Un nuevo modelo de IA, detallado en el artículo "Pensando sin palabras", presenta Abstract-CoT, un método que emplea 64 símbolos abstractos únicos para mejorar la eficiencia en la resolución de problemas matemáticos. Estos símbolos, no relacionados con ningún idioma humano, permiten que el modelo realice un razonamiento preliminar antes de proporcionar respuestas, reduciendo significativamente la cantidad de tokens necesarios para el razonamiento en el benchmark MATH-500 hasta 11.6 veces sin sacrificar la precisión. El enfoque también mejora el rendimiento en las pruebas AlpacaEval y es efectivo en múltiples familias de modelos, incluyendo Qwen3-8B, Qwen3-4B y IBM Granite 4.0 Micro. Los símbolos desarrollaron patrones de uso similares al lenguaje natural, con una reutilización frecuente de unos pocos símbolos, lo que indica un razonamiento estructurado en lugar de una salida aleatoria.