Cuando los modelos de IA se actualizan o se retiran, ¿adónde va tu historial?

Qué cambia realmente cuando se actualiza un modelo

Cuando un proveedor actualiza un modelo, pueden cambiar tres cosas distintas, y la mayoría de los usuarios solo nota la primera:

1. El comportamiento del modelo: tono, razonamiento, patrones de rechazo, formato predeterminado. Este es el cambio del que todo el mundo habla el día del lanzamiento.
2. Tu capa de personalización: instrucciones personalizadas, prompts del sistema, entradas de memoria guardadas. Estas no siempre se transfieren sin problemas, especialmente cuando la actualización incluye cambios de arquitectura (como ocurre en la mayoría de las versiones importantes).
3. Tu historial utilizable: las conversaciones antiguas siguen existiendo como texto, pero el modelo que ahora las lee es diferente. Un chat que tenía sentido con GPT-4o puede continuar de forma extraña con GPT-5 porque el nuevo modelo interpreta tus instrucciones pasadas de manera distinta.

Las retiradas de modelos son peores: el modelo desaparece, y punto. Los usuarios de API reciben un aviso previo. Quienes usan la versión para el público general suelen enterarse cuando el menú desplegable cambia un día y la opción anterior simplemente ya no está. Anthropic retiró Claude 2.1. OpenAI eliminó discretamente GPT-3.5 del selector de ChatGPT para usuarios estándar. Google ha rotado varias variantes de Gemini en menos de dos años.

Por qué hacen esto los proveedores

La computación es cara

Ejecutar un modelo antiguo en paralelo con uno nuevo cuesta dinero real por cada consulta. Una vez que suficientes usuarios han migrado, mantener viva la versión anterior para un pequeño porcentaje restante es difícil de justificar a nivel de negocio. Así que la dan de baja.

La seguridad y la alineación evolucionan

Los modelos más recientes cuentan con un entrenamiento de seguridad actualizado. Los proveedores no quieren que sigan siendo accesibles versiones más antiguas y menos alineadas, especialmente si han encontrado casos límite que no pueden parchear en la versión anterior.

La arquitectura de la memoria no es permanente

La forma en que la memoria se almacena, se procesa en embeddings y se recupera es, en sí misma, un área de investigación activa. Cuando el sistema de memoria subyacente cambia (y ha cambiado varias veces, tanto en OpenAI como en Anthropic), algunas entradas se reformatean, otras se descartan y la interpretación que el modelo hace de lo almacenado se modifica. La postura oficial suele ser que la memoria persiste. La realidad cotidiana suele ser mucho más caótica.

Tú no eres su cliente prioritario

Las empresas de IA de vanguardia están optimizando para el próximo benchmark, el próximo contrato corporativo, la próxima ronda de financiación. La compatibilidad con versiones anteriores para el usuario individual que lleva dos años usando ChatGPT, con toda sinceridad, no ocupa un lugar prioritario en su lista. No es por malicia; simplemente es así como funcionan las plataformas que se mueven a gran velocidad. (Escribimos más sobre la versión cotidiana de este problema en nuestro artículo sobre por qué los asistentes de IA no paran de olvidarte, sobre cómo organizar los prompts que realmente vuelves a usar y en nuestra comparativa general de los principales asistentes personales de IA.)

Cinco formas de mantener el control

Qué buscar en una herramienta de memoria portable

Si decides optar por una herramienta de terceros, las siguientes preguntas te ayudarán a distinguir las soluciones en las que puedes confiar años de contexto personal de aquellas que solo tienen una apariencia atractiva:

• Verdadera compatibilidad multimodelo. ¿La persona funciona realmente en modelos de OpenAI, Anthropic y Google? ¿O solo alimenta a uno de ellos?
• Un formato de exportación documentado. JSON o Markdown que puedas llevarte a otra parte, no un formato binario propietario.
• Eliminación definitiva con auditoría. Borrado bajo petición, con un registro para que puedas verificarlo.
• Cifrado en reposo. Idealmente por entrada individual, no solo en todo el disco.
• Sin entrenamiento con tus datos. Explícito, por escrito, en los planes de pago.
• Un modelo de negocio de pago transparente. Si no puedes saber cómo ganan dinero, el producto eres tú.
• Una postura clara ante la rotación de modelos. ¿Qué pasa con tus datos cuando su proveedor retira un modelo? Las herramientas que aún no han pensado en esto no tienen la madurez suficiente para que dependas de ellas.