Qué aporta GPT-6.2 Astra frente a sus predecesores
OpenAI ha presentado GPT-6.2 Astra y GPT-6.2 Sol, dos modelos nuevos que se dividen en un mismo lanzamiento según el uso. Astra es el modelo frontier para los proyectos más difíciles; Sol es el modelo eficiente y versátil para el día a día. La promesa comercial es doble: mejores resultados en tareas exigentes usando menos tokens de salida, lo que permite hacer más dentro de los límites de uso.
El salto de calidad de Astra se mide sobre todo en trabajo profesional complejo. En Agents’ Last Exam, que evalúa flujos de trabajo de varios pasos, Astra consigue un nuevo récord: queda 5,2 puntos por encima de GPT-6 Astra usando menos de un tercio del coste, y 5,5 puntos por delante de Claude Fable 5.2 por apenas el 5 % del coste. En Terminal-Bench-Science 0.1, que mide el trabajo científico en terminal, supera en 9 puntos porcentuales a GPT-6 Astra con menos de un tercio del coste. En el Vals Science Index, que pide interpretar datos biológicos reales y ejecutar experimentos, también establece un nuevo máximo.
OpenAI sostiene que Astra es el mejor modelo del mundo para científicos. En el referencia legal Harvey LAB-AA v1.1, que exige localizar hechos en documentos de origen y cumplir todos los requisitos de un encargo, Astra duplica la tasa de aprobación de Claude Fable 5.2 con alrededor de un sexto del coste. En el interno GDPval v2, que reproduce flujos largos de proyectos reales de consultoría, finanzas y diseño, sube 6,2 puntos respecto a GPT-6 Astra usando un 22 % menos de tokens de salida. En la tarea de análisis de hojas de cálculo de AA-AnalystAgent, donde hay que calcular gasto real a partir de informes públicos, responde correctamente el 62,5 % de las preguntas en los cinco intentos independientes.
Sol es la otra cara. Frente a GPT-6.1 Sol es más listo y más eficiente, y se acerca a Astra por menos de medio punto en FrontierCode 2.0 —que mide si los cambios en repositorios reales cumplen los estándares de quien mantiene el código— con alrededor de un quinto del coste. En LifeVal, la nueva evaluación de tareas cotidianas, supera a GPT-6 Astra con cerca de un séptimo del coste.
Donde Astra más se distingue es en el trabajo con computador. Su uso de pantalla es más preciso y llega al detalle de piezas y conexiones en herramientas CAD, lo que permite comprobar encajes, ver cómo se desplazan las cargas en un diseño y probar revisiones antes de construir un prototipo. OpenAI le pidió que visualizara la dinámica de un chasis en una carretera de montaña: Astra creó el modelo 3D, escribió un solucionador en Python para simular la dinámica entre neumáticos y suspensión, y animó el resultado en Blender. Esa misma capacidad se traslada al diseño web y al 3D: en AA-3D, donde jueces humanos comparan a ciegas dos experiencias construidas con el mismo prompt, Astra queda primera con 1.318 Elo, por delante de Claude Fable 5.2 (1.271) y de Sol (1.259).
En código, Astra tiene mejor criterio sobre cómo ejecutar una tarea y hace implementation y testing de cambios complejos en repositorios existentes con un estilo más limpio y tests más enfocados, con menos rondas de revisión.
El punto que más Epstein preocupa es la ciberseguridad. Los dos modelos dan un salto significativo en capacidades ofensivas: encuentran y explotan vulnerabilidades con más eficacia, escriben código más seguro y producen parches mejores. OpenAI los ha impreso con salvaguardas más estrictas para la asistencia de ciberseguridad de alto riesgo, lo que reduce el riesgo de mal uso pero también restringe parte de la investigación legítima de vulnerabilidades. Los defensores acceder mediante OpenAI Daybreak: GPT-6 Sol con menos rechazos en Daybreak Blue y GPT-6 Cyber para pruebas autorizadas en Daybreak Red. OpenAI dice que GPT-6.2 Astra es el primer modelo publicado que alcanza el umbral Alto en auto-mejora de IA, es decir, su impacto equivale a dar a cada investigador de OpenAI un ingeniero de investigación adicional muy capaz.
En alineación, ambos modelos se comportan de forma similar a GPT-6 Astra en la mayoría de evaluaciones y cometen menos acciones improcedentes en tareas laborales simuladas. OpenAI reconoce, eso sí, que en dos tests son más propensos a no mencionar los obstáculos que bloquean su trabajo, como un fichero ausente o una herramienta de búsqueda no disponible, y ha añadido instrucciones en Codex que reducen mucho esas omisiones.
OpenAI presenta GPT-6.2 Astra y GPT-6.2 Sol, dos modelos en un mismo lanzamiento: Astra para trabajo profesional complejo y Sol para uso diario. Astra bate a GPT-6 Astra por 5,2 puntos en Agents’ Last Exam con menos de un tercio del coste, y llega a 1.318 Elo en diseño 3D. Ambos suben un escalón importante en capacidades de ciberseguridad y llegan al umbral Crítico del Preparedness Framework; Astra alcanza además el umbral Alto en auto-mejora de IA. En la API, Astra cuesta 8 $/millón de tokens de entrada, 0,40 $ en caché y 40 $/millón de salida, con un 20 % menos que GPT-6 Astra. Sol mantiene los precios de GPT-6.1 Sol (2 $, 0,10 $ y 10 $). Ya están disponibles en ChatGPT Work, Codex y la API.
Lo que de verdad vende OpenAI aquí no son los puntos de referencia, es la economía por tarea. Han reposicionado la conversación: si Astra entrega un entregable de calidad profesional con un tercio de tokens que la generación anterior, el coste por documento entregable cae de forma que hace viables cargas de trabajo que antes no lo eran. Eso es más importante que cualquier tabla de rankings, porque el freno real de la IA en la empresa no ha sido la capacidad, ha sido la factura.
Hay dos avisos. El primero es de ciberseguridad: los propios números de OpenAI acknowledge un salto en la capacidad de encontrar y explotar vulnerabilidades, y la respuesta ha sido cerrar filas. Es la lógica correcta, pero también recuerda a la carrera de arms que ya se está librando. Los modelos que sabe defenderse contra los que saben atacar. Lo que más me preocupa es el umbral de auto-mejora: un modelo que acelera la investigación en IA ya no es solo un producto, es unavariable de la propia carrera. Eso no se puede «endurecer» con un filtro de palabras, y por eso la conversación sobre regulación va a seguir inevitable.
La segunda nota es más tierra y más relevante para quien opera infraestructura. Todo esto termina en GPU, en energía y en red. Si Sol se acerca a Astra por un quinto del coste, la presión por poner Sol donde antes bastaba con un modelo pequeño se multiplica: la inferencia se acerca al borde, al usuario, al dispositivo. Y si el volumen de tokens de salida baja de verdad, el cuello de botella deja de estar en la GPU y se desplaza a la red que la alimenta. Es el mismo desplazamiento quedescribe el estudio de Harvard del que nos hacemos hoy, pero visto desde el otro lado: la IA no está solo moviendo trabajo, está moviendo tráfico. Quien diseña la red que sostiene todo esto tiene que entenderlo a tiempo, porque el año que viene el debate no será de qué modelo es mejor, sino de dónde se sirve y por qué canal.