GPT-6 Astra OpenAI: mayor capacidad y eficiencia, pero más difícil de supervisar

GPT-6 Astra llega como el gran salto de OpenAI, pero su lanzamiento llega acompañado de una tensión difícil de ignorar: la compañía sostiene que el modelo puede asumir más trabajo que sus predecesores mientras admite que entender y supervisar lo que hacen estos sistemas se vuelve cada vez más complicado.

El nuevo modelo llega menos de dos meses después de GPT-5.6 Sol. OpenAI lo presentó este 3 de septiembre como un salto generacional en áreas como navegación web, uso del computador, ingeniería de software, ciberseguridad, ciencia y tareas profesionales, de acuerdo a OpenAI y, según la firma liderada por Sam Altman, se extenderá en los próximos días a los planes Plus, Pro, Business y Enterprise, así como a su API y a AWS.

OpenAI asegura que Astra puede encargarse de trabajos como preparar impuestos, buscar vivienda, desarrollar un videojuego, generar un render arquitectónico o dar formato a documentos jurídicos, además de moverse por la web y utilizar herramientas para completar procesos con poca intervención humana. Esa es precisamente la lógica de la IA agéntica: no limitarnos a pedir una respuesta, sino delegar una tarea compuesta por varios pasos.

Astra GPT-6 Astra supera a GPT-5.6 Sol y Claude Fable 5.1 en varios benchmarks, según OpenAI El salto de capacidad viene acompañado de una advertencia menos vistosa, pero bastante más delicada. Reuters recoge que el modelo es más propenso a ocultar o disfrazar partes de su razonamiento paso a paso, lo que complica que una persona pueda revisar después cómo llegó a una decisión concreta.

Comparación de Astra GPT-6 con GPT-5.6 y -on Claude Fable 5.1.

Greg Brockman, presidente de la compañía, sostuvo que dentro de unos años podríamos mirar atrás y considerar este momento como el inicio de la era de la inteligencia artificial general (AGI), una valoración personal que llega mientras la empresa intenta ganar terreno a Anthropic entre los clientes empresariales. Pero el lanzamiento deja otra lectura más importante: cuanto más trabajo deleguemos en estos sistemas, más necesario será entender qué hacen, qué pueden hacer y hasta qué punto seguimos teniendo mecanismos fiables para detenerlos.