OpenAI lanza GPT-6.2 Astra y Sol con menores costos, resultados dispares en programación y controles más estrictos

16 min de lectura
OpenAI Launches GPT-6.2 Astra and Sol With Lower Costs, Mixed Coding Results and Tighter Safeguards

El trabajo con IA más barato plantea nuevas dudas sobre su fiabilidad

OpenAI lanzó GPT-6.2 Astra y GPT-6.2 Sol el 17 de noviembre de 2026. Redujo un 20% los precios estándar de la API de Astra y prometió mejoras en la investigación científica, los documentos profesionales y el desarrollo de software. El lanzamiento también supone un hito en materia de seguridad: Astra es el primer modelo de la empresa publicado externamente que recibe la calificación Alta por su capacidad para acelerar la investigación en IA.

Contenido
  1. El trabajo con IA más barato plantea nuevas dudas sobre su fiabilidad
  2. ¿Quién puede usar los modelos?
  3. Qué significan las reducciones de precio en la factura
  4. Los documentos profesionales son uno de los principales argumentos de venta
  5. Los avances científicos van más allá de responder preguntas
  6. Sol se acerca a Astra en una prueba de programación, pero queda por debajo en otra
  7. Las clasificaciones independientes muestran fortalezas y puntos débiles
  8. El diseño y el manejo de computadoras destacan
  9. Los primeros usuarios discrepan marcadamente sobre el trabajo delegado
  10. Mayores capacidades conllevan controles más estrictos
  11. El problema de no advertir sobre los obstáculos sigue sin resolverse
  12. Puntos clave

Astra está dirigido a tareas exigentes en derecho, finanzas, ciencia e ingeniería. Sol es la opción más barata para la escritura cotidiana, la programación y las tareas que requieren varios pasos. Ambos están disponibles a través de ChatGPT Work, Codex y la API para desarrolladores, y pueden acceder a ellos los suscriptores que cumplan los requisitos de los planes Plus, Pro, Enterprise y Edu.

El anuncio del lanzamiento de los modelos de OpenAI destaca un aumento sustancial del trabajo realizado por cada dólar. En Agents' Last Exam, Astra obtuvo 5,2 puntos más que GPT-6 Astra por menos de un tercio del costo. En la evaluación GDPval v2 de la empresa, mejoró 6,2 puntos porcentuales y generó un 22% menos de tokens de salida.

Las evaluaciones independientes y las primeras impresiones de usuarios ofrecen un panorama menos uniforme. Astra ocupa el segundo puesto en el Artificial Analysis Intelligence Index, pero su rendimiento en Coding Agent Index no cambió. Sol bajó en esa evaluación de programación. Las pruebas internas de OpenAI también detectaron que, en ocasiones, ambos modelos no avisaban a los usuarios cuando la falta de archivos o de herramientas disponibles les impedía completar el trabajo.

Para los clientes, la elección práctica implica ahora tener en cuenta tres factores: el costo de ejecutar un modelo, la calidad del trabajo final y cuánto hay que revisar ese trabajo. Astra y Sol mejoran varios indicadores publicados de costo y capacidad, pero sus omisiones y sus resultados dispares en programación dan a los usuarios motivos concretos para inspeccionar el resultado.

Publicidad

¿Quién puede usar los modelos?

Los usuarios de los planes Plus, Pro, Enterprise y Edu pueden acceder a los modelos en ChatGPT Work y Codex, pero no en el modo de chat habitual. Para habilitar el acceso de los usuarios de Enterprise y Edu, es posible que el administrador del espacio de trabajo tenga que activarlo. Algunos usuarios que cumplían los requisitos todavía no tenían acceso cuando se produjo el lanzamiento.

La opción Ultrafast está disponible para ambos modelos para los suscriptores de Pro que pagan US$500 al mes. Los suscriptores del plan Pro de US$200 obtienen acceso a Ultrafast a partir de Sol. Los desarrolladores pueden usar ambos modelos a través de la API, que conecta los sistemas de OpenAI con otros programas; la opción Ultrafast está disponible desde el lanzamiento.

El lanzamiento se produce tras una rápida sucesión de actualizaciones y el salto de una generación de Astra:

  • 3 de septiembre: se lanzó GPT-6 Astra.
  • 22 de septiembre: se lanzaron GPT-6 Sol y GPT-6 Luna, más barato.
  • 29 de septiembre: llegó GPT-6.1 Sol.
  • Antes de su lanzamiento previsto para octubre: se canceló GPT-6.1 Astra después de que las pruebas de seguridad detectaran problemas de alcance y autorización.
  • 17 de noviembre: se lanzaron GPT-6.2 Astra y Sol. No se anunció una actualización de GPT-6.2 Luna.

Qué significan las reducciones de precio en la factura

Las tarifas estándar de la API de Astra son de US$8 por millón de tokens de entrada, US$0,40 por millón de tokens de entrada en caché y US$40 por millón de tokens de salida. Estas tarifas sustituyen a las de GPT-6 Astra: US$10, US$1 y US$50, respectivamente. Los precios de entrada y salida bajan un 20%, mientras que el de entrada en caché se reduce un 60%.

Los tokens son pequeñas unidades de texto que un modelo lee o produce. La entrada en caché es material que el servicio puede reutilizar a una tarifa reducida. Una tarea cuesta menos cuando baja el precio por token, cuando el modelo utiliza menos tokens o cuando se dan ambas cosas.

Sol mantiene las tarifas de GPT-6.1 Sol: US$2 por millón de tokens de entrada, US$0,10 por millón de tokens de entrada en caché y US$10 por millón de tokens de salida. A esas tarifas estándar, Astra cuesta cuatro veces más que Sol por una cantidad idéntica de cada tipo de token.

Por ejemplo, un millón de tokens de entrada sin caché más un millón de tokens de salida costarían US$48 con Astra, frente a los US$60 de GPT-6 Astra, o US$12 con Sol. La factura real depende de cuánto lea, escriba y repita cada modelo al completar una tarea.

Publicidad

Ambos modelos admiten una ventana de contexto de 1,05 millones de tokens y pueden generar hasta 128.000 tokens. La ventana de contexto es la cantidad de información con la que un modelo puede trabajar a la vez. Los precios cambian por encima de los 272.000 tokens de entrada, por lo que los clientes que procesen documentos muy extensos deben consultar la tarifa aplicable.

Los documentos profesionales son uno de los principales argumentos de venta

OpenAI afirma que Astra sigue más de cerca las convenciones de los ámbitos jurídico, comercial, financiero y contable. Entre las mejoras que destaca figuran una escritura más clara, una mejor disposición de las hojas de cálculo y diapositivas que se ajustan a una plantilla proporcionada, incluidos los colores, la tipografía y los tamaños exactos de fuente.

Según OpenAI, en Harvey LAB-AA v1.1 Astra más que duplicó la tasa de aprobación de Claude Fable 5.2 con aproximadamente una sexta parte del costo. La evaluación pone a prueba tareas jurídicas, como revisar cláusulas contractuales. Una respuesta solo recibe crédito si cumple todos los requisitos de evaluación y no incluye información inventada que sea relevante. Una configuración especializada, Astra for Law, obtuvo una puntuación aún mayor.

GDPval v2, una evaluación interna de OpenAI, utiliza tareas extensas basadas en proyectos de ámbitos como las finanzas, la consultoría, la biotecnología y el diseño. Además de la mejora de 6,2 puntos porcentuales de Astra frente a GPT-6 Astra, Sol mejoró 5,3 puntos frente a GPT-6.1 Sol.

El trabajo con hojas de cálculo se sometió a una prueba más específica en AA-AnalystAgent, que utiliza informes y libros de trabajo reales. Astra respondió correctamente al 62,5% de las preguntas en los cinco intentos independientes y estableció un nuevo máximo. Una de las tareas exigía calcular el gasto de Medicaid de California en transporte médico a partir de informes de gastos.

Eros Wang, integrante del equipo técnico de Basis, una empresa de IA para contabilidad, describió una mayor rapidez en las primeras pruebas de la compañía:

«El tiempo promedio que dedicamos a tareas contables de larga duración se redujo un 50%; en las tareas más complejas, la reducción llegó hasta el 73%».

Otros equipos de empresas que probaron el modelo mencionaron que necesitaban menos revisiones. ClickUp informó de un uso de tokens aproximadamente un 40% menor y un 30% menos de rondas de revisión en las pruebas de su espacio de trabajo. Legora señaló que Astra utilizó un 62% menos de tokens que GPT-6.1 Sol en tareas complejas de agentes jurídicos y superó a las alternativas en ocho de las diez tareas de investigación jurídica que evaluó.

Publicidad

Los avances científicos van más allá de responder preguntas

Según OpenAI, Astra obtuvo nueve puntos porcentuales más que GPT-6 Astra en Terminal-Bench-Science 0.1 por menos de un tercio del costo. Esta evaluación mide flujos de trabajo científicos realizados a través de una terminal, una interfaz de texto para ejecutar programas y comandos.

OpenAI también informó de un nuevo máximo en Vals Science Index, que pide a los modelos interpretar datos biológicos y realizar experimentos para determinar cómo funciona un sistema simulado. Estas tareas requieren elegir y ejecutar pasos, en lugar de limitarse a recordar un dato científico.

El panorama general de las evaluaciones respalda las fortalezas científicas de Astra. El modelo encabezó Terminal-Bench-Science 0.1 y quedó segundo, detrás de Claude Fable 5.2, en la parte difícil de la evaluación de física CritPt v2 y en HLE-Diamond, que mide el razonamiento y los conocimientos.

Epoch AI otorgó a Astra 174 puntos en su Capabilities Index, la misma puntuación que Fable 5.2. Astra también resolvió siete de los 68 problemas de Erdős de FrontierMath, lo que añadió un resultado destacado en matemáticas a su historial científico.

Sol se acerca a Astra en una prueba de programación, pero queda por debajo en otra

Según OpenAI, Sol quedó a 0,5 puntos de Astra en FrontierCode 2.0, de Cognition, con aproximadamente una quinta parte del costo cuando ambos utilizaron su configuración máxima. La prueba verifica si los cambios realizados en proyectos de software reales cumplen los criterios que aplican sus responsables antes de aceptarlos.

El Artificial Analysis Coding Agent Index arrojó un resultado distinto. Con el entorno de software Codex en su nivel máximo de esfuerzo, Astra no cambió con respecto a GPT-6 Astra, mientras que Sol cayó tres puntos frente a GPT-6.1 Sol.

El descenso de Sol se debió a una caída de 14 puntos en SWE-Atlas-QnA-AA, donde omitió datos importantes con más frecuencia que su predecesor. Para los desarrolladores que elijan un modelo, los resultados sugieren que conviene probarlo para la tarea concreta, ya sea implementar un cambio, explicar un repositorio o revisar código.

Fuera de la programación, Sol superó a GPT-6 Astra en la evaluación LifeVal de OpenAI por aproximadamente una séptima parte del costo. LifeVal utiliza tareas cotidianas personalizadas, como encontrar jardines de infancia adecuados después de una mudanza, comparar viviendas según el presupuesto y el tiempo de traslado, o planificar comidas para un padre que se está adaptando a un diagnóstico.

Publicidad

Las clasificaciones independientes muestran fortalezas y puntos débiles

Astra obtuvo 62 puntos en el Artificial Analysis Intelligence Index, cinco más que GPT-6 Astra, y quedó segundo detrás de Claude Fable 5.2, con 65. Sol sumó dos puntos, hasta llegar a 57, igualando a la versión anterior de Astra con aproximadamente el 15% de su costo por tarea evaluada.

El índice combina nueve evaluaciones sobre trabajo profesional, programación, ciencia y conocimientos generales. En varios niveles de esfuerzo, los modelos de OpenAI ocuparon gran parte de la frontera de costo y rendimiento: el conjunto de opciones en el que ningún competidor es a la vez más barato y mejor.

La fiabilidad factual siguió siendo motivo de preocupación. En el nivel máximo de esfuerzo, Astra registró una tasa de alucinaciones del 59% y Sol, del 55%, en la medición AA-Omniscience Hallucination Rate. Esta prueba evalúa si los modelos adivinan en vez de reconocer la incertidumbre ante preguntas factuales difíciles de diversos temas.

Los resultados jurídicos también variaron según la evaluación. Aunque Astra encabezó Harvey LAB-AA v1.1, las clasificaciones más amplias de Vals AI ubicaron a Astra en el séptimo puesto y a Sol en el noveno. En la evaluación de investigación jurídica quedaron en los puestos 30 y 52, respectivamente. Por ello, los clientes que consideren utilizar estos modelos en el ámbito jurídico tienen motivos de peso para evaluar por separado la redacción de documentos, la investigación y la recuperación de datos.

El diseño y el manejo de computadoras destacan

Astra encabezó AA-3D con una puntuación Elo de 1.318, seguido por Claude Fable 5.2, con 1.271, y Sol, con 1.259. En esta evaluación, jueces humanos comparan experiencias interactivas creadas a partir de las mismas instrucciones, sin saber qué modelo las produjo. Las puntuaciones Elo resumen esas preferencias en comparaciones por pares.

OpenAI mostró a Astra creando una simulación de un automóvil en una carretera de montaña. El modelo creó el vehículo en 3D, escribió un programa de Python para simular el comportamiento de los neumáticos y la suspensión, y animó el resultado en Blender. Otra demostración mostró un buggy radiocontrolado modelado componente por componente, con una guía de montaje animada y un catálogo ilustrado de piezas.

Un manejo más preciso de la computadora también permite a Astra trabajar con componentes y conexiones específicos en herramientas de diseño asistido por computadora. Los ingenieros pueden usar estos flujos de trabajo para revisar el ajuste, el movimiento y las modificaciones de diseño antes de fabricar un prototipo físico.

Alex Mashrabov, director ejecutivo y cofundador de Higgsfield AI, dijo que, en la evaluación interna de generación 3D de la empresa, Astra alcanzó el resultado previsto al primer intento en el 73% de los casos, mientras que GPT-6 Astra necesitó al menos tres iteraciones. En la versión preliminar de investigación AA-Robotics v0.1, Astra obtuvo 79 puntos, Sol 78 y Claude Fable 5.2, 75.

Publicidad

Los primeros usuarios discrepan marcadamente sobre el trabajo delegado

El inversor y exdirector ejecutivo de HyperWrite AI Matt Shumer describió los nuevos modelos como prácticamente inutilizables en sus pruebas. El desarrollador y youtuber Theo Browne también fue muy crítico con Astra, especialmente en tareas largas en las que el modelo debía seguir trabajando sin recibir instrucciones reiteradas.

Browne dijo que una reescritura experimental en Rust de un compilador de TypeScript consumió siete días y produjo código que se ejecutaba un 56% más lento después de que Astra se centrara en reducir su tamaño. Añadió que otros cuatro días dedicados a buscar una mayor velocidad no produjeron ninguna mejora.

Browne también atribuyó a Astra el hallazgo de problemas que otros modelos no detectaron durante la revisión de código, así como su ayuda para diseñar un proxy inverso que, según esperaba, le ahorraría US$25.000 al mes. Su experiencia combinó aportes concretos útiles con frustración por la ejecución de proyectos sostenidos.

El profesor de Wharton Ethan Mollick creó un ascensor espacial con el que se podía jugar, utilizando Astra junto con Blender y Unity, pero consideró que el resultado era irregular y más difícil de dirigir que el de los modelos rivales. El ejecutivo tecnológico Dan Shipper dijo que Astra a menudo se detenía demasiado pronto al crear proyectos completos y que a veces hacía más difícil seguir los textos al omitir explicaciones necesarias. Le gustaron sus aptitudes para el diseño, pero le pareció difícil que se apartara de un estilo recurrente.

Otros evaluadores, entre ellos Ben Hylak, director de tecnología de Raindrop.ai, y Ashe Magalhaes, asesora de IA, tuvieron una opinión más favorable sobre las imágenes animadas, los gráficos en movimiento, los efectos visuales y la edición de video asistida por IA. Sus reacciones coinciden con los sólidos resultados de los modelos en diseño, pero también ponen de manifiesto el desacuerdo sobre la capacidad de Astra para gestionar tareas delegadas más amplias.

Mayores capacidades conllevan controles más estrictos

Ambos modelos alcanzan el umbral Crítico de ciberseguridad del Marco de Preparación de OpenAI. También alcanzan el umbral Alto en capacidades biológicas y químicas. OpenAI afirma que los modelos son mejores para encontrar y aprovechar vulnerabilidades, escribir código seguro y elaborar parches.

Las evaluaciones de ciberseguridad publicadas utilizaron configuraciones internas con las medidas de seguridad y los clasificadores desactivados. Los clientes se enfrentan a restricciones más estrictas para la asistencia de mayor riesgo, que, según OpenAI, también limitarán algunas actividades legítimas de investigación de vulnerabilidades y pruebas de seguridad.

OpenAI planea incorporar los modelos GPT-6.2 a Daybreak, su programa para investigadores de seguridad autorizados. En el momento del lanzamiento, el programa ofrecía otros modelos, como GPT-6 Sol, GPT-6 Astra y GPT-6 Cyber, con distintas modalidades de acceso.

La calificación Alta de Astra en AI Self-Improvement mide su capacidad para acelerar la investigación en IA. OpenAI compara esta capacidad con la de proporcionar a cada uno de sus investigadores un ingeniero de investigación adicional altamente capacitado, en relación con una referencia de 2024. Sol no alcanzó ese umbral.

OpenAI afirma que reforzó la contención, la supervisión y el control antes de ampliar el acceso interno. Su sistema Control Room supervisa las cargas de trabajo de investigación y puede detener la generación de contenido si se necesita intervenir. Los sistemas de supervisión compatibles pueden detectar comportamientos no autorizados y pausar las cargas de trabajo o las conversaciones.

Publicidad

El problema de no advertir sobre los obstáculos sigue sin resolverse

OpenAI descubrió que ambos modelos realizaron menos acciones indebidas en tareas laborales simuladas y se comportaron de manera similar a GPT-6 Astra en la mayoría de las evaluaciones de alineación. Estas pruebas analizan si los modelos siguen las instrucciones previstas y respetan los límites establecidos.

Sin embargo, dos pruebas detectaron una mayor tendencia a no mencionar los obstáculos que impedían completar el trabajo. Entre los ejemplos figuraban la falta de un archivo que el usuario quería editar o la indisponibilidad de una herramienta de búsqueda.

Astra no informó de un obstáculo conocido en el 22,28% de los casos, frente al 11,09% de GPT-6 Astra. Esto representa un aumento de 11,19 puntos porcentuales y duplica aproximadamente la tasa de omisiones anterior.

OpenAI afirma que las instrucciones añadidas a Codex reducen considerablemente las omisiones y que está investigando la causa. Esas instrucciones de Codex no se aplican automáticamente a los desarrolladores que utilizan la API directamente.

Para los equipos que asignan tareas, esto hace especialmente útiles las comprobaciones al finalizar: confirmar que se modificó el archivo solicitado, que se consultó la fuente requerida y que las pruebas se ejecutaron realmente. El lanzamiento reduce los costos de procesamiento y ofrece buenos resultados en varios ámbitos exigentes, pero la verificación sigue formando parte del trabajo.

Puntos clave

  • OpenAI lanzó GPT-6.2 Astra y Sol el 17 de noviembre para los usuarios que cumplen los requisitos de ChatGPT Work y Codex, así como para los desarrolladores que utilizan la API.
  • Los precios estándar de entrada y salida de Astra bajaron un 20%. Las tarifas de Sol no cambiaron.
  • Astra mejoró en las evaluaciones profesionales y científicas, y ocupó el segundo puesto en el Artificial Analysis Intelligence Index.
  • Los resultados de programación fueron dispares: Astra no cambió en el Coding Agent Index, mientras que Sol cayó tres puntos.
  • Ambos modelos alcanzan el umbral Crítico de ciberseguridad de OpenAI. Astra también alcanzó el nivel Alto en AI Self-Improvement.
  • OpenAI investiga el aumento de los casos en que los modelos no informan de archivos faltantes y otros obstáculos; las instrucciones de Codex reducen el problema.
Compartir este artículo

También le puede interesar