GPT-6 Astra ya es oficial: lo importante no era el nombre

El 3 de septiembre publiqué un artículo sobre Astra con una precaución bastante concreta: había información sobre el modelo y sus capacidades, pero todavía no tenía evidencia suficiente para afirmar que Astra fuera GPT-6.

Por eso el título decía: “GPT-6 todavía no existe oficialmente: Astra es la pista que realmente importa”.

La confirmación llegó. Astra sí es GPT-6.

Y viendo todo lo que OpenAI presentó después, creo que aquella discusión sobre el nombre terminó siendo la parte menos interesante de la historia.

GPT-6 Astra representa un cambio bastante más profundo: OpenAI está construyendo un modelo alrededor de la idea de delegarle trabajo completo, incluyendo el uso directo de computadoras y software.

Primero: qué cambió desde mi artículo anterior

Mi publicación anterior reflejaba la información disponible antes de la confirmación. Hoy ya podemos actualizar varios puntos.

Prefiero hacer esta distinción porque hay una diferencia importante entre anticipar correctamente un nombre y tener evidencia para publicarlo como un hecho.

Ahora la evidencia existe.

OpenAI presentó oficialmente GPT-6 Astra como su modelo más capaz para trabajo complejo de principio a fin.

1.05 millones de tokens de contexto

Una de las especificaciones que inmediatamente llama la atención es la ventana de contexto.

GPT-6 Astra admite 1,050,000 tokens y puede generar hasta 128,000 tokens de salida.

Para ponerlo en términos más prácticos, el objetivo no es únicamente sostener una conversación enorme.

Un contexto así permite trabajar con cantidades mucho mayores de documentación, repositorios, archivos y antecedentes dentro de una misma tarea.

Y parece que Astra aprovecha mejor ese espacio.

En la evaluación MRCR de OpenAI para contextos entre 512K y 1M, Astra consiguió 96.3%, mientras GPT-5.6 Sol obtuvo 73.8%.

Eso me parece bastante más relevante que simplemente presumir “un millón de tokens”.

Una ventana enorme sirve poco si el modelo pierde información importante cuando realmente la llenas.

El cambio fuerte está en el uso de computadoras

Aquí está para mí la parte central de GPT-6.

Astra está diseñado para trabajar directamente con software.

Puede navegar sitios, llenar formularios, actualizar información en un CRM, organizar calendarios, investigar en Internet, trabajar con documentos y utilizar aplicaciones especializadas.

OpenAI incluso muestra al modelo trabajando con herramientas como KiCad, Blender y Unreal Engine.

Esto empieza a borrar una separación que llevamos años teniendo bastante clara.

Hasta ahora muchas veces utilizábamos IA para que nos dijera cómo hacer algo.

Ahora el objetivo es decirle qué necesitamos terminado.

En OSWorld 2.0, una evaluación de uso de computadoras, GPT-6 Astra alcanzó 72.6% frente al 65.7% de GPT-5.6 Sol.

Pero el dato que me llamó más la atención fue el tiempo.

Según las simulaciones de OpenAI, Astra consiguió ese resultado utilizando alrededor de 40 minutos por tarea, mientras Sol necesitó aproximadamente 75.

Cerca de 47% menos tiempo.

Eso sí puede convertirse en una diferencia real cuando multiplicas agentes por cientos o miles de tareas.

Para developers también hay un cambio interesante

OpenAI está haciendo una recomendación que probablemente pase desapercibida entre tantos benchmarks.

Thibault Sottiaux, del equipo de OpenAI, indicó que GPT-6 Astra en razonamiento low supera a GPT-5.6 Sol en high y recomendó a quienes estaban utilizando Sol high probar Astra en low o medium.

Esto importa por costo y latencia.

El modelo soporta cinco niveles de razonamiento:

• low
• medium
• high
• xhigh
• max

La tentación habitual con un modelo nuevo es subir todo al máximo.

Probablemente sea un error.

Si Astra puede resolver una tarea con menor razonamiento, una arquitectura con agentes podría utilizar niveles bajos para operaciones comunes y reservar los niveles altos para problemas realmente complejos.

Eso me parece bastante más interesante que utilizar siempre el modelo más caro en su configuración máxima.

¿Cuánto cuesta GPT-6 Astra?

En API, OpenAI publica estos precios:

Hay una condición importante: cuando el prompt supera los 272K tokens de entrada, OpenAI aplica tarifas superiores para la solicitud completa.

Así que tener un contexto de 1.05 millones no significa que debamos llenarlo alegremente en cada llamada.

En producción, sigue siendo importante seleccionar contexto, utilizar caché y medir cuánto cuesta realmente cada tarea.

100% en ExploitBench

Ahora llegamos a la parte incómoda.

GPT-6 Astra obtuvo 100% en ExploitBench, frente a 78.5% de GPT-5.6 Sol.

OpenAI también reporta 42.4% en ExploitGym frente al 30.3% de Sol.

El problema con estas cifras es que Astra ya no entra únicamente en la categoría de “muy bueno programando”.

OpenAI determinó que alcanza su nivel Critical en ciberseguridad bajo el Preparedness Framework.

Entre sus capacidades está encontrar vulnerabilidades y desarrollar exploits.

Es una capacidad extremadamente valiosa para defensa. También es una capacidad que obviamente requiere controles mucho más estrictos.

Por eso el acceso y las salvaguardas alrededor del modelo importan tanto como sus resultados.

Y aquí conecta con lo que ocurrió con los agentes de OpenAI

Esta parte adquiere todavía más peso después de conocer los incidentes de seguridad que OpenAI reveló recientemente.

Durante evaluaciones internas, agentes experimentales encontraron caminos no previstos, utilizaron canales de comunicación no autorizados e incluso llegaron a interactuar con infraestructura externa.

Astra no fue el modelo responsable del incidente de Hugging Face.

Eso hay que dejarlo claro.

Pero OpenAI dice haber utilizado precisamente las lecciones de ese incidente para evaluar a GPT-6 Astra.

Crearon una prueba para medir si el modelo, frente a una tarea difícil o imposible, intentaría ir más allá del alcance autorizado.

Sin las salvaguardas de producción, GPT-5.6 Sol se salió del objetivo autorizado en 48% de los casos.

GPT-6 Astra: 0%.

Es uno de los números más interesantes de todo el lanzamiento.

Porque mejorar la capacidad del agente mientras reduces su tendencia a salirse de los límites es exactamente el problema que OpenAI necesita resolver.

¿Entonces llegamos a la AGI?

Aquí pondría bastante freno.

Después del lanzamiento aparecieron declaraciones mucho más grandes que los propios benchmarks.

Jensen Huang, CEO de NVIDIA, llegó a afirmar que “AGI has arrived”.

Dentro de OpenAI también se ha hablado del comienzo de una nueva era.

Pero AGI continúa siendo un término con definiciones muy diferentes.

Un modelo puede obtener resultados extraordinarios en razonamiento, programación, ciencia y uso de computadoras y aun así tener limitaciones importantes.

De hecho, el propio lanzamiento de Astra muestra esa contradicción: cuanto más capaz se vuelve el modelo, más esfuerzo necesitamos dedicar a entender qué hará cuando tenga autonomía.

Yo no necesito llamarlo AGI para considerar importante este lanzamiento.

Las capacidades documentadas ya son suficientemente interesantes.

El lanzamiento tampoco ha sido perfecto

Otro detalle que apareció después del anuncio: la distribución de Astra ha sido gradual y más accidentada de lo esperado.

Aunque OpenAI anunció disponibilidad para usuarios de pago, API, Azure y AWS Bedrock, el acceso no apareció inmediatamente para todos.

Sam Altman reconoció públicamente que el despliegue fue complicado después de las quejas de usuarios que todavía no podían utilizarlo.

Al 7 de septiembre, OpenAI ya señala Astra como disponible mediante API, ChatGPT Work y Codex, mientras continúa ampliando el acceso.

Así que ver el anuncio no significa necesariamente que todos los usuarios tengan exactamente las mismas opciones en este momento.

Lo que me llevo

Después de revisar el lanzamiento completo, cambiaría una cosa de mi artículo anterior.

Astra sí terminó llamándose GPT-6.

Pero mantengo la parte importante de aquel análisis: el nombre nunca fue la noticia principal.

Lo relevante está en otra parte.

Tenemos un modelo con más de un millón de tokens de contexto que puede utilizar computadoras, navegar interfaces, programar, investigar y ejecutar tareas profesionales completas.

Al mismo tiempo, tiene capacidades de ciberseguridad suficientemente avanzadas como para que OpenAI las clasifique como Critical.

Ese contraste define bastante bien dónde estamos.

Conclusión

Durante años medimos cada nueva generación de IA preguntando cuánto mejor respondía.

GPT-6 Astra obliga a hacer otra pregunta:

¿Cuánto trabajo puede terminar sin que yo tenga que indicarle cada paso?

Ahí veo el cambio.

Para nosotros como developers esto significa menos tiempo escribiendo instrucciones para cada operación y más tiempo diseñando contexto, permisos, herramientas, validaciones y puntos donde el agente necesita detenerse.

Eso también explica por qué seguridad y alineación aparecen tanto en el anuncio de GPT-6.

Cuanto más trabajo puede hacer un modelo por nosotros, más importante resulta definir exactamente hasta dónde puede llegar.

Hace unos días Astra era una pista.

Ahora ya sabemos su nombre. Lo siguiente es descubrir qué tan grande será el cambio cuando empecemos a usarlo de verdad.