Astra supera a GPT-5.6 en pelícanos: ¿qué cambia para founders?

La comparativa visual de pelícanos que expone la nueva era de costos en IA

El 4 de septiembre de 2026, el desarrollador Simon Willison publicó una de sus célebres "comparativas de pelícanos en bicicleta": una batería de pruebas visuales con SVG generada con GPT-6 Astra —recién presentado por OpenAI— y con tres variantes de la familia anterior, GPT-5.6 Sol, Terra y Luna, en seis niveles de razonamiento. El ejercicio, lúdico en apariencia, dejó conclusiones técnicas concretas: a igual tarea, Astra produce imágenes mucho más fieles; usa menos tokens de entrada; y aunque su precio por millón de tokens duplica al de Sol, el costo total por tarea termina siendo competitivo. La nota resume una tendencia más profunda: la guerra de precios en IA ya no se mide solo por la lista de precios, sino por eficiencia por tarea resuelta.

Qué reveló la grilla de pelícanos de Astra

Willison pidió al modelo dibujar pelícanos montando bicicleta en cinco niveles de razonamiento (low, medium, high, xhigh y max — Astra no ofrece reasoning=none). Luego renderizó la matriz con las otras tres variantes para tener una referencia visual. Los hallazgos que destacó:

Calidad visual: el mejor pelícano de GPT-5.6-Sol (Willison prefiere xhigh sobre max) sigue siendo "un conjunto de formas abstractas". Todos los Astra, desde low hasta xhigh, lo superan. El Astra en modo max es, según el autor, "realmente bueno".
Una debilidad persistente: incluso en Astra, por debajo de max, las patas del pelícano no siempre quedan en ambos lados del cuadro.
Precios listados: Astra aparece a US$10/M de tokens de entrada y US$50/M de salida. Sol, a US$5/M y US$30/M respectivamente.
Consumo real: Astra consume menos tokens en cada nivel. El "precio por pelícano" entre los modelos termina más parejo de lo que sugiere la lista.
Dato revelador: tanto Astra como Luna usaron 16 tokens de entrada; Sol y Terra, 26. Esa paridad entre el modelo más caro y el más barato de la familia alimenta la sospecha del autor: ¿Astra y Luna comparten más arquitectura de la que OpenAI admite?

Una imagen vale más que mil tokens: el Astra low, a 9,55 centavos por la tarea completa, produce un pelícano mejor que cualquier configuración de GPT-5.6 Sol. Para un founder, eso redefine la pregunta: ya no alcanza con comparar tarifas; hay que medir costo por resultado útil.

🤖 La IA no es solo para leer sobre ella

En la comunidad la aplicamos: automatización, agentes IA y herramientas reales para emprender, no solo para informarte.

👥 Aplicarla en la comunidad

GPT-6 Astra: el contexto detrás del lanzamiento

Astra se presentó el 3 de septiembre de 2026 dentro de un cronograma escalonado. Según reportó American Bazaar, OpenAI ofreció acceso anticipado a un grupo reducido de organizaciones en su programa Daybreak de ciberseguridad, y al día siguiente abrió el modelo a usuarios pagos de ChatGPT y a partners de la API, con planes de llevarlo a ChatGPT Plus, Pro, Business y Enterprise en los días siguientes, además de AWS.

El presidente de OpenAI, Greg Brockman, describió el lanzamiento como un "salto generacional" y sugirió que, mirando atrás en dos años, este momento podría verse como el inicio de la era AGI. El modelo se entrenó en más de 100.000 GPUs en el sitio Stargate en Texas, y es el primero en el que generaciones previas de la familia supervisaron activamente su entrenamiento.

En cifras de evaluación, según American Bazaar: 100% en ExploitBench, 98% en FrontierMath Tier 4 y 99,95% en ARC-AGI-3. Astra puede operar dentro del software del usuario, ejecutar tareas complejas con poca supervisión, analizar datos científicos, generar gráficos, crear sitios web y hacer controles de calidad de frontend.

La alerta de seguridad que cambió el plan de lanzamiento

El mismo 18 de agosto de 2026, el CEO Sam Altman había salido a aclarar en redes que un modelo pausado por preocupaciones de ciberseguridad no era Astra. Según CryptoBriefing, durante evaluaciones internas de agosto, Astra cruzó el umbral "crítico" del Preparedness Framework de OpenAI en capacidades de ciberseguridad — 100% en ExploitBench y 98% en FrontierMath Tier 4 son los puntajes que OpenAI había definido como línea roja para activar protocolos adicionales.

En respuesta, la compañía pausó ciertas actividades internas y creó entornos de prueba aislados. El lanzamiento siguió adelante, pero las funciones avanzadas de ciberseguridad quedaron restringidas a un pequeño grupo de testers de confianza, dentro del programa Daybreak. La propia OpenAI destinó US$1.000 millones en acceso subsidiado a Daybreak para "defensores de primera línea" de servicios esenciales.

La guerra de precios de GPT-5.6: lo que cambió antes de Astra

La grilla de Willison llega cuando el ecosistema ya venía sacudido por recortes sucesivos en la familia anterior. Según ProPakistani y NewsBytes:

GPT-5.6 Sol: el 21 de agosto de 2026, OpenAI bajó su precio promocional a US$4/M de entrada y US$20/M de salida (antes US$5 y US$30) por tres meses en API y créditos de Codex.
GPT-5.6 Terra: recorte de 20% el 30 de julio de 2026.
GPT-5.6 Luna: recorte de hasta 80% en la misma fecha, llevándola al escalón más barato de la familia.

Para ponerlo en contexto comparativo, los mismos reportes citan a Anthropic: Claude Fable 5 a US$10/M y US$50/M, y Claude Opus 5 a US$5/M y US$25/M. Es decir, después de los recortes, GPT-5.6 Sol quedaba más barato que Claude Fable 5 en precio de lista — aunque, como muestra Willison, el precio de lista miente cuando no se mide el costo por tarea completada.

Qué significa esto para tu startup

La comparativa de pelícanos parece trivial, pero encapsula una lección que tu equipo financiero necesita incorporar este trimestre: el precio por millón de tokens dejó de ser la métrica correcta. Cuando Astra low cobra US$10/M de entrada y Sol cobra US$5/M, la intuición dice "usá Sol". La realidad, medida por Willison, dice que con 9,55 centavos de Astra obtenés un mejor resultado que con cualquier configuración de Sol — porque el modelo más nuevo necesita menos tokens para llegar a buen puerto.

Tres acciones concretas que podés aplicar esta semana:

Auditar el costo real por tarea, no por token. Sacá una métrica del estilo "costo por consulta útil resuelta" o "costo por generación aceptada" en tus productos que usan LLM. El delta entre precio de lista y costo real puede ser de 2x o más, según el modelo.
Reevaluar el mix de modelos por uso. Si tu producto encadena varios pasos (análisis + resumen + formato), probá si reemplazar el modelo "caro pero potente" por uno "barato pero eficiente" en los pasos intermedios mantiene la calidad y baja la factura. La grilla de Willison sugiere que el segmento "low" de Astra ya supera al "max" de Sol en tareas visuales.
Vigilar Daybreak como canal de acceso temprano. Si tu startup hace ciberseguridad, auditoría de código o análisis de vulnerabilidades, el programa Daybreak de OpenAI ofrece acceso subsidiado y prioridad de features — un vector que vale la pena explorar antes que se llene.

El detalle más perturbador de toda la grilla — Astra y Luna comparten el mismo conteo de tokens de entrada — sugiere que la frontera entre "modelo barato" y "modelo premium" en una misma familia puede ser más delgada de lo que parece. Cuando llegue el momento de renegociar tu contrato con el proveedor de IA, pedí una demo de costo por tarea en tu propio caso de uso, no en benchmarks genéricos.