Un modelo de lenguaje no guarda nada entre mensajes: en cada turno
relee la conversación entera, así que la conversación es su única
memoria. Cuando parte de un supuesto equivocado y lo corriges, el
supuesto se queda ahí y cada parche se construye encima. Si el error
es de base, devuélvete al mensaje donde empezó y agrega lo que faltaba.
Si es un detalle suelto, corregirlo está bien.
62 s · 1920×1080 · 24 fps · dibujado y sonorizado con código · descargar MP4
Versión reel (9:16)
El mismo corto en vertical para Instagram, con el sistema de «Inteligencia artesanal».
«Relee» es una metáfora. En cada turno el modelo procesa el contexto entero con atención. El prompt caching evita recalcular, pero no cambia lo que el modelo tiene en cuenta.
La «memoria» de las apps también es contexto. Las funciones de memoria de Claude o ChatGPT guardan notas y las vuelven a meter en la conversación; los pesos no cambian.
Editar funciona porque agregas lo que faltaba. Reenviar el mismo mensaje solo vuelve a tirar los dados.
No todo error pide devolverse. Un detalle suelto se corrige con una línea. Lo que conviene sacar del contexto es un supuesto sobre el que ya se construyó.
El dato. En 200.000 conversaciones simuladas con 15 modelos, el rendimiento cayó 39 % en promedio cuando la información llegaba por partes, y cuando un modelo toma un supuesto equivocado temprano rara vez se recupera: Laban et al., «LLMs Get Lost in Multi-Turn Conversation», 2025.
Dónde se hace. En Claude.ai y ChatGPT, editar un mensaje crea una rama y lo que venía después sale del contexto. En Claude Code: Esc Esc o /rewind.
Motor en vivo
El mismo código que renderizó el MP4, dibujando en tu navegador. Cada frame es determinista.