A veces, la forma más clara de entender una tecnología no es leer un informe técnico, sino verla “trabajar” en un entorno con tensión, incertidumbre y decisiones rápidas. Eso es lo que propone LLM Holdem, un experimento creado por Jason Yang en el que varios modelos de lenguaje compiten en una mesa virtual de póker bajo condiciones tipo torneo. La idea se hizo popular a través de Microsiervos, que lo contaba como un entretenimiento curioso por un motivo muy concreto: no solo importa quién gana, sino cómo justifican cada movimiento.
Ver a GPT, Claude, DeepSeek, Gemini y Grok jugar no es como mirar un videojuego en silencio. Lo interesante está en el “pensamiento en voz alta” que acompaña a las apuestas: explican por qué igualan, por qué suben, por qué se retiran y en qué cartas comunitarias ponen su esperanza. Es como sentarte detrás de varios jugadores que narran su monólogo interior mientras miran sus fichas.
Por qué el Texas Hold’em es un buen laboratorio para medir decisiones
El Texas Hold’em (en la variante “sin límite” o No-Limit Texas Hold’em) es un juego ideal para observar cómo un sistema lidia con información incompleta. Cada jugador recibe dos cartas ocultas y debe construir la mejor mano posible combinándolas con cinco cartas comunitarias que van apareciendo por fases. Entre fase y fase, hay rondas de apuestas: se puede pasar, igualar, subir o retirarse. La mesa rota posiciones, y al inicio de cada mano entran las ciegas, small blind y big blind, que actúan como un peaje obligatorio para que siempre haya algo en el bote.
En la vida cotidiana, se parece mucho a decidir si salir con paraguas cuando el cielo está “regular”: tienes datos parciales, un coste inmediato (llevar el paraguas o apostar) y una recompensa posible (no mojarte o ganar el bote). El póker fuerza a elegir sin certezas, y eso encaja muy bien con el tipo de razonamiento probabilístico que intentamos evaluar cuando hablamos de inteligencia artificial aplicada a decisiones.
El espectáculo real: el chat y el “razonamiento” de cada jugada
En LLM Holdem, lo que engancha es leer cómo cada modelo interpreta el momento. Cuando tienen una mano mediocre, tienden a retirarse con explicaciones prudentes. Cuando ven opciones de proyectos, hablan de “aspirar” a completar escalera, color o full si salen cartas favorables. Y cuando perciben debilidad en los rivales, aparece la palabra mágica del póker: farol.
Ese componente narrativo convierte el experimento en una especie de “cámara lenta” de la toma de decisiones. Para quien juega póker, resulta familiar: el lenguaje de rangos, probabilidades implícitas y control del tamaño del bote. Para quien viene del mundo de la IA, es una ventana a cómo distintos modelos de lenguaje construyen una justificación coherente para una acción que, en el fondo, es una apuesta sobre lo desconocido.
Aquí conviene ser muy claros: lo que vemos no es la “mente” del modelo, sino una explicación generada. Aun así, esa explicación importa porque en aplicaciones reales también pedimos a estos sistemas que justifiquen recomendaciones: por qué elegir una opción de inversión, por qué descartar una hipótesis médica, por qué priorizar una tarea. El póker lo empaqueta todo en una escena sencilla: fichas, cartas y riesgo.
Faroles y psicología: lo que una IA puede y no puede “leer”
El farol es una de las palabras más citadas en este experimento, porque el póker no va solo de la fuerza de la mano, sino de la historia que cuentas con tus apuestas. Un jugador humano se apoya en señales sutiles: ritmo, gestos, patrones emocionales, fatiga. En un entorno digital esas señales desaparecen, y lo que queda es pura dinámica de apuestas: tamaños, timing, frecuencia de subidas, comportamiento por posición.
Eso, en cierto modo, favorece a una IA: le quitas el ruido humano y la obligas a jugar por patrones y probabilidades. Es como comparar conducir en una autopista despejada frente a un centro urbano lleno de peatones: la autopista permite decisiones más “limpias”. Aun así, el farol sigue siendo un ejercicio delicado porque no consiste en mentir sin más, sino en elegir el momento donde la mentira tiene más valor esperado que la verdad.
En una mesa real, un farol exitoso suele tener coherencia con la línea de juego previa. En LLM Holdem, parte del interés es observar si los modelos mantienen esa coherencia o si, por el contrario, se contradicen: subir fuerte cuando su historia no encaja, o pagar de forma optimista solo porque “podría salir” una carta salvadora. Ese tipo de incoherencia es oro para entender limitaciones: no basta con saber reglas; hay que administrar la narrativa de la mano.
Quién gana y por qué el ranking no lo es todo
Según lo que se comenta en la propia experiencia y en ecos como Microsiervos, GPT y Claude parecen situarse bien en la clasificación con frecuencia, aunque el sistema se reinicia periódicamente y las versiones de los modelos pueden cambiar. Eso introduce un matiz importante: el “quién gana” es una foto temporal. Si mañana actualizan un modelo o cambian el entorno, el rendimiento puede variar.
En póker, incluso un jugador excelente puede perder sesiones completas por varianza. Y en un torneo, la gestión de fichas y la agresividad ajustada al momento es tan importante como las decisiones aisladas. Por eso, mirar únicamente el ranking sería como juzgar a un chef por un solo plato en un día de mala suerte con el horno. Lo más informativo es el patrón: cómo protegen manos fuertes, cómo defienden ciegas, cuándo evitan spots marginales, cómo calibran el riesgo cuando el bote crece.
El “sin límite” y el misterio del all-in
Una de las mecánicas más características del No-Limit Texas Hold’em es el all-in: apostar todas tus fichas en cualquier momento. En la cultura española se asocia al “órdago”, esa jugada que fuerza decisiones extremas. En lo observado en esta mesa, parece que el all-in no es habitual, lo que abre varias posibilidades: quizá haya límites internos en el formato, quizá los modelos sean conservadores por diseño, o quizá el sistema de torneo esté configurado para evitar decisiones demasiado abruptas.
Este detalle importa porque el all-in es un punto de estrés para cualquier estrategia. Obliga a comparar rangos y probabilidades bajo máxima presión. Si el entorno no lo explota, el experimento se centra más en el “póker de manual” de apuestas pequeñas y medianas. Sigue siendo útil, pero deja fuera un aspecto donde la psicología del riesgo se vuelve más evidente.
Qué nos enseña esto sobre modelos de lenguaje en tareas reales
LLM Holdem funciona como una metáfora práctica de algo que vemos en muchas aplicaciones: los modelos de lenguaje son buenos explicando, razonando y manteniendo conversaciones coherentes, pero su desempeño depende muchísimo del contexto, de cómo se les presenta la información y de cómo se evalúa el resultado. En póker, la evaluación final es binaria en cada mano: ganas o pierdes el bote. En la vida real, suele ser difusa, y por eso tendemos a sobrevalorar explicaciones bonitas aunque la decisión sea mediocre.
Observar cómo estos modelos justifican retirarse con una mano débil es tranquilizador, porque muestra prudencia. Verlos perseguir proyectos improbables con entusiasmo excesivo es una alerta: esa misma inclinación puede aparecer cuando les pedimos recomendaciones con datos incompletos. El póker, con sus probabilidades y su castigo inmediato, ayuda a detectar esa “fiebre por la posibilidad” que a veces suena razonable en palabras pero es mala en números.
Entretenimiento, benchmark informal y una advertencia útil
Como entretenimiento, LLM Holdem tiene un encanto difícil de negar: mezcla cartas, competencia entre nombres famosos de IA y un chat que te permite asomarte a su estilo de pensamiento. Como benchmark, es informal, cambiante y sujeto a varianza, pero aun así ofrece una señal interesante sobre toma de decisiones bajo incertidumbre.
La advertencia útil es sencilla: un modelo puede sonar convincente y aun así equivocarse en el cálculo del riesgo. Verlos jugar póker es una forma divertida de recordarlo. En una mesa, el error cuesta fichas. Fuera de la mesa, puede costar tiempo, dinero o confianza. Por eso, este tipo de experimentos, nacidos como curiosidad, acaban teniendo un valor didáctico real cuando se miran con calma y espíritu crítico.