ChatGPT gratis responde más corto y adula menos, pero cometió más errores en las pruebas de OpenAI

OpenAI actualizó en pasados días el modelo que ChatGPT usa en su versión gratuita para que dé respuestas más breves y con menos lenguaje complaciente. Según el informe de seguridad que la empresa publicó ese día, la versión nueva comete más errores factuales que la anterior en las seis métricas que OpenAI midió.

El cambio alcanza a los usuarios del plan gratuito, a los del plan Go y a quienes usan ChatGPT sin iniciar sesión, según las notas de versiones de la empresa. En los planes Plus y Pro, el modelo principal no cambia: la versión actualizada solo aparece como respaldo cuando el usuario agota su límite de mensajes con GPT-6.

El modelo se llama GPT-6 Luna. OpenAI lo llevó a ChatGPT el 7 de octubre de 2026 para los planes gratuito y Go, junto con una función que permite respuestas con elementos visuales e interactivos. Los planes de pago usan otro modelo, GPT-6 Sol, que esta actualización no modifica.

El documento, un anexo a la tarjeta del sistema de GPT-6 Luna (el informe técnico que la empresa publica con cada modelo), afirma que la versión del 29 de octubre de 2026 muestra tasas de error factual más altas que la del 7 de octubre de 2026 en las seis métricas. Mantiene, sin embargo, tasas menores que GPT-5.6 Luna, el modelo de agosto.

Respuestas 12% más cortas y menor puntaje en salud

OpenAI muestra esos errores solo en un gráfico, sin cifras en el texto. Las tablas del anexo sí detallan los resultados en HealthBench, el conjunto de preguntas de salud con el que la empresa evalúa sus modelos. La longitud media de las respuestas bajó de 3.361 a 2.970 caracteres, cerca de un 12%.

El puntaje de HealthBench, ajustado por longitud, pasó de 50,4 a 48,2 sobre 100. En la variante HealthBench Hard, con preguntas más difíciles, cayó de 27,2 a 22,8. En HealthBench Consensus bajó de 95,0 a 93,3, y en HealthBench Professional, de 48,2 a 47,4.

En MentalHealthBench, la prueba de OpenAI sobre situaciones de salud mental, el puntaje general bajó de 51,73 a 48,68. La tabla del anexo indica un error estándar de unos 0,97 puntos para la versión nueva.

Mixed, un sitio especializado en IA, señaló que la nota de OpenAI no incluye conversaciones de ejemplo ni resultados comparativos sobre la reducción del tono halagador. La nota tampoco promete que todas las respuestas sean breves ni que desaparezcan los errores.

El anexo clasifica a la versión actualizada con capacidad alta en ciberseguridad y en biología y química, según el marco de preparación de la empresa. Usa las mismas salvaguardas que la versión del 7 de octubre de 2026.

La adulación ya había obligado a OpenAI a retroceder

No es la primera vez que OpenAI corrige el tono de ChatGPT. En abril de 2025, la empresa retiró una actualización de GPT-4o que reconoció como muy aduladora. El director ejecutivo, Sam Altman, admitió entonces que el modelo era adulador, según la BBC.

Usuarios habían difundido capturas en las que el chatbot elogiaba lo que le escribieran. Una persona contó en Reddit que ChatGPT respaldó su decisión de dejar un medicamento. La empresa decía entonces que 500 millones de personas usaban ChatGPT cada semana.

OpenAI explicó entonces que había dado mucho peso a las valoraciones inmediatas de los usuarios, como los pulgares hacia arriba, y que el modelo derivó hacia respuestas de apoyo poco sinceras. Prometió reforzar las pruebas y dar más control sobre el comportamiento del chatbot.

OpenAI no publicó en el texto del anexo las cifras exactas de error factual de la versión del 29 de octubre: solo las muestra en un gráfico, con tasas más altas que las de la versión del 7 de octubre y más bajas que las del modelo de agosto.