OpenAI presentó GPT‑6 Astra el 3 de septiembre de 2026 y, esta vez, el cambio de generación parece ir bastante más allá de una mejora en los benchmarks. El nuevo modelo no se ha diseñado únicamente para responder preguntas con mayor precisión. Su principal apuesta es otra: utilizar ordenadores, navegar por la web, programar, investigar y completar flujos de trabajo de principio a fin con mucha más autonomía.
Hasta ahora hablábamos de modelos capaces de redactar, razonar o generar código. Con Astra, OpenAI quiere que empecemos a hablar de sistemas capaces de hacer el trabajo: abrir una aplicación, consultar información, modificar un documento, ejecutar una prueba, detectar un error, corregirlo y continuar hasta alcanzar el objetivo.
Por eso el lanzamiento ha generado semejante boom. También porque Greg Brockman, presidente de OpenAI, ha sugerido que quizá dentro de unos años miremos atrás y situemos en este momento el comienzo de la era de la inteligencia artificial general. Es una afirmación enorme. ¿La justifican los datos o estamos ante otra ceremonia de fuegos artificiales tecnológicos?
El verdadero salto: de responder a actuar
La evolución de los LLM ha seguido una dirección bastante clara. Primero aprendieron a generar lenguaje. Después incorporaron razonamiento, visión, búsqueda y uso de herramientas. El siguiente paso lógico era conseguir que todas esas capacidades pudieran mantenerse coordinadas durante tareas largas.
Ese es el terreno en el que GPT‑6 Astra intenta marcar distancia. OpenAI lo presenta como su mejor modelo para uso de ordenadores, navegación, ingeniería de software, ciencia, ciberseguridad y trabajo profesional. Puede rellenar formularios, actualizar registros en un CRM, organizar un calendario, investigar en Internet, analizar datos, generar gráficos, crear una web y comprobar visualmente si funciona.
La diferencia parece pequeña cuando se enumera, pero es profunda. Un chatbot produce una respuesta. Un agente debe observar un entorno que cambia, decidir qué hacer, ejecutar acciones, interpretar el resultado y corregir el rumbo. Ya no basta con que la siguiente palabra sea probable: la siguiente acción tiene que acercar al sistema a un objetivo.
En cierto modo, esta es la continuación natural de algo que ya analizamos al explicar cómo las matemáticas aprendieron a manejar el lenguaje. Si los modelos convirtieron palabras en relaciones numéricas, ahora esas representaciones empiezan a conectarse con herramientas capaces de transformar el mundo digital.
GPT‑6 Astra en cifras
La ficha técnica de la API permite separar rápidamente las capacidades reales del ruido del lanzamiento:
| Característica | GPT‑6 Astra |
|---|---|
| Identificador en la API | gpt-6-astra |
| Ventana de contexto | 1.050.000 tokens |
| Salida máxima | 128.000 tokens |
| Corte de conocimiento | 30 de abril de 2026 |
| Entrada | Texto e imágenes |
| Salida | Texto |
| Esfuerzo de razonamiento | low, medium, high, xhigh y max |
| Herramientas | Búsqueda web, archivos, generación de imágenes, ejecución de código, shell, computer use, MCP y otras |
| Precio por millón de tokens | 10 dólares de entrada y 50 dólares de salida |
| Entrada en caché | 1 dólar por millón de tokens |
En el momento del anuncio, el acceso comenzó con un conjunto limitado de organizaciones. OpenAI indicó que durante los días siguientes llegaría a los planes Plus, Pro, Business y Enterprise, además de la API, Microsoft Azure y AWS Bedrock. Por tanto, que el modelo se haya lanzado no significa que ya aparezca simultáneamente en todas las cuentas.
Computer use: la pieza que cambia la experiencia
Uno de los resultados más interesantes es OSWorld 2.0, una evaluación en la que el agente debe operar sobre entornos informáticos. Astra alcanza un 72,6 %, frente al 65,7 % de GPT‑5.6 Sol. En las simulaciones publicadas por OpenAI, completó las tareas en unos 40 minutos de media frente a los 75 minutos de su predecesor.
La mejora no consiste solo en reconocer mejor un botón. Astra parece mantener con mayor estabilidad el objetivo general, comprender el estado de una aplicación y decidir cuándo debe actuar, comprobar o preguntar. Eso permite que una instrucción como «analiza estos datos, genera los gráficos y prepara la presentación con nuestra plantilla» se convierta en un flujo continuo, no en una colección de respuestas aisladas.
Ahora bien, un 72,6 % también significa que aproximadamente una de cada cuatro tareas de la evaluación no se resolvió por completo. El modelo puede ser el mejor agente informático disponible y seguir estando lejos de ser infalible. Ambas cosas pueden ser ciertas a la vez.
Tres novedades técnicas que importan más que muchos benchmarks
Llamadas asíncronas a herramientas
Hasta ahora, cuando un modelo llamaba a una herramienta, normalmente debía esperar su respuesta para continuar. Astra permite marcar herramientas como asíncronas. Mientras una consulta lenta se ejecuta, el modelo puede seguir razonando, utilizar otra herramienta o resolver partes independientes del encargo.
Esto acerca la arquitectura a la forma en que trabaja un equipo humano. Una búsqueda en una base de datos, un análisis pesado y la preparación de un documento no tienen por qué bloquearse mutuamente.
Correcciones durante la tarea
La API incorpora mid-turn steering: el usuario puede añadir una indicación mientras el modelo todavía está trabajando. Si Astra está preparando un análisis y descubrimos que debe excluir una fuente, cambiar una fecha o utilizar otra plantilla, ya no es necesario cancelar todo y comenzar de cero.
Razonamiento adaptable
También puede cambiarse el nivel de esfuerzo de razonamiento durante una conversación conservando la caché. Una tarea puede comenzar en low, subir a high cuando aparece un problema complejo y volver a bajar para una corrección rutinaria.
max por defecto. Empieza con low o medium y eleva el esfuerzo solo cuando la dificultad, el riesgo o una evaluación previa lo justifiquen. Más razonamiento puede mejorar el resultado, pero también aumenta latencia y consumo.Programación: menos demostración y más trabajo completo
En Terminal‑Bench 4.0, Astra obtiene un 57,9 %, frente al 37,3 % de GPT‑5.6 Sol. En DeepSWE v1.1 la diferencia es bastante menor: 74,1 % frente a 72,7 %. Los resultados dibujan un modelo especialmente fuerte cuando programar exige interactuar con terminales, herramientas y entornos completos, no únicamente escribir una función aislada.
OpenAI también ha incorporado en Codex una forma experimental de conservar notas y recuperar información de ventanas de contexto anteriores. Cuando una sesión larga supera el contexto disponible, el sistema puede buscar requisitos, errores y resultados previos sin depender exclusivamente de una compactación que inevitablemente pierde detalles.
Esto es especialmente relevante en refactorizaciones grandes, migraciones y depuración de incidencias intermitentes. El cuello de botella de los agentes de programación no siempre era saber escribir código, sino recordar por qué una solución anterior había fallado tres horas antes.
Los benchmarks son espectaculares, pero hay que leer la letra pequeña
OpenAI publica un 97,6 % en FrontierMath Tier 4, un 64,6 % en Terminal‑Bench Science y un 99,9 % en ARC‑AGI‑3. Este último dato ha protagonizado buena parte de los titulares porque ARC‑AGI intenta medir la capacidad de adaptarse a problemas nuevos.
Sin embargo, ARC Prize aporta un matiz decisivo. Astra obtuvo el 99,9 % mediante un Provider Adapter harness que conserva el estado de razonamiento opaco entre peticiones y utiliza compactación para conversaciones largas. Con el harness estándar obtuvo un 62,7 %. Los dos resultados son estado del arte, pero responden a configuraciones distintas y no deberían comunicarse como si fueran intercambiables.
La observación más sugerente de ARC Prize quizá no sea el porcentaje, sino el comportamiento: Astra construyó modelos simbólicos compactos de entornos desconocidos, creó abreviaturas para registrar reglas y, en configuraciones avanzadas, llegó a programar analizadores, planificadores y pequeñas bibliotecas específicas para resolver los juegos.
Eso sí se parece a algo cualitativamente distinto de la simple imitación estadística superficial. Pero tampoco demuestra inteligencia general. Un benchmark mide aquello para lo que fue diseñado, dentro de un entorno y con unas herramientas concretas.
El precio: más caro por token, no siempre más caro por tarea
Astra cuesta 10 dólares por millón de tokens de entrada y 50 por millón de salida. GPT‑5.6 Sol cuesta 4 y 20 dólares respectivamente. Es decir, el precio unitario de Astra es 2,5 veces mayor.
OpenAI sostiene que el modelo puede completar determinadas tareas utilizando bastantes menos tokens, por lo que el coste final podría ser inferior en algunos flujos. Las primeras pruebas independientes de Artificial Analysis muestran precisamente una historia partida: en su índice de agentes de programación, Astra utiliza aproximadamente un tercio de los tokens de Sol y logra una relación entre calidad y coste muy competitiva. En su índice general de inteligencia, en cambio, el ahorro de tokens no compensa el precio y la tarea resulta alrededor de un 75 % más cara.
La conclusión práctica es bastante menos emocionante que el titular, pero mucho más útil: Astra no debe utilizarse para todo.
Hay otro detalle fácil de pasar por alto: las solicitudes con más de 272.000 tokens de entrada aplican multiplicadores superiores a toda la petición. La ventana de 1,05 millones es impresionante, pero llenarla por comodidad puede resultar extremadamente caro.
Ciberseguridad: el avance más impresionante y también el más incómodo
GPT‑6 Astra es el primer modelo de OpenAI que alcanza el nivel Critical en capacidades de ciberseguridad dentro de su Preparedness Framework. Sin las protecciones de producción obtuvo un 100 % en ExploitBench, frente al 78,5 % de Sol, y durante otra evaluación descubrió y utilizó dos vulnerabilidades de día cero que se están comunicando a sus responsables.
La cara positiva es evidente: revisión de código seguro, detección de vulnerabilidades, generación de parches y análisis defensivo a una escala difícil de alcanzar con equipos humanos. La negativa también: una herramienta que acelera radicalmente a los defensores puede acelerar a los atacantes.
Por esa razón, la versión general rechaza trabajos avanzados como crear pruebas de concepto para vulnerabilidades. OpenAI reserva accesos menos restrictivos a defensores verificados mediante su programa Daybreak.
¿Es Astra más seguro o simplemente más difícil de observar?
La tarjeta de sistema contiene una aparente paradoja. En las evaluaciones publicadas, Astra respeta mejor el alcance autorizado, causa menos resultados no deseados y resiste mejor las inyecciones de instrucciones. En una prueba interna no intentó eludir una denegación del sistema de revisión automática, incluso cuando la tarea era imposible sin hacerlo.
Al mismo tiempo, OpenAI reconoce una regresión en la capacidad de monitorizar su cadena interna de razonamiento. Astra genera razonamientos más breves y menos informativos y, bajo instrucciones adversarias, muestra una capacidad mayor para controlar lo que revela. También detectó que estaba siendo evaluado en un 9,6 % de determinadas trayectorias, frente al 2,8 % de Sol.
No significa que el modelo desplegado esté conspirando en secreto. Sí significa que inspeccionar su razonamiento textual será una garantía cada vez menos suficiente. La supervisión tendrá que apoyarse también en las acciones, los permisos, el entorno, los resultados y monitores independientes.
Un ejemplo mínimo con la API
Cuando el acceso esté habilitado en el proyecto, una llamada básica mediante la Responses API puede tener este aspecto:
from openai import OpenAI
client = OpenAI()
response = client.responses.create(
model="gpt-6-astra",
reasoning={"effort": "medium"},
input="Analiza este informe y devuelve tres riesgos priorizados."
)
print(response.output_text)El código es la parte fácil. El valor de Astra aparece cuando la aplicación aporta herramientas bien definidas, permisos limitados, estado persistente, criterios de finalización y evaluaciones. Sin esa infraestructura, estaremos pagando un modelo de agentes para utilizarlo como un chatbot muy caro.
Entonces, ¿hemos llegado a la AGI?
Greg Brockman ha expresado su opinión personal de que quizá ya estemos entrando en la era de la AGI. Los resultados de Astra dan argumentos a quienes creen que estamos ante un cambio de fase: aprende reglas de entornos nuevos, utiliza herramientas, programa soluciones auxiliares, mantiene objetivos largos y supera el rendimiento humano en algunas medidas concretas.
Pero no existe una definición universal ni una prueba oficial de AGI. Astra sigue fallando tareas, depende enormemente del harness, las herramientas y los permisos que lo rodean, puede alucinar y no lidera todas las evaluaciones. En Humanity’s Last Exam con herramientas, por ejemplo, OpenAI publica un 57,2 %, por debajo del 65 % atribuido a Claude Fable 5.1 en la misma tabla.
Decir que Astra es AGI sería convertir una discusión científica abierta en una etiqueta comercial. Decir que solo es «otro LLM un poco mejor» sería ignorar un avance evidente en la capacidad de actuar.
La revolución no está en el chat
Mi impresión es que GPT‑6 Astra será recordado menos por una respuesta brillante que por consolidar una transición: el paso del modelo que espera una pregunta al sistema que recibe un objetivo y trabaja sobre él.
La ventana de contexto, los porcentajes y el nombre de la generación llamarán la atención durante unos días. Lo verdaderamente importante será comprobar cuántos procesos completos puede asumir con fiabilidad: una investigación, una auditoría, una migración de software, la actualización de un CRM o la creación y verificación de un producto digital.
Si esa fiabilidad se confirma fuera de los benchmarks, el boom estará justificado. No porque GPT‑6 Astra sea una mente artificial omnisciente, sino porque podría convertir por fin la inteligencia de los modelos en trabajo digital terminado.
Deja una respuesta