OpenAI lanza GPT-6 Astra, su IA más potente hasta la fecha

Qué es GPT-6 Astra y por qué OpenAI habla de «era AGI»

OpenAI presentó oficialmente GPT-6 Astra, su modelo más avanzado hasta la fecha, entrenado con más de 100.000 GPUs en el centro de datos Stargate de Texas, según datos confirmados por el investigador de OpenAI Aidan Clark y recogidos por The Decoder. Es la sesión de entrenamiento más grande que la compañía ha ejecutado, y el salto de capacidad respecto a GPT-5.6 Sol es mayor que el que Sol representó frente a sus antecesores, añadió Clark.

El presidente de OpenAI, Greg Brockman, cerró la presentación con una frase que ya se cita como hito: «Welcome to the AGI era» («Bienvenidos a la era AGI»). No es marketing vacío: según The Decoder, durante el briefing Brockman reconoció que no existe un umbral claro para declarar la AGI, pero que la transición ya está ocurriendo de forma gradual. El CEO Sam Altman había adelantado previamente que esperaba un modelo al que pudiera llamar AGI antes de fin de año.

El despliegue, sin embargo, es tan ambicioso como escalonado. Astra arranca limitado a un puñado de clientes de ciberseguridad dentro del programa Daybreak, y en los próximos días se abrirá a los suscriptores de los planes Plus, Pro, Business y Enterprise, además de la API y de las plataformas AWS Bedrock y Microsoft Azure.

🤖 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

Qué puede hacer Astra: los benchmarks que importan para un founder

El salto se nota en los números que OpenAI publicó y que The Decoder desglosó. En ARC-AGI-3, el test de razonamiento abstracto que mide si un modelo puede resolver problemas nuevos sin entrenamiento específico, Astra alcanzó 99,9 % (bajo las condiciones de prueba de OpenAI). En FrontierMath Tier 4 v2, uno de los benchmarks de matemáticas más exigentes, marcó 97,6 %, frente al 73,2 % del modelo Opus 5 de Anthropic.

En tareas prácticas para tu negocio, las cifras más interesantes son:

DeepSWE v1.1 (ingeniería de software): 74,1 %, frente al 72,7 % de Sol y al 73,7 % de Opus 5.
BenchCAD (diseño): 95,9 %, un salto desde el 83,3 % de Sol.
OSWorld 2.0 (uso de ordenador): 72,6 %, completando tareas en unos 40 minutos frente a los ~75 minutos de Sol.
ExploitBench (ciberseguridad): 100 %, con dos zero-days desconocidos descubiertos durante la evaluación.

Astra también resolvió diez problemas matemáticos abiertos, según SiliconANGLE, con cada prueba costando alrededor de 2.000 dólares en tokens. La compañía publicó los argumentos y, según el reporte, mejoró un resultado clásico sobre huecos entre primos que llevaba más de 80 años sin moverse.

Por qué Astra es el primer modelo que OpenAI clasifica como «crítico»

Lo que separa a Astra de todo lo anterior no es solo lo que sabe, sino lo que puede hacer de forma autónoma. OpenAI lo confirmó en su blog del 7 de agosto: Astra es el primer modelo que cumple el umbral «Critical» de su Preparedness Framework de 29 páginas en la categoría de ciberseguridad.

Según SiliconANGLE, esto significa que el modelo puede encontrar vulnerabilidades zero-day en sistemas críticos endurecidos y construir cadenas de exploit sin guía humana paso a paso, únicamente a partir de un objetivo de alto nivel. También puede lanzar ciberataques sobre sistemas reforzados con esa misma autonomía.

Las implicaciones operativas ya están activas: Astra corre en sandboxes con red restringida, OpenAI reforzó la encriptación que protege los pesos del modelo y monitoriza en tiempo real la cadena de pensamiento de los agentes internos para detectar comportamiento anómalo. El modelo no tiene acceso a la web pública durante las pruebas. Los workflows de ciberseguridad se compartirán con «third-party testing partners» y agencias gubernamentales.

El incidente que precipitó este modo cauteloso fue el hackeo a Hugging Face en el que se vio involucrada OpenAI, lo que motivó las salvaguardas reforzadas antes del despliegue masivo.

Precio y disponibilidad: 2,5 veces más caro por token, pero más barato por tarea

El coste por token sube: la API de Astra cobra 10 dólares por millón de tokens de entrada y 50 dólares por millón de tokens de salida en modo estándar con contexto breve. Con contexto extenso, los precios suben a 20, 75 y 25 dólares por millón de tokens respectivamente, según los datos de Hipertextual. En modo Fast, que promete 2,5 veces más velocidad, el precio se duplica.

En términos relativos, Astra es 2,5 veces más caro que GPT-5.6 Sol y se alinea con el precio de Claude Fable 5.1 de Anthropic, de acuerdo con The Decoder. Pero OpenAI defiende que comparar por token ya no tiene sentido: lo que importa es el coste por tarea completada. En DeepSWE v1.1, la configuración superior de Astra recorta el coste por tarea en aproximadamente un 57 % frente a Sol, según datos de la propia compañía.

Los suscriptores de los planes Pro, Business y Enterprise también tendrán acceso a Astra Pro, una variante de mayor rendimiento. En cuentas Enterprise, el acceso a Astra está desactivado por defecto y requiere activación manual del administrador del workspace.

Codex se reinventa: notas entre ventanas de contexto

La actualización de Codex es casi tan importante como el modelo. Astra introduce en Codex una función experimental para preservar notas entre múltiples ventanas de contexto durante sesiones largas, en lugar de comprimir todo en un único resumen cada vez que la ventana se llena. Las ventanas anteriores siguen siendo buscables, así que Astra puede localizar requisitos o resultados de tests de mensajes previos aunque no estuvieran en las notas.

Según 9to5Mac, esta función se convertirá en el comportamiento por defecto en las próximas semanas. El cambio importa para founders que ya delegan refactors largos o sesiones de debugging complejas en Codex: el modelo ya no olvidará el «por qué» de cada decisión al compactar la conversación.

¿Qué significa esto para tu startup?

Empieza a calcular coste por tarea, no por token. Si tu producto depende de llamadas a la API de OpenAI, el cambio de modelo no se mide en céntimos por token sino en dólares por workflow terminado. Recalcula los márgenes asumiendo que Astra consume más tokens por petición pero termina antes; el ahorro real puede ir del 30 % al 60 % según el tipo de tarea.

Audita el uso interno de IA como vector de ataque. Astra es el primer modelo comercial que puede encontrar vulnerabilidades zero-day sin asistencia humana. Eso significa que un empleado con acceso a GPT-6 Astra, intencionadamente o no, tiene una capacidad de pentesting que antes requería un equipo entero. Revisa quién tiene acceso al plan Pro o Enterprise en tu organización y qué prompts están autorizados.

Prepárate para el rollout por fases. Si tu producto depende de Astra, no cuentes con acceso masivo esta semana: el despliegue arranca con Daybreak (ciberseguridad) y se amplía a Plus, Pro, Business, Enterprise, API, AWS y Azure en los próximos días. Diseña tu feature flag con un fallback a GPT-5.6 Sol o a un modelo equivalente de Anthropic para no depender de un único proveedor.

Experimenta con Codex antes del despliegue general. La nueva función de notas entre ventanas de contexto cambia el comportamiento del agente en sesiones largas. Úsala desde el primer día para tareas reales de tu backlog y compara cuánto contexto se preserva frente a la compactación clásica.