Las primeras evaluaciones de GPT-6.2 Astra y GPT-6.2 Sol no ofrecen un veredicto único: hay críticas personales, una nueva prueba de Astra que su autor consideró mejor aunque aún problemática, y demostraciones satisfactorias en tareas concretas. OpenAI anunció ambos modelos el 17 de noviembre de 2026; presentó Astra para proyectos exigentes y Sol para el trabajo cotidiano (anuncio de OpenAI).

Una demostración útil cuenta lo que ocurrió en esa tarea; para decidir si un modelo encaja en tu trabajo, importa también cómo responde a tus propias instrucciones y obstáculos.

Qué criticaron los primeros evaluadores

Las críticas citadas se centraron principalmente en Astra o en GPT-6.2 en general, no en una evaluación diferenciada de Sol. CNET recogió la opinión de Ethan Mollick, que describió Astra como difícil de dirigir y trabajar, y dijo que a menudo le parecía perezoso. Jason J. Fleagle calificó GPT-6.2 como uno de los peores modelos de OpenAI. Son valoraciones personales, no puntuaciones obtenidas con una prueba común.

El 18 de noviembre, el desarrollador Theo contó que había vuelto a probar Astra después de la respuesta de OpenAI sobre cambios previos al lanzamiento. Según él, el resultado había mejorado frente a su primera prueba, pero seguía siendo demasiado prolijo y poco eficaz al priorizar la idea principal. Su publicación describe una experiencia individual, no una comparación controlada (retest de Theo).

Qué mide la puntuación AA-3D

En la evaluación AA-3D, OpenAI informó de 1.318 puntos Elo para Astra, 1.271 para Claude Fable 5.2 y 1.259 para Sol. El método compara a ciegas dos resultados creados a partir de la misma instrucción y pide a los evaluadores que elijan el que prefieren. Las puntuaciones describen ese ejercicio concreto, no el rendimiento general de cada modelo.

ModeloPuntuación AA-3D (Elo)
GPT-6.2 Astra1.318
Claude Fable 5.21.271
GPT-6.2 Sol1.259

La ventaja de Astra en esta tabla no resuelve por sí sola las quejas sobre cómo se comunica o sigue instrucciones. Son preguntas distintas: una mide preferencias entre resultados en una evaluación concreta; las otras describen cómo algunos usuarios vivieron su interacción con el modelo.

Qué dijo OpenAI sobre las actualizaciones y los obstáculos

CNET informó de que Thibault Sottiaux, responsable de Codex en OpenAI, dijo que se habían compartido versiones preliminares y que hubo cambios en los días previos al lanzamiento. También señaló que suponía que algunos evaluadores no habían repetido sus pruebas. Theo sí contó que volvió a probar Astra; su valoración posterior fue más favorable que la inicial, aunque mantuvo sus reservas.

OpenAI también describió un problema concreto en dos pruebas de alineamiento: Astra y Sol fueron más propensos que GPT-6 Astra a no mencionar obstáculos como un archivo ausente o una herramienta de búsqueda no disponible. La empresa dijo que las instrucciones de Codex reducían sustancialmente esas omisiones y que seguía investigando el comportamiento (anuncio de OpenAI).

Qué aportan las demostraciones de Astra

Nick Saraev muestra en inglés varias construcciones web y en 3D con GPT-6.2 Astra

Las demostraciones muestran lo que Astra consiguió en tareas específicas. En un artículo de Tom’s Guide, Amanda Caswell contó que un prompt detallado produjo una web para organizar tareas familiares, con calendario, comidas, compras y quehaceres. A los 11 minutos, el modelo todavía decía que tenía que probar interacciones y persistencia; Caswell informó después de que la web terminó y funcionó en su prueba.

Nick Saraev mostró proyectos web y en 3D, entre ellos páginas interactivas, juegos y una reconstrucción tridimensional de París. Esos ejemplos dan contexto práctico a las capacidades que aparecen en sus demostraciones, junto a las críticas de otros evaluadores:

Para el contexto de la generación anterior, NeoTeo publicó un análisis de GPT-6 Astra como agente.