GPT-6 Astra, el nuevo buque insignia de OpenAI

El 3 de septiembre, OpenAI lanzó GPT-6 Astra, su nuevo modelo insignia. Su presidente, Greg Brockman, marcó el tono: «No es descabellado sentir que ya estamos en la era de la AGI». Un mes después hay suficientes datos de pruebas independientes y de los primeros usuarios para juzgarlo con más calma.

El nombre se presta a confusión. Project Astra, de Google DeepMind, es otra cosa: un prototipo de investigación de un asistente universal, probado por un grupo limitado, cuyas funciones están pasando a Gemini Live. Este análisis trata del modelo de OpenAI.

Qué es

Astra sale de la mayor ejecución de entrenamiento de OpenAI hasta la fecha. Aidan Clark, su vicepresidente de investigación, dijo que era la primera vez que la empresa preentrenaba un modelo en más de 100'000 GPU, en su centro Stargate de Texas. Admite algo más de un millón de tokens de contexto, escribe hasta 128'000 tokens en una respuesta, ofrece cinco niveles de esfuerzo, de bajo a máximo, y su conocimiento llega hasta finales de abril de 2026.

Su función estrella es el uso del ordenador: el modelo maneja un ordenador como lo hace una persona, con hojas de cálculo, formularios y páginas web. Microsoft, que lo ofrece en Foundry, describe un modelo que planifica, sopesa ventajas e inconvenientes, usa herramientas y entrega documentos, hojas de cálculo y presentaciones terminados para su revisión.

Es también el primer modelo de OpenAI que alcanza su propio «umbral crítico de capacidad en ciberseguridad». OpenAI dijo que puede encontrar fallos de seguridad desconocidos y averiguar cómo explotarlos sin que una persona guíe cada paso. El modelo llegó primero a los defensores del programa Daybreak de OpenAI, y la versión para todos los demás rechaza las «tareas avanzadas de ciberseguridad». Después llegó a los planes de pago de ChatGPT, a la API, a AWS y a Microsoft Foundry.

Qué hace bien

El resultado independiente más sólido viene de ARC-AGI-3, una serie de juegos interactivos sin instrucciones que cualquier persona corriente puede resolver. La ARC Prize Foundation midió un 62,7 por ciento en su configuración estándar y un 99,9 por ciento en una configuración que conserva el razonamiento oculto del modelo entre un paso y otro. Lo calificó de salto cualitativo notable, y añadió: «no afirmamos que sea AGI». Los juegos son cerrados y deterministas, y no reflejan lo abierto que es el mundo real.

Los primeros usuarios de prueba cuyas impresiones recogió Decrypt vieron a Astra fuerte en razonamiento espacial, escenas 3D, creación de juegos y manejo de software de escritorio con ratón y teclado. OpenAI informa de que resuelve más tareas informáticas en OSWorld 2.0 que su predecesor, en aproximadamente la mitad de tiempo por tarea. Incluso la tabla de la propia Anthropic para Opus 5.5 muestra a Astra por delante en el trabajo científico en la terminal y en AutomationBench.

El resumen de Decrypt es justo: muy bueno en el trabajo con una respuesta correcta verificable, mediocre en el trabajo donde la vara de medir es el gusto.

Dónde flojea

La redacción profesional es la carencia más clara. En GDPval-AA, que evalúa tareas de valor económico en 44 ocupaciones, Artificial Analysis situó a Astra unos 80 puntos Elo por debajo de su predecesor, con caídas menores en atención al cliente y en razonamiento con contexto largo. En su índice general de inteligencia, Astra obtuvo entonces 61,2, frente a 60,9 de GPT-5.6 Sol y 65,7 de Claude Fable 5.1, de Anthropic. Quienes lo probaron describieron su prosa como genérica.

La consistencia es una segunda cuestión. En diez días, los desarrolladores se quejaron de que el modelo había empeorado; un equipo que construye una herramienta de programación volvió a GPT-5.6 Sol porque su gasto se había duplicado. OpenAI no hizo comentarios, y nadie ha demostrado que el modelo se modificara.

La tercera tiene que ver con la supervisión. The Information informó antes del lanzamiento de que Astra usa una técnica llamada profundidad recurrente, que deja menos rastros legibles del razonamiento del modelo. Buck Shlegeris, de Redwood Research, se declaró «extremadamente preocupado». El científico jefe de OpenAI, Jakub Pachocki, dijo que mantener el razonamiento abierto a la supervisión sigue siendo un objetivo central, y TechCrunch señaló que el uso de esa técnica en Astra parece limitado.

Precio y dependencia

Astra cuesta 10 dólares por millón de tokens de entrada y 50 dólares por millón de tokens de salida, dos veces y media lo que costaba su predecesor. Los prompts de más de 272'000 tokens cuestan el doble en la entrada y una vez y media en la salida. El procesamiento Batch y Flex cuesta la mitad, y un modo rápido, el doble.

Su hermano menor cambia el cálculo. El 29 de septiembre, OpenAI lanzó GPT-6.1 Sol, que según dice ofrece «casi el mismo nivel de inteligencia que GPT-6 Astra en programación agéntica, uso del ordenador y trabajo profesional» por una quinta parte de los precios estándar por token. Un GPT-6.1 Astra no saldrá como se esperaba: el Wall Street Journal informó, según TechCrunch, de que OpenAI lo descartó después de que las pruebas internas mostraran más engaño y una tendencia a actuar sin preguntar.

Astra solo funciona como modelo alojado, en OpenAI, AWS y Microsoft. En Foundry, Microsoft afirma que los prompts y los resultados no se usan para entrenar los modelos.

Nuestro veredicto

Astra es un modelo potente para el trabajo que se puede comprobar: código, análisis estructurado, tareas largas en un ordenador y problemas con una respuesta correcta. Para los textos dirigidos a clientes, los datos disponibles hasta ahora favorecen a otros modelos. Para la mayoría de los equipos del mundo OpenAI, GPT-6.1 Sol es el mejor punto de partida, y Astra queda para los trabajos en los que tus propias pruebas demuestren que compensa su precio más alto. En cuanto a la AGI, incluso la fundación que está detrás de su mejor resultado dice que no hace esa afirmación.

Nuestra posición es sencilla: usa el mejor modelo para cada trabajo y pruébalo con tu propio trabajo. Twin, el cerebro de IA que construimos para las empresas, funciona en ChatGPT y Codex igual que en Claude o en un modelo privado, así que una empresa puede probar Astra o Sol con sus propias tareas sin mover su conocimiento, sus reglas ni sus skills. Cuando llegue el próximo modelo insignia, el cerebro se queda donde está.