GPT-6 Astra vs. Claude Opus 5.5: qué modelo usar

Cuando OpenAI lanzó GPT-6 Astra a principios de septiembre, presentó el modelo como capaz de hacer "todo lo que puedes hacer en un ordenador".

Ese mismo mes, Anthropic respondió con Claude Opus 5.5, un modelo que, según la compañía, rinde al nivel de su gama alta Claude Fable 5.1. (Antes ya hicimos la comparativa entre GPT-Astra y Claude Fable 5.1).

Hoy ambos modelos son elecciones de referencia para trabajo agentivo serio. Llevan un par de meses en el mercado y hemos tenido tiempo suficiente para trabajar con los dos. En este artículo, comparo GPT-6 Astra y Claude Opus 5.5 en benchmarks, funciones y precios. Además, los someto al mismo test práctico de codificación y doy una recomendación concreta sobre cuál me gusta más.

¿Qué es GPT-6 Astra?

GPT-6 Astra es el modelo insignia de OpenAI anunciado en septiembre. Está disponible en ChatGPT Plus, Pro, Business y Enterprise, en Codex, a través de la API de OpenAI y en Amazon Bedrock. 

OpenAI ha diseñado Astra en torno al uso del ordenador. Puede operar un escritorio de extremo a extremo, incluidas apps sin API, y está entrenado para completar tareas con menos tokens y menos reintentos.

OpenAI también describe GPT-6 Astra como su modelo más alineado hasta la fecha, y es el primero de la empresa en alcanzar el umbral de capacidad de ciberseguridad "Crítico" según su Preparedness Framework.

¿Qué es Claude Opus 5.5?

Claude Opus 5.5 es el modelo Opus más reciente de Anthropic, también lanzado en septiembre. Está disponible en las apps de Claude, Claude Code, la Claude Platform API (como claude-opus-5-5), Amazon Bedrock, Google Cloud Vertex AI y Microsoft Foundry.

Anthropic posiciona Opus 5.5 con un rendimiento al nivel de Claude Fable 5.1 en la mayoría de trabajos, siendo un 20% más barato por token que Opus 5 y aproximadamente un 40% más barato en cargas típicas, ya que además utiliza menos tokens. Según Anthropic, la generación de salida es más de un 30% más rápida que en Opus 5. 

El lanzamiento de Anthropic pone el foco en trabajos de ingeniería de larga duración: un tester temprano completó una migración de 680.000 líneas de código en menos de un día, y en una traducción interna de C a Rust de HAProxy, Opus 5.5 terminó en 9,5 horas frente a 12 de Fable 5.1.

GPT-6 Astra vs. Claude Opus 5.5: comparación directa

Los datos lado a lado más claros provienen de la publicación de lanzamiento de Opus 5.5 de Anthropic, que lista GPT-6 Astra junto a sus propios modelos. Ten en cuenta que las cifras de Astra allí son puntuaciones reportadas por OpenAI o resultados de rankings públicos, no ejecuciones realizadas por Anthropic.

Programación e ingeniería de software

Aquí es donde Opus 5.5 presenta su mejor argumento. En Terminal-Bench 4.0, que evalúa agentes trabajando en un terminal real, Opus 5.5 obtiene un 66,4% frente al 57,9% de Astra, una ventaja de 8,5 puntos. 

En FrontierCode la cosa está mucho más igualada: 54,4% para Opus 5.5 frente a 53,3% para Astra, prácticamente un empate. 

Pero Astra también tiene bazas en programación. OpenAI reporta un 74,1% en DeepSWE v1.1, al que llama un nuevo récord, y afirma que Astra en el arnés de Codex completa tareas más rápido que su predecesor. Anthropic no publica una puntuación de DeepSWE para Opus 5.5.

Trabajo del conocimiento y razonamiento

En GDPval-AA v2.1, que evalúa tareas profesionales en 44 ocupaciones, Opus 5.5 logra 1846 Elo frente a 1542 de Astra. Es una diferencia amplia. Opus 5.5 también lidera en Humanity's Last Exam con herramientas, con un 67,7% frente al 57,2%.

Astra toma ventaja en trabajo científico en terminal, con un 64,6% en Terminal-Bench-Science frente al 58,7% de Opus 5.5. OpenAI también reporta resultados muy sólidos en matemáticas y ciencia para Astra, entre ellos un 97,6% en FrontierMath Tier 4 v2 y un 96,0% en GPQA Diamond. Anthropic no publica esos benchmarks para Opus 5.5, así que si tu caso de uso se basa en razonamiento matemático, Astra tiene las mejores evidencias publicadas.

Uso del ordenador y automatización de negocio

El uso del ordenador es la función estrella de Astra. OpenAI reporta un 72,6% en OSWorld 2.0 y un 92,7% en ScreenSpot-Pro, y ofrece controles empresariales para esto: los administradores pueden restringir webs y apps de escritorio, exigir aprobación antes de acciones con consecuencias y revisar automáticamente llamadas de herramientas potencialmente inseguras.

Anthropic reporta un 81,8% en OSWorld 2.1 (crédito parcial) para Opus 5.5. Es otra versión del benchmark con una puntuación distinta, por lo que no es comparable directamente con el 72,6% de Astra. En AutomationBench, el benchmark de flujos de trabajo de Zapier, están cerca, con ligera ventaja para Astra: 41,4% frente a 40,0%.

Ventana de contexto y salida

Ambos modelos gestionan entradas muy largas. Astra tiene una ventana de contexto de 1,05M tokens y Opus 5.5 de 1M tokens. Ambos permiten hasta 128K tokens de salida, y Opus 5.5 puede llegar hasta 300K tokens de salida mediante la API de Message Batches (en beta).

Seguridad y disponibilidad

Ambos laboratorios limitan sus capacidades más sensibles. Astra está calificado como "Crítico" en ciberseguridad, por lo que el trabajo avanzado de explotación requiere el programa de acceso de confianza de OpenAI. Opus 5.5 redirige la mayoría de tareas de ciberseguridad a Claude Opus 4.8 y usa las mismas salvaguardas en biología que Fable 5.1, con programas de verificación para organizaciones evaluadas. 

Precios: lo que pagarás realmente

A precio de lista, Opus 5.5 es un 60% más barato que Astra tanto en entrada como en salida, y un 80% más barato en lecturas de caché. Una petición con 100K tokens de entrada y 10K de salida cuesta unos $0,60 en Opus 5.5 y $1,50 en Astra.

Aun así, el precio por token no lo es todo. OpenAI ha entrenado Astra para terminar tareas con menos tokens, y Opus 5.5, a máximo esfuerzo, puede generar mucha salida de razonamiento, lo que reduce la diferencia en algunas cargas. 

Prueba práctica: construir un reloj con engranajes

Vamos a la parte divertida: di a ambos modelos la misma tarea de construcción, con el mismo prompt, en el mismo agente de código.

La tarea: una página web de un solo archivo que muestre un reloj analógico impulsado íntegramente por un tren de engranajes visible. La página lee la hora una sola vez al cargar; a partir de ahí, solo los engranajes pueden mover las agujas.

Elegí esta prueba porque cualquiera puede verificar los resultados a simple vista. ¿Engranan bien los dientes? ¿Los engranajes adyacentes giran en direcciones opuestas?

La configuración

Ambos modelos se ejecutaron en OpenCode en el mismo Mac, uno después del otro, con la configuración por defecto y un único intento cada uno. Usé las versiones estándar de cada modelo (gpt-6-astra vía OpenRouter y claude-opus-5-5 vía la API de Anthropic), no las variantes Pro o de modo rápido. Aquí está el prompt, pegado literalmente:

Build a single-file web page, index.html, with inline CSS and JavaScript. Use canvas or SVG. No external libraries, no network requests, no build step.

The page shows an analog clock driven entirely by a visible mechanical gear train.

Requirements:

One driving gear (the "motor") turns at a constant rate. Everything else moves only because gears mesh: the second, minute, and hour hands must be driven through the gear train, with the minute hand turning exactly 1/60 as fast as the second hand and the hour hand exactly 1/12 as fast as the minute hand. Do not compute hand angles from Date() each frame; read the current local time once at load to set the starting position, then let the gears drive the hands.
Show at least six gears with visible teeth. Gears that mesh must have matching tooth size, teeth that visibly interlock without overlapping, and opposite directions of rotation. Each pair's speed ratio must equal the inverse of its tooth-count ratio. Compound gears (two gears fixed on one axle) are allowed and should look like they share an axle.
Hovering over any gear shows its tooth count and its current speed in RPM.
Controls: a speed slider from 1x to 3600x real time, a pause/resume button, and a "reset to now" button.
After running at any speed for several minutes and then returning to 1x, the clock must still show the correct time for the simulated elapsed time (no drift from floating-point accumulation).
It should look like a well-made piece of clockwork, readable at both desktop and phone widths.

When you're done, briefly explain your gear train: the tooth counts and how they produce the 60:1 and 12:1 ratios.Con la tecnología de

Los resultados

Aquí están ambos relojes funcionando en paralelo a 10x de velocidad. A esta velocidad, la primera gran rueda de cada reloj da una vuelta cada seis segundos y las agujas de los minutos avanzan poco a poco.

Qué observé al verlos

Interpretan "reloj analógico" de forma distinta. Astra construyó lo que los relojeros llaman un regulador: segundos, minutos y horas tienen su propia esfera, montadas en ruedas separadas repartidas por el panel. Opus hizo una esfera clásica, con las agujas de horas y minutos compartiendo el centro, un pequeño segundero arriba y el tren de engranajes a la vista a través de un recorte en la esfera.

Los engranajes de Astra se siguen mejor, y la hora de Opus se lee más fácil. Con Astra, todo está a la vista y puedes seguir el movimiento desde el motor hasta la esfera de horas. Pero para saber la hora, tienes que mirar tres esferas. Con Opus, lees la hora de un vistazo, aunque algunos engranajes quedan detrás del aro de la esfera y no ves cómo engranan todos. 

La primera gran rueda parece demasiado rápida, pero no lo es. Al acelerar los relojes, la primera rueda grande de cada uno parecía ir lanzada, especialmente en el de Astra. En ambos diseños, esa rueda lleva el segundero, así que gira una vez por minuto a velocidad real y una vez por segundo a 60x. A velocidad normal, se ve que va exactamente al paso del segundero.

Algunas ruedas de Astra se superponen. En un par de puntos, Astra dibuja una rueda grande sobre otra, como cuando la rueda de horas cruza la rueda verde contigua. No es incorrecto —en los relojes reales las ruedas se apilan en capas—, pero dificulta ver qué dientes están realmente en contacto.

Ambos mantuvieron la hora correcta. Avancé ambos relojes 10 horas, lo que lleva unos 10 segundos a la velocidad máxima, y ambos quedaron en 20:10:30, justo donde debían.

Cuál me gustó más

Ambos relojes funcionan. Si quisiera algo para mirar, me quedaría con el de Astra: todo el mecanismo está a la vista y parece una pieza de ingeniería. Dicho esto, lo que hizo Opus se ajusta más a lo que pedía el prompt: una única esfera analógica.

Cuándo elegir GPT-6 Astra vs Claude Opus 5.5

La construcción del reloj es solo un proyecto divertido. No pude probar todos los casos de uso. Aquí van pautas útiles:

Elige Claude Opus 5.5 si...

• Estás creando o ejecutando agentes de código, especialmente migraciones largas, refactors y trabajo en terminal.
• Tu carga de trabajo es de conocimiento profesional, como investigación, análisis y elaboración de documentos. Lo digo porque Opus 5.5 lidera en GDPval-AA.
• El coste importa a escala o sueles enviar prompts de más de 272K tokens.
• Necesitas el modelo en Google Cloud o Microsoft Foundry.

Elige GPT-6 Astra si...

• Tu caso de uso principal es el manejo del ordenador: controlar apps de escritorio y navegadores, rellenar formularios y hacer QA entre herramientas sin API.
• Necesitas el razonamiento más sólido publicado en matemáticas y ciencia. Lo digo porque Astra lidera en Terminal-Bench-Science y reporta máximas puntuaciones en FrontierMath y GPQA.
• Tu equipo ya trabaja con ChatGPT Enterprise y Codex, y quieres los controles de administrador y plugins empresariales de Astra.

Conclusión

Sobre el papel, Claude Opus 5.5 ofrece mejor relación calidad-precio. Supera a GPT-6 Astra en la mayoría de benchmarks donde ambos tienen puntuaciones, con una ventaja clara en codificación agentiva y trabajo del conocimiento, y lo hace al 40% del precio de Astra.

Pero Astra no se queda atrás. Es la opción más fuerte para uso del ordenador, presenta los mejores resultados publicados en matemáticas y ciencia, y su eficiencia en tokens hace que la diferencia real de coste sea menor de lo que sugiere la tarifa.