GPT-6 Astra genera opiniones divididas en laboratorios independientes

El GPT-6 Astra de OpenAI, lanzado el 3 de septiembre de 2026, ha provocado una inusual división entre los evaluadores independientes: uno lo clasifica como el mejor modelo de IA del mundo, mientras que otro lo sitúa al mismo nivel que su predecesor y por detrás de su rival Anthropic.

Resultados divergentes

El índice compuesto de capacidades de Epoch AI otorga a Astra una puntuación de 169, colocándolo primero entre 267 modelos, por delante del Claude Fable 5.1 de Anthropic con 163. Artificial Analysis, una firma de evaluación comparativa con sede en San Francisco, llegó a una conclusión diferente. Su Índice de Inteligencia califica a Astra con 61 puntos, igualando exactamente al GPT-5.6 Sol de OpenAI y Microsoft Corporation ↘ 0.99%, mientras que el Claude Fable 5.1 de Anthropic se sitúa cinco puntos por delante con 66. En tareas de programación, el panorama es más favorable: Astra obtuvo 67 en el Índice de Agentes de Programación de Artificial Analysis, aproximadamente a la par con Claude Opus 5 y el Muse Spark 1.3 de Meta ↗ 0.84%.trendingtopics+4

El desacuerdo se debe en parte a lo que mide cada índice. Epoch AI agrega puntuaciones de razonamiento, matemáticas, ciencia y puntos de referencia de agentes en una sola cifra, mientras que Artificial Analysis pondera de forma distinta el conocimiento, el razonamiento en documentos largos y la precisión factual. Epoch AI señaló en X que el récord de Astra estaba "dentro del rango de incertidumbre" de los líderes anteriores, lo que sugiere que la brecha podría ser más estrecha de lo que sugiere la cifra principal.latent+1

ARC-AGI-3: Superando a los humanos en eficiencia

La organización ARC Prize proporcionó su propia evaluación, probando a Astra en ARC-AGI-3, un punto de referencia interactivo que requiere que los agentes exploren entornos desconocidos, infieran objetivos y planifiquen acciones sin instrucciones explícitas. Bajo el arnés estándar, Astra obtuvo un 62.7% con un costo de aproximadamente 26,000 dólares por ejecución. Bajo el adaptador de proveedor de OpenAI, que preserva el estado de razonamiento del modelo entre solicitudes, la puntuación saltó al 99.9% por unos 19,000 dólares.arcprize

Un hallazgo destacado fue la eficiencia de acción de Astra. Probado frente a una línea base extraída de aproximadamente 500 participantes humanos, Astra utilizó menos acciones que el humano promedio en el 96% de los niveles y promedió un 51.7% menos de acciones por nivel en general. "Este es un hito material", escribió ARC Prize, añadiendo que el resultado "igualó y superó la paridad humana" según su medida de eficiencia de acción.arcprize

Problemas matemáticos abiertos y costos crecientes

Epoch AI también informó que en su nuevo punto de referencia FrontierMath Erdős, un conjunto de 68 problemas abiertos planteados por el matemático Paul Erdős, Astra fue el único modelo en resolver alguno, produciendo pruebas verificadas por Lean para dos problemas con un presupuesto de 300 dólares por intento. Surgieron tres soluciones adicionales de ejecuciones no estandarizadas más costosas que superaron los 220,000 dólares, las cuales Epoch excluyó de la puntuación oficial.the-decoder+1

Para los desarrolladores, el rendimiento tiene un precio. OpenAI fijó las tarifas de la API de Astra en 10 dólares por millón de tokens de entrada y 50 dólares por millón de tokens de salida, un aumento de 2.5 veces respecto al GPT-5.6 Sol. Artificial Analysis descubrió que la eficiencia mejorada de los tokens de Astra compensa los precios más altos en tareas de programación, pero deja al modelo aproximadamente un 75% más caro por tarea para trabajos de inteligencia general.trendingtopics