OpenAI cambia o3 y o4-mini a Hybrid Reasoning, reduciendo costos de inferencia en un 40%

Qué cambió y por qué importa

OpenAI actualizó la arquitectura de inferencia de sus modelos o3 y o4-mini a finales de mayo de 2026, introduciendo el adaptive chain-of-thought scaling. En lugar de ejecutar pensamiento extendido completo en cada consulta, los modelos ahora evalúan la complejidad de la tarea en la capa de enrutamiento de Prompt y asignan cómputo proporcional. Las búsquedas de hechos simples reciben un paso de razonamiento corto; las demostraciones matemáticas de múltiples pasos y la generación de código siguen obteniendo el presupuesto completo.

El resultado práctico: los costos de API para o3 bajan de $15 por millón de tokens de salida a $9, y o4-mini pasa de $1,10 a $0,66. Para desarrolladores con cargas de trabajo de alto volumen, esto es un cambio significativo en la economía unitaria.

Cómo funciona el Hybrid Reasoning

Los modelos tradicionales de chain-of-thought gastan el mismo cómputo sin importar la complejidad de la consulta. El adaptive scaling ejecuta un clasificador ligero en tiempo de inferencia que evalúa la complejidad en cuatro dimensiones: profundidad lógica, especificidad del dominio, nivel de ambigüedad y si se necesitan múltiples rutas de solución.

En MMLU, o3 híbrido puntúa dentro de 0,3 puntos porcentuales del o3 completo. En LiveCodeBench, el modo híbrido obtiene 2,4 puntos menos.

Conclusiones prácticas

• Prueba reasoning_effort en modo adaptive en staging antes de activarlo en producción.
• Para cargas de trabajo mixtas, el modo adaptive ofrece 25-40% de ahorro en costos.
• Para codificación de alto riesgo, mantén reasoning_effort en high.