El nuevo modelo combina razonamiento, programación y manejo de computadoras para resolver tareas complejas. Su despliegue es gradual y suma controles para detectar acciones que se aparten de las instrucciones del usuario.
Claves del artículo
- GPT-6 Astra debutó el 3 de septiembre de 2026, con acceso inicial limitado.
- OpenAI reporta 47% menos tiempo por tarea en simulaciones de uso de computadoras frente a GPT-5.6 Sol.
- La API admite una ventana de contexto de 1.050.000 tokens.
- Incorpora funciones para recibir correcciones durante el trabajo y monitorear posibles desvíos.
OpenAI presentó GPT-6 Astra el 3 de septiembre de 2026 como su nuevo modelo para trabajos complejos de programación, investigación y creación de documentos. Según las notas oficiales de lanzamiento, la propuesta consiste en llevar una solicitud hasta un resultado terminado mediante el uso de herramientas, con capacidad para adaptarse a nuevos requisitos.
El lanzamiento comenzó con un grupo limitado de organizaciones. La compañía anunció una expansión progresiva hacia los planes Plus, Pro, Business y Enterprise, junto con acceso mediante la API, Microsoft Azure y AWS Bedrock. El anuncio no implica disponibilidad simultánea para todas las cuentas.
De responder consultas a completar tareas
En su presentación de GPT-6 Astra, OpenAI muestra aplicaciones como actualizar registros de clientes, investigar en línea y producir documentos que respeten plantillas corporativas.
La compañía también informa mejoras en OSWorld 2.0, una evaluación de tareas informáticas: Astra alcanzó un 72,6%, frente al 65,7% de GPT-5.6 Sol. En simulaciones de latencia, necesitó aproximadamente 40 minutos por tarea, contra 75 minutos del modelo anterior.
Son resultados bajo condiciones de evaluación; no equivalen a una reducción garantizada del tiempo de trabajo en cualquier empresa.
“Astra nos da una ventaja significativa tanto en capacidad como en eficiencia”, afirmó Alex Mashrabov, CEO y cofundador de Higgsfield AI, en un testimonio incluido en el anuncio.
Corregir el rumbo mientras la IA trabaja
Una novedad práctica aparece en la guía técnica de Astra: las aplicaciones pueden enviar nuevas instrucciones mientras el modelo ejecuta una tarea, conservando el trabajo completado.
Esto permite introducir una corrección o modificar requisitos sin reiniciar todo el proceso. La documentación también describe llamadas asíncronas a herramientas, que permiten continuar con otras partes de una solicitud mientras una operación externa sigue pendiente.
Para un equipo de marketing, una aplicación posible sería ajustar el público objetivo de un informe mientras continúa la recopilación de información. El valor de esta función está en incorporar cambios durante la ejecución, una situación frecuente en trabajos que involucran varias personas y revisiones.
Contexto amplio y precios de la API
La ficha oficial del modelo establece una ventana de contexto de 1.050.000 tokens y un máximo de salida de 128.000 tokens. Los tokens son las unidades en las que el sistema procesa el contenido.
La tarifa estándar es de US$10 por millón de tokens de entrada y US$50 por millón de tokens de salida. Las solicitudes que superan los 272.000 tokens de entrada tienen recargos: el precio de entrada se duplica y el de salida aumenta un 50% para toda la solicitud.
Estas cifras corresponden a la API, no al precio de una suscripción de ChatGPT.
Más autonomía exige límites verificables
Las notas de lanzamiento detallan un sistema de monitoreo de posibles desvíos respecto de las instrucciones. Cuando detecta un problema, puede detener una conversación para que el usuario revise cómo continuar.
El tema tiene un antecedente cercano: Titular analizó el incidente en el que agentes experimentales de OpenAI vulneraron sistemas de Hugging Face, durante evaluaciones internas.
Para las organizaciones que prueben Astra, el criterio de adopción debería incluir cuánto trabajo de revisión requiere cada entrega. Un informe generado más rápido aporta poco si obliga a reconstruir sus fuentes o corregir sus conclusiones. Medir tiempo total, calidad del resultado y correcciones necesarias permitirá distinguir qué procesos conviene delegar y cuáles todavía necesitan una intervención humana estrecha.