GPT-5.2: OpenAI logra que su modelo corra un 40 % más rápido (sin «esteroides»)

¿Se ha preguntado alguna vez por qué su chatbot favorito a veces se «cuelga» unos segundos antes de dar una respuesta que claramente ya conoce? En el mundo de los grandes modelos de lenguaje, el tiempo no es solo dinero: es experiencia de usuario y, en última instancia, la supervivencia del producto en el mercado. Hoy el equipo de OpenAI Developers ha echado leña a la carrera de la velocidad al anunciar una aceleración notable de sus modelos actuales. Se trata de GPT-5.2 y del modelo especializado Codex, que de repente funcionan un 40 % más rápido.

Lo más intrigante de la noticia es el aspecto técnico. Los ingenieros de OpenAI subrayaron que esta aceleración se logró sin cambiar la estructura del modelo y sin recalcular los pesos. Para quien no conozca los detalles: normalmente, para acelerar un modelo hay que «recortarlo» (destilación) o reentrenarlo desde cero con menos parámetros. Aquí asistimos a pura magia de optimización de la inferencia. Parece que el equipo de Sam Altman ha encontrado la forma de aprovechar mejor el hardware existente sin sacrificar el «cerebro» de la red neuronal.

¿Por qué importa ahora? Estamos en un punto en que la calidad de las respuestas de los modelos punteros, sean GPT, Claude o Gemini, ha alcanzado cierta meseta. La diferencia de razonamiento es cada vez menos perceptible para el usuario medio. Ahora la batalla pasa al terreno de la eficiencia. Si su modelo genera un código tan bueno como el de la competencia, pero casi una vez y media más rápido, los desarrolladores le elegirán. Para Codex es cuestión de vida o muerte: cuando se escribe código en un IDE, incluso medio segundo de retraso irrita y rompe el hilo del pensamiento.

Este salto del 40 % también golpea a startups de hardware como Groq, que basan su marketing exclusivamente en una velocidad de generación de tokens vertiginosa. Si OpenAI puede seguir optimizando el software a este ritmo, la necesidad de «aceleradores» especializados podría ser menos acuciante de lo que predecían los analistas. Es una señal para todo el mercado: antes de comprar diez mil H100 más, pruebe a reescribir sus kernels CUDA y a optimizar el batching.

Para las empresas, la actualización supone un ahorro directo. Inferencia más rápida significa menos tiempo de servidor por petición. Aún no está claro si afectará al precio de los tokens en la API, pero históricamente OpenAI siempre ha intentado convertir la eficiencia técnica en rebajas de precios para ganar cuota de mercado. Lo más probable es que en las próximas semanas veamos una actualización de tarifas que vuelva a dar quebraderos de cabeza a Anthropic y Google.

En definitiva, la era de la «fuerza bruta», en la que el progreso llegaba solo a base de escalar el cómputo, se ve complementada poco a poco por una era de ingeniería elegante. OpenAI deja claro que no se limita a alquilar enormes clústeres a Microsoft, sino que sabe exprimirlos al máximo. Es una buena señal para toda la industria: el potencial de las arquitecturas actuales está lejos de agotarse.

Lo esencial: OpenAI desplaza el foco de la «inteligencia» a la «velocidad», y el 40 % es solo el principio. ¿Están los competidores preparados para una optimización así sin perder calidad?