GPT-6 Astra es una herramienta agentiva más capaz que GPT-5.6 en determinados trabajos exigentes, especialmente en programación, uso del ordenador y tareas de varios pasos. Pero la evaluación práctica publicada el 14 de septiembre de 2026 deja una conclusión bastante terrenal: sigue cometiendo errores serios, necesita supervisión y puede agotar el uso disponible a una velocidad poco simpática. No, no demuestra AGI.
OpenAI anunció GPT-6 Astra el 3 de septiembre de 2026 como un modelo para ingeniería de software, trabajo científico, agentes, uso de aplicaciones y flujos 3D o de tipo CAD. La parte interesante no es que pueda contestar mejor a una pregunta cotidiana —ahí la diferencia resulta menos evidente—, sino que conecta pasos, archivos y herramientas con más soltura. Es un operario más hábil; todavía no un autónomo al que entregar las llaves del proyecto.
La conclusión rápida: mejor herramienta, no AGI
La mejora existe, pero tiene perímetro. GPT-6 Astra parece más útil cuando debe revisar relaciones entre archivos, operar software, probar resultados o encadenar una tarea compleja. En las conversaciones rutinarias, la diferencia frente a GPT-5.6 fue mucho menos visible.
La frontera importante está entre hacer una demostración llamativa y resolver trabajo real sin vigilancia. Una evaluación práctica comprobó que Astra detectaba un error de formato cometido por GPT-5.6 en un flujo de creación de un mod para Crimson Desert y propuso una alternativa que funcionó. En ese mismo trabajo, también introdujo un bug que rompía el juego y cuya causa requirió horas de indicaciones de razonamiento elevado para ser encontrada.
Eso no invalida su capacidad. Define dónde está el cuello de botella: el modelo puede avanzar deprisa, pero alguien debe revisar el resultado, probarlo y decidir cuándo ha llegado el momento de intervenir.
Dónde se nota la mejora
OpenAI posiciona GPT-6 Astra para programación, trabajo con aplicaciones, investigación científica, agentes de larga duración y producción 3D. En revisión de código, una evaluación temprana informó de aproximadamente un 4 % más de bugs etiquetados y accionables que GPT-5.6 Sol en el conjunto general, y de una ventaja del 20 % en su subconjunto más difícil de cambios entre varios archivos.
Son datos útiles para entender el tipo de salto: Astra parece brillar cuando no basta con completar una función aislada y hay que seguir dependencias, estado y consecuencias entre piezas del proyecto. No convierten al modelo en la opción ganadora para cada conversación, script pequeño o búsqueda sencilla.
Tampoco conviene confundir tareas agentivas con magia. Que un modelo pueda recorrer una aplicación, trabajar con archivos o generar una escena no garantiza que interprete correctamente la arquitectura completa de un proyecto. En flujos complejos, puede resolver cambios locales muy sofisticados y aun así perder el hilo global. Ese es justo el tipo de fallo que vuelve imprescindible una revisión humana.
El problema sigue siendo la supervisión
GPT-6 Astra puede ahorrar trabajo de diagnóstico y acelerar iteraciones, pero no sustituye las pruebas. La experiencia con el mod de Crimson Desert resume bien el asunto: el modelo corrigió una decisión equivocada de GPT-5.6 y después generó otro problema grave.
Para un desarrollador, la lectura práctica es clara: úsalo para explorar, proponer parches, rastrear errores y mover tareas repetitivas entre herramientas. Pero conserva pruebas automatizadas, revisiones de código y puntos de control. Delegar no es desentenderse.
Precios y consumo: no es lo mismo API que suscripción
OpenAI publica una tarifa estándar de API de 10 $ por millón de tokens de entrada y 50 $ por millón de tokens de salida. Un token es una unidad de texto que el modelo procesa o genera; en un flujo largo con documentos, código, llamadas a herramientas y varias iteraciones, la cuenta puede crecer rápido.
Estas cifras son tarifas de API, no el precio de una suscripción a GPT-6 Astra. En una experiencia de uso con un plan Pro 5x de 100 $ al mes, activar el nivel máximo de inteligencia junto con varios agentes consumió aproximadamente una semana de uso en una o dos horas. No es una medida universal, pero sí una advertencia muy concreta sobre el coste práctico de pedirle al modelo que piense a fondo y ejecute muchas tareas en paralelo.
El tutorial integrado enseña el control Thinking Level, con niveles de Light a Ultra, y un flujo de ChatGPT Work que conecta carpetas locales a un proyecto. Su idea de gestión tiene sentido como regla de trabajo: reserva el razonamiento pesado para los problemas que realmente lo merecen y deja lo rutinario a modelos menos intensivos.
Qué dice el benchmark —y qué no dice—
OpenAI comunica un 99,9 % para GPT-6 en ARC-AGI-3. Este benchmark evalúa cómo aprenden los agentes al enfrentarse a tareas interactivas desconocidas; es una señal interesante de rendimiento en ese entorno concreto.
Pero un porcentaje de benchmark no certifica por sí mismo una inteligencia general fiable. No mide si el modelo detectará siempre un requisito ambiguo, si mantendrá el contexto de una base de código grande ni si evitará introducir errores al ejecutar una secuencia larga de acciones. Los fallos observados en trabajo práctico pesan precisamente porque esas son las situaciones en las que un agente deja de ser una demo y empieza a tocar producción.
Qué se sabe del despliegue en España
La página española de OpenAI describió el lanzamiento de GPT-6 Astra con un despliegue inicial limitado para organizaciones y un acceso más amplio después. Esa es la referencia local relevante: no convierte automáticamente las condiciones de uso o los límites de otros planes y mercados en una oferta idéntica en España.
Si estás valorando Astra para un flujo profesional, el mejor encaje está en tareas complejas donde el tiempo ahorrado compense tanto los tokens como la revisión posterior: auditorías de archivos, depuración entre módulos, automatización de aplicaciones y prototipos que puedas probar con rigor. Ahí es donde el agente promete más. Y ahí, también, donde no deberías dejarlo sin supervisión.
