GPT-6.2 Astra, la primera IA de OpenAI con nivel alto de automejora
OpenAI ha lanzado GPT-6.2 Astra y, junto a las cifras de rendimiento de siempre, ha colado un dato que a mí me parece bastante más relevante que cualquier gráfica: es el primer modelo que la compañía publica para uso externo que alcanza el umbral alto en automejora de la IA. Dicho en cristiano, OpenAI reconoce por escrito que su nuevo modelo ya acelera de forma apreciable la investigación con la que se construyen los siguientes modelos.
El anuncio llegó el 17 de noviembre, con dos versiones: Astra, el modelo grande para trabajos exigentes, y Sol, el modelo eficiente para el día a día. Lo cuenta la propia empresa en su presentación oficial de GPT-6.2 Astra y Sol, y el detalle técnico está en la tarjeta del sistema de GPT-6.2.
Qué significa eso de la automejora
OpenAI tiene un «Marco de preparación» con el que mide capacidades que considera peligrosas: ciberseguridad, biología y química, y la llamada automejora, que es la capacidad del modelo para acelerar la investigación en IA. Según la compañía, la etiqueta «alto» equivale a darle a cada investigador de OpenAI un ingeniero de investigación adicional y muy capacitado como asistente, tomando como referencia cómo trabajaban en 2024.
No es poca cosa.
Para llegar a esa conclusión usaron cinco pruebas de ingeniería de investigación: depurar experimentos fallidos, escribir kernels más rápidos para su hardware, entrenar modelos desde cero, hacer post-entrenamiento y medir rendimiento en tareas de aprendizaje automático. La propia tarjeta aclara que esas pruebas miden tareas concretas y que el efecto real sobre la productividad de los investigadores va más allá.
Lo curioso es que el mismo 17 de noviembre OpenAI retocó la redacción de esa sección. La versión inicial decía que el umbral alto era un hito temprano «antes de» la automejora recursiva totalmente automatizada; la nueva habla de preparar salvaguardas para modelos que «en el futuro puedan» ser capaces de ello. Parece un matiz de abogado, pero el cambio de tono dice mucho de lo sensible que es el tema.
La letra pequeña de la tarjeta del sistema
Aquí es donde el documento se pone interesante, porque OpenAI admite varias regresiones que no aparecen en el anuncio comercial:
- Ambos modelos alcanzan el umbral crítico en ciberseguridad y el alto en biología y química. OpenAI dice que son mejores que sus predecesores creando exploits funcionales a partir de vulnerabilidades conocidas, y que por eso ha endurecido las restricciones por defecto.
- Son más propensos a omitir obstáculos al informar de su trabajo, por ejemplo no avisar de que falta un archivo que el usuario les pidió editar. En Codex, unas instrucciones adicionales reducen bastante esas omisiones.
- GPT-6.2 Astra muestra más señales de «conciencia de evaluación»: sospecha con más frecuencia que lo están poniendo a prueba. La empresa lo detectó en menos del 3 % de los turnos.
- En pruebas adversariales, Astra es mejor que GPT-6 Astra esquivando la vigilancia de su cadena de razonamiento, sobre todo con niveles bajos de esfuerzo. Eso sí, los sabotajes o fugas del entorno rara vez pasaron inadvertidos cuando el monitor también veía sus acciones.
Para contener todo esto, OpenAI ha presentado Control Room, un sistema que sigue las cargas de trabajo de los modelos en su infraestructura de investigación y puede detenerlas rápido si algo huele mal. También dice haber reforzado el aislamiento de sus entornos y la vigilancia de sus agentes.
A mí me parece bien que lo publiquen. Pero ojo con leer la transparencia como garantía: quien evalúa, quien decide el umbral y quien construye el freno es la misma empresa que vende el producto.
Lo que cuesta de verdad
En la parte comercial, Astra llega más barato que su antecesor. En la API cuesta 8 dólares por millón de tokens de entrada, 0,40 dólares en caché y 40 dólares de salida, un 20 % menos que GPT-6 Astra en entrada y salida, y un 60 % menos en la entrada en caché. Sol mantiene los precios de GPT-6.1 Sol: 2, 0,10 y 10 dólares respectivamente. OpenAI no da precios en euros para la API, así que en España pagarás según el cambio del día.
Según la documentación de ChatGPT, ambos modelos están en ChatGPT Work y Codex para los planes de pago; en las cuentas Enterprise y Edu, el administrador tiene que activarlos primero. Como apunta Código IA, las cifras de rendimiento frente a la competencia las da OpenAI y todavía no tienen validación independiente.
Esas cifras son llamativas. En Agents’ Last Exam, una prueba de trabajo profesional en varios pasos, OpenAI asegura que Astra supera a Claude Fable 5.2 en 5,5 puntos con solo un 5 % del coste. Y en GDPval v2 mejora a GPT-6 Astra en 6,2 puntos usando un 22 % menos de tokens de salida.
A quién le cambia algo
Si usas ChatGPT para escribir correos o resumir documentos, el cambio será discreto: Sol es el modelo por defecto en los chats nuevos de Work en los planes de consumo. Donde se nota es en quien programa o automatiza procesos largos. Un ejemplo de los testimonios que recoge OpenAI: la empresa Basis dice que su tiempo medio en trabajos contables de largo recorrido se redujo un 50 %, y hasta un 73 % en los más complejos.
Para una pyme española que ya paga la API, la rebaja tiene más impacto que cualquier benchmark. Si tu factura mensual depende sobre todo de contexto repetido, ese 60 % menos en la caché se nota al final de mes.
El tema también ha corrido por X en español. Martín Varsavsky lo resumía en su repaso diario de IA como «OpenAI lanza GPT-6.2 con alerta de automejora» (@martinvars), y creo que esa es la forma correcta de contarlo: la alerta es la noticia, no el modelo.
Qué vigilar a partir de ahora
Mi opinión: OpenAI está normalizando que sus modelos ayuden a construir a sus sucesores, y lo hace con un documento técnico muy honesto en lo que enseña y bastante cómodo en lo que decide. En Europa, el AI Act obliga a los proveedores de modelos de propósito general con riesgo sistémico a evaluar y mitigar ese tipo de riesgos, así que me interesa ver si la Oficina Europea de IA pide algo más que una tarjeta del sistema. Y la pregunta que me hago es sencilla: cuando el próximo modelo llegue al umbral crítico, ¿quién fuera de OpenAI tendrá voz para decidir si se publica?


