El 17 de noviembre de 2026, OpenAI clasificó a GPT-6.2 Astra como High en auto-mejora de IA y a GPT-6.2 Sol por debajo de ese nivel. Para OpenAI, High es una etapa temprana de preparación de salvaguardas ante la posibilidad futura de una auto-mejora recursiva totalmente automatizada. La clasificación no describe una capacidad que Astra ya ejerza de forma autónoma, según la tarjeta de sistema de OpenAI.

Como antecedente, la cobertura de NeoTeo sobre GPT-6 Astra y la necesidad de supervisión trata el modelo anterior; la evaluación de esta tarjeta corresponde a GPT-6.2 Astra.

Qué significa la clasificación High

La categoría de auto-mejora de IA evalúa la capacidad de un modelo para acelerar la investigación en inteligencia artificial, incluida la investigación que mejora las capacidades de otros modelos. OpenAI presentó High como un hito inicial para preparar salvaguardas ante una posibilidad futura: que los modelos puedan realizar investigación recursiva de manera totalmente automatizada.

Por tanto, la etiqueta se refiere a una evaluación de capacidad y a la preparación de medidas de seguridad. No equivale a afirmar que Astra ya pueda mejorarse por sí mismo sin intervención humana.

Qué miden las tres pruebas secundarias

OpenAI basó su determinación en cinco evaluaciones de ingeniería de investigación. Dos pruebas iniciales examinan la depuración de experimentos de investigación y la optimización de kernels; alcanzar el umbral indicativo en cualquiera de ellas da paso a tres pruebas secundarias. Astra obtuvo un 81,85 % de crédito medio de rúbrica en Internal Research Debugging y un 76,92 % en KernelGen 1P.

En las tres pruebas secundarias, las cifras describen medidas distintas, así que conviene leer cada resultado junto a su unidad y su umbral indicativo.

EvaluaciónQué mideResultado de GPT-6.2 AstraUmbral indicativo
NanoGPTProporción media del tiempo de entrenamiento de referencia ahorrado42,87 %80 %
PostTrainBench LiteProporción media de la brecha de rendimiento cerrada74,79 %90 %
MLE-Bench RevisedPercentil medio de referencia en 72 competiciones96,0690.º percentil

En MLE-Bench Revised, el 96,06 es un promedio de percentiles frente a las soluciones de referencia del propio benchmark. No es una clasificación frente a todos los participantes humanos de Kaggle ni un porcentaje de tareas resueltas.

Para entender una puntuación, fíjate tanto en lo que mide como en la referencia contra la que se calcula.

Qué permite concluir la evaluación

OpenAI califica los umbrales de la segunda etapa como indicativos y afirma que las cinco evaluaciones contribuyeron a su determinación. La tarjeta no publica una ponderación de esos resultados ni umbrales numéricos para las dos pruebas iniciales. Por eso, las cifras describen los resultados de cada prueba, pero no permiten reconstruir por sí solas cómo se obtuvo la clasificación conjunta.

La tarjeta también recoge una evaluación de Vals AI: Astra obtuvo un 29,01 % en una versión modificada del RSI Index, donde el 50 % representa un rendimiento de nivel humano en cada tarea. OpenAI informa que Vals AI consideró improbable que Astra automatizara por completo la investigación en IA.