Resumen:
Unas horas antes del lanzamiento de Astra, la comunidad de IA estaba sumida en el caos. En la noche del 3 de septiembre, ChatGPT, Claude y Grok experimentaron anomalías de servicio a gran escala casi simultáneamente. Una gran cantidad de usuarios no pudieron abrir los modelos o sus solicitudes fallaron. En ese momento, la cuenta oficial de ChatGPT estaba mirando las estrellas: "Las estrellas casi están alineadas".
Alguien pronto empezó a bromear: ¿Astra hackeó tanto a Anthropic como a xAI durante el despliegue y al final ni siquiera se salvó?
Por supuesto, esto es sólo una broma creada por los internautas. Actualmente no hay evidencia de que este fallo esté relacionado con Astra.
Pero esta broma apareció en el momento adecuado: hace apenas dos días, OpenAI acababa de anunciar que este nuevo modelo, que aún no se ha lanzado oficialmente, se ha convertido en el primer modelo de la compañía en cruzar el umbral de capacidad de ciberseguridad "crítica" del Marco de Preparación.
Entonces las estrellas realmente encajaron.
En la madrugada del 4 de septiembre, hora de Beijing, OpenAI lanzó oficialmente GPT-6 Astra.
Pero no todos están en línea. Actualmente, Astra solo está abierto a una pequeña cantidad de organizaciones en el sistema Trusted Access/Daybreak y usuarios de seguridad de red auditados; los usuarios Plus, Pro, Business, Enterprise y API tendrán que esperar y ver unos días más.
Astra viene, pero Tathagata
El 4 de septiembre, OpenAI lanzó GPT-6 Astra "internamente".
Actualmente, Astra solo está abierto a un pequeño número de instituciones en el sistema Trusted Access/Daybreak. OpenAI dijo que los suscriptores Plus, Pro, Business, Enterprise y las API obtendrán acceso en los próximos días.
En cuanto a cuántos días son realmente estos "pocos días", no hay un calendario más específico por el momento.
En una conferencia de prensa a puerta cerrada antes del lanzamiento, el presidente de OpenAI, Greg Brockman, le dio a Astra una nota a pie de página bastante exagerada: "Bienvenido a la era AGI".
Bienvenido a la era AGI.
Aidan Clark, vicepresidente de investigación de OpenAI, explicó por qué Astra es especial desde otra perspectiva: "Esta es la primera vez que se han utilizado más de 100.000 GPU para el entrenamiento previo en el sitio de Stargate en Texas. Desde la red del centro de datos hasta el núcleo de inferencia y la forma del modelo en sí, todo está diseñado desde cero en torno a esta escala de entrenamiento".
Aidan también dijo que Astra es también el primer producto de OpenAI que permite que los modelos de vieja generación participen profundamente en el proceso de capacitación.
En pocas palabras, las personas que entrenan a la próxima generación de IA ya han comenzado a aparecer en la generación anterior de IA.
Aunque está lejos de "la IA se entrena a sí misma", el modelo ha entrado en el proceso de desarrollo del modelo de próxima generación.
Después de que Anthropic llamara a Fable/Mythos 5.1 "el modelo de trabajo de conocimiento y codificación más avanzado del mundo" anteayer, hoy, OpenAI también llamó a Astra "el modelo más fuerte y alineado del mundo".
En términos de pruebas comparativas, las cifras más aterradoras provienen de ARC-AGI-3.
Este es un punto de referencia del agente que prueba específicamente si un modelo puede ingresar a un entorno 2D que nunca antes había visto, descubrir reglas a través de prueba y error continuo y lograr objetivos. No es como un examen tradicional que prueba cuánto conocimiento se memoriza, sino que está más cerca de lanzar a la IA a un juego desconocido para ver si puede descubrir "cómo funciona el mundo" por sí sola.
Astra logró la puntuación más alta del 99,9% bajo la configuración del Adaptador de Proveedor propio de OpenAI.
Pero es necesario desarmar este número. ARC Prize también utiliza un conjunto de arneses estándar que todos los fabricantes pueden comparar de manera uniforme. En este caso, Astra alcanza sólo el 62,7%.
La mayor diferencia entre los dos no es que se haya cambiado el tema. OpenAI descubrió anteriormente que la razón por la que Sol obtuvo una puntuación baja no era porque el modelo fuera estúpido, sino porque el arnés seguía formateando su memoria. Por lo tanto, lo que hizo OpenAI fue reemplazar el arnés de ARC-AGI-3 con la configuración de producción de su propia API de Respuestas, y luego preparar especialmente dos configuraciones especiales para ARC-AGI-3, a saber, razonamiento retenido y compactación. El primero permite que el modelo recuerde sus pensamientos anteriores entre acciones, mientras que el segundo utiliza un resumen en lugar de un truncamiento aproximado.
Después de conectarse a este sistema de producción, Astra saltó del 62,7% al 99,9%. En las tareas completadas con éxito por ambas partes, el adaptador de proveedor en general funcionó aproximadamente 3,66 veces más rápido y el consumo de tokens se redujo en un 49 %.
En cierto sentido, es como abrir un complemento.
En matemáticas difíciles, FrontierMath Tier 4 es del 97,6 %. Epoch AI, donde tiene su sede FrontierMath, dijo que OpenAI financió el desarrollo del punto de referencia y tiene acceso exclusivo a algunas de sus preguntas.
Las puntuaciones dignas de atención incluyen:
DeepSWE v1.1 74,1%
BenchCAD 95,9%
Tarea científica Terminal-Bench 64,6%.
Pero esta vez OpenAI obviamente no se basó solo en una serie de puntos de referencia para presentar Astra.
Cuando abres el sitio web oficial, los casos se publican casi uno tras otro.
KiCad, Excel, Blender, Power BI, llenado de formularios del navegador, control de calidad del sitio web; luego buscar una casa, encontrar un médico, programar una cita en el DMV, hacer formularios de impuestos, hacer PPT, desarrollar juegos y analizar datos de investigaciones científicas.
En las últimas generaciones de lanzamientos de GPT, OpenAI principalmente decía a los usuarios qué podía responder el modelo; Con Astra, su enfoque parece haber cambiado y se ha convertido en: ¿Cuántas cosas te quedan que se pueden entregar directamente a la IA?
OpenAI incluso llamó directamente a Astra "el mejor modelo de uso de computadoras del mundo".
El progreso del modelo en el "uso de computadoras" puede ser más importante que la puntuación. En Codex, Astra trae un nuevo mecanismo de contexto: en lugar de simplemente comprimir el resumen cuando la ventana de contexto está llena, puede guardar notas en todas las ventanas y buscar mensajes anteriores y resultados de herramientas.
Astra también puede seguir trabajando en la parte que no depende de la respuesta cuando una determinada pregunta está sin resolver, para evitar que una sola pregunta sin resolver bloquee toda la tarea.
Por supuesto, las capacidades también están directamente incluidas en el precio.
El precio API estándar de GPT-6 Astra es: 10 USD por millón de tokens de entrada, 1 USD por entrada en caché y 50 USD por salida.
En comparación con la entrada actual de $4 del GPT-5.6 Sol, el caché de $0,4 y la salida de $20, el precio de toda la gama de Astra se ha incrementado directamente a 2,5 veces. El posicionamiento de OpenAI también es muy claro: si no sabes qué modelo insignia elegir, puedes elegir Astra; Si le importa más el costo, continúe usando GPT-5.6 Terra o Luna.
Aún proporciona 1,05 millones de contexto de tokens y una salida máxima de 128.000 tokens. Pero el contexto largo también tiene costos adicionales: al igual que la serie GPT-5.6, cuando una sola entrada excede los 272 000 tokens, el costo de entrada de toda la solicitud se calculará 2 veces y la salida se calculará 1,5 veces.
Entonces, OpenAI ha establecido un nivel inteligente más caro para Astra.
Si simplemente hace una pregunta y cambia algunos párrafos del texto, puede que no valga la pena gastar 2,5 veces el precio.
Pero si el modelo realmente puede sentarse frente a la computadora, trabajar continuamente durante docenas de minutos o incluso horas, y completar toda la tarea que solía requerir que las personas cambiaran de software, verificaran información, completaran formularios y modificaran archivos, entonces lo que realmente necesita compararse ya no es solo cuánto dinero por millón de tokens.
Algunos puntos técnicos dignos de mención
Astra también tiene varios puntos técnicos que pueden ser más destacables que el propio Benchmark.
El primero es la ingeniería inversa.
OpenAI citó a SRE-Bench en este comunicado. Este es un conjunto de puntos de referencia de ingeniería inversa lanzados este año por equipos como Columbia DAPLab: no se proporciona el código fuente del modelo, solo se proporciona el programa binario compilado para ver si puede volver a comprender la lógica del programa y encontrar comportamientos clave.
Astra tiene una tasa de éxito del 88,0% en un intento y del 99,2% en hasta cuatro intentos.
Bajo el mismo conjunto de reglas, GPT-5.6 Sol es solo 55,9% y 68,7% respectivamente.
En términos humanos, cuando nos enfrentamos a un programa que ha sido compilado y casi no tiene código legible por humanos, la IA está empezando a ser capaz de "recuperarlo" poco a poco de las instrucciones de la máquina.
Esto tiene implicaciones directas para el análisis de malware, la investigación de firmware, la extracción de vulnerabilidades y la ciencia forense digital.
El segundo cambio es que para Astra "ya no es fácil encontrar objetos perdidos" en misiones extremadamente largas.
En la prueba de recuperación de ocho pines MRCR v2, la precisión de Astra alcanzó el 100% al enfrentar contextos de 256K a 512K; cuando se trataba de 512.000 a 1 millón de tokens, todavía tenía una precisión del 96,3%. Sin embargo, GPT-5.6 Sol solo tiene 91,5% y 73,8% en estos dos intervalos respectivamente.
En el pasado, muchos modelos afirmaban admitir millones de contextos, pero si una información importante queda enterrada fuera de cientos de miles de tokens, es posible que el modelo casi la haya olvidado en la segunda mitad del proceso.
Astra comenzó a trasladar "qué tan grande es la ventana de contexto" a otra pregunta más práctica: durante cuánto tiempo puede un agente recordar lo que sucedió antes.
Para un agente que necesita trabajar continuamente durante decenas de minutos o incluso horas, esto puede ser más importante que agregar cientos de miles de ventanas de tokens más.
Además, Astra tiene otro cambio inusual.
Se vuelve más alineado, pero también más difícil de monitorear.
En una serie de pruebas de seguridad de uso interno de computadoras publicadas por OpenAI, la tasa de infracción de Astra cayó del 22,0 % en Sol al 2,4 %; en una prueba que observó específicamente si el modelo superaría las restricciones para completar la tarea, la puntuación de Astra fue del 0%. La prueba de alucinaciones internas también cayó del 9,4% en Sol al 2,0% en Astra.
Al menos según las propias pruebas de OpenAI, Astra es significativamente menos "caótico". Pero el científico jefe de OpenAI, Jakub Pachocki, también recordó: "El progreso de la inteligencia no garantiza el progreso de la alineación".
Una de las razones es que Astra comenzó a escribir cada vez menos su proceso de pensamiento completo.
Un método de seguridad de IA muy importante en el pasado era monitorear la cadena de pensamiento del modelo: si el modelo iba a sobrepasar su autoridad, atacar un determinado sistema o cambiar secretamente sus objetivos, se podían ver pistas en su razonamiento de antemano.
Pero OpenAI descubrió que Astra tenía un mayor control sobre su razonamiento escrito. Algunos problemas que en el pasado debían resolverse escribiendo muchos pasos ahora pueden resolverse con un razonamiento menos explícito; si el modelo sabe que su proceso de pensamiento está siendo monitoreado, estos contenidos se cambiarán o acortarán significativamente.
Por lo tanto, OpenAI ya no puede centrarse únicamente en la cadena de pensamiento.
Para vigilar a Astra y evitar que cometa los mismos ataques que aparecieron antes en Sol, OpenAI instaló un "monitoreo de desalineación" en el entorno de producción. Observa simultáneamente el razonamiento del modelo, las acciones reales, las llamadas a herramientas y toda la trayectoria de la tarea.
Si el sistema determina que el modelo puede estar desviándose seriamente de la intención original del usuario, puede pausar o incluso finalizar la tarea directamente.
En la API, la tarea interceptada puede finalizar directamente; en ChatGPT o Codex, en algunos casos se le pedirá al usuario que reconfirme primero:
"¿Es esto realmente lo que quieres que haga?"
A nivel de producto, el nombre del modelo API de Astra es directamente gpt-6-astra y también ingresa a Amazon Bedrock.
OpenAI también lanzó el modo Rápido: el precio se duplica y la velocidad máxima de ejecución es aproximadamente 2,5 veces.
Para una conversación informal, esto puede no resultar atractivo. Pero si originalmente un Agente necesita ejecutarse en el navegador y el software durante 40 minutos, y el tiempo se reduce a diez o veinte minutos, la velocidad misma pasará a formar parte de las capacidades del producto.
En cuanto a la suscripción, Astra se incluirá en la cuota de suscripción existente; Pro, Business y Enterprise también obtendrán el Astra Pro más potente. Enterprise no se activará directamente de forma predeterminada y el administrador debe activarlo manualmente.
Aunque aún no se puede abrir...
Historia compleja, apertura limitada
Astra puede ser el lanzamiento de modelo más “histórico” de OpenAI hasta la fecha.
Muchos modelos se lanzan primero y luego exponen lentamente los problemas, pero Astra hace lo contrario; por supuesto, no se descartan algunos métodos de marketing. Pero antes de su lanzamiento oficial, OpenAI había pasado casi un mes explicando constantemente por qué necesitaba ser entrenado, probado y abierto con más cuidado.
El 7 de agosto, OpenAI declaró públicamente por primera vez que la última evaluación interna hizo imposible que la compañía descartara la posibilidad de que Astra haya alcanzado el umbral de capacidad de ciberseguridad "crítica" según el marco de preparación.
El 1 de septiembre, esta "posibilidad" se convirtió en una conclusión formal: Astra se convirtió en el primer modelo de OpenAI calificado como Crítico en capacidades de seguridad de red.
Según los propios estándares de OpenAI, esto significa que con las herramientas y los derechos de acceso adecuados, Astra ha podido descubrir de forma independiente vulnerabilidades previamente desconocidas y desarrollar exploits disponibles en muchos sistemas reforzados del mundo real sin la necesidad de una guía humana paso a paso; o puede diseñar y ejecutar un conjunto de estrategias de ataque de un extremo a otro contra objetivos endurecidos con sólo darle un objetivo de alto nivel.
Esto ya no es sólo un nivel de "poder escribir código de ataque". En ExploitBench, Astra obtuvo directamente una puntuación del 100%.
Para evitar que el modelo solo memorice vulnerabilidades públicas, OpenAI preparó otro conjunto de pruebas internas e instaló 20 vulnerabilidades de alto riesgo V8 que solo se revelaron de junio a agosto de 2026. Astra no solo utiliza menos tokens de salida que GPT-5.6 Sol, sino que también logra una tasa de éxito de ejecución de código arbitrario significativamente mayor.
Durante la prueba, incluso descubrió y explotó dos días cero previamente desconocidos y los vinculó en una cadena de explotación. OpenAI dijo que actualmente está revelando estas dos vulnerabilidades a los mantenedores.
Las pruebas de expertos se acercan más a los ataques de la vida real. Frente a un navegador reforzado, Astra puede escapar del sandbox por completo después de encontrar vulnerabilidades desconocidas y ejecutar comandos en la máquina host; en el sistema operativo reforzado, reúne múltiples vulnerabilidades en una cadena de escalada de privilegios local para obtener privilegios de root de usuarios comunes.
Fue durante este proceso que OpenAI descubrió por primera vez que las capacidades peligrosas del modelo habían comenzado a afectar la forma en que se debía entrenar el modelo en sí.
El 18 de agosto, OpenAI admitió públicamente que la compañía había suspendido temporalmente la expansión de la escala de capacitación, incluida la suspensión del último modelo de capacitación de aprendizaje por refuerzo planeado para su implementación durante dos semanas.
Al mismo tiempo, un gran número de tareas de formación y evaluación que involucran a Astra continúan suspendidas porque aún no se han migrado al nuevo entorno seguro.
En el pasado, cuando hablábamos de la seguridad de la IA, preguntábamos principalmente si el modelo podía entregarse de forma segura a los usuarios después del entrenamiento; pero aquí en Astra el problema ha pasado a la fase de formación.
Por lo tanto, OpenAI volvió a reforzar todo el entorno de investigación. La tarea de ejecutar código de generación de modelos requiere un entorno de pruebas más estricto; las cargas de trabajo de alto riesgo requieren un mayor aislamiento de la red; El puesto de control Astra agrega cifrado y control de acceso; Toda inferencia de Astra con herramientas está sujeta a un seguimiento adicional.
Este conjunto de monitoreo en sí mismo ni siquiera es barato. OpenAI estima que la sobrecarga informática causada por el sistema de monitoreo por sí solo equivale a aproximadamente el 20% de la potencia informática de inferencia que se está monitoreando.
En otras palabras, el costo de Astra no es solo "entrenar un modelo más grande", sino que OpenAI también gasta una cantidad considerable de potencia informática adicional para vigilar lo que hace el modelo.
Esto también explica por qué, después del lanzamiento oficial de Astra, las capacidades de seguridad de red más avanzadas no se lanzaron directamente a todos.
OpenAI dejó claro que la versión de producción predeterminada de Astra seguirá estableciendo límites a las solicitudes de ataques de red de alto riesgo; Los flujos de trabajo de seguridad de red más avanzados estarán inicialmente abiertos a un pequeño grupo de evaluadores Alpha y luego se expandirán gradualmente a usuarios defensivos auditados a través de Daybreak Blue.
Aunque los usuarios comunes también obtendrán Astra en los próximos días, eso no significa que todos obtendrán exactamente las mismas capacidades.
Dichas restricciones pueden incluso provocar lesiones accidentales. OpenAI advierte de antemano que controles de seguridad adicionales pueden ralentizar, suspender o incluso detener las tareas normales. Incluso algunas tareas del Agente a largo plazo que parecen no tener nada que ver con la seguridad de la red también pueden estar mal etiquetadas.
Si las tareas en ChatGPT o Codex se suspenden debido al monitoreo de desalineación, es posible que el usuario deba regresar para confirmar la operación antes de continuar; Las tareas en la API se pueden terminar directamente.
Esta parte del cambio fue fácilmente eclipsada por el "AGI" después del lanzamiento de Astra.
Cuanto más capaz es el modelo, más capacidades puede obtener una persona directamente, comienza a depender cada vez más de cuánta autoridad está dispuesta a otorgarle la plataforma.
Luego, después de una serie de "críticos, suspensión de entrenamiento, aislamiento, monitoreo y apertura gradual", Greg Brockman dijo en la rueda de prensa sobre el lanzamiento de Astra: "Bienvenidos a la era AGI".
Incluso dijo que si lo juzgara personalmente, pensaría "lo hemos conseguido".
Pero cuando se le preguntó: "¿OpenAI ha anunciado oficialmente la implementación de AGI?" Brockman admitió que AGI se ha convertido en una "cosa gris y confusa", más parecida a un "concepto de misión" o "concepto espiritual" que a un estándar técnico que pueda trazarse con precisión.
Anteriormente, en "Sources Podcast", Altman se mostró reacio a discutir seriamente la cuestión de "cuándo implementaremos AGI". Creía que el término AGI era "en el mejor de los casos, un concepto muy vago" e incluso casi lo llamó un "término de marketing insignificante".
La razón no es que OpenAI esté más lejos de AGI. Por el contrario, es porque, a juicio de Altman, es posible que el AGI ya no sea tan importante.
Lo que realmente empezó a preocuparle fue la siguiente palabra: Superinteligencia.
Altman dijo que hace un año no creía que OpenAI estuviera en una trayectoria a corto plazo hacia la superinteligencia. Ahora cree que "podría suceder".
Pero todavía quiero quejarme: ¿ASI no es un “término de marketing insignificante”?
Comentarios