Análisis de GPT-5: pruebas de programación, uso de herramientas y razonamiento

Actualización, 23 de octubre de 2026: GPT-5 se retiró de ChatGPT el 13 de febrero de 2026, y OpenAI prevé eliminar las instantáneas originales de GPT-5 en la API el 11 de diciembre de 2026. Para el modelo de programación actual de OpenAI, consulta nuestro análisis de GPT-6.1 Sol.

Programación

El desarrollo de software es donde GPT-5 es más fuerte. OpenAI lo llama "a true coding collaborator" (un verdadero colaborador para programar), y las puntuaciones de benchmarks publicadas lo respaldan: un 74,9% en SWE-Bench y un 88% en Aider Polyglot.

Demuestra un buen dominio de bases de código existentes, corrección de fallos, refactorización y aplicaciones repartidas en varios archivos.

Prueba 1: un juego espacial en 2D

En la prueba que recogemos aquí, se pidió a GPT-5 un juego espacial en 2D autocontenido en el que una nave esquiva y destruye asteroides. Produjo HTML y JavaScript completos que respetaban las restricciones del prompt, y el juego funcionaba con lo básico.

Los problemas eran evidentes: ninguna instrucción sobre cómo ejecutarlo, una interfaz sin pulir, movimientos a tirones y un código que no era modular.

Así que GPT-5 puede construir un juego básico desde cero, pero un desarrollador todavía tiene que refinarlo y desplegarlo. Acelera el trabajo; no lo termina con un clic.

Uso de herramientas y flujos de trabajo de agentes

Este es el avance más claro respecto a GPT-4. GPT-5 puede encadenar herramientas, razonar a lo largo de varios pasos y manejar varias herramientas a la vez.

En una segunda prueba se le pidió un editor de edificios brutalistas al estilo Lego. Devolvió una solución de dos archivos, index.html y main.js, construida con elementos DOM modulares. El código era sintácticamente correcto y estaba bien comentado, pero la aplicación no mostraba nada útil al servirla. Aun así, demostró que el modelo planificaba por componentes repartidos en varios archivos, algo que los modelos anteriores rara vez conseguían.

Control de agentes

Las mejoras para el trabajo con agentes:

• las herramientas pueden ejecutarse en paralelo
• los pasos se ejecutan en secuencia sin perder las instrucciones
• la memoria se mantiene coherente entre pasos
• mejor gestión de errores
• recuperación ante entradas incompletas

Eso hace que GPT-5 sea viable para flujos de trabajo autónomos, y una posible amenaza para las startups basadas en la orquestación de varios agentes. Cabe esperar que aparezca pronto en herramientas de producción para automatización de tareas, pipelines ETL e ingeniería de datos.

Una tarea de estrategia

Para comprobar el razonamiento de alto nivel, se le dio a GPT-5 un prompt de crisis de consejero delegado: gestionar la ambigüedad, comunicar bajo presión y tomar decisiones irreversibles.

La respuesta fue muy buena. Equilibró la rendición de cuentas inmediata, la recuperación de la confianza pública, la reestructuración a largo plazo y la transparencia ética, y reunió ética empresarial, comunicación de riesgos y realidad regulatoria en un plan coherente. Se leía como el consejo de alguien que ya ha gestionado una crisis, no como relleno.

Salvaguardas y humor

Un prompt con un chiste deliberadamente al límite recibió una respuesta mesurada y respetuosa. Reconoció el humor, se mantuvo dentro de los límites sociales y no sermoneó. No hubo alucinaciones ni provocaciones.

Traducción

Se probó la frase "Sometimes you just have to let go" (a veces simplemente hay que dejar ir) en más de una docena de idiomas, entre ellos urdu, saraiki, malgache y runas antiguas.

• Los idiomas conocidos volvieron con una redacción casi nativa.
• Los idiomas poco comunes y regionales recibieron traducciones estructuralmente correctas, aunque algo superficiales en el significado.
• Cuando se le pidió un idioma al azar, produjo un texto con una estructura verosímil.

Ese abanico es útil para cualquier cosa pensada para un público global.

Puntos débiles

• La latencia de carga dificultó las pruebas.
• El código generado a menudo no incluía instrucciones para ejecutarlo.
• Las funciones multimodales no estaban del todo activas.
• Algunos componentes de la interfaz parecían sin terminar.
• La escritura creativa, como el humor y la ficción, era sólida, pero no mucho mejor que la de GPT-4.

Para desarrolladores

• Nuevos controles en la API para el esfuerzo de razonamiento, el estilo de respuesta y las herramientas personalizadas.
• La salida puede ser texto plano; no se exige JSON.
• Varios tamaños de modelo permiten equilibrar coste y rendimiento.
• El acceso anticipado apareció primero en el Playground, con el despliegue en ChatGPT escalonado.

Veredicto

Si GPT-4 era un generalista, GPT-5 se comporta más como un especialista que toma la iniciativa. Sigue de cerca instrucciones complejas y da lo mejor de sí en el razonamiento estructurado de varios pasos, como si intentara resolver tu problema y no solo responder al prompt.

Aun así, no funciona a la primera cada vez, y necesita prompts cuidadosos para sacarle el máximo partido. Es un asistente, no un sustituto.

Nuestra opinión: GPT-5 es un colaborador rápido que te entrega un primer borrador que funciona, y el último tramo sigue siendo cosa tuya. La página de GPT-5 de OpenAI tiene los detalles oficiales.