Memoria de la IA vs. ventana de contexto, explicado

La ventana de contexto: lo que el modelo ve en este turno

Cada vez que envías un mensaje, el modelo recibe un gran bloque de texto con el que trabajar. Ese bloque se llama ventana de contexto. Contiene el prompt del sistema (instrucciones invisibles del proveedor), el historial del chat hasta el momento (todo lo que quepa), la salida de cualquier herramienta y tu mensaje más reciente. El modelo lee todo eso y luego genera una respuesta.

La ventana de contexto es finita. Distintos modelos tienen distintos tamaños: GPT-5 y Claude 4.5 manejan ventanas muy grandes en teoría, pero el tamaño práctico en la interfaz de chat es menor porque el proveedor introduce primero muchas instrucciones estructurales. Cuando la ventana se llena, los mensajes más antiguos van quedando fuera. Por eso «en el mensaje 400 de un chat largo parece que la IA olvidó el mensaje 12»: porque realmente lo hizo. El mensaje 12 ya no está en la ventana.

Memoria: una capa independiente que sobrevive entre ventanas

La memoria no es la ventana de contexto. La memoria es una capa de almacenamiento separada —por lo general, una serie de notas breves que el modelo decidió guardar sobre ti— que persiste entre chats. Cuando inicias un chat nuevo, ese nuevo chat tiene una ventana de contexto vacía, pero el sistema de memoria puede inyectar las notas más relevantes de vuelta en esa ventana para que el modelo tenga un punto de partida.

Dos sistemas, dos modos de fallo:

• El sistema de memoria no escribió el dato (no hay nada que recuperar más tarde).
• El sistema de memoria lo escribió, pero no lo inyectó en la ventana de contexto de este turno (así que el modelo no puede verlo, aunque esté guardado).

Casi todas las quejas de «la IA me olvidó» se deben a uno de estos dos problemas, por separado o juntos.

Por qué tener ventanas de contexto más grandes no equivale a mejorar la memoria

Cuando los proveedores anuncian una «ventana de contexto de 1 millón de tokens», parece que la memoria mejoró 100 veces. No es así. Mejoró 100 veces su capacidad para retener algo largo en un solo momento —un documento gigantesco, una sesión extensa de depuración de código—, pero un chat nuevo con una ventana de un millón de tokens sigue empezando vacío. Nada pasa al siguiente chat a menos que una capa de memoria independiente lo guarde.

También hay un detalle sutil: incluso dentro de una ventana de contexto enorme, el modelo no le da el mismo peso a todo. Los turnos recientes y los primeros suelen tener la mayor influencia; lo que queda en medio a menudo «se pierde». Así que, incluso con una ventana gigante, la calidad de recuperación a lo largo de un chat muy extenso es peor de lo que sugiere el número en bruto.

En qué destaca cada una

La conclusión práctica

Si tu frustración es «en este chat la IA está olvidando cosas que dijimos antes» → es un problema de la ventana de contexto. Solución: abre un chat nuevo, resume lo esencial y pégalo desde cero. O usa un Project / Space que mantenga una capa de instrucciones del sistema.

Si tu frustración es «en un chat nuevo la IA actúa como si no me conociera» → es un problema de memoria. Solución: revisa los ajustes de memoria, consulta el panel de memorias guardadas y —si quieres una solución duradera— ten un documento portátil con tu perfil fuera de cualquier proveedor para que cualquier chat nuevo comience con el contexto esencial ya precargado.

Diagnosticar cuál es tu problema es el camino más rápido para solucionarlo. Consulta la memoria de ChatGPT no funciona para ver la guía práctica sobre la memoria, y cómo te olvida la IA para entender a fondo su funcionamiento.