Cómo hacer prompts para modelos de razonamiento (o3, Claude thinking, Gemini thinking)

Patrones prácticos para modelos que piensan paso a paso: qué dejarle al modelo, qué especificar y qué evitar.

← Volver a guías

Qué hace diferente a los modelos de razonamiento

Los modelos de razonamiento (o3, Claude con thinking extendido, Gemini thinking) corren una cadena de pensamiento interna antes de generar la respuesta — gastan tokens explorando antes de responder.
Manejan mejor tareas ambiguas y de varios pasos que los modelos estándar, pero requieren un estilo de prompting diferente: menos andamiaje de tu parte, más claridad sobre cómo se ve el éxito.
El prompting paso a paso explícito (como 'pensá paso a paso') suele ser redundante — el modelo ya lo hace internamente. Sobrecargar con instrucciones de proceso puede interferir con su propio razonamiento.

Qué especificar y qué dejarle al modelo

Especificá: el objetivo, las restricciones, el formato de salida y qué cuenta como respuesta correcta. Dale suficiente base para que evalúe su propio trabajo.
Dejale al modelo: el camino de razonamiento, los pasos intermedios y cómo descomponer el problema. Lo maneja mejor de lo que podés prescribir.
Para tareas factuales o de investigación: pedí citas o claims con base. Los modelos de razonamiento también alucinan — razonan mejor, pero no son inmunes a la confabulación.
Para tareas matemáticas o lógicas: pedí una respuesta final con una justificación corta, no una narración de cada paso. Los pasos narrados pueden introducir errores en cadenas largas.

Errores comunes

Sobre-andamiar: agregar 'Primero, listá todas las opciones. Después, evaluá cada una. Finalmente, elegí la mejor.' — el modelo ya hace esto; tus instrucciones pueden entrar en conflicto con su propio plan.
Sub-especificar el objetivo: criterios de éxito vagos significan que el modelo puede razonar bien y aun así darte una respuesta inutilizable.
Ignorar el formato de salida: los modelos de razonamiento pueden producir respuestas largas y desestructuradas. Siempre especificá el formato que necesitás, o vas a perder tiempo parseando el resultado.

Plantillas

Razonamiento complejo de varios pasos

Objetivo: [cómo se ve una respuesta correcta — una frase]
Contexto: [hechos clave, restricciones, definiciones]
Formato de salida: [recomendación en bullets / tabla de decisión / lista rankeada]
Criterio de calidad:
- Debe incluir: [ítems específicos]
- Debe evitar: [claims o supuestos prohibidos]
Si la respuesta requiere trade-offs, mencionálos explícitamente.

Se abre en la home con el prompt precargado.

Abrir en Promptea

Análisis estructurado con justificación

Analizá lo siguiente y devolvé:
1. Respuesta final (1–2 frases)
2. Razonamiento clave (máx 3 bullets — citá los datos)
3. Confianza: Alta / Media / Baja y por qué

Datos:
"""[pegá]"""

Restricciones: [ej. usá solo los datos provistos, sin supuestos externos]

Se abre en la home con el prompt precargado.

Abrir en Promptea

Preguntas frecuentes

¿Tengo que escribir 'pensá paso a paso' para modelos de razonamiento?

No. Los modelos de razonamiento corren un chain-of-thought interno automáticamente. Agregarlo es, en el mejor caso, redundante y, en el peor, disruptivo. Enfocate en especificar bien el objetivo y el formato de salida.

¿Los modelos de razonamiento son más precisos en matemáticas y lógica?

En general sí para problemas de varios pasos, pero igual cometen errores aritméticos y pueden confabular datos. Siempre verificá resultados numéricos y pedí citas para afirmaciones factuales.