O1 pro
5509°
Ejecutar este modelo
Ofertas / Anuncios
OpenAI | contexto de 200,000 tokens | $150.00/M entrada, $600.00/M salida. La serie o1 de modelos está entrenada con aprendizaje por refuerzo para pensar antes de responder y realizar razonamientos complejos. El modelo o1-pro usa más cómputo para pensar más profundamente y proporcionar respuestas consistentemente mejores.
Guías para este modelo
Pesos abiertos vs código abierto vs solo API: lo que realmente puedes hacer
Cómo elegir un modelo de IA en octubre de 2026: las novedades de código cerrado y luego los pesos abiertos que vale la pena descargar
Las 10 alternativas más baratas a ChatGPT en 2026: modelos locales gratuitos, planes gratuitos y tarifas planas
Notas del capitán
Notas del 2026-10-13
o1-pro es el modelo de razonamiento de mayor cómputo de OpenAI, construido sobre la misma base de aprendizaje por refuerzo que o1 pero con más tiempo para pensar antes de responder. Ese cómputo extra se traduce en un rendimiento más consistente en problemas difíciles — esos donde un modelo más barato a veces falla. Es ideal para investigadores, ingenieros y analistas que necesitan respuestas fiables en tareas complejas y pueden asumir una factura API seria.
Conocido por
- Razonamiento interno extendido antes de responder, reduciendo errores en problemas difíciles.
- Ventana de contexto de 200,000 tokens para manejar documentos largos y grandes bases de código.
- Capacidad de visión junto con razonamiento textual.
- Respuestas consistentemente mejores que o1 estándar en los mismos prompts difíciles.
Cuidado con
- A $150/M tokens de entrada y $600/M tokens de salida, los costos escalan rápido — prototipa en otro lado primero.
- Pesos cerrados, solo API: no hay despliegue local, ni fine-tuning, ni uso offline.
- Más lento por diseño; el tiempo extra de pensamiento no es adecuado para aplicaciones sensibles a latencia.
Prompts para probar
Auditar un algoritmo complejo
Aquí hay una solución recursiva de programación dinámica para el problema de programación de intervalos ponderados. Explica la lógica paso a paso, identifica casos límite que maneja incorrectamente y reescribe la función para corregirlos. Explica cada cambio que hagas y por qué es importante.
Poner a prueba un argumento de investigación
Estoy escribiendo un artículo que argumenta que la revisión obligatoria de código reduce las tasas de defectos más que solo el análisis estático automatizado. Enumera los tres contraargumentos más fuertes que un revisor hostil podría plantear, evalúa la evidencia detrás de cada uno y sugiere cómo podría abordarlos en el artículo.
Razonar sobre un escenario legal
Una empresa SaaS almacena datos de clientes de la UE en servidores de EE.UU. bajo una cláusula contractual estándar firmada antes de que expirara la última decisión de adecuación. Identifica los riesgos de cumplimiento, ordénalos por severidad y describe los pasos mínimos que la empresa debería tomar para reducir la exposición.
Comparar con
- gpt oss 120b TurboModelo con pesos abiertosContexto de 131,072 tokens · $0.15/M entrada, $0.60/M salida
- GPT-6 LunaModelo solo APIContexto de 1,050,000 tokens · $0.10/M entrada, $0.50/M salida
- GPT-5.6 SolModelo solo APIContexto de 1,050,000 tokens · $4.00/M entrada, $20.00/M salida
- GPT-6.1 SolModelo solo APIContexto de 1,050,000 tokens · $2.00/M entrada, $10.00/M salida
Más modelos de texto de openai
Preguntas frecuentes
- ¿Puedo ejecutar o1-pro localmente?
- No. o1-pro es solo API y no se han publicado pesos abiertos, por lo que no es posible el despliegue local.
- ¿Cuánto cuesta o1-pro y cuál es su ventana de contexto?
- OpenAI lo cobra a $150.00 por millón de tokens de entrada y $600.00 por millón de tokens de salida, con una ventana de contexto de 200,000 tokens.
- ¿En qué se diferencia o1-pro del o1 estándar?
- Ambos usan razonamiento basado en aprendizaje por refuerzo, pero o1-pro asigna más cómputo por consulta, lo que según OpenAI produce respuestas más consistentemente correctas en problemas difíciles — a un precio significativamente mayor.
Veredicto del capitánEl modelo de razonamiento más fiable que ofrece OpenAI, pero el precio significa que debes estar muy seguro de necesitarlo.
El capitán escribe estas notas a partir de la descripción y ficha del modelo. Los precios y tamaños de contexto son los del proveedor al momento de escribir y pueden cambiar.
Ranking badge
Updated Oct 22, 2026
Made this model? Show this badge on your page.
Paste it into your Hugging Face card or Civitai description.
Cómo se suma esta puntuación
Este modelo aún no tiene datos de popularidad de ninguna fuente, así que lleva un número provisional por debajo de 7,000° que mantiene las listas completas. Nunca se posiciona por encima de un modelo con datos. El desglose aparece aquí tan pronto como una fuente lo reporte.
Glosario: los términos usados aquí
- Puntuación heat
- Un número que muestra cuánto se usa y quiere un modelo ahora mismo, de 0° a 9,999°. Cada lista en este sitio que dice más popular está ordenada por esto y nada más.
- Piso
- Los 7,000° con los que empieza todo modelo con datos reales. La escala va de 0° a 9,999°; la parte bajo el piso está reservada para sustitutos (modelos sin datos), para que un modelo con datos siempre esté por encima de uno sin. El piso es igual para todos y no decide nada; los grados sobre él son la medida.
- Equivalentes a descargas
- Todo lo que la puntuación trata como una descarga, sumado: las descargas mismas, cada seeder de torrent como 1,000, cada imagen de AI Horde y cada ejecución en un sitio de generación como uno.
- Escala logarítmica
- Cuenta de a decenas, no de a uno: pasar de 1,000 a 10,000 descargas suma los mismos grados que pasar de 10,000 a 100,000. Evita que los gigantes opaquen todo lo demás.
- Likes
- Pulgares arriba y likes de todas las fuentes, valen la mitad de una descarga cada uno en la escala logarítmica.
- Tasa de adopción
- Cuántas descargas al día recibe un modelo ahora mismo, según la diferencia entre dos lecturas de una fuente. Un cuarto del peso del término de descarga.
- Medido y estimado
- Medido significa que hay dos lecturas de una fuente y la diferencia es real. Estimado significa que solo se conoce el total de hoy y el pasado se distribuye a lo largo de la vida del modelo; el sitio indica cuál está mostrando.
- Seeder
- Alguien que mantiene una copia de los pesos en línea para que otros la descarguen por torrent, o un espejo alojado que hace lo mismo. Cada uno cuenta como 1,000 descargas.
- AI Horde
- Una red de voluntarios que genera imágenes gratis en computadoras donadas. El número de imágenes que ha hecho con un modelo es público, y cada una cuenta como una descarga.
- Sitios de generación
- Sitios que alojan sus propias copias de un modelo y permiten que la gente genere con él, como PixAI, SeaArt y Yodayo. Sus descargas cuentan igual que las de Civitai y cada generación cuenta como una descarga.
- Tokens de OpenRouter
- Un modelo de texto servido mediante una API, como Claude o GPT, no tiene pesos para descargar, por lo que su uso se mide en tokens: fragmentos de texto que leyó y escribió a través de OpenRouter, una puerta de acceso que usan muchas apps, durante los últimos 30 días. Cada 10,000,000 tokens cuentan como una descarga. Fuente: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
- Modelo completo (checkpoint)
- Los pesos en sí, el archivo que genera por sí solo. Tiene un bono porque los complementos dependen de él.
- LoRA y embedding
- Archivos pequeños que dirigen los pesos de otro hacia un estilo, personaje o concepto. No pueden funcionar solos.
- Familia y pesos
- La base sobre la que se construye un modelo, como SD 1.5, SDXL, Flux o Wan. Cada modelo hereda la fecha de lanzamiento de los pesos de su familia.
- Antigüedad
- Grados descontados según hace cuánto salieron los pesos de la familia: 150° por año, hasta 750°. Mantiene las descargas antiguas que tuvieron años para acumularse congelando la cima de la lista.
- Impulso de familia
- Un pequeño empujón limitado para LoRAs de una familia que este sitio está promoviendo ahora, siempre listado en el desglose.
- Puntaje provisional
- Un número estable por debajo del mínimo dado a un modelo que aún no tiene reportes de fuentes, para que las listas estén completas. Nunca se posiciona por encima de un modelo con datos.
- ¡Nuevo! (periodo de gracia)
- Un modelo con menos de 7 días muestra ¡Nuevo! en lugar de una puntuación y no ocupa lugar en los rankings. Su puntuación se calcula desde el primer día, pero un modelo de un día crece más rápido que cualquier otro, así que sin este periodo el #1 de la semana siempre sería el que salió ayer en vez del que se mantuvo una semana.
- Tendencia
- Cómo el crecimiento de un modelo en un período se compara con el crecimiento típico de modelos en ese mismo período. Más rápido que lo típico se lee como subida, más lento como bajada.
- Modelo típico
- El punto medio del catálogo: la mitad de los modelos con cifras crecieron más rápido en el período, la otra mitad más lento.
