GPT-4.5 es un modelo de lenguaje de gran tamaño desarrollado por OpenAI, publicado como una vista previa de investigación el 27 de febrero de 2025. Representa un avance incremental sobre su predecesor, GPT-4, con un enfoque principal en expandir la base de conocimiento del modelo y mejorar la precisión conversacional. El modelo se puso inicialmente a disposición de los suscriptores de ChatGPT Plus y Pro, así como a través de la API de OpenAI, antes de un despliegue más amplio para clientes empresariales en marzo de 2025.
A diferencia de algunos modelos contemporáneos que enfatizaban el razonamiento de cadena de pensamiento, GPT-4.5 fue diseñado como un modelo de propósito general con capacidades mejoradas de reconocimiento de patrones y escritura creativa. OpenAI lo describió como con un tono conversacional más "natural", con menos casos de alucinación en comparación con versiones anteriores. El modelo se entrenó utilizando una combinación de técnicas de aprendizaje automático, incluyendo aprendizaje supervisado y aprendizaje por refuerzo con retroalimentación humana, basándose en la arquitectura transformador que sustenta los sistemas modernos de IA generativa.
Desarrollo y Lanzamiento
OpenAI comenzó a desarrollar GPT-4.5 a principios de 2024, tras el éxito comercial de GPT-4. El proyecto fue liderado por un equipo que incluía a Jakob Uszkoreit, uno de los inventores originales de la arquitectura transformador, y a Mark Chen, quien había trabajado previamente en la escalabilidad de modelos de lenguaje. El proceso de entrenamiento utilizó miles de GPUs de NVIDIA, aunque OpenAI también experimentó con hardware de AMD para ciertas tareas de inferencia. El modelo se entrenó con un conjunto de datos que superaba los 10 billones de tokens, un aumento significativo respecto a los aproximadamente 13 billones de tokens utilizados para GPT-4.
El lanzamiento se limitó inicialmente a una fase de "vista previa de investigación", permitiendo a un subconjunto de usuarios probar el modelo y proporcionar retroalimentación. Este enfoque reflejaba la estrategia anterior de OpenAI con GPT-4, que también se implementó gradualmente. El 5 de marzo de 2025, el modelo estuvo disponible para todos los suscriptores de ChatGPT Plus, y a finales de marzo se integró en la API de OpenAI para desarrolladores. El precio de la API se fijó en 75 dólares por millón de tokens de entrada y 150 dólares por millón de tokens de salida, lo que lo hacía más caro que GPT-4o pero más barato que algunos modelos de razonamiento especializados.
Arquitectura Técnica
GPT-4.5 conserva el diseño central de red neuronal de sus predecesores, utilizando una arquitectura transformador de solo decodificador con mecanismos de atención de múltiples cabezas. El modelo tiene aproximadamente 1.8 billones de parámetros, aunque no todos están activos durante la inferencia debido a un diseño de mezcla de expertos. Este enfoque, que divide la red en subredes especializadas, permite un cálculo más eficiente mientras mantiene un alto rendimiento.
El proceso de entrenamiento incorporó varias innovaciones del campo del aprendizaje profundo, incluyendo normalización de capas y conexiones residuales para estabilizar el entrenamiento. La optimización utilizó el optimizador Adam con un programa de tasa de aprendizaje personalizado que incluía fases de calentamiento y decaimiento coseno. Para prevenir el sobreajuste, OpenAI empleó técnicas de abandono y recorte de gradientes. El modelo también se benefició de estrategias de aumento de datos, incluyendo la generación de datos sintéticos a partir de versiones anteriores de GPT.
Una diferencia notable respecto a GPT-4 fue la menor énfasis en trazas de razonamiento explícitas. Mientras que GPT-4 y sus sucesores como o1 y o3 se entrenaron para producir razonamiento paso a paso, GPT-4.5 se optimizó para respuestas directas y fluidas. Esto lo hizo más rápido en algunas aplicaciones pero menos capaz en tareas matemáticas o lógicas complejas, una compensación reconocida por OpenAI en su documentación técnica.
Capacidades y Rendimiento
En pruebas de referencia, GPT-4.5 demostró un fuerte rendimiento en tareas intensivas en conocimiento. Obtuvo un 71.4% en el punto de referencia MMLU (Comprensión de Lenguaje Multitarea Masiva), una ligera mejora respecto al 69.1% de GPT-4. En el punto de referencia de codificación HumanEval, logró una tasa de pass@1 del 71.2%, comparable a GPT-4o. Sin embargo, en el punto de referencia GPQA (Preguntas y Respuestas a Nivel de Posgrado a Prueba de Google), que prueba el razonamiento científico avanzado, GPT-4.5 obtuvo un 71.0%, significativamente más bajo que el 86.0% logrado por el modelo de razonamiento o3 de OpenAI.
El modelo mostró fortalezas particulares en escritura creativa y conversación matizada. Los primeros evaluadores informaron que GPT-4.5 producía diálogos con un sonido más natural y demostraba una mejor comprensión del contexto cultural. Las evaluaciones internas de OpenAI indicaron una reducción del 38% en las tasas de alucinación en comparación con GPT-4o, lo que significa que el modelo era menos propenso a fabricar hechos o citar fuentes inexistentes.
Para aplicaciones empresariales, GPT-4.5 se integró en el servicio OpenAI de Microsoft Azure, permitiendo a las empresas acceder al modelo a través de infraestructura en la nube. También estuvo disponible en Amazon Web Services y Google Cloud a través de sus respectivos mercados de IA. El modelo soportaba una ventana de contexto de 256,000 tokens, lo que permitía procesar documentos largos o conversaciones de múltiples turnos.
Limitaciones y Controversias
A pesar de sus mejoras, GPT-4.5 enfrentó críticas por su alto costo computacional. El modelo requería aproximadamente 10 veces más cómputo que GPT-4o durante la inferencia, lo que llevaba a tiempos de respuesta más lentos y un mayor consumo de energía. Algunos investigadores, incluyendo a Melanie Mitchell, cuestionaron si las ganancias incrementales justificaban el impacto ambiental, señalando que el entrenamiento del modelo consumió un estimado de 50 gigavatios-hora de electricidad.
El modelo también mostró limitaciones en razonamiento matemático y tareas espaciales. En el punto de referencia AIME (Examen de Matemáticas de la Invitación Americana) 2024, GPT-4.5 obtuvo un 36.7%, muy por debajo del 86.0% logrado por o3. Esto llevó a algunos observadores a argumentar que OpenAI había priorizado la calidad conversacional sobre la capacidad de resolución de problemas, una elección estratégica que divergía de competidores como los modelos Claude de Anthropic y la serie Gemini de Google DeepMind.
Los defensores de la privacidad plantearon preocupaciones sobre los datos de entrenamiento del modelo, que incluían contenido web disponible públicamente y conjuntos de datos con licencia. OpenAI mantuvo que había implementado filtros para excluir información personal, pero auditorías independientes por organizaciones como el Laboratorio de IA de Stanford encontraron riesgos residuales de privacidad. En abril de 2025, se presentó una demanda colectiva en California alegando que GPT-4.5 había reproducido texto con derechos de autor sin autorización, un caso que seguía pendiente a finales de 2025.
Legado e Impacto
GPT-4.5 fue ampliamente considerado como un modelo transicional, que cerraba la brecha entre GPT-4 y el anticipado GPT-5. Su lanzamiento influyó en la industria más amplia de la inteligencia artificial al demostrar que la escalabilidad por sí sola podía producir mejoras medibles en conocimiento y fluidez, incluso sin avances arquitectónicos. El diseño de mezcla de expertos del modelo fue posteriormente adoptado por otros desarrolladores, incluyendo AI21 Labs e Inflection AI.
A finales de 2025, GPT-4.5 había sido superado por el GPT-5 de OpenAI, que integró capacidades de razonamiento de manera más efectiva. Sin embargo, GPT-4.5 permaneció en uso para aplicaciones que priorizaban la eficiencia de costos y la producción creativa. Su desarrollo también contribuyó a debates en curso sobre la trayectoria de la investigación en aprendizaje automático, particularmente el equilibrio entre tamaño del modelo, datos de entrenamiento y eficiencia de inferencia. La decisión de OpenAI de lanzar el modelo como una vista previa de investigación en lugar de un producto completo se vio como una respuesta al creciente escrutinio regulatorio, mientras gobiernos en la Unión Europea y otros lugares comenzaban a redactar legislación integral sobre IA.