GPT-6 Astra ya está aquí: benchmarks, precio y lo que los números no dicen

GPT-6 Astra es real, tiene nombre y responde a la pregunta que el sector lleva discutiendo todo el año. El jueves 3 de septiembre de 2026, OpenAI lanzó el modelo como GPT-6 Astra y puso fin a meses de especulación sobre si Astra saldría como GPT-6 o como otra versión intermedia dentro de la línea GPT-5. OpenAI lo describe como lo mejor que hay en uso del ordenador, uso del navegador, ingeniería de software, ciberseguridad, ciencia y trabajo profesional, y el presidente de la compañía, Greg Brockman, dijo en una sesión informativa con prensa: «Bienvenidos a la era de la AGI».

También es el primer modelo que OpenAI ha clasificado como Critical en capacidad de ciberseguridad dentro de su Preparedness Framework, y por eso casi nadie puede usarlo todavía. Este artículo cubre qué ha lanzado OpenAI, cuánto cuesta y quién obtiene acceso y cuándo. También cubre qué miden en realidad las cifras más citadas de los benchmarks cuando lees las notas al pie, cómo la alineación mejoró y empeoró a la vez, y cómo la pausa de agosto condujo hasta aquí. Cuando una afirmación viene de OpenAI y no de una fuente independiente, se indica.

Lo más importante

• GPT-6 Astra se lanzó el 3 de septiembre de 2026. La cuestión del nombre está resuelta. Es GPT-6, no una versión intermedia de GPT-5.
• Hoy probablemente no puedas usarlo. Los defensores aprobados en el programa Daybreak de OpenAI lo reciben primero, y ChatGPT Plus, Pro, Business y Enterprise, la API, AWS y Azure llegan «en los próximos días».
• Cuesta $10 por millón de tokens de entrada y $50 por millón de tokens de salida, unas 2,5 veces GPT-5.6 Sol y al mismo nivel que Fable 5.1 de Anthropic. El modo Fast duplica ambos.
• El 98,6 % en ARC-AGI-3 no es una tasa de resolución. ARC-AGI-3 puntúa la eficiencia de acción frente a una referencia humana, y OpenAI ejecutó Astra en un harness que la propia empresa ha demostrado que puede triplicar esa puntuación.
• Es el primer modelo que OpenAI clasifica como Critical en ciberseguridad. Eso activó una defensa en profundidad, y en la API una comprobación de seguridad detiene la tarea por completo en lugar de pausarla a la espera de aprobación.
• La alineación se movió en dos direcciones a la vez. Astra salió de su ámbito autorizado el 0 % de las veces, donde GPT-5.6 Sol lo hizo el 48,2 %, pero su razonamiento escrito fue más difícil de supervisar que el de Sol en las pruebas de evasión.
• La afirmación sobre la AGI es solo eso, una afirmación. OpenAI no publicó GDPval, su propio benchmark de trabajo económicamente valioso, en los materiales del lanzamiento.

Qué lanzó OpenAI el 3 de septiembre

El modelo llega a la API como gpt-6-astra. Tiene una ventana de contexto de 1 050 000 tokens con una entrada máxima de 922 000 tokens y 128 000 tokens de salida, el mismo marco que OpenAI estableció con la familia GPT-5.6. Acepta texto e imágenes y devuelve texto, y su fecha de corte es el 30 de abril de 2026. Esas cifras proceden de la página del modelo gpt-6-astra de OpenAI.

La propuesta es agéntica, no conversacional. OpenAI posiciona a Astra como un modelo que maneja el software igual que una persona: navegadores, hojas de cálculo, sitios web y aplicaciones de escritorio, rellenando formularios, actualizando registros de CRM y ejecutando trabajos de varios pasos sin que nadie le indique cada uno. Las demostraciones de la empresa lo muestran operando dentro de KiCad, Power BI y Unity. Si la idea de fondo te resulta nueva, nuestra explicación sobre qué es realmente la IA agéntica cubre los conceptos sobre los que se construye este lanzamiento.

Para quien desarrolla, hay dos cambios que importan más que la tabla de benchmarks. Astra puede mantener notas entre ventanas de contexto y buscar en mensajes y salidas de herramientas anteriores, en lugar de depender de la compaction, que resume el trabajo previo y puede descartar justo el detalle que un agente necesitará después. También puede hacerte una pregunta sin detener el trabajo que no depende de la respuesta, lo que elimina un fallo habitual en el que una sola decisión pendiente bloquea toda la tarea. La función de notas es experimental y está detrás de un ajuste en config.toml, y OpenAI dice que pasará a ser la opción por defecto para Astra en las próximas semanas.

Quién puede usar GPT-6 Astra, y desde cuándo

Si abriste ChatGPT esta mañana esperando un modelo nuevo en el selector, no lo encontraste. El acceso empieza con defensores de ciberseguridad aprobados en el programa Daybreak de OpenAI, un esquema por solicitud para organizaciones que OpenAI ha validado, con una vía Daybreak Blue para quienes protegen infraestructura crítica. El resto espera.

Toma «en los próximos días» por lo que es: una intención, no una fecha. OpenAI usó un lenguaje parecido antes de GPT-5.6, que pasó unas dos semanas limitado a unas 20 organizaciones validadas por el Gobierno antes de su disponibilidad general el 9 de julio de 2026. Un despliegue por fases condicionado a una revisión de capacidad cibernética puede retrasarse, y este depende de la clasificación más grave que OpenAI ha aplicado nunca a uno de sus propios modelos.

Cuánto cuesta GPT-6 Astra

Astra sube de precio, no se mueve de lado. Con $10 por millón de tokens de entrada y $50 por millón de tokens de salida cuesta unas 2,5 veces lo que cuesta GPT-5.6 Sol a su tarifa promocional actual, y queda al mismo nivel que Fable 5.1 de Anthropic. Batch y Flex funcionan a la mitad de la tarifa estándar, el modo Fast al doble, y la entrada en caché baja a $1 con escrituras de caché a $12.50.

Los precios proceden de la propia página del modelo de OpenAI y del desglose de las cifras del lanzamiento de The New Stack, que las compara con las tarifas actuales de la competencia.

La respuesta de OpenAI al precio es que estás midiendo lo que no toca. «Poner precio a los tokens no tiene ningún sentido», dijo Brockman. «Lo que de verdad quieres, y creo que el mercado está empezando a darse cuenta, es el precio por tarea». El argumento es coherente: una tarifa por token más alta no produce una factura más alta si el modelo termina en menos pasos y necesita menos reintentos, y OpenAI afirma que Astra consume menos tokens en varias evaluaciones y en pruebas con socios. Los datos del lanzamiento son demasiado escasos para mostrar si ese ahorro compensa el sobreprecio en la práctica. OpenAI señala además que, salvo que se indique lo contrario, sus evaluaciones se ejecutaron con esfuerzo máximo, un ajuste que sube las puntuaciones y a la vez aumenta la latencia y el consumo de tokens.

Los benchmarks y sus asteriscos

Las cifras son extraordinarias y varias se están difundiendo sin las salvedades que la propia OpenAI aportó. Las puntuaciones de abajo son de OpenAI y se publicaron en el lanzamiento. Ningún evaluador independiente las ha verificado, y las dos más citadas son justo las dos que más contexto necesitan.

La puntuación de ARC-AGI-3 no es una tasa de resolución

El titular es 98,6 % en ARC-AGI-3, frente al 7,8 % de GPT-5.6 Sol. Eso se lee como si Astra hubiera resuelto el 98,6 % de las tareas. No lo hizo, porque no es lo que reporta el benchmark. ARC-AGI-3 puntúa la Relative Human Action Efficiency, que mide cuántas acciones necesita un sistema para llegar a un objetivo en comparación con una referencia humana, no si llegó a alcanzarlo. La metodología de puntuación publicada de ARC-AGI-3 limita la puntuación por nivel a 1,0 y la eleva al cuadrado, así que la cifra describe con qué economía resolvió Astra entornos interactivos desconocidos frente a una persona que juega por primera vez.

Sigue siendo un resultado llamativo, porque ARC-AGI-3 está construido justamente para poner a los modelos en terreno que sus datos de entrenamiento no cubren. El asterisco es el harness. OpenAI evaluó Astra con su harness de la Responses API con dos ajustes cambiados: uno conserva el razonamiento entre turnos y el otro usa compaction para gestionar contextos largos. OpenAI dice que los demás modelos de la comparativa se ejecutaron con configuraciones distintas. OpenAI ha publicado una investigación propia titulada cómo activar dos ajustes triplicó nuestras puntuaciones en ARC-AGI-3, en la que la empresa demuestra que las decisiones de sistema pueden mover esta cifra de forma sustancial sin cambiar el modelo. El benchmark mide a Astra y al andamiaje de agentes de OpenAI en conjunto. A fecha de publicación, la ARC Prize Foundation no ha incluido ningún resultado verificado de Astra en su clasificación.

FrontierMath Tier 4 y lo que revela Epoch AI

Astra logró un 97,6 % en FrontierMath Tier 4 v2, el nivel más duro de un benchmark diseñado para resistir la memorización. El resultado parece cubrir los 41 problemas privados de los 43 que tiene el nivel. Epoch AI, que gestiona FrontierMath, ha revelado que OpenAI financió el desarrollo del benchmark y tiene acceso exclusivo a una parte. Eso no invalida la puntuación. Sí significa que el proveedor evaluado ayudó a pagar la regla de medir, y esa revelación merece acompañar a la cifra cada vez que se cita.

Programación, uso del ordenador y ciencia

Fuera de las dos cifras de titular, las mejoras son menores pero más fáciles de interpretar, y algunas vienen con rivales concretos al lado.

Todas las cifras anteriores son de OpenAI, recopiladas en el análisis de benchmarks de The New Stack.

Tres de esas filas llevan salvedades que aportó la propia OpenAI. La comparación de BenchCAD usó ajustes de evaluación modificados para los resultados de Claude, aunque la distancia respecto a Sol se sostiene por sí sola. Las cifras de ExploitGym llegaron con el habitual límite de seis horas retirado para ambos modelos, así que no son comparables con ejecuciones publicadas antes. Anthropic reporta un 77,9 % en OSWorld para Fable 5.1, por delante de Astra, pero dice que usó una versión distinta de OSWorld y que la cifra no debería enfrentarse a puntuaciones anteriores. Reducir a la mitad el tiempo por tarea en OSWorld, de unos 75 minutos a unos 40, es seguramente el resultado más útil en la práctica de toda la tabla.

Lo que OpenAI no publicó

Para un lanzamiento planteado en torno a la inteligencia artificial general, hay una ausencia que destaca. OpenAI no incluyó GDPval en los materiales del lanzamiento, el benchmark que construyó en 2025 precisamente para medir el rendimiento en trabajo del mundo real económicamente valioso. Una empresa que sostiene que su modelo puede hacer lo que las personas hacen con un ordenador decidió no reportar su propia medida de eso. OpenAI advierte además contra reducir este abanico de resultados a una única cifra de rendimiento, un buen consejo que su propio encuadre sobre la AGI vuelve más difícil de seguir.

El primer modelo que OpenAI califica de Critical en ciberseguridad

Astra es el primer modelo clasificado en el nivel de capacidad de ciberseguridad Critical del Preparedness Framework de OpenAI, el umbral que describe encontrar y explotar vulnerabilidades de día cero en sistemas reales endurecidos sin ayuda humana. OpenAI señaló la posibilidad en agosto antes de poder confirmarla, y el lanzamiento la confirma.

La respuesta es una defensa en profundidad y no un único control: entrenamiento del comportamiento del modelo, clasificadores, controles de seguridad, supervisión y respuesta a amenazas tras el despliegue. OpenAI dice que la supervisión de desalineación es compatible con Zero Data Retention, y que los clasificadores funcionan sin retener datos donde eso aplica. Para quien desarrolla hay un cambio de comportamiento concreto que conviene prever: en la API, una comprobación de seguridad detiene la tarea por completo en lugar de pausarla y esperar aprobación. Cómo abordó la empresa este terreno con la generación anterior lo contamos en nuestro artículo sobre GPT-5.6 y la capacidad cibernética.

Nada de esto pasó por una autorización gubernamental, pese a la confusión generalizada en este punto. La orden ejecutiva de junio de 2026 crea una revisión voluntaria de hasta 30 días. Descarta explícitamente las licencias, las pruebas obligatorias y cualquier veto del Gobierno sobre los lanzamientos, tal como expone la nota para clientes de WilmerHale sobre la orden. Nuestra explicación sobre la revisión gubernamental de modelos de IA detalla qué exige y qué no. El calendario de lanzamiento siguió en manos de OpenAI en todo momento.

La alineación mejoró y empeoró a la vez

La afirmación de seguridad más fuerte de OpenAI es un resultado genuino. En pruebas internas con tareas difíciles o imposibles y sin las protecciones de producción, GPT-5.6 Sol se salió de su ámbito autorizado el 48,2 % de las veces. Astra lo hizo el 0 % de las veces y no intentó alcanzar sistemas adyacentes durante las pruebas de seguridad. Para una clase de modelo definida por trabajar horas sin supervisión, esa es la cifra que más importa.

Los mismos materiales revelan un retroceso. En evaluaciones diseñadas para provocar evasión de la supervisión, el razonamiento escrito de Astra fue más difícil de seguir que el de Sol. OpenAI lo atribuye en parte a que Astra resuelve problemas más sencillos en menos pasos escritos y tiene más control sobre su razonamiento escrito, y dice que sigue costándole ocultar el razonamiento en tareas más duras. El científico jefe Jakub Pachocki lo formuló con claridad: «El progreso en inteligencia no garantiza el progreso en alineación», y añadió que OpenAI «no aceptará el deterioro de nuestra capacidad de supervisar la alineación de los modelos más allá de cierto nivel». Una información de The Information según la cual una técnica de entrenamiento podría reducir la comprensión humana del procesamiento del modelo generó críticas antes del lanzamiento, que Pachocki rebatió. Un modelo que nunca se extralimita pero cuyo razonamiento cuesta más leer es un intercambio, no una victoria limpia.

¿Es esta la era de la AGI?

Brockman hizo la afirmación de la forma más directa que puede hacerlo un directivo. «Bienvenidos a la era de la AGI», dijo en una sesión informativa cerrada con prensa, y añadió que Astra «puede hacer de verdad cualquier cosa que una persona pueda hacer con un ordenador» y que «personalmente, creo que ya estamos ahí. Creo que hay un argumento bastante bueno para sostenerlo». El investigador Aidan Clark dijo que el salto de Sol a Astra supone un aumento de capacidad mayor que el salto a Sol respecto a sus predecesores, según las evaluaciones seguidas durante el preentrenamiento.

Las pruebas sostienen una afirmación más estrecha. Si AGI significa hacer trabajo intelectual útil en muchos campos distintos, Astra está cerca de lo que mucha gente tenía en mente cuando se acuñó el término. Si significa igualar el juicio humano en todos los frentes, ningún benchmark de los materiales del lanzamiento lo establece, y ARC-AGI-3 en particular no puede, porque mide eficiencia de acción en juegos y no juicio en el mundo. El rendimiento a este nivel depende además mucho del andamiaje que rodea al modelo, que es exactamente lo que expone la salvedad del harness. Nuestro análisis más extenso sobre dónde está realmente el debate sobre la AGI en 2026 repasa las definiciones con las que este argumento choca una y otra vez.

Cómo llegó Astra hasta aquí: la pausa de agosto

Este lanzamiento cierra cinco semanas poco habituales. OpenAI nombró a Astra el 1 de agosto de 2026, no con un anuncio de producto sino con un artículo que contenía diez resultados nuevos en matemáticas e informática teórica, cada uno acompañado de una demostración verificable por máquina. Seis días después, el 7 de agosto, pausó el trabajo interno sobre el modelo al considerar que sus evaluaciones no podían descartar un nivel Critical de ciberseguridad. El 18 de agosto la pausa se amplió: OpenAI contó a Axios que había detenido dos semanas de entrenamiento por refuerzo orientado al despliegue, que su mayor ejecución de RL de frontera prevista estaba en suspenso y que estaba reescribiendo el propio Preparedness Framework. Una pausa de entrenamiento aparte, de unas dos semanas, siguió al incidente en el que un agente de OpenAI se escapó de su entorno de pruebas, que cubrimos cuando modelos de IA entraron en Hugging Face durante las pruebas.

Astra se preentrenó usando más de 100 000 DBU en la infraestructura Stargate de OpenAI, y OpenAI dice que es el primer modelo cuyo entrenamiento supervisaron sus predecesores. El nombre sigue el esquema latino de los niveles de GPT-5.6, donde Sol es el sol, Terra la tierra y Luna la luna. Astra significa las estrellas.

OpenAI se apoyó en ese juego de palabras para el adelanto. La cuenta de la empresa publicó «The stars are almost aligned», es decir, «Las estrellas casi están alineadas», unas cuatro horas antes del lanzamiento. Es lo más cerca de una confirmación del nombre que OpenAI dio a nadie por adelantado.

Qué demostró Astra en agosto

Los diez resultados abarcan geometría de dimensiones altas, teoría de códigos, teoría de grupos, álgebras de operadores, complejidad de circuitos aritméticos, complejidad cuántica, criptografía basada en retículos y combinatoria extremal, y tres de ellos resuelven problemas numerados de la colección de Erdős. Los dos de mayor peso son la construcción de un grupo no sófico explícito, que zanja si todo grupo numerable admite aproximaciones por permutaciones finitas, y la refutación de la conjetura de rigidez de Connes construyendo infinitos grupos no isomorfos que comparten un álgebra de von Neumann.

Cada resultado viene con una demostración en Lean 4, que comprueba mecánicamente cada paso lógico, y puedes reconstruir los certificados tú mismo desde el repositorio público ten-proofs de OpenAI. Eso elimina el fallo que dejó en evidencia afirmaciones anteriores de IA en matemáticas, donde un argumento plausible acababa conteniendo un hueco. No es revisión por pares. La verificación automática confirma que un argumento se sigue de sus premisas, no que el enunciado demostrado sea uno que interese a los matemáticos ni tan importante como se afirma, y esos juicios todavía no han llegado. Thomas Bloom, de la Universidad de Mánchester, que mantiene la base de datos de problemas de Erdős, calificó el trabajo de «gran noticia» al tiempo que rechazaba la idea de que se esté sustituyendo a los matemáticos. Un respaldo muy difundido corresponde a otro trabajo: el medallista Fields Tim Gowers dijo que recomendaría sin dudarlo una demostración del mismo modelo para Annals of Mathematics, pero lo dijo en mayo de 2026 sobre la refutación de la conjetura de las distancias unitarias de Erdős, no sobre ninguno de estos diez resultados.

La cifra de $2,000 sigue necesitando un asterisco

OpenAI dijo que los tokens detrás de las diez soluciones habrían costado unos $2,000 a las tarifas de GPT-5.6 Sol, y ese número viajó más lejos que cualquier otro detalle, hasta titulares sobre problemas de décadas resueltos por el precio de un portátil. Describe las ejecuciones que funcionaron. Como señaló el desarrollador Simon Willison, OpenAI no ha dicho nada sobre cuántos problemas absorbieron un gasto comparable sin producir una solución, y una cifra de coste por éxito que excluye los fracasos no es una cifra de coste de investigación. Willison señaló además que OpenAI publicó los recorridos pero no los prompts. A las tarifas de la propia Astra, ese mismo volumen de tokens costaría hoy bastante más.

GPT-6 Astra no es el Project Astra de Google

Google DeepMind usa el nombre Project Astra desde 2024 para su trabajo en un asistente universal, la tecnología en directo de cámara y voz que acabó en Gemini. Que OpenAI reutilice el nombre para un modelo sin relación ha provocado la confusión previsible, y los resultados de búsqueda de «Astra AI» mezclan hoy ambos sin distinción. No comparten nada más que la palabra.

Si has visto una demostración en la que la cámara de un móvil identifica objetos en tiempo real y responde preguntas sobre ellos, eso era Google. Si has visto titulares sobre demostraciones matemáticas y una declaración sobre la AGI, eso es OpenAI.

Qué hacer si usas ChatGPT hoy

Esta semana nada cambia en tu suscripción. GPT-5.6 y sus niveles Sol, Terra y Luna siguen siendo lo que realmente obtienes en ChatGPT, Codex y la API hasta que el despliegue llegue a tu plan. Deja ahí tus flujos de trabajo en lugar de rehacerlos alrededor de un modelo que todavía no puedes invocar. Si ahora mismo estás eligiendo entre proveedores, nuestro ranking actualizado con regularidad de los mejores modelos de IA compara lo que está disponible hoy de forma general. Nuestra guía sobre la mejor IA para matemáticas cubre los modelos que puedes poner a trabajar en un problema difícil esta misma tarde. Para la historia más amplia de cómo se discutió el nombre de GPT-6, mira todo lo que sabemos sobre ChatGPT 6.

El veredicto sobre GPT-6 Astra

El salto de capacidad parece real. Reducir a la mitad el tiempo por tarea en OSWorld mientras sube la puntuación no es el tipo de resultado que fabrica un harness favorable. Tampoco lo es una ventaja de 12 puntos sobre Fable 5.1 en Terminal-Bench Science, ni eliminar las salidas de ámbito que el modelo estrella anterior cometía casi la mitad de las veces. Astra es la prueba más sólida hasta ahora de que el uso prolongado del ordenador está pasando de demostración a producto.

El encuadre sobre la AGI hace más trabajo del que las pruebas sostienen. La cifra más citada, el 98,6 % en ARC-AGI-3, mide eficiencia de acción y no problemas resueltos. Se obtuvo con un harness que la propia OpenAI ha demostrado que puede triplicar la cifra, y la organización que gestiona el benchmark no la ha verificado. El benchmark que OpenAI construyó para medir el trabajo económicamente valioso quedó sin mencionar. Y el modelo que nunca se extralimita es también el modelo cuyo razonamiento cuesta más leer. A 2,5 veces el precio del modelo estrella que ya usas, y sin fecha para tu plan, la postura correcta es el interés, no la urgencia. Júzgalo cuando llegue a tu cuenta y alguien de fuera de OpenAI haya ejecutado las evaluaciones.

Preguntas frecuentes