Saltar al contenido
ReviewRamble

El boletín semanal

La IA, analizada, en tu bandeja de entrada.

  • Nuevas reseñas de herramientas, modelos, servidores MCP y repos, con el veredicto por delante
  • Precios y valoraciones revisados cuando algo cambia
  • Nuevos análisis en cuanto se publican

Modelos, agentes, servidores MCP y las herramientas que de verdad merecen tu tiempo.

Un correo a la semana. Date de baja con el enlace de cualquier boletín. Cómo usamos tu correo

Test-time compute

El test-time compute (cómputo en tiempo de inferencia) es la cantidad de cálculo que gasta un modelo al responder una petición, y no durante el entrenamiento. Dejar que un modelo piense más tiempo o pruebe varias respuestas puede mejorar los resultados en problemas difíciles.

También llamado: reasoning effort, thinking budget, inference-time compute, inference-time scaling

Por Divya Sharma · Comprobado el 15 nov 2026 · Cómo hacemos las reseñas

Durante años, la forma principal de conseguir un modelo mejor fue entrenar uno más grande durante más tiempo. El test-time compute es la otra palanca: mantener el mismo modelo y dejar que haga más trabajo en cada pregunta. Las formas de hacerlo incluyen escribir el razonamiento antes de responder, como hacen los modelos de razonamiento, muestrear varias respuestas y elegir la mejor, y comprobar las respuestas con un verificador.

Qué muestra la investigación

Un artículo de 2024 de Snell y sus colaboradores estudió cuánto ayuda el cómputo adicional en inferencia. Concluyó que la mejor forma de gastarlo depende de lo difícil que sea el prompt, y que en algunos problemas un modelo más pequeño con más test-time compute podía superar a uno mucho mayor. Pensar más suele ayudar sobre todo en matemáticas, programación y problemas de varios pasos, y poco en consultas simples.

Esfuerzo de razonamiento y presupuestos de pensamiento

Las API lo exponen como un ajuste. El modo manual de extended thinking de Anthropic usaba un valor budget_tokens para indicar cuántos tokens podía gastar Claude razonando; los modelos de Claude más nuevos usan en su lugar un ajuste de esfuerzo. Otros proveedores ofrecen opciones parecidas de esfuerzo de razonamiento bajo, medio y alto. Son los nombres "reasoning effort" y "thinking budget" que verás en la documentación.

El coste

Los tokens de razonamiento suelen facturarse como tokens de salida, así que más test-time compute significa un coste mayor por petición según el precio por token y respuestas más lentas, incluido un tiempo hasta el primer token más largo para el texto visible. Fija el esfuerzo por tarea: bajo para peticiones rutinarias y alto solo donde las pruebas muestren que ayuda. Consulta nuestra investigación sobre precios de modelos de IA para comparar precios.

En qué se diferencia del chain-of-thought

El chain-of-thought es una técnica concreta: pedir a un modelo que muestre sus pasos. El test-time compute es el presupuesto más amplio, y el chain-of-thought es una forma de gastarlo.

Términos relacionados

Modelo de razonamiento
Un modelo de razonamiento (reasoning model) es un modelo de lenguaje entrenado para resolver un problema mediante un flujo de tokens de razonamiento intermedios antes de dar su respuesta final, lo que suele ayudar en matemáticas, programación y tareas de varios pasos.
Chain-of-thought
El chain-of-thought (CoT, cadena de pensamiento) es un método de prompting en el que un modelo de lenguaje escribe pasos de razonamiento intermedios antes de su respuesta final, lo que suele mejorar los resultados en matemáticas, lógica y otros problemas de varios pasos.
Precio por token
El precio por token (token pricing) es la forma en que cobran la mayoría de las API de modelos de IA: un precio fijo por millón de tokens de entrada que envías y otro aparte, normalmente más alto, por millón de tokens de salida que genera el modelo, con descuentos para la entrada en caché y las tareas por lotes.
Tokens de salida
Los tokens de salida (output tokens) son los tokens que genera un modelo de lenguaje en su respuesta. Se cuentan y se facturan aparte de los tokens de entrada, y un ajuste max_tokens limita cuántos puede contener una respuesta.
Tiempo hasta el primer token
El tiempo hasta el primer token (TTFT, time to first token) es lo que espera un usuario entre enviar una petición a un modelo de lenguaje y recibir el primer token de su respuesta, e incluye la cola, el procesamiento del prompt y el tiempo de red.

Fuentes