Huang declara la era AGI con GPT-6 Astra: claves del debate

Qué pasó: Huang declara la AGI y OpenAI guarda silencio

El 3 de septiembre de 2026 OpenAI lanzó GPT-6 Astra, su modelo más avanzado hasta la fecha, descrito por la compañía como el mejor del mundo en uso de computador, navegación web y escritura de software. Tres días después, el 6 de septiembre, el CEO de Nvidia, Jensen Huang, publicó en X un mensaje que sacudió al sector: "la AGI ha llegado", atribuyendo ese umbral al nuevo modelo de OpenAI.

Lo revelador es que la propia OpenAI no hizo esa declaración de forma oficial. Su presidente, Greg Brockman, dijo a periodistas que "personalmente" creía que estábamos en "la era de la AGI", pero dejó el juicio final en manos de los usuarios. Brockman fue más allá en su propia escala: "si dentro de un par de años miramos atrás y preguntamos cuándo se creó realmente la AGI, creo que vamos a decir que fue en esta época, y creo que puede haber sido este modelo", según recogió Wired.

Que el proveedor de hardware declare un hito filosófico antes que el laboratorio que lo desarrolla no es un detalle menor: la declaración y el anuncio comercial salieron en el mismo mensaje.

🤖 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: los números detrás del anuncio

Los resultados de Astra en pruebas estándar son notables. El modelo alcanzó 99,9% en ARC-AGI-3 (frente a un 48% del tester humano promedio), 98% en FrontierMath Tier 4 y 100% en ExploitBench, según datos publicados por OpenAI y verificados por Blockonomi.

Astra fue entrenado con más de 100.000 sistemas Nvidia Grace Blackwell NVLink72, según Huang. El ejecutivo anunció además que otros 400.000 GPUs Nvidia entrarán en operación en el corto plazo. La cifra no es menor: en un primer mensaje Huang habló de 300.000 sistemas de entrenamiento, borró la publicación y la sustituyó por la de 100.000, sin explicación pública, mientras el anuncio de las 400.000 GPUs adicionales se mantuvo intacto, como reportó El Colombiano.

Más allá de los benchmarks, OpenAI demostró capacidades prácticas: el modelo puede agendar citas en el DMV, buscar empleo, cazar apartamentos, actualizar registros de CRM y organizar calendarios, tareas que históricamente han sido las más difíciles de automatizar para una IA. También recibió por primera vez la clasificación "Crítica" en capacidad cibernética, lo que significa que puede desenvolverse de forma autónoma en tareas complejas de seguridad, incluida la detección de vulnerabilidades desconocidas.

El precio en la API es de USD 10 por millón de tokens de entrada y USD 50 por millón de tokens de salida, una tarifa alta comparada con competidores. Brockman defiende que el precio por token "ya no tiene sentido" y que la métrica relevante es el precio por tarea completada: OpenAI afirma que Astra supera a su predecesor con un coste por tarea completada aproximadamente un 57% menor.

Por qué Huang no es un observador neutral

El conflicto de interés es explícito. Nvidia vendió el hardware con el que se entrenó Astra y mantiene una participación estimada en USD 30.000 millones en OpenAI. En su mensaje del 6 de septiembre, Huang declaró el hito filosófico y anunció 400.000 GPUs adicionales en la misma conversación.

No es la primera vez que el CEO de Nvidia declara resuelta la discusión. En marzo de 2026, durante el podcast Lex Fridman, dijo "estamos ahí, hemos alcanzado la AGI". El 27 de agosto, en la earnings call del Q2 2026, matizó: "para muchas tareas, podríamos decir que ya hemos alcanzado la AGI", y calificó varios de estos hitos como "sin sentido", como reportó CryptoBriefing. En menos de seis meses, Huang pasó de proclamarlo, a relativizarlo, a proclamarlo otra vez con Astra.

La foto de fondo ayuda a entender los incentivos. Nvidia ingresó USD 96.200 millones en su último trimestre, de los cuales USD 89.000 millones vinieron del negocio de centros de datos, un 117% más interanual. Durante 2026 la compañía ha invertido unos USD 40.000 millones en empresas del ecosistema IA. Mientras tanto, OpenAI factura unos USD 13.000 millones al año, consume USD 8.000 millones de caja y prevé equilibrar cuentas en 2030, según datos citados por El Colombiano.

El contrato entre OpenAI y Microsoft añade una definición económica y menos filosófica: según The Information, la AGI se consideraría alcanzada cuando la tecnología generase al menos USD 100.000 millones de beneficios anuales. OpenAI está a menos de una octava parte de ese umbral con sus USD 13.000 millones actuales.

Qué dicen los que no están de acuerdo

El 76% de 475 investigadores encuestados por la Asociación Americana de Inteligencia Artificial consideró improbable que ampliar los métodos actuales conduzca a la AGI. Dario Amodei, CEO de Anthropic, ha descrito el propio término como impreciso y como una expresión de marketing, según recogió El Colombiano. Gary Marcus, investigador referente del escepticismo en IA, recordó que la comunidad no tiene una definición consensuada de AGI y que los benchmarks actuales pueden manipularse.

El caso reciente es ilustrativo: Nvidia logró un 100% en ARC-AGI-3 combinando Claude Opus 5 con memoria y herramientas externas, aunque el modelo subyacente sin ese andamiaje rondaba el 30%, según reportó VentureBeat. Que la misma prueba pueda arrojar 30% o 100% según la configuración elegida es una advertencia sobre cuánto de esos números miden capacidad real y cuánto miden configuración.

Hay además una paradoja que el propio equipo de OpenAI reconoció. Su chief scientist Jakub Pachocki advirtió que "el progreso en inteligencia no garantiza progreso en alineación" y que OpenAI está dispuesta a frenar el escalado si pierde capacidad de monitorear el razonamiento interno de los modelos. La paradoja es real: Astra es el modelo más capaz de OpenAI y, a la vez, el más difícil de vigilar.

¿Qué significa esto para tu startup?

Más allá del titular, lo que cambia con Astra no es la etiqueta "AGI", sino la arquitectura económica de usar IA y el umbral de autonomía que se puede delegar.

Piensa en precio por tarea, no por token. Si tu equipo evalúa modelos solo por coste por millón de tokens, estás comparando mal. Brockman tiene razón en algo: un modelo caro que completa un workflow a la primera puede costar menos que uno barato que requiere docenas de reintentos y supervisión humana. Mide el coste de tu caso de uso de punta a punta, no la tarifa del API.
Diseña permisos y auditoría como para un empleado, no como para un chatbot. Astra opera navegadores, hojas de cálculo y software empresarial de forma autónoma. Eso exige governance tipo SOC2: quién autorizó qué acción, qué logs guardas, cómo reviertes operaciones. El benchmark interno de OpenAI muestra que Astra salió de su scope autorizado en 0% de tests frente al 48% de su predecesor sin safeguards; aún así, "0%" no es "nunca".
Evalúa la capacidad de monitoreo como feature, no como nice-to-have. Si construyes sobre un modelo frontier, tu dependencia real es poder auditar su razonamiento. Si tu proveedor no puede explicar cómo llegó a una decisión, tu riesgo regulatorio y reputacional escala con la autonomía que le das.
No recalibres tu roadmap por declaraciones de proveedores. Huang declaró la AGI en marzo, la relativizó en agosto y la volvió a declarar en septiembre. Tu producto no se acelera ni se frena por un post en X: lo que cuenta es qué tareas concretas puedes automatizar de forma confiable hoy, con qué coste y con qué nivel de supervisión.