Curso
Introducción a la IA para el trabajo
2 h
126.9K
OpenAI ha lanzado GPT-6 Astra, al que describe como el modelo más inteligente y alineado del mundo.
Astra llega a un segmento puntero muy competido, donde Claude Fable 5.1 de Anthropic (publicado el 1 de septiembre de 2026) y Claude Opus 5 son la referencia para programación y trabajo con agentes.
Las afirmaciones de partida son ambiciosas.
Astra satura FrontierMath Tier 4 con un 97,6%, satura ARC-AGI-3 con un 99,9% bajo el «provider adapter harness» de OpenAI y alcanza el 100% en ExploitBench. También marca un nuevo techo en uso de ordenador y navegador, con un 72,6% en OSWorld 2.0 y empleando aproximadamente un 47% menos de tiempo por tarea que su predecesor GPT-5.6 Sol.
ARC-AGI-3 y FrontierMath Tier 4 se diseñaron precisamente para ir por delante de las capacidades de la IA, así que «saturarlos» indica algo cualitativamente distinto a liderar una tabla estándar.
En este artículo, cubro todas las novedades de GPT-6 Astra: repaso sus funciones, exploro los benchmarks y muestro algunos casos de uso.
Si quieres ver el modelo en acción, sigue nuestro tutorial del API de GPT-6 Astra y echa un vistazo a algunos proyectos con GPT-6 Astra que puedes probar. Para ver cómo se compara con la competencia, consulta nuestra comparativa de GPT-6 Astra y Claude Fable 5.1. También te recomiendo nuestra guía para aprender Claude, y nuestra cobertura del nuevo modelo Jev System One más la comparativa Jev vs GPT-6 Astra.
GPT-6 Astra en pocas palabras
- GPT-6 Astra es el nuevo buque insignia «frontier» de OpenAI, sucesor de GPT-5.6 Sol, con un precio de $10/$50 por millón de tokens de entrada/salida.
- Logra un 72,6% en OSWorld 2.0 (uso del ordenador) con ~47% menos tiempo por tarea que Sol, y satura FrontierMath Tier 4 (97,6%) y ExploitBench (100%).
- El 99,9% en ARC-AGI-3 depende de un harness con estado y costoso; las llamadas sin estado por API obtienen resultados bastante inferiores.
- Supera el umbral «Critical» en ciberseguridad, por lo que las capacidades de creación de exploits están restringidas dentro del programa Daybreak de OpenAI.
- Va por detrás de Claude Fable 5.1 en Humanity's Last Exam con herramientas (57,2% vs 65,0%), así que no arrasa en todo.
¿Qué es GPT-6 Astra?
GPT-6 Astra es el nuevo buque insignia «frontier» de OpenAI, sucesor de GPT-5.6 Sol como el modelo de referencia para razonamiento, uso del ordenador y trabajo con agentes.
OpenAI lo posiciona en tres áreas:
- Uso del ordenador de última generación
- Un salto en productividad profesional
- Un avance en ciberseguridad que cruza el umbral «Critical» según su Preparedness Framework.
El titular más útil para profesionales es OSWorld 2.0, donde Astra alcanza un 72,6% en unos 40 minutos por tarea, frente al 65,7% de GPT-5.6 Sol en unos 75 minutos.
Esa combinación de mayor precisión y menor tiempo real marca la diferencia entre un agente al que tienes que vigilar y uno al que puedes encargarle una tarea sin supervisión constante.
Astra llega junto con un harness de Codex actualizado que, según OpenAI, completa tareas 1,9 veces más rápido que la experiencia actual con GPT-5.6 Sol en el benchmark Mind2Web.
Está disponible como gpt-6-astra en el API de OpenAI y a través de Amazon Bedrock, con un nivel GPT-6 Astra Pro para planes Pro, Business y Enterprise.
Si también te interesan los modelos más económicos de OpenAI, consulta nuestra guía de GPT-6 Sol y Luna.
¿Qué hay de nuevo en GPT-6 Astra?
Los cambios de Astra se concentran en la ejecución con agentes: usar un ordenador, producir entregables profesionales acabados, mantener el contexto en sesiones largas de programación y respetar límites de autorización.
Estas son las capacidades más destacadas.
Maneja tu ordenador de principio a fin
Astra puede operar un ordenador directamente, encargándose de ese trabajo tedioso de varios pasos que suele comerse una tarde.
Algunos buenos ejemplos:
- Rellenar un lote de partes de gastos
- Actualizar registros en un CRM
- Pasar comprobaciones de QA frontend en un sitio que acabas de construir
- Instalar y resolver problemas de software observando lo que ocurre en pantalla.
En simulaciones de latencia en OSWorld 2.0, Astra logra un 72,6% en unos 40 minutos por tarea frente al 65,7% de GPT-5.6 Sol en unos 75 minutos: un 47% menos de tiempo por tarea.
OSWorld 2.0 mide si un modelo puede operar realmente un ordenador: navegar interfaces reales, hacer clic, teclear y completar tareas de varios pasos como lo haría una persona.
Ese 47% menos de tiempo por tarea importa tanto como la mejora en precisión porque el coste de un agente escala con el tiempo real: un modelo que termina en 40 minutos en lugar de 75 no solo es más rápido, también cuesta aproximadamente la mitad ejecutar la misma carga.
Dicho esto, pruebas independientes del ARC Prize muestran que los números estrella de Astra en uso del ordenador y razonamiento dependen mucho del harness.
En ARC-AGI-3, el harness estándar sin estado produjo puntuaciones de aproximadamente 17% a 63% según el nivel de razonamiento, mientras que el harness con adaptador del proveedor, que preserva el estado, alcanzó el ~99,9% promocionado.
Si llamas al modelo sin estado, espera cifras más bajas que las de los gráficos de lanzamiento.
Genera documentos, presentaciones y hojas de cálculo terminados
Astra está entrenado para entregar materiales profesionales pulidos que siguen tus plantillas, no borradores genéricos.
Crea documentos, presentaciones, hojas de cálculo y análisis que encajan con tu estilo de escritura y visual, y solo incorpora al resultado el contexto relevante en lugar de rellenarlo con todo lo que sabe.
En la demo de OpenAI, Astra construye una presentación sobre un modelo ficticio a partir de unas pocas diapositivas de plantilla, manteniendo el tono y el diseño coherentes de principio a fin.
Para cualquiera que se haya pasado una hora reformateando el volcado en markdown de un LLM a una plantilla corporativa, esa fidelidad a la plantilla es lo primero que querría poner a prueba.
Con Sites en ChatGPT, Astra puede crear, alojar y compartir sitios web, apps web y juegos directamente desde un prompt, aplicando un criterio visual más sólido que modelos anteriores.
Haz preguntas enfocadas en lugar de adivinar
Astra decide cuándo debe preguntarte algo y cuándo puede seguir adelante con suposiciones razonables.
Cuando las instrucciones dejan margen de interpretación, rellena por su cuenta las lagunas rutinarias y solo hace preguntas concretas si la respuesta puede cambiar el resultado.
En la comparativa de OpenAI, GPT-5.6 Sol construyó de forma autónoma una web personal de carrera en 13 minutos y 15 segundos, mientras que Astra pausó a los 20 segundos para preguntar a qué carrera se quería orientar el usuario.
En Codex, Astra puede preguntar de forma asíncrona: continúa con el trabajo que no depende de tu respuesta y solo espera en decisiones de peso.
Astra también mantiene el rumbo cuando la tarea cambia.
Modelos anteriores a veces trataban un mensaje de corrección a mitad de tarea como un objetivo nuevo y perdían las restricciones originales; Astra incorpora nuevos requisitos y responde a preguntas laterales sin soltar el encargo principal.
Mantén notas entre ventanas de contexto en Codex
GPT-6 Astra introduce una nueva forma para que Codex conserve y recupere contexto cuando la ventana se llena, sustituyendo los resúmenes repetidos por notas consultables.
Históricamente, los modelos usan compactación para comprimir sesiones largas de depuración o grandes refactors en un único resumen, que puede perder detalles sobre por qué falló una corrección o cómo se comporta un componente.
Con Astra, Codex mantiene notas entre ventanas y deja las ventanas anteriores consultables, de modo que puede encontrar un requisito o un resultado de prueba de un mensaje anterior aunque la nota no lo recogiera.
Activas esta función experimental en tu config.toml de Codex, y OpenAI afirma que será el valor por defecto para Astra en las próximas semanas.
Ejecuta trabajo defensivo de ciberseguridad
Astra alcanza el umbral «Critical» en ciberseguridad según el Preparedness Framework de OpenAI, lo que es a la vez su capacidad más potente y la más restringida.
De inicio, ayuda con revisión de código seguro y aplicación de parches, pero rechaza tareas más avanzadas como crear pruebas de concepto de exploits.
OpenAI planea ampliar el acceso a través de su programa Daybreak con salvaguardas menos restrictivas, habilitando la validación de vulnerabilidades y pruebas de concepto, análisis de malware y diseño de detecciones.
Por el mayor riesgo, los chequeos adicionales de seguridad pueden pausar o parar trabajos legítimos: en ChatGPT o Codex puede que te pidan revisar una acción, y en el API la tarea se detendrá directamente.
Benchmarks de GPT-6 Astra
Astra establece nuevos máximos en uso del ordenador, matemáticas, programación y ciberseguridad en las evaluaciones reportadas por OpenAI, a menudo usando menos tokens de salida que GPT-5.6 Sol o los modelos de Claude.
Las puntuaciones siguientes provienen de las tablas de lanzamiento de OpenAI: trátalas como datos del proveedor y ten en cuenta las advertencias sobre el harness donde apliquen.
OSWorld 2.0 y uso del ordenador
Astra logra un 72,6% en el conjunto offline de OSWorld 2.0, frente al 65,7% de GPT-5.6 Sol y el 70,2% de Claude Opus 5.
OSWorld mide si un agente puede completar tareas reales de escritorio como navegar por apps y manipular archivos, así que es el mejor indicador de «si esto realmente puede usar el ordenador por mí».
En ScreenSpot-Pro, que evalúa el anclaje de elementos de la interfaz en pantalla sin herramientas, Astra alcanza un 92,7% frente al 76,9% de GPT-5.6 Sol y el 87,3% de Claude Fable 5.
En Agents' Last Exam, llega al 59,3%, por delante del 55,5% de Claude Opus 5 y del 53,6% de GPT-5.6 Sol, usando alrededor de un 65% menos de tokens de salida que Opus 5.
FrontierMath Tier 4 y GPQA Diamond
Astra consigue un 97,6% en FrontierMath Tier 4 v2, el nivel más exigente de un benchmark de matemáticas de investigación, frente al 87,8% de Claude Fable 5.1 y Fable 5, y el 73,2% de Claude Opus 5.
OpenAI lo describe como saturación, y dado el techo, es una lectura razonable.
En GPQA Diamond, un conjunto de preguntas de nivel posgrado en biología, química y física, Astra alcanza un 96,0% frente al 95,3% de Gemini 3.8 Flash y el 94,6% de GPT-5.6 Sol.
No lidera todas las métricas, eso sí. En Humanity's Last Exam con herramientas, Astra puntúa 57,2%, por detrás del 65,0% de Claude Fable 5.1 y el 63,6% de Opus 5, así que no domina todas las evaluaciones de razonamiento.
Programación: Terminal-Bench y FrontierCode
En Terminal-Bench 4.0, que evalúa agentes en ingeniería de software, configuración de sistemas y análisis de datos en terminal, Astra logra un 57,7% frente al 37,3% de GPT-5.6 Sol, el 55,8% de Claude Fable 5.1 y el 19,1% de Gemini 3.8 Flash.
Es una ventaja amplia sobre Gemini Flash y moderada sobre Fable 5.1.
El panorama de código es más ajustado en otros frentes.
En FrontierCode 1.1 Main, Astra puntúa 53,3% frente al 53,5% de Fable 5 y el 53,4% de Opus 5, básicamente un empate, y en DeepSWE v1.1 alcanza 74,1% frente al 73,8% de Gemini 3.8 Flash y el 69,9% de Fable 5.
Cuando analizamos GPT-5.6 Terra en nuestra comparativa Terra vs Claude Sonnet 5, Terra obtuvo 87,4% en Terminal-Bench 2.1, otra versión distinta, por lo que las comparaciones entre versiones no son equivalentes.
Ciberseguridad: ExploitBench y SRE-Bench
Astra logra el 100% en ExploitBench frente al 78,5% de GPT-5.6 Sol y el 70% de Claude Opus 5, y un 42,4% en ExploitGym frente al 30,3% de Sol.
ExploitBench mide si un modelo puede convertir una vulnerabilidad conocida en un exploit funcional, así que un resultado perfecto explica por qué OpenAI restringe esta capacidad en el lanzamiento.
En el ExploitBench con control de contaminación (junio-agosto de 2026), construido con vulnerabilidades de los tres meses previos, Astra obtiene un 39,0% frente al 5,5% de Sol.
En SRE-Bench, que mide la ingeniería inversa de binarios sin código fuente, Astra resuelve el 88,0% en un intento frente al 55,9% de Sol.
El laboratorio independiente Irregular informó de que Astra resolvió 86 de 226 desafíos de FrontierCyber, frente a 34 de Sol, incluidos hallazgos de día cero en navegadores y una base de datos en la nube.
ARC-AGI-3 y contexto largo
Astra puntúa 99,9% en ARC-AGI-3 con el «provider adapter harness» de OpenAI, frente al 7,8% de GPT-5.6 Sol y el 30,2% de Claude Opus 5.
Este dato hay que leerlo con cuidado: las ejecuciones independientes del ARC Prize muestran que el harness estándar sin estado puntúa aproximadamente entre 17% y 63% según el nivel de razonamiento, y el ~99,9% requiere el harness con estado y una ejecución completa que cuesta decenas de miles de dólares.
En contexto largo, Astra alcanza el 100% en OpenAI MRCR v2 8-needle en la banda 256K-512K y el 96,3% en la banda 512K-1M, frente al 91,5% y 73,8% de GPT-5.6 Sol.
Esa fiabilidad de recuperación a 1M de tokens es un avance real sobre Sol para flujos de documentos pesados.
Benchmarks de alineamiento
Astra marca un 2,4% en el benchmark interno de seguridad de uso del ordenador de OpenAI (cuanto más bajo, mejor), frente al 22,0% de GPT-5.6 Sol, el 9,5% de Fable 5.1 y el 11,5% de Opus 5.
En entornos de trabajo realistas, su tasa global de resultados desalineados sin política de confirmación es del 3,4%, frente al 18,8% de Sol y el 13,5% de GPT-5.6 Terra.
La única regresión que señala OpenAI es la monitorización del «chain-of-thought».
Astra produce razonamientos más breves y menos verbosos y controla su CoT mucho mejor que Sol; en CoT-Control entre 750 y 1.250 tokens, siguió las restricciones el 60,9% del tiempo frente al 16,1% de Sol.
La UK AISI encontró que Astra podía eludir la monitorización bajo «prompts» adversarios, y OpenAI se lo toma lo bastante en serio como para nombrarlo prioridad de investigación.
GPT-6 Astra frente a la competencia de un vistazo
Así se alinean las puntuaciones reportadas de Astra con las de sus rivales objetivo en algunos benchmarks clave.
| Benchmark | GPT-6 Astra | GPT-5.6 Sol | Claude Fable 5.1 | Claude Opus 5 | Gemini 3.8 Flash |
|---|---|---|---|---|---|
| OSWorld 2.0 | 72,6% | 65,7% | - | 70,2% | - |
| FrontierMath Tier 4 v2 | 97,6% | 83,0% | 87,8% | 73,2% | - |
| GPQA Diamond | 96,0% | 94,6% | 93,7% | 93,7% | 95,3% |
| Terminal-Bench 4.0 | 57,7% | 37,3% | 55,8% | 52,3% | 19,1% |
| ExploitBench | 100,0% | 78,5% | - | 70,0% | - |
| ARC-AGI-3 (adapter harness) | 99,9% | 7,8% | - | 30,2% | - |
Precios y disponibilidad de GPT-6 Astra
GPT-6 Astra se está desplegando primero para un conjunto limitado de organizaciones y, en los próximos días, llegará a todos los usuarios de ChatGPT Plus, Pro, Business y Enterprise, además del API de OpenAI y AWS.
Los administradores de Enterprise pueden activarlo por espacio de trabajo, y viene desactivado por defecto en el lanzamiento. Los planes Pro, Business y Enterprise también incluyen GPT-6 Astra Pro.
Para desarrolladores, el modelo está disponible como gpt-6-astra en el API de OpenAI y en Amazon Bedrock.
Los precios estándar del API son:
- Entrada: $10 por millón de tokens
- Salida: $50 por millón de tokens
- Modo rápido: hasta 2,5 veces la velocidad Estándar por 2 veces el precio Estándar (aprox. $20 entrada, $100 salida por millón de tokens)
- Se aplican tarifas separadas a lecturas y escrituras de caché
Para contextualizar, está muy por encima de las tarifas de GPT-5.6 Terra ($2/$12) de nuestra cobertura anterior, y por encima de las de Claude Opus 5 ($5/$25).
Astra se tarifica como un modelo puntero de razonamiento y automatización, no como un «caballo de batalla» para texto masivo.
Admite Zero Data Retention para clientes del API que cumplan los requisitos, y su uso está incluido en las asignaciones de suscripción existentes con opción de comprar créditos adicionales.
Ejemplos de GPT-6 Astra
Mis redes sociales están llenas de ejemplos de casos de uso de GPT-6 Astra. Aunque aún no lo he probado de primera mano, han aparecido algunos ejemplos muy interesantes que merece la pena destacar:
Diseño 3D
He visto muchas publicaciones donde se usa GPT-6 Astra en Blender para crear modelos 3D muy detallados y realistas.
En el clip de abajo, el usuario de X, Tom Krcha, dio a GPT-6 «una imagen de una casa y le pidió crearla en 3D con todos los detalles, incluidos juguetes, electrodomésticos y muebles. Es una reconstrucción 3D completa en Blender con geometría que puedes retocar manualmente y ejecutar a 60 fps como un "juego" renderizado localmente en el dispositivo».
