TL;DR:
- OpenAI lanzó GPT-6 Astra el 3 de septiembre de 2026, primero para las organizaciones de su programa de ciberseguridad Daybreak y en los próximos días para las cuentas Plus, Pro, Business y Enterprise, la API y AWS.
- La empresa dice que Astra satura ARC-AGI-3 con 99.9%. ARC Prize, que administra la prueba, midió 62.7% con su arnés estándar y 99.9% con el adaptador que conserva el razonamiento opaco del modelo.
- La ficha de seguridad de OpenAI reconoce que la cadena de pensamiento de Astra se vigila peor que la de GPT-5.6 Sol, también en pruebas donde nadie le pidió esconderse.
OpenAI lanzó GPT-6 Astra el jueves 3 de septiembre de 2026 y su presidente, Greg Brockman, cerró la sesión con periodistas así: "Bienvenidos a la era de la AGI". El anuncio se apoya en una cifra concreta. La empresa afirma que Astra satura ARC-AGI-3, la prueba que mide si un sistema deduce por su cuenta las reglas de un entorno nuevo, con 99.9%. ARC Prize, la organización que administra ese test, publicó su propio desglose el mismo día, y ahí el número se parte en dos. Con el arnés estándar de ARC, el andamiaje neutral que solo deja al modelo cargar las notas que él mismo decide escribir, Astra saca 62.7%. El 99.9% aparece con el adaptador que conserva entre llamadas el estado de razonamiento opaco del modelo, ese que ARC no ve.
Dos arneses, más de 37 puntos de diferencia y el mismo modelo
Un arnés es el andamiaje que rodea al modelo durante la prueba: qué recuerda entre turnos, qué herramientas toca, qué se le devuelve. ARC Prize decidió reportar los dos. Con el estándar, Astra resolvió 62.7% de la versión semiprivada de ARC-AGI-3 y consumió unos 26,000 dólares de cómputo. Con el adaptador del proveedor, que preserva el razonamiento opaco y comprime las conversaciones largas, llegó a 99.9% con unos 19,000 dólares. Las dos son el mejor resultado registrado en esa prueba: incluso la cifra baja deja atrás el 30.2% de Claude Opus 5 y el 7.8% de GPT-5.6 Sol que la propia OpenAI reporta en esa fila.
La empresa no lo escondió, pero lo dejó en una nota al pie: en ARC-AGI-3 corrió Astra con su arnés de la API de Responses, que cambia dos ajustes para acercar el resultado al desempeño del mundo real. Greg Kamradt, de ARC Prize, sumó otro dato: con el adaptador, Astra necesitó menos acciones que la mediana humana en 96% de los niveles y 51.7% menos movimientos por nivel. Esa referencia salió de unos 500 voluntarios del público general, y ARC señala que las personas resuelven el 100% de los entornos. Sobre la etiqueta de Brockman, la organización fue explícita: "no estamos afirmando que sea AGI".
El anuncio acota el retroceso de vigilancia; la ficha lo describe más amplio
La página de lanzamiento dice que el razonamiento escrito de Astra resultó más difícil de vigilar que el de Sol y lo atribuye a pruebas en las que se le pidió expresamente evadir la supervisión. La ficha de seguridad publicada el mismo día va más lejos. En su sección de condiciones no adversarias, donde nadie instruye al modelo a esconderse, OpenAI describe regresiones en la vigilancia de la cadena de pensamiento porque Astra escribe razonamientos más cortos, menos informativos y a veces casi vacíos.
El número que mide ese control está en la misma ficha. Entre razonamientos de 750 a 1,250 tokens, Astra cumple las instrucciones sobre su propio texto interno en 60.9% de los casos, contra 16.1% de GPT-5.6 Sol y 1.7% de GPT-5.5 Thinking. La ficha también dice que el horizonte de tareas que Astra resuelve sin escribir razonamiento alguno creció cerca de un orden de magnitud, y que la empresa no aceptará "más degradación del monitoreo más allá de un límite".
El contexto llegó un día antes. The Information reportó que Astra usa una técnica llamada profundidad recurrente, o recurrencia opaca, que procesa la consulta en bucle y deja menos rastro legible. TechCrunch recogió la alarma de Buck Shlegeris y Ryan Greenblatt, de Redwood Research, que temen que escalar esa técnica traslade el razonamiento entero a un espacio que nadie audita. OpenAI minimizó el alcance del método, y su ficha sostiene que el salto en control de la cadena no se explica por cambios de arquitectura. Jakub Pachocki, científico jefe, lo resumió así ante la prensa: "a medida que aumentan las capacidades, vigilar se vuelve más difícil".
Primer modelo en el nivel Crítico: dos vulnerabilidades nuevas y accesos con freno
Astra es el primer modelo que OpenAI clasifica en el nivel Crítico de ciberseguridad de su Preparedness Framework, es decir, capaz de encontrar fallas desconocidas y desarrollar formas de explotarlas en sistemas endurecidos sin que una persona guíe cada paso. Durante una evaluación interna con 20 vulnerabilidades de alta severidad de V8, el motor de JavaScript de Chrome, el modelo descubrió y usó dos vulnerabilidades de día cero. La empresa dice que las está reportando a los responsables del software.
Esa capacidad llega con fricción para quien la use. La versión que sale hoy rechaza tareas ofensivas avanzadas, como armar pruebas de concepto de un exploit, y el acceso menos restringido queda para Daybreak. OpenAI advierte en su propio anuncio que las verificaciones adicionales pueden frenar, pausar o detener trabajo legítimo, incluida la ciberseguridad defensiva: en ChatGPT y Codex el usuario tendrá que revisar la acción antes de continuar; en la API, la tarea se detiene.
En código la ventaja es de décimas, y el precio es 2.5 veces el de Sol
En la tabla que publicó OpenAI, Astra saca 74.1% en DeepSWE v1.1, la prueba de 113 tareas de programación con agentes. Debajo aparecen Gemini 3.8 Flash con 73.8%, Claude Opus 5 con 73.7% y Sol con 72.7%. La distancia es de décimas, equivalente a una o dos tareas, y The New Stack apunta que los rangos de incertidumbre del marcador público se superponen. Meta reportó 75.4% para Muse Spark 1.3 en su ajuste máximo de razonamiento, que sigue bajo revisión de seguridad y no está disponible; ese modelo no aparece en la gráfica de OpenAI.
Gerardo Pavez
El precio es el cambio más medible: 10 dólares por millón de tokens de entrada y 50 por millón de salida, unas 2.5 veces la tarifa promocional vigente de Sol según The New Stack, y el mismo nivel que Anthropic cobra por Claude Fable 5.1. El modo rápido cuesta el doble a cambio de hasta 2.5 veces la velocidad. En las cuentas Enterprise, Astra viene desactivado y el administrador debe habilitarlo.
Los cinco números que OpenAI puso al frente se leen distinto junto a la condición en que se midió cada uno.
| Prueba | Lo que publicó OpenAI | En qué condición se midió |
|---|---|---|
| ARC-AGI-3 | 99.9% | 62.7% con el arnés estándar de ARC Prize; el 99.9% usa el adaptador que conserva el razonamiento opaco |
| ExploitBench | 100%, contra 78.5% de GPT-5.6 Sol | Corrida sin las salvaguardas de producción; el modelo que sale al público rechaza ese tipo de tarea |
| ExploitGym | 42.4%, contra 30.3% de Sol | OpenAI retiró el límite de seis horas a los dos modelos |
| DeepSWE v1.1 | 74.1% | 73.8% de Gemini 3.8 Flash y 73.7% de Claude Opus 5 en la misma tabla; Meta reportó 75.4% con Muse Spark 1.3 |
| FrontierMath Tier 4 | 97.6%, redondeado a 98% en el anuncio | Epoch AI dice que OpenAI financió el desarrollo de la prueba y tiene acceso exclusivo a una parte |
Astra llega con la etiqueta más ambiciosa que OpenAI ha usado y con la letra chica más larga: pruebas corridas con el andamiaje de la casa, una capacidad ofensiva que obliga a racionar el acceso y una ficha de seguridad que admite haber perdido nitidez sobre lo que el modelo piensa. El contraste se resolverá cuando Astra salga de Daybreak y cualquiera pueda medirlo con el arnés que quiera.
