ChatGPT 5.2 Pro contra Gemini 3 Pro: ¿cuál sabe pensar de verdad?

¿Recuerdan aquellos tiempos gloriosos en que ChatGPT no podía multiplicar dos números de tres cifras sin convertirse en un generador de dígitos aleatorios? Olvídenlos. Hemos entrado en una era en la que las redes neuronales compiten por el título de mejor matemático olímpico mientras nosotros observamos con pereza cómo malabarean con integrales e inversiones geométricas. El lanzamiento de ChatGPT 5.2 Pro y Gemini 3 Pro supuso el tránsito definitivo de la industria de «adivinar la siguiente palabra» a la planificación y la inferencia lógica en sentido pleno. Ya no son simples chatbots, sino auténticos motores de razonamiento, capaces de rumiar metódicamente un problema hasta dar con una solución elegante.

Con su versión 5.2 Pro, OpenAI apunta claramente al sector científico profundo. Después de que las iteraciones anteriores de sus modelos aprendieran a escribir código de forma aceptable, surgió una pregunta fundamental: ¿qué pasa con el «System 2 thinking», ese proceso de pensamiento lento y consciente? Google respondió con Gemini 3 Pro, y prometió que su modelo entiende el contexto y los vínculos lógicos multicapa mejor que la competencia. Decidimos comprobarlo en la práctica y les planteamos ocho problemas que harían sudar incluso a un egresado de una universidad técnica de prestigio. Sin acceso a búsqueda: solo potencia de cálculo pura y la capacidad de escribir scripts de Python al vuelo para verificar sus conjeturas.

Los resultados de este duelo son muy reveladores para el futuro de toda la industria. ChatGPT 5.2 Pro demuestra una estabilidad inquietante al construir largas cadenas de razonamiento. Ya no se apresura a soltar una respuesta al instante imitando la intuición humana. El modelo hace una pausa, construye un árbol interno de decisiones y, lo más importante, sabe detectar errores en sus propios cálculos antes de presentárselos al usuario. Es una habilidad crítica para usar la IA en programación real o en el diseño de sistemas complejos, donde el coste de un error es demasiado alto.

Gemini 3 Pro, por su parte, se comportó como un estudiante increíblemente erudito, pero a veces demasiado apresurado. En combinatoria y álgebra pura, el modelo de Google estuvo magnífico y en ocasiones encontró soluciones antes que su rival. Sin embargo, cuando llegaban problemas con «doble fondo» o construcciones geométricas complejas, Gemini empezaba a recortar camino. Donde ChatGPT 5.2 Pro comprobaba con paciencia cada paso mediante código, Gemini a veces se apoyaba en patrones probabilísticos, lo que provocaba errores lamentables en los cálculos finales. Es el clásico problema del equilibrio entre velocidad de generación y profundidad de análisis.

¿Qué significa esto para el mercado a corto plazo? Estamos al borde de que la IA se convierta en un socio de pleno derecho en los departamentos de I+D de las grandes empresas. Si un modelo puede resolver sin errores un problema de olimpiada matemática, podrá optimizar cadenas logísticas, buscar vulnerabilidades en contratos inteligentes o ayudar a diseñar microchips con la misma minuciosidad. La brecha entre la IA «creativa», que escribe poemas, y la IA «analítica», que calcula impuestos, se ha cerrado por fin. Ahora la cuestión no es si una red neuronal puede calcular, sino cuánto falta para que le confiemos la demostración de hipótesis con las que la humanidad lleva décadas peleando.

Lo esencial: ChatGPT 5.2 Pro mantiene por ahora la corona en lógica pura gracias a sus avanzados mecanismos de autoverificación, pero Google ha reducido la distancia al mínimo. ¿Será 2026 el año en que la IA haga su primer descubrimiento matemático por cuenta propia?