Resolución de problemas matemáticos
En esta página
Lección actualizada el 2 de noviembre de 2026. Los ejemplos originales utilizaban Magistral, modelo que se retiró el 31 de julio de 2026. Ahora se emplean Mistral Small 4 (
mistral-small-2603) o Mistral Large 4 (mistral-large-4-0) conreasoning_effort="high", y se analiza la respuesta mediante la funciónseparerde la Lección 3. Fuente: Reasoning (Documentación de Mistral).
Las matemáticas: el terreno ideal para el razonamiento
Los problemas matemáticos constituyen el caso de uso donde el razonamiento aporta mayor valor. Un modelo sin capacidad de razonamiento responde correctamente a «2 + 2», pero suele fallar en problemas de varios pasos, demostraciones y acertijos lógicos. Con el razonamiento activado, el modelo descompone el problema, verifica cada paso y valida el resultado; exactamente lo que falta en la generación token a token.
Problemas aritméticos de varios pasos
Comencemos con un caso en el que el orden de las operaciones determina el resultado. Un descuento del 20 % seguido de un vale de 15 € no produce el mismo total que un vale aplicado antes del descuento; un modelo precipitado suele confundirlos.
from mistralai.client import Mistral
client = Mistral(api_key="YOUR_API_KEY")
probleme = """Una tienda ofrece un descuento del 20 % en todos los artículos.
Un cliente compra 3 artículos a 45 euros, 2 artículos a 30 euros y 1 artículo a 75 euros.
Además, dispone de un vale adicional de 15 euros aplicable después del descuento.
¿Cuál es el importe final a pagar? Detalla cada paso."""
response = client.chat.complete(
model="mistral-small-2603",
reasoning_effort="high",
messages=[{"role": "user", "content": probleme}]
)
# El modelo razona paso a paso:
# 1. Calcular el precio total antes del descuento
# 2. Aplicar el descuento del 20 %
# 3. Restar el vale de 15 euros
# 4. Verificar el resultado
El razonamiento evita que el modelo omita pasos y garantiza que compruebe la coherencia de sus cálculos intermedios antes de entregar una cantidad final.
Ecuaciones y sistemas de ecuaciones
Los sistemas de ecuaciones ponen a prueba esta misma disciplina en un entorno más formal. Aquí, el mensaje de sistema impone un requisito estricto de detalle:
systeme = """Resuelve el siguiente sistema de ecuaciones:
3x + 2y - z = 7
x - y + 2z = 3
2x + 3y + z = 12
Muestra cada paso de la solución."""
response = client.chat.complete(
model="mistral-small-2603",
reasoning_effort="high",
messages=[
{"role": "system", "content": "Eres un profesor de matemáticas. Detalla cada operación."},
{"role": "user", "content": systeme}
],
)
El modelo comienza eligiendo un método (sustitución, eliminación o matrices), aplica las operaciones una a una y, finalmente, sustituye los valores obtenidos en las ecuaciones originales para verificar que se cumplen. Este último paso, que los modelos sin razonamiento suelen pasar por alto, es el que permite detectar errores de signo.
Demostraciones y pruebas
Las demostraciones matemáticas revelan todo el potencial del razonamiento, siempre que definas el marco esperado. Para demostraciones extensas, merece la pena probar Mistral Large 4 en modo high si Small 4 se queda corto. Imponer las cuatro etapas de la inducción en el mensaje de sistema evita que el modelo «concluya» basándose únicamente en dos casos concretos:
demonstration = """Demuestra por inducción que para cualquier entero n >= 1:
1^2 + 2^2 + 3^2 + ... + n^2 = n(n+1)(2n+1) / 6"""
response = client.chat.complete(
model="mistral-small-2603",
reasoning_effort="high",
messages=[
{"role": "system", "content": """Eres un matemático riguroso.
Estructura de la demostración esperada:
1. Caso base (Inicialización)
2. Hipótesis de inducción
3. Paso inductivo (de n a n+1)
4. Conclusión"""},
{"role": "user", "content": demonstration}
],
)
Acertijos lógicos
Los acertijos basados en restricciones son especialmente reveladores, ya que ninguna fórmula única conduce a la solución; el modelo debe explorar posibilidades y luego eliminarlas. El clásico acertijo de tres amigos, tres profesiones y tres colores de coche es el ejemplo más puro.
enigme = """Tres amigos (Alice, Bob, Charlie) tienen cada uno una profesión diferente
(médico, abogado, ingeniero) y un coche de un color diferente (rojo, azul, verde).
Pistas:
1. Alice no es médica
2. El propietario del coche rojo es el abogado
3. Bob no tiene el coche verde
4. Charlie no es abogado
5. El ingeniero tiene el coche azul
6. Alice no tiene el coche rojo
Encuentra la profesión y el color del coche de cada persona."""
response = client.chat.complete(
model="mistral-small-2603",
reasoning_effort="high",
messages=[{"role": "user", "content": enigme}]
)
En sus trazas de razonamiento, el modelo enumera las posibilidades para cada persona, aplica las restricciones una a una, elimina las combinaciones imposibles y, finalmente, valida la solución seleccionada frente a las seis pistas: Alice es ingeniera con el coche azul, Bob es abogado con el coche rojo y Charlie es médico con el coche verde. La sexta pista no es decorativa; sin ella, Alice y Bob podrían intercambiar sus roles de abogado e ingeniero, dejando el acertijo con dos soluciones. Un buen modelo de razonamiento señala este hecho; es una forma excelente de poner a prueba tus propios enunciados. Esta pasada de validación final distingue la deducción de una suposición afortunada.
Optimización y probabilidad
Los problemas de conteo plantean un desafío similar: la respuesta depende de una elección de modelo probabilístico que la IA debe explicitar antes de calcular.
proba = """Una urna contiene 5 bolas rojas, 3 bolas azules y 2 bolas verdes.
Extraemos 3 bolas sin reemplazo.
¿Cuál es la probabilidad de obtener exactamente 2 bolas rojas y 1 bola azul?
Expresa el resultado como una fracción irreducible."""
response = client.chat.complete(
model="mistral-small-2603",
reasoning_effort="high",
messages=[{"role": "user", "content": proba}]
)
Patrón: validación automática
Para resultados críticos, una única llamada no es suficiente. Puedes aprovechar el razonamiento una segunda vez sometiendo la solución generada a una comprobación independiente: el modelo aborda entonces el problema con la respuesta ya a la vista, lo que le obliga a verificar en lugar de generar.
def solve_and_verify(client, problem):
"""Resuelve un problema y solicita una verificación."""
# Paso 1: Resolución
solve_response = client.chat.complete(
model="mistral-small-2603",
reasoning_effort="high",
messages=[{"role": "user", "content": problem}]
)
_, answer = separer(solve_response.choices[0].message.content)
# Paso 2: Verificación mediante una segunda llamada
verify_response = client.chat.complete(
model="mistral-small-2603",
reasoning_effort="high",
messages=[
{"role": "user", "content": f"""Verifica esta solución para el siguiente problema:
PROBLEMA: {problem}
SOLUCIÓN PROPUESTA: {answer}
¿Es correcta la solución? Si no lo es, corrígela."""}
]
)
return {
"solution": answer,
"verification": separer(verify_response.choices[0].message.content)[1],
}
Comparación: con y sin razonamiento
Para medir el impacto en un ejemplo concreto, retoma el acertijo de las gallinas. La proporcionalidad es engañosa y empuja a un modelo sin razonamiento hacia la respuesta «12» mediante una analogía simple con el enunciado.
probleme_test = "Si 3 gallinas ponen 3 huevos en 3 días, ¿cuántos huevos ponen 12 gallinas en 12 días?"
# Sin razonamiento — riesgo de error por analogía ingenua (respuesta "12")
response_none = client.chat.complete(
model="mistral-small-2603",
messages=[{"role": "user", "content": probleme_test}],
reasoning_effort="none"
)
# Con razonamiento — descomposición correcta
response_high = client.chat.complete(
model="mistral-small-2603",
reasoning_effort="high",
messages=[{"role": "user", "content": probleme_test}]
)
# Razonamiento esperado: 1 gallina = 1 huevo / 3 días
# 12 gallinas en 12 días = 12 * (12/3) = 48 huevos
Ejecuta ambas llamadas con tus propios problemas antes de decidir; es la única forma fiable de saber si el coste adicional del razonamiento está justificado en tu dominio.
Puntos clave
- El razonamiento destaca en problemas matemáticos de varios pasos
- Utiliza un mensaje de sistema que imponga una estructura de solución (pasos, verificación)
- Las demostraciones por inducción se benefician enormemente del razonamiento estructurado
- Los acertijos lógicos ponen de relieve la exploración y eliminación de posibilidades
- Implementa una doble verificación para resultados críticos
- Compara siempre los resultados con y sin razonamiento para validar el valor añadido