Cómputo en tiempo de test (test-time compute)

Durante años la mejora de la IA dependía sobre todo de modelos más grandes entrenados con más datos (leyes de escalado clásicas). A partir de 2024-2025 se consolidó una segunda palanca: en lugar de responder de inmediato, el modelo puede emplear más cómputo en la inferencia —razonar paso a paso, generar múltiples cadenas de pensamiento, autoevaluarse, descartar caminos— antes de dar la respuesta final. Esto eleva notablemente la calidad en tareas difíciles (matemáticas, código, planificación, análisis jurídico) sin necesidad de un modelo mayor. La contrapartida es directa para la empresa: una respuesta "con razonamiento profundo" puede costar y tardar varias veces más que una respuesta directa, porque consume muchos más tokens internos. La decisión deja de ser solo "qué modelo" y pasa a ser también "cuánto esfuerzo de razonamiento autorizo en cada tipo de consulta". Los proveedores ofrecen ya niveles de esfuerzo configurables precisamente por esta razón.