OpenAI presentó GPT-6 Astra el 3 de septiembre de 2026 y su presidente, Greg Brockman, dijo que podría llegar a verse como la llegada de la inteligencia artificial general. El modelo cuesta 2,5 veces lo que costaba GPT-5.6 Sol, tiene un millón de tokens de contexto y salió al público en una versión recortada que rechaza peticiones de ciberseguridad.
Es la primera vez que una compañía de este tamaño pronuncia la palabra AGI en un lanzamiento comercial y no en un ensayo. Conviene separar tres cosas que en los titulares de esta semana han ido pegadas: lo que el modelo hace, lo que cuesta y lo que significa esa etiqueta. Vamos por partes, porque solo una de las tres está medida.
Qué es GPT-6 Astra y cuándo llegó
OpenAI lo anunció el 3 de septiembre de 2026 como vista previa limitada y lo abrió a usuarios de pago al día siguiente. El despliegue alcanza los planes ChatGPT Plus, Pro, Business y Enterprise, además de la API y Amazon Web Services.
La ficha técnica que importa:
| Campo | GPT-6 Astra |
|---|---|
| Identificador de API | gpt-6-astra |
| Ventana de contexto | 1.000.000 de tokens |
| Precio de entrada | 10 USD por millón de tokens |
| Precio de salida | 50 USD por millón de tokens |
| Relación con GPT-5.6 Sol | 2,5 veces más caro |
| Anuncio | 3 de septiembre de 2026 |
Lo esencial en 30 segundos
Un modelo más caro, con contexto de un millón, muy bueno en uso de ordenador e ingeniería de software, con una versión pública capada en ciberseguridad y una declaración sobre AGI que es de su presidente, no de un artículo revisado. Si lo vas a usar, lo relevante es el precio y el filtro. Si lo vas a discutir, lo relevante es la etiqueta.
El precio: lo que de verdad ha cambiado
Multiplicar por 2,5 el precio de tu modelo insignia es un movimiento agresivo, y coloca a OpenAI exactamente donde ya estaba Anthropic. Los 10 y 50 dólares por millón de tokens de Astra son los mismos que lleva cobrando la familia Fable desde su lanzamiento.
| Modelo | Contexto | Entrada | Salida |
|---|---|---|---|
| GPT-6 Astra | 1M | 10 USD | 50 USD |
| Claude Fable 5.1 | 1M | 10 USD | 50 USD |
| Claude Opus 5 | 1M | 5 USD | 25 USD |
| Claude Sonnet 5 | 1M | 2 USD | 10 USD |
Dos días antes de Astra, Anthropic había lanzado Claude Fable 5.1 manteniendo ese mismo precio pero recortando un 75 % la lectura de caché. Ahí está la diferencia práctica: en cargas agénticas que reenvían un prefijo grande en cada turno, quien tenga la caché barata gana, aunque la etiqueta del escaparate sea idéntica.
La conclusión para quien paga la factura es incómoda pero clara: el precio de cabecera ha dejado de ser un criterio de comparación. Lo que decide el coste real es cuánto de tu contexto se sirve desde caché, cuántos turnos necesita el modelo para terminar y cuánto razona antes de responder.
Qué sabe hacer, según OpenAI
La compañía describe el modelo como un salto generacional en ciberseguridad, trabajo profesional, ingeniería de software y ciencia, y lo presenta como el mejor de la industria en uso de ordenador. Reclama puntuaciones perfectas o casi perfectas en pruebas clave de razonamiento, por delante de GPT-5.6 Sol y de Claude Fable 5.
Más allá de las cifras, las mejoras que describe son las que se notan en un agente que trabaja solo: mantiene mejor el rumbo, respeta los límites de la tarea, entiende mejor la intención del usuario, aguanta tareas tediosas y encadena flujos de varios pasos sin perderse.
Esa lista merece una lectura atenta, porque no habla de conocimiento sino de disciplina. Los modelos de 2024 fallaban por no saber; los de 2026 fallan por desviarse a los veinte minutos de trabajo. Que el argumentario de venta se haya movido de «sabe más» a «no se despista» dice mucho de dónde está el problema real.
Toca el mismo aviso de siempre: son medidas del fabricante, publicadas por el fabricante, sobre pruebas que elige el fabricante. Sirven para ver la dirección, no para cerrar una discusión. La única evaluación que vale para tu caso es la que hagas sobre tus tareas.
La versión capada y por qué existe
El modelo llegó al público en una versión restringida que rechaza determinadas peticiones, señaladamente en ciberseguridad. No es una decisión improvisada: en agosto, OpenAI ya había pausado el despliegue de Astra precisamente por capacidades cibernéticas consideradas críticas, algo que contamos en su momento.
Lo interesante es comparar las dos estrategias que ha adoptado la industria ante el mismo problema:
| OpenAI | Anthropic | |
|---|---|---|
| Enfoque | Un modelo público con filtros | Dos modelos: uno general y otro de acceso verificado |
| Quién accede a lo capaz | Todos, con peticiones rechazadas | Solo programas verificados (Mythos 5.1) |
| Efecto secundario | Falsos positivos en usos legítimos | Barrera de entrada administrativa |
Ninguna de las dos es gratis. La de OpenAI molesta a investigadores de seguridad legítimos que se topan con negativas; la de Anthropic deja fuera a quien no pueda pasar un proceso de verificación. Si trabajas en seguridad ofensiva autorizada, esto no es filosofía: determina con qué herramienta puedes trabajar. Nuestra guía sobre GPT-5.4 Cyber desarrolla el contexto de esta tensión.
La palabra AGI: qué se dijo exactamente
Aquí conviene ser preciso, porque el matiz se ha perdido en la mayoría de titulares. Greg Brockman, presidente de OpenAI, dijo que el modelo podría llegar a verse como la llegada de la inteligencia artificial general. No dijo que lo sea. Es una formulación condicional y prospectiva.
La propia OpenAI definió en su día la AGI como un sistema automatizado capaz de realizar todo trabajo económicamente valioso igual o mejor que un humano. Con esa definición sobre la mesa, la afirmación es difícil de sostener hoy: ningún sistema actual hace todo el trabajo económicamente valioso, y basta pedirle a cualquiera de estos modelos que gestione una obra o atienda una urgencia médica para verlo.
El debate tampoco es nuevo. En julio, 1.100 investigadores firmaron una carta abierta pidiendo frenar el desarrollo frontera, y una de las quejas centrales era exactamente esta: que las definiciones se mueven según conviene al calendario comercial.
Nuestra postura en Arkaia es sencilla. Un modelo que completa cuatro de cada cinco tareas de navegación web es una herramienta extraordinaria y un cambio real en cómo se trabaja. Llamarlo AGI no lo mejora; solo hace más difícil hablar con precisión de lo que viene después.
Qué implica para el escrutinio regulatorio
El lanzamiento llegó con más atención regulatoria de la habitual, y no por casualidad. Declarar públicamente capacidades cibernéticas de nivel crítico y, a la vez, reivindicar cercanía a la AGI es la combinación exacta que activa a los reguladores.
En Europa el marco ya existe: el reglamento de inteligencia artificial impone obligaciones específicas a los modelos de propósito general con riesgo sistémico, desde documentación técnica hasta evaluación de riesgos y notificación de incidentes. Lo desglosamos en la guía del EU AI Act.
Para una empresa española que quiera montar producto sobre Astra, esto se traduce en tres deberes muy concretos: saber qué categoría de riesgo le aplica, documentar qué hace el sistema y con qué datos, y tener un procedimiento para cuando el modelo se equivoque. No es papeleo opcional; es lo que te van a pedir.
Qué hacer si lo vas a usar en serio
Bajemos al suelo. Si estás decidiendo si mover tu producto a Astra, este es el orden en el que nosotros lo miraríamos:
- Mide antes de migrar. Coge cincuenta tareas reales de tu producto y pásalas por el modelo que ya usas y por el nuevo. Sin eso, estás decidiendo con notas de prensa.
- Calcula el coste por tarea terminada, no por petición. Un modelo más caro que necesita la mitad de turnos sale más barato. Uno barato que hay que reintentar tres veces, no.
- Comprueba los rechazos. Si tu dominio roza la seguridad informática, prueba tus peticiones reales antes de comprometerte. Un filtro que rechaza el 5 % de tu tráfico es un problema de producto.
- Prepara la interfaz para la espera. Estos modelos razonan durante minutos en tareas difíciles. Si tu cliente tiene un tiempo de espera corto, vas a ver fallos que no lo son.
Si además quieres una segunda opinión sin depender de una sola casa, la comparativa de alternativas a ChatGPT y la de modelos open source te dan el mapa completo.
El equipo con el que se trabaja con esto
Astra corre en los servidores de OpenAI, así que no hay hardware que comprar para ejecutarlo. Lo que sí cambia es tu puesto de trabajo, porque pasas de leer respuestas a supervisar procesos largos.
- Pantalla con superficie de sobra. Supervisar un agente significa tener a la vez el chat, el editor y los registros. Un monitor OLED de 32 pulgadas evita el baile de ventanas. Ver precio actual en Amazon
- Un equipo silencioso. Si vas a tener sesiones largas abiertas, el ruido del ventilador acaba importando más que los números de la ficha. Ver precio actual en Amazon
- Ratón ergonómico. Pasar el día entre el editor, el navegador y la terminal castiga la muñeca más que teclear. Ver precio actual en Amazon
- Silla que aguante la jornada. Ver precio actual en Amazon
- Auriculares con cancelación para las sesiones de revisión larga. Ver precio actual en Amazon
- Almacenamiento rápido si vas a mover conjuntos de datos grandes entre pruebas. Ver precio actual en Amazon
- Memoria de sobra si vas a mantener varias sesiones y contenedores abiertos a la vez. Ver precio actual en Amazon
Uso de ordenador: la capacidad que de verdad cambia el trabajo
De todo lo que OpenAI reivindica, la que más va a cambiar el día a día es el uso de ordenador. No es una función nueva —lleva año y medio en desarrollo en varias casas— pero es la primera vez que se presenta como estado del arte y no como experimento.
La diferencia entre un modelo que responde y uno que opera es enorme. Responder es devolver texto que un humano ejecuta. Operar es abrir el navegador, rellenar el formulario, esperar la respuesta, detectar que ha fallado y reintentar por otro camino. El segundo caso multiplica el valor y multiplica también el riesgo: un modelo que se equivoca escribiendo te hace perder cinco minutos, uno que se equivoca operando te puede borrar algo.
Por eso la mejora que más nos interesa de la lista de OpenAI no es la potencia bruta sino el respeto a los límites de la tarea. Un agente que hace exactamente lo que le pides y se para es utilizable en producción; uno que improvisa fuera del encargo, por muy capaz que sea, hay que vigilarlo tanto que deja de ahorrar trabajo.
Si vas a dejar que un modelo toque cosas reales, la recomendación es siempre la misma: empieza por entornos donde el peor caso sea recuperable. Un repositorio con control de versiones, una copia de la base de datos, una cuenta de pruebas. La cifra del 82 % de tareas completadas que reivindican los modelos de esta generación implica también un 18 % de tareas no completadas, y esa parte hay que poder deshacerla.
Cómo queda el mapa frente a Google, Meta y los modelos abiertos
La primera semana de septiembre de 2026 ha sido probablemente la más densa que se recuerda en lanzamientos: Anthropic el día 1, Google y Meta con modelos rivales el día 2, OpenAI el día 3. Cuatro casas moviendo ficha en setenta y dos horas.
El efecto conjunto es que el segmento frontera se ha vuelto difícil de distinguir por catálogo. Todos ofrecen ventanas de contexto enormes, todos razonan antes de responder, todos apuntan al trabajo agéntico y varios coinciden en precio. Las diferencias que quedan son de segunda derivada: el coste de la caché, la política de rechazos, en qué nubes está disponible y qué obligaciones legales arrastra.
Y por debajo se mueve otra capa que conviene no perder de vista. Los modelos abiertos han cerrado buena parte de la distancia en tareas rutinarias, y para clasificar, extraer o resumir es difícil justificar cincuenta dólares por millón de tokens de salida cuando un modelo que corre en tu propia máquina lo hace razonablemente bien y gratis. La arquitectura sensata en 2026 rara vez es un solo modelo: es uno barato o local para el volumen y uno frontera para lo difícil.
Tenemos el detalle de esa capa en la comparativa de modelos open source, y si quieres montarlo en casa, en la guía de Ollama y en la selección de GPU para IA local.
Qué esperar en los próximos meses
Tres cosas parecen razonablemente previsibles y merece la pena tenerlas en el radar.
La primera es que el precio de esta generación bajará. Ha pasado con todas las anteriores: se lanza caro, se optimiza la inferencia y a los pocos meses aparece una tarifa promocional o una variante más barata. Si tu producto no necesita el modelo más capaz desde mañana, esperar tiene un valor concreto.
La segunda es que los filtros se afinarán. Una versión capada que rechaza usos legítimos genera quejas de clientes que pagan, y esas quejas se traducen en programas de acceso verificado parecidos a los que ya usa la competencia. La convergencia entre ambas estrategias es cuestión de tiempo.
La tercera, y la más incómoda, es que la palabra AGI va a seguir apareciendo. Ha demostrado funcionar como titular y no tiene una definición operativa que permita desmentirla. La única defensa práctica para quien construye producto es no dejar que esa palabra entre en las decisiones técnicas: mide, compara y decide con números tuyos.
Y si solo usas ChatGPT a diario, ¿te cambia algo?
La mayoría de quienes lean esto no van a tocar la API. Si eres suscriptor de Plus o Pro, el resumen es que Astra te llega sin hacer nada y que notarás tres cosas.
La primera, que tarda más en arrancar. Un modelo que razona antes de escribir deja unos segundos de silencio que antes no había. No está colgado: está pensando. En preguntas triviales conviene decirle explícitamente que responda breve y directo, porque si no dedicará a una consulta de treinta segundos el mismo esfuerzo que a un problema serio.
La segunda, que se lanza más. Encadena pasos sin pedir permiso a cada rato, lo cual es magnífico cuando has explicado bien la tarea y molesto cuando no. La regla práctica es invertir el tiempo al principio: una instrucción de cinco líneas bien puesta ahorra tres rondas de correcciones.
La tercera, que puede negarse más a menudo en temas que rocen la seguridad informática. Si te dedicas a esto de forma legítima y te encuentras con un rechazo, no es un fallo tuyo: es el filtro del que hablábamos. Reformular explicando el contexto profesional a veces funciona, y a veces no.
Para sacarle partido sin escribir código, el mayor salto no está en el modelo sino en cómo se le pide. Nuestra guía de prompt engineering es el atajo, y el tutorial de trabajo desde la terminal enseña el paso siguiente: dejar de conversar y empezar a delegar.
Preguntas frecuentes
¿Cuándo salió GPT-6 Astra?
OpenAI lo anunció el 3 de septiembre de 2026 como vista previa limitada y lo abrió a usuarios de pago al día siguiente, en una versión restringida que rechaza ciertas peticiones de ciberseguridad.
¿Cuánto cuesta GPT-6 Astra?
Diez dólares por millón de tokens de entrada y cincuenta por millón de salida en la API estándar, 2,5 veces la tarifa de GPT-5.6 Sol.
¿Es GPT-6 Astra una AGI?
No según la propia definición de OpenAI, que exige realizar todo trabajo económicamente valioso igual o mejor que un humano. Greg Brockman dijo que podría llegar a verse como su llegada, una formulación condicional que no equivale a afirmarlo.
¿Qué contexto tiene GPT-6 Astra?
Un millón de tokens, la misma ventana que ofrecen Claude Fable 5.1 y Claude Opus 5.
¿Por qué rechaza peticiones de ciberseguridad?
Porque OpenAI considera que sus capacidades en ese terreno son de nivel crítico. Ya pausó el despliegue en agosto de 2026 por ese motivo y la versión pública sale con filtros.
¿Dónde puedo usar GPT-6 Astra?
En los planes ChatGPT Plus, Pro, Business y Enterprise, a través de la API de OpenAI y en Amazon Web Services.
¿Conviene migrar desde GPT-5.6 Sol?
Solo si lo mides. Al ser 2,5 veces más caro por token, la migración se justifica si el modelo termina las tareas en menos turnos o con menos reintentos. El coste que importa es el de la tarea terminada, no el de la petición.
Veredicto Arkaia
GPT-6 Astra es, con los datos disponibles, el modelo más capaz que ha publicado OpenAI y un salto real en trabajo agéntico. También es 2,5 veces más caro que su antecesor y llega capado en un área entera. Las dos cosas son ciertas a la vez.
Nuestro consejo Arkaia
Ignora la palabra AGI para tomar decisiones técnicas: es una afirmación condicional de un directivo, no un resultado medido. Mide el modelo contra tus tareas, calcula el coste por tarea terminada y comprueba los rechazos antes de comprometer un producto. Y si tu carga reutiliza contexto grande, compara con Fable 5.1 antes de firmar: a igual precio de escaparate, la caché decide la factura.
Lecturas relacionadas
- Claude Fable 5.1 y Mythos 5.1: benchmarks y precio
- OpenAI pausa Astra por capacidades cibernéticas críticas
- La carta abierta de 1.100 investigadores sobre la IA frontera
- Guía del EU AI Act
- GPT-5.4: novedades y guía completa
- ChatGPT como super app: Atlas y Codex
- Mejores alternativas a ChatGPT en 2026
Este artículo contiene enlaces afiliados a Amazon con el tag arkaiacorp-21. Si compras a través de estos enlaces, Arkaia puede recibir una comisión sin coste adicional para ti. Nuestra valoración editorial es independiente y no varía según los ingresos por afiliación.
Comentarios
Inicia sesion para dejar un comentario
Acceder
