Responder primero
GPT-6 Astra es el nuevo modelo insignia de OpenAI para trabajos difíciles de extremo a extremo. OpenAI lanzó GPT-6 Astra el 3 de septiembre de 2026, posicionándolo en torno al razonamiento complejo, el uso de computadoras, la programación, la investigación, el trabajo científico y la creación profesional de artefactos. El modelo de la API tiene una ventana de contexto de 1.05M tokens y una salida máxima de 128K, acepta entrada de texto e imagen y admite un esfuerzo de razonamiento desde low hasta max. La tarifa estándar de la API comienza en $10 de entrada / $50 de salida por millón de tokens. El cambio práctico más importante no es un salto uniforme en todos los benchmarks de inteligencia general: las mayores ganancias de Astra aparecen en ejecución orientada a agentes, uso de computadora, recuperación de contexto largo, flujos de trabajo de programación, ciencia y ciberseguridad.
Esto importa porque el artículo anterior de CometAPI GPT-6 Is Coming Soon — What Will It Look Like? era necesariamente especulativo. Ahora que Astra es público, esta guía se centra en el comportamiento confirmado del modelo, las compensaciones en benchmarks, la economía de la API y dónde el modelo es realmente una mejor elección que alternativas de frontera más baratas.
¿Qué es GPT-6 Astra?
GPT-6 Astra es el sucesor del modelo insignia GPT-5.6 Sol de OpenAI. OpenAI describe a Astra como su modelo más capaz para el trabajo más difícil de extremo a extremo, con énfasis en flujos de trabajo que requieren que el modelo razone, use herramientas, interactúe con software, revise trabajo intermedio y lleve una tarea desde una solicitud inicial hasta un resultado final. Ese posicionamiento es importante: Astra no es simplemente un modelo de chat más grande. Está diseñado para actuar como el motor de razonamiento dentro de agentes que trabajan en navegadores, terminales, documentos, hojas de cálculo, entornos de desarrollo y software empresarial.
La publicación de lanzamiento destaca resultados de vanguardia en uso de computadora, navegación, ingeniería de software, ciberseguridad, ciencia y trabajo profesional. Reporta 97.6% / 99.9% / 100% en FrontierMath Tier 4, ARC-AGI-3 y ExploitBench respectivamente. Esos puntajes llamativos no deben interpretarse como “Astra gana todos los benchmarks”. En el Artificial Analysis Intelligence Index utilizado en la propia tabla comparativa de OpenAI, Astra obtiene 61.2 mientras que Claude Fable 5.1 obtiene 65.7. Por lo tanto, el lanzamiento se entiende mejor como un cambio de nivel en ejecución y trabajo orientado a agentes que como un barrido limpio de todas las medidas de inteligencia.
¿Qué cambió desde GPT-5.6 Sol?
El uso de computadora se convirtió en una capacidad de primera clase
La ganancia generacional más clara de Astra es el uso de computadora. En OSWorld 2.0, OpenAI reporta 72.6% para Astra frente a 65.7% para GPT-5.6 Sol. En la misma simulación de latencia, Astra completó tareas en aproximadamente 40 minutos en comparación con unos 75 minutos para Sol, una reducción de alrededor del 47%. Combinado con un marco de evaluación Codex actualizado, OpenAI reporta una finalización 1.9× más rápida en Mind2Web. El punto práctico no es solo que Astra puede ver una pantalla; puede mantener coherente durante más tiempo una tarea de software de múltiples pasos mientras toma menos desvíos costosos.
La creación de artefactos profesionales es más deliberada
OpenAI entrenó explícitamente a Astra para flujos de trabajo profesionales que terminan en artefactos utilizables en lugar de prosa en bruto. Los materiales de lanzamiento describen un rendimiento más sólido en documentos, hojas de cálculo, presentaciones, análisis de datos, trabajos de diseño y adherencia a plantillas. Astra también es mejor para mantenerse orientado a medida que los requisitos cambian a mitad de la tarea, por lo que es menos probable que un mensaje de orientación sobrescriba el objetivo original. Esto es particularmente útil en agentes empresariales de larga duración, donde a menudo llegan nuevas instrucciones después de que el flujo de trabajo ya ha comenzado.
Las sesiones largas retienen más contexto de trabajo útil
Para sesiones largas de programación, Astra introduce una nueva forma para que Codex preserve y recupere notas después de que se llena el contexto activo. Enfoques anteriores dependían en gran medida de la compactación, lo que puede omitir por qué falló un intento de corrección o qué restricciones ya se probaron. OpenAI dice que Astra puede mantener notas a través de ventanas de contexto, mejorando la continuidad durante grandes refactorizaciones y sesiones de depuración.
El esfuerzo de razonamiento ahora se extiende hasta max
Los desarrolladores pueden elegir un esfuerzo de razonamiento low, medium, high, xhigh o max. Esto crea una curva calidad-costo más amplia que tratar a Astra como un único punto de operación fijo. La guía oficial del modelo recomienda seleccionar el esfuerzo más bajo que cumpla su objetivo de evaluación, porque la mejor economía del modelo a menudo proviene de la eficiencia de tokens en lugar de ejecutar siempre al máximo razonamiento.
Rendimiento de benchmarks de GPT-6 Astra
OpenAI publicó una comparación amplia que abarca uso de computadora, trabajo profesional, programación, razonamiento académico, salud, ciberseguridad, contexto largo y alineación. La forma más útil de leer la tabla es separar “inteligencia general” de “capacidad para completar trabajo usando herramientas”. Astra está solo ligeramente por encima de Sol en el Artificial Analysis Intelligence Index en la tabla de OpenAI, pero está muy por delante en varios benchmarks de ejecución como agente y operativos.
| Benchmark | GPT-6 Astra | GPT-5.6 Sol | Lo que sugiere la diferencia |
|---|---|---|---|
| AutomationBench | 41.4% | 18.1% | Gran ganancia en flujos de trabajo empresariales E2E |
| OSWorld 2.0 | 72.6% | 65.7% | Mejor interacción con computadora y finalización |
| Terminal-Bench 4.0 | 57.9% | 37.3% | Gran ganancia en programación en terminal como agente |
| Terminal-Bench Science 0.1 | 64.6% | 22.4% | Gran ganancia en flujos científicos con código/herr. |
| FrontierMath Tier 4 v2 | 97.6% | 83.0% | Razonamiento matemático de frontera más sólido |
| ExploitBench | 100.0% | 78.5% | Capacidad de ciberseguridad de clase crítica |
| SRE-Bench, un intento | 88.0% | 55.9% | Ingeniería inversa / SRE mucho más fuerte |
| MRCR v2, 512K-1M | 96.3% | 73.8% | Mejor recuperación de contexto muy largo |
| AA Intelligence Index v4.1.1 | 61.2 | 60.9 | Inteligencia general esencialmente plana vs Sol |
El patrón es inusualmente claro. La ventaja de Astra es mayor cuando un benchmark requiere interacción sostenida con una herramienta o entorno. AutomationBench sube de 18.1% a 41.4%; Terminal-Bench Science aumenta de 22.4% a 64.6%; y MRCR de contexto largo mejora de 73.8% a 96.3% en la banda 512K–1M. En cambio, el Artificial Analysis Intelligence Index pasa de 60.9 a 61.2. Por eso describir a Astra como “2.5× más caro pero ligeramente más inteligente” pierde la propuesta de valor real del producto.
Fuente: Gráfico de OpenAI AutomationBench (imagen original, no redibujada)
Benchmarks independientes: ¿Es GPT-6 Astra un salto generacional?
Las pruebas independientes aportan una comprobación de realidad importante. Artificial Analysis reporta un puntaje de 61 en el Intelligence Index, igual al de GPT-5.6 Sol en esfuerzo máximo. Al mismo tiempo, Astra mejora notablemente en el Coding Agent Index y usa sustancialmente menos tokens en programación como agente. Artificial Analysis midió aproximadamente una reducción de uso de tokens a un tercio frente a GPT-5.6 Sol en esfuerzo máximo en su marco de evaluación Codex, permitiendo a Astra puntuar más alto a aproximadamente el mismo costo por tarea de agente de programación.
La economía es menos favorable en inteligencia general. Astra usa alrededor de un 10% menos de tokens de salida que Sol en el Intelligence Index a esfuerzo máximo, pero el aumento de precio por token de 2.5× domina ese ahorro; Artificial Analysis estima que Astra es aproximadamente un 75% más caro por tarea a esfuerzo máximo. También reporta una reducción de la tasa de alucinaciones del 92% al 51% en AA-Omniscience mientras la precisión aumentó en cuatro puntos.
La conclusión útil depende de la carga de trabajo: GPT-6 Astra parece más generacional donde un agente debe actuar, iterar, usar herramientas y terminar un trabajo complicado. Para razonamiento ordinario o generación de texto de alto volumen, la prima de precio puede ser mucho más difícil de recuperar.
GPT-6 Astra vs GPT-5.6 Sol vs Claude Fable 5.1 vs Gemini 3.8 Flash
Una comparación práctica de selección de modelo debe incluir capacidad, multimodalidad, contexto, ejecución orientada a agentes y precio. Los modelos a continuación no son intercambiables: Astra optimiza para ejecución difícil de extremo a extremo, Claude Fable 5.1 lidera algunas medidas de inteligencia general y Gemini 3.8 Flash ofrece precios de tokens mucho más bajos con modalidades de entrada nativas más amplias.
| Métrica | GPT-6 Astra | GPT-5.6 Sol | Claude Fable 5.1 | Gemini 3.8 Flash |
|---|---|---|---|---|
| Ventana de contexto | 1.05M | 1.05M | 1M | 1.048M |
| Salida máxima | 128K | 128K | 128K | 65.5K |
| Modalidades de entrada | Texto, imagen | Texto, imagen | Texto, imagen/PDF | Texto, imagen, audio, video, PDF |
| AA Intelligence Index | 61.2 | 60.9 | 65.7 | 58.7 |
| AutomationBench | 41.4% | 18.1% | 31.4% | — |
| Terminal-Bench 4.0 | 57.9% | 37.3% | 55.8% | 19.1% |
| DeepSWE 1.1 | 74.1% | 72.7% | 67.4% | 73.8% |
| FrontierMath Tier 4 v2 | 97.6% | 83.0% | 87.8% | — |
| HLE with tools | 57.2% | — | 65.0% | — |
| HealthBench Professional | 63.4% | 60.5% | 58.1% | 52.1% |
| Precio oficial entrada estándar | $10/M | $4/M | $10/M | $0.75/M |
| Precio oficial salida estándar | $50/M | $20/M | $50/M | $3.75/M |
Cuándo GPT-6 Astra es la mejor opción
Elija Astra cuando la tarea sea costosa porque los humanos tienen que rescatar ejecuciones de agentes fallidas: cambios de programación largos, automatización de navegador/escritorio, investigación profunda que abarca herramientas, creación de artefactos técnicos o flujos de trabajo científicos y operativos complejos. Su prima es más fácil de justificar cuando menos reintentos, menos correcciones manuales y menor uso de tokens de salida importan más que el precio por token.
Cuándo Claude Fable 5.1 es la mejor opción
Claude Fable 5.1 sigue siendo un serio competidor de frontera. En la propia tabla de lanzamiento de OpenAI, obtiene 65.7 en el Artificial Analysis Intelligence Index frente a 61.2 de Astra, y 65.0 en Humanity’s Last Exam con herramientas frente a 57.2 de Astra. Eso significa que Astra no debe promocionarse como un ganador universal de inteligencia. Si su conjunto de evaluación se parece más al razonamiento de formato largo que a la ejecución de uso de computadora, Claude Fable 5.1 puede seguir siendo el ajuste más fuerte.
Cuándo Gemini 3.8 Flash es la mejor opción
Gemini 3.8 Flash apunta a un punto diferente en la frontera. Admite entrada de texto, imagen, audio, video y PDF con una ventana de contexto de aproximadamente 1M tokens, mientras que los precios introductorios oficiales están muy por debajo de Astra. Para extracción multimodal de alto volumen, comprensión de video/audio, agentes rutinarios o cargas de trabajo donde la economía de $10/$50 por token sea difícil de justificar, Gemini 3.8 Flash suele ser la opción de producción más económica.
Por qué importa la calificación de ciberseguridad de GPT-6 Astra
Astra es el primer modelo ampliamente desplegado de OpenAI en alcanzar el umbral de capacidad de ciberseguridad de clase crítica bajo el Preparedness Framework de la compañía. OpenAI dice que el modelo puede identificar fallas de seguridad previamente desconocidas y desarrollar estrategias de explotación en sistemas endurecidos cuando se le dan las herramientas y el acceso adecuados. En evaluaciones de lanzamiento, Astra obtuvo 100% en ExploitBench, 42.4% en ExploitGym y 88.0% en SRE-Bench en un intento.
Esa capacidad viene con controles de despliegue más estrictos. OpenAI dice que las salvaguardas de producción pueden ralentizar, pausar o detener trabajo legítimo, particularmente en contextos cibernéticos de mayor riesgo. ChatGPT o Codex pueden pedir a un usuario que revise una acción antes de continuar, mientras que una tarea en la API puede detenerse. El despliegue predeterminado de Astra también rechaza solicitudes de creación de exploits más avanzadas; el programa Daybreak proporciona acceso separado y verificado para algunos flujos de trabajo defensivos.
La tarjeta del sistema documenta una disyuntiva de monitoreabilidad: Astra está mejor alineado en general que Sol, pero su razonamiento escrito puede ser más difícil de monitorear bajo condiciones de evaluación adversarial. Por lo tanto, OpenAI despliega un monitoreo de desalineación más amplio alrededor de inferencia de Astra usando herramientas. Los equipos empresariales deben tratar los permisos de agentes, límites de aprobación, registros de auditoría y acceso a herramientas de menor privilegio como parte de la arquitectura del modelo en lugar de complementos opcionales.
Fuente: Gráfico oficial de seguridad del honeypot ExploitGym de OpenAI (imagen original, no redibujada)
Precios de GPT-6 Astra
La página actual de precios de la API de OpenAI separa solicitudes de contexto corto y largo. Para el procesamiento Standard, las tarifas de contexto corto son $10 de entrada, $1 de entrada en caché, $12.50 por escrituras en caché y $50 de salida por millón de tokens. Las solicitudes por encima de 272K tokens de entrada usan el esquema de contexto largo: $20 de entrada, $2 de entrada en caché, $25 por escrituras en caché y $75 de salida por millón de tokens.
| Procesamiento / contexto | Entrada | Entrada en caché / escritura en caché | Salida |
|---|---|---|---|
| Standard, contexto corto | $10/M | $1/M / $12.50/M | $50/M |
| Standard, contexto largo (>272K entrada) | $20/M | $2/M / $25/M | $75/M |
| Batch / Flex, contexto corto | $5/M | $0.50/M / $6.25/M | $25/M |
| Batch / Flex, contexto largo | $10/M | $1/M / $12.50/M | $37.50/M |
| Fast mode, contexto corto | $20/M | $2/M / $25/M | $100/M |
| Fast mode, contexto largo | $40/M | $4/M / $50/M | $150/M |
En comparación con GPT-5.6 Sol, los precios por token Standard de contexto corto de Astra son 2.5× más altos ($10/$50 frente a $4/$20). Esa prima no significa automáticamente un costo por tarea completada 2.5× más alto. En programación orientada a agentes, tanto OpenAI como Artificial Analysis reportan un menor uso de tokens de salida para Astra en algunas configuraciones. Por lo tanto, la unidad correcta para la evaluación es el costo por tarea exitosa, no solo el costo por token.
Cómo acceder a GPT-6 Astra
OpenAI inició un despliegue por etapas el 3 de septiembre de 2026. Se programó que Astra llegara a usuarios de ChatGPT Plus, Pro, Business y Enterprise, a la API de OpenAI y a AWS en los días siguientes. Los administradores empresariales pueden habilitar Astra por espacio de trabajo y el acceso está desactivado de forma predeterminada en el lanzamiento.
Llama a GPT-6 Astra con la Responses API de OpenAI
from openai import OpenAI
client = OpenAI()
response = client.responses.create(
model="gpt-6-astra",
reasoning={"effort": "high"},
input=(
"Revisa la arquitectura de este repositorio. Identifica el problema "
"de diseño de mayor riesgo, explica la evidencia y propone un plan de migración."
),
)
print(response.output_text)
El ID del modelo es gpt-6-astra. Para flujos de trabajo con muchas herramientas, la Responses API es el punto de partida natural porque Astra admite llamadas a funciones, salidas estructuradas, búsqueda web, búsqueda de archivos, intérprete de código, shell alojada, aplicar parche, uso de computadora, MCP y búsqueda de herramientas. Actualmente no se admite fine-tuning.
Casos de uso reales de GPT-6 Astra
Desarrollo de juegos y flujos de trabajo de software visual
Playco probó Astra dentro de Playbot, un IDE con IA que funciona directamente en Unity y Godot. OpenAI reporta 50% menos correcciones manuales que con el modelo anterior, y tres prototipos temáticos construidos a partir de una única base de grey-box. Este ejemplo importa porque la tarea requiere más que generación de código fuente: el modelo debe razonar sobre el diseño espacial, jugar el juego, probar cambios, identificar errores e iterar dentro de un entorno visual.
Revisión de documentos legales y financieros
OpenAI posiciona a Astra para flujos de trabajo profesionales de múltiples pasos que producen documentos, hojas de cálculo y análisis pulidos. En la revisión legal y financiera, su valor práctico es mantener el estado de la tarea a través de muchos archivos, verificar la evidencia de forma cruzada y devolver un artefacto final en lugar de responder a una sola pregunta aislada. La validación experta, controles de aprobación y acceso a datos de menor privilegio siguen siendo necesarios.
Agentes de ingeniería de horizonte largo
La combinación de resultados en Terminal-Bench, DeepSWE, migración de bases de datos, uso de computadora y contexto largo hace que Astra sea especialmente relevante para ingeniería a escala de repositorio. Un patrón de despliegue útil es darle a Astra un entorno de desarrollo acotado, un issue o objetivo de migración, pruebas y acceso a herramientas; luego evaluar el éxito en calidad de tareas fusionadas, número de iteraciones fallidas, tiempo de revisión humana y costo total. Esta es una mejor métrica de producción que un solo puntaje de benchmark de programación.
Limitaciones de GPT-6 Astra
- Precio por token premium. Astra cuesta 2.5× más que GPT-5.6 Sol por token con precios Standard de contexto corto, por lo que chat rutinario, clasificación, extracción y redacción simple suelen ser poco económicos.
- El contexto largo tiene recargo. Las solicitudes con más de 272K tokens de entrada pasan a tarifas más altas para toda la solicitud, por lo que “contexto de 1.05M” no debe interpretarse como memoria a precio plano.
- Sin entrada nativa de audio o video en el modelo. Astra acepta texto e imágenes y produce texto; Gemini 3.8 Flash es más flexible cuando la comprensión nativa de audio/video es central para la carga de trabajo.
- Sin fine-tuning. La página oficial del modelo actualmente indica que no se admite fine-tuning, por lo que la personalización depende de prompting, herramientas, recuperación y diseño de flujo de trabajo.
- Las salvaguardas cibernéticas pueden interrumpir flujos de trabajo. OpenAI advierte explícitamente que comprobaciones de seguridad adicionales pueden pausar o detener trabajo legítimo en contextos de mayor riesgo.
- No es un ganador universal de benchmarks. Claude Fable 5.1 lidera a Astra en el Artificial Analysis Intelligence Index y en HLE con herramientas según las cifras incluidas en la comparación de lanzamiento de OpenAI.
Preguntas frecuentes
¿GPT-6 Astra ha sido lanzado oficialmente?
Sí. OpenAI comenzó el despliegue el 3 de septiembre de 2026. La disponibilidad se escalona por organizaciones, planes de pago de ChatGPT, acceso a la API y AWS, en lugar de aparecer para todas las cuentas al mismo tiempo.
¿Cuál es la ventana de contexto de GPT-6 Astra?
La página oficial del modelo indica una ventana de contexto de 1.05M tokens y una salida máxima de 128K tokens. Las solicitudes con más de 272K tokens de entrada usan el esquema de precios de contexto largo.
¿Cuánto cuesta GPT-6 Astra?
El precio Standard para contexto corto es de $10 de entrada / $50 de salida por millón de tokens, con $1 de entrada en caché y $12.50 por escrituras en caché. Contexto largo, Batch/Flex y Fast mode tienen tarifas diferentes, por lo que las estimaciones de producción deben usar el nivel que coincida con la solicitud real.
¿GPT-6 Astra es mejor que Claude Fable 5.1?
Depende de la carga de trabajo. Astra lidera varias evaluaciones de uso de computadora, agentes de programación, ciencia, ciber y trabajo profesional, mientras que Claude Fable 5.1 lidera a Astra en el Artificial Analysis Intelligence Index y HLE con herramientas en la comparación publicada por OpenAI. Use sus propias evaluaciones de agente/tarea en lugar de asumir que un modelo domina todas las categorías.
¿GPT-6 Astra es AGI?
Las páginas oficiales de producto de OpenAI describen a Astra como una nueva generación de inteligencia y su modelo más capaz ampliamente desplegado, pero no definen el producto en sí como “AGI”. La saturación de benchmarks en algunas tareas no equivale a una definición universal y asentada de AGI.
Conclusión
GPT-6 Astra se entiende mejor como un modelo de frontera centrado en la ejecución. Su evidencia más sólida de progreso no es el pequeño movimiento de 60.9 a 61.2 frente a GPT-5.6 Sol en el Artificial Analysis Intelligence Index; es la mejora mucho mayor en uso de computadora, programación como agente, flujos de trabajo científicos, recuperación de contexto largo, finalización de tareas profesionales y ciberseguridad. La ventana de contexto de 1.05M y la pila profunda de herramientas dan a los desarrolladores más margen para construir agentes que sigan siendo útiles más allá de una sola respuesta.
La compensación es el precio. Los precios Standard de $10/$50 son premium, las solicitudes de contexto largo cuestan más, y las pruebas independientes muestran que Astra puede ser significativamente más caro que Sol en cargas de trabajo de inteligencia general. El modelo se gana esa prima cuando mejores tasas de finalización y menor corrección humana compensan el costo de tokens. Para cargas de trabajo más simples o de alto volumen, GPT-5.6, Claude Fable 5.1 y especialmente Gemini 3.8 Flash siguen siendo alternativas relevantes en lugar de predecesores obsoletos.