una “AGI” completa, sus puntuaciones en benchmarks son innegablemente sorprendentes. Aun así, faltan más pruebas en entornos cotidianos para comprobar su verdadero alcance.
Con un lanzamiento escalonado y la promesa de o3-mini, OpenAI busca equilibrar el rendimiento con la rentabilidad, algo vital para mantenerse competitiva. Según informes, la evolución de estos modelos no se detendrá, y en los próximos meses podríamos ver nuevos avances que desafíen incluso los resultados ya obtenidos. Si quieres conocer más sobre el futuro de la IA, pásate por nuestra sección de novedades en IA y mantente al día.
Fuente: https://decrypt.co/es/299068/modelo-o3-de-openai-alcanza-puntuaciones-de-nivel-humano-puede-considerarse-agi