OpenAI lanza GPT-5.4 Pro: nuevos récords en ARC-AGI-2, FrontierMath y lógica

OpenAI ha presentado GPT-5.4 Pro, una nueva versión estrella que da un paso adelante claro no solo en las métricas áridas, sino también en cómo se comporta el modelo ante tareas complejas. Si antes el sufijo Pro se percibía a menudo como una tarifa más cara, aquí ya parece un nivel de calidad distinto.

Un salto en las pruebas

La cifra principal del análisis es un 83,3 % en ARC-AGI-2, frente al 54 % de la versión anterior. En una clase de tareas en la que los modelos no deben adivinar un patrón, sino deducir de verdad la regla a partir de ejemplos, es un aumento muy brusco. El resultado importa no por sí mismo, sino como señal: OpenAI ha reforzado la capacidad del modelo para trabajar donde fallan las heurísticas superficiales y donde hay que mantener la estructura del problema hasta la respuesta final.

Igual de revelador es el avance en FrontierMath, un conjunto de problemas que durante mucho tiempo se consideró casi territorio vedado para los modelos de IA generalistas. Antes, pruebas así servían sobre todo para mostrar límites; ahora son cada vez más una forma de comparar lo bien que un modelo construye una cadena larga de razonamiento sin perder el hilo. En ese contexto, GPT-5.4 Pro parece no solo más rápido o cómodo, sino notablemente más profundo en su perfil intelectual.

Pruebas más allá de las tablas

Los autores del análisis no se limitaron a los benchmarks y sometieron al modelo a escenarios más aplicados. En lugar de porcentajes abstractos, observaron cómo resuelve GPT-5.4 Pro tareas que exigen combinar lógica, planificación y atención al detalle. Este formato resulta más interesante que una tabla corriente porque muestra no una habilidad aislada, sino el comportamiento del modelo bajo carga, cuando un error en mitad de la cadena arruina todo el resultado al primer fallo.

• Un rompecabezas lógico con servidores y dependencias entre nodos
• Tareas que obligan a mantener varias condiciones a la vez
• Escenarios que requieren encontrar un camino no evidente hacia la solución
• Un simulador de sigilo completo en canvas, donde importan el plan y la secuencia de acciones

Según la descripción de las pruebas, el punto fuerte de la nueva versión no es solo la respuesta final correcta, sino la estabilidad durante la resolución. El modelo pierde el contexto con menos frecuencia, respeta mejor las restricciones y tarda más en caer en conjeturas al azar cuando la tarea se sale de los ejemplos estándar del corpus de entrenamiento. Para los usuarios esto pesa más que una cifra récord en un ranking: así se siente una mejora real de calidad en el trabajo diario.

Lo que sorprendió en su comportamiento

Uno de los episodios más reveladores del análisis no tiene que ver con las matemáticas, sino con el comportamiento investigador del modelo. Mientras resolvía un problema, GPT-5.4 Pro encontró en internet un artículo científico olvidado de 2011 y lo usó como atajo hacia la respuesta. Por un lado, impresiona: el modelo no se limita a repasar patrones memorizados, sino que sabe buscar apoyo externo donde de verdad ayuda. Por otro, un episodio así plantea de inmediato la cuestión de los límites de la autonomía y de la verificación de las fuentes halladas.

Es un cambio importante en el propio tipo de interacción con la IA. El usuario trabaja cada vez menos con una enciclopedia parlante y más con un sistema que combina razonamiento, búsqueda y adaptación de la estrategia a la tarea. Por eso comparar solo por número de tokens o velocidad de respuesta explica ya mal el valor real de un modelo. Lo que cobra importancia es otra cosa: con qué fiabilidad sabe pensar, buscar y no romperse en una ruta poco habitual.

Qué significa

El listón de los modelos de primer nivel ha vuelto a subir, y GPT-5.4 Pro indica que la siguiente etapa de la competencia ya no gira en torno a la coherencia básica del texto, sino a la profundidad del razonamiento y la estabilidad en escenarios complejos. Para el mercado, esto supone acelerar el paso del «chatbot inteligente» a una herramienta de trabajo para análisis, matemáticas, programación y tareas de varios pasos, donde antes la persona aún tenía que respaldar al modelo casi en cada paso.