En este tutorial te contamos las novedades que trae el nuevo modelo GPT-5 de OpenAI. Esta actualización incluye varias funciones interesantes como el parámetro de verbosidad, llamadas a funciones en formato libre, gramática independiente del contexto (CFG) y razonamiento mínimo. Te explicamos en qué consisten y cómo aprovecharlas en la práctica.
Para empezar, instala las librerías necesarias con este comando:
```bash !pip install pandas openai ```
Luego, obtén tu clave API de OpenAI desde su plataforma. Si eres nuevo, probablemente tengas que configurar un método de pago y hacer un depósito mínimo para activar el acceso.
### Parámetro de Verbosidad
Con el parámetro de verbosidad puedes controlar qué tan detalladas son las respuestas del modelo sin necesidad de modificar tu pregunta:
- **bajo**: respuestas cortas y concisas, sin texto extra. - **medio** (por defecto): equilibrio entre detalle y claridad. - **alto**: respuestas muy detalladas, útil para explicaciones o enseñanza.
Aquí un ejemplo práctico donde pedimos a GPT-5 que escriba un poema sobre un detective y analizamos las diferencias según el nivel de verbosidad:
```python from openai import OpenAI import pandas as pd from IPython.display import display
client = OpenAI() pregunta = "Escribe un poema sobre un detective y su primer caso resuelto"
resultados = []
for verbo in ["low", "medium", "high"]: respuesta = client.responses.create( model="gpt-5-mini", input=pregunta, text={"verbosity": verbo} )
texto = "" for item in respuesta.output: if hasattr(item, "content"): for content in item.content: if hasattr(content, "text"): texto += content.text
tokens_usados = respuesta.usage.output_tokens resultados.append({ "Verbosidad": verbo, "Ejemplo de salida": texto, "Tokens usados": tokens_usados })
df = pd.DataFrame(resultados) pd.set_option('display.max_colwidth', None) df.style.set_table_styles( [ {'selector': 'th', 'props': [('text-align', 'center')]}, {'selector': 'td', 'props': [('text-align', 'left')]} ] ) display(df) ```
Se observa que la cantidad de tokens utilizados aumenta de forma casi lineal con el nivel de verbosidad.
### Llamadas a Funciones en Formato Libre
GPT-5 puede generar directamente fragmentos de código o comandos en texto plano, sin necesidad de estructurarlos en JSON. Esto facilita que el modelo interactúe con entornos de ejecución externos, como:
- Sandboxes de código (Python, C++, Java…) - Bases de datos SQL (genera consultas SQL directamente) - Consolas shell (comandos bash listos para ejecutar) - Generadores de configuraciones
Por ejemplo, para pedirle que calcule el cubo de la cantidad de vocales de la palabra “pineapple”, GPT-5 puede devolver código Python listo para ejecutar:
```python response = client.responses.create( model="gpt-5-mini", input="Por favor, usa la herramienta code_exec para calcular el cubo del número de vocales en la palabra 'pineapple'", text={"format": {"type": "text"}}, tools=[ { "type": "custom", "name": "code_exec", "description": "Ejecuta código Python arbitrario", } ] )
print(response.output[1].input) ```
Así, GPT-5 entrega directamente el código para que lo ejecutes sin tener que hacer un procesamiento extra.
### Gramática Independiente del Contexto (CFG)
Una gramática independiente del contexto define reglas que aseguran que el texto generado sigue una sintaxis específica, sin importar el contexto en que aparezca. Es muy útil para restringir la salida del modelo a formatos como SQL, JSON o código, garantizando su validez sintáctica.
En la práctica, comparamos GPT-4 y GPT-5 para generar un correo electrónico válido según una expresión regular:
```python email_regex = r"^[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Za-z]{2,}$" prompt = "Dame un correo electrónico válido para John Doe. Puede ser ficticio."
# GPT-4 sin restricciones gramaticales response = client.responses.create( model="gpt-4o", input=prompt ) output = response.output_text.strip() print("Salida GPT-4:", output) print("¿Válido?", bool(re.match(email_regex, output)))
# GPT-5 con CFG para la validación exacta response = client.responses.create( model="gpt-5", input=prompt, text={"format": {"type": "text"}}, tools=[ { "type": "custom", "name": "email_grammar", "description": "Genera un correo electrónico válido", "format": { "type": "grammar", "syntax": "regex", "definition": email_regex } } ], parallel_tool_calls=False )
print("Salida GPT-5:", response.output[1].input) ```
La diferencia es clara: GPT-4 suele añadir texto adicional que invalida el correo desde el punto de vista sintáctico, mientras que GPT-5 sigue estrictamente las reglas y genera una dirección válida exactamente como se pidió.
### Razonamiento Mínimo
Este modo activo en GPT-5 reduce considerablemente el número de pasos intermedios para responder, acelerando la entrega del primer token. Es ideal para tareas sencillas y deterministas, como:
- Extracción de datos - Formateo - Reescrituras cortas - Clasificación simple
Así, la respuesta llega rápido y de forma concisa. El nivel de razonamiento predeterminado es medio, pero puedes ajustarlo como en este ejemplo para clasificar un número como par o impar con la menor latencia:
```python import time
prompt = "Clasifica el número dado como impar o par. Responde con una sola palabra."
start = time.time()
response = client.responses.create( model="gpt-5", input=[ { "role": "developer", "content": prompt }, { "role": "user", "content": "57" } ], reasoning={ "effort": "minimal" }, )
latencia = time.time() - start output_text = "" for item in response.output: if hasattr(item, "content"): for content in item.content: if hasattr(content, "text"): output_text += content.text
print("----------------------------") print("Respuesta:", output_text) print(f"Latencia: {latencia:.3f} segundos") ```
Con estos avances, GPT-5 se posiciona como una herramienta más flexible, rápida y precisa para distintos tipos de tareas, facilitando la integración con sistemas externos y cumpliendo mejor con requerimientos específicos.
Si quieres profundizar, consulta los ejemplos de código para cada funcionalidad y comienza a aprovechar todo lo que GPT-5 tiene para ofrecer.
