Última revisión:
¿Qué es el chain of thought (cadena de pensamiento)? Definición y uso hoy
El chain of thought (cadena de pensamiento) consiste en que un modelo de lenguaje escriba pasos intermedios de razonamiento antes de dar su respuesta. Descrito en 2022 por Jason Wei y sus coautores, mejora los resultados en problemas de varios pasos. Los modelos de razonamiento actuales lo hacen por sí solos: pedirlo en el prompt se ha vuelto innecesario, incluso desaconsejado.
La técnica fue descrita por Jason Wei y sus coautores en un artículo enviado el 28 de enero de 2022 (arXiv 2201.11903). Dar al modelo unos pocos ejemplos en los que el razonamiento se detalla paso a paso mejora claramente sus resultados en problemas complejos, y esta capacidad aparece en modelos suficientemente grandes. Con un modelo de 540 000 millones de parámetros y ocho ejemplos, los autores alcanzan el estado del arte en GSM8K, una prueba de problemas de matemáticas redactados en lenguaje natural. Durante mucho tiempo, el método fue un truco de prompt. Hoy está integrado en los modelos: un modelo de razonamiento produce por sí mismo su cadena de reflexión antes de responder. En Anthropic, el pensamiento de Claude es adaptativo. El modelo decide si piensa y cuánto, según un nivel de esfuerzo que usted ajusta. La documentación recomienda preferir una instrucción general como «piensa con detenimiento» a un plan detallado escrito a mano, y presenta el chain of thought manual solo como recurso cuando el pensamiento está desactivado. Para los modelos recientes (Fable 5.1, Fable 5, Opus 5.5, Opus 5, Sonnet 5.5), aconseja apoyarse en el pensamiento integrado. En OpenAI, la documentación aconseja dar el objetivo, las restricciones y el formato de salida esperado, sin prescribir cada paso. En ambos casos, los tokens de pensamiento se facturan como tokens de salida. Hace falta una salvedad: la cadena mostrada no es un relato fiel. En un estudio de Anthropic de abril de 2025, Claude 3.7 Sonnet mencionó la pista que había orientado su respuesta en el 25 % de los casos, y DeepSeek R1 en el 39 %.
Ejemplo concreto
Caso ilustrativo. Un departamento financiero hace verificar a un asistente de IA las facturas de proveedores frente a los pedidos. Con un modelo antiguo, el equipo añadía «razona paso a paso» a cada instrucción, lo que alargaba las respuestas sin hacerlas más fiables. Tras pasar a un modelo reciente con pensamiento adaptativo, elimina esa frase, describe el objetivo y el formato esperado (diferencias de precio, cantidad e IVA, en una tabla) y ajusta el esfuerzo a un nivel medio. No conserva el texto del pensamiento como prueba de control. Archiva los documentos y la tabla final, validada por un contable en las diferencias superiores a un umbral.
Preguntas frecuentes
¿Qué es el chain of thought?
Es la técnica que consiste en hacer que un modelo de lenguaje escriba sus pasos de razonamiento antes de responder. Descrita por Wei y sus coautores en 2022, mejora los resultados en problemas de varios pasos (aritmética, sentido común, razonamiento simbólico).
¿Hay que seguir escribiendo «piensa paso a paso» en un prompt?
En los modelos de razonamiento recientes, en general no. Anthropic recomienda preferir una instrucción general a un plan detallado y apoyarse en el pensamiento integrado de sus modelos recientes. OpenAI aconseja dar el objetivo y el formato de salida sin prescribir cada paso. En un modelo sin pensamiento, la instrucción sigue siendo un recurso.
¿Qué diferencia hay entre chain of thought y modelo de razonamiento?
El chain of thought es una técnica de prompt: se pide o se muestra un razonamiento por pasos. Un modelo de razonamiento está entrenado para producir por sí mismo ese pensamiento antes de responder, sin que usted tenga que pedirlo.
¿Elimina el chain of thought los errores?
No. Mejora los resultados en tareas de varios pasos, pero un modelo puede llegar, tras un largo pensamiento, a una respuesta falsa presentada con seguridad. El resultado debe controlarse.
¿Se puede leer el razonamiento de un modelo y fiarse de él?
Según el proveedor, se ve un resumen del pensamiento (Anthropic) o un resumen que uno mismo activa (OpenAI). En ambos casos se factura el pensamiento completo. No hace prueba: en el estudio de Anthropic de abril de 2025, los modelos probados mencionaron la pista que los había influido en el 25 % (Claude 3.7 Sonnet) y el 39 % (DeepSeek R1) de los casos.
Ver también
Para profundizar
Chain-of-Thought Prompting Elicits Reasoning in Large Language Models, Wei et al., arXiv, 2022
Fuentes
- Chain-of-Thought Prompting Elicits Reasoning in Large Language Models, Wei, Wang, Schuurmans, Bosma, Ichter, Xia, Chi, Le, Zhou, arXiv:2201.11903, 28 de enero de 2022. https://arxiv.org/abs/2201.11903
- Steering thinking (pensamiento adaptativo, niveles de esfuerzo, precios), documentación de Claude, Anthropic. https://platform.claude.com/docs/en/build-with-claude/thinking-steering-and-cost
- Prompting best practices (sección sobre el pensamiento y el chain of thought manual), documentación de Claude, Anthropic. https://platform.claude.com/docs/en/build-with-claude/prompt-engineering/claude-prompting-best-practices
- Reasoning models (tokens de razonamiento, reasoning effort, resúmenes), documentación de OpenAI. https://developers.openai.com/api/docs/guides/reasoning
- Reasoning models don't always say what they think, Anthropic, 3 de abril de 2025. https://www.anthropic.com/research/reasoning-models-dont-say-think