✨︎ Resumen (TL;DR):
- OpenAI lanzó GPT-6 Astra el jueves 3 de septiembre de 2026 para las organizaciones de su programa de ciberseguridad Daybreak; en los próximos días llegará a Plus, Pro, Business, Enterprise, la API y AWS.
- ARC Prize midió 62.7% con su arnés estándar, mientras OpenAI comunicó 99.9% con un adaptador que conserva el razonamiento opaco del modelo.
- Además de llegar al nivel Crítico de ciberseguridad, Astra viene con una ficha que reconoce una vigilancia más débil que la de GPT-5.6 Sol.
OpenAI lanzó GPT-6 Astra el jueves 3 de septiembre de 2026 para las organizaciones de su programa de ciberseguridad Daybreak. La empresa afirma que el modelo obtiene 99.9% en ARC-AGI-3, pero ARC Prize midió 62.7% con su arnés estándar, una brecha de más de 37 puntos. Además, OpenAI clasificó a Astra como su primer modelo en el nivel Crítico de ciberseguridad, mientras su ficha admite que la cadena de pensamiento se vigila peor que la de GPT-5.6 Sol.
OpenAI inició el despliegue con Daybreak. En los próximos días, Astra llegará a las cuentas Plus, Pro, Business y Enterprise, además de la API y AWS. En las cuentas Enterprise, Astra llegará desactivado y el administrador tendrá que habilitarlo.
Greg Brockman, presidente de OpenAI, cerró la sesión con periodistas con una frase: “Bienvenidos a la era de la AGI”.
El 99.9% depende del arnés de evaluación
ARC-AGI-3 es una prueba que mide si un sistema deduce por su cuenta las reglas de un entorno nuevo. Un arnés de evaluación es un andamiaje que define qué recuerda el modelo entre turnos, qué herramientas puede tocar y qué información recibe de vuelta durante la prueba.
ARC Prize, la organización que administra el test, publicó 2 mediciones para Astra. Con el arnés estándar de ARC Prize, el andamiaje neutral solo deja al modelo cargar las notas que él mismo decide escribir. Astra resolvió 62.7% de la versión semiprivada de ARC-AGI-3 y consumió alrededor de 26,000 dólares de cómputo.
El adaptador del proveedor conserva entre llamadas el estado de razonamiento opaco, que ARC no puede ver, y comprime las conversaciones largas. Con esa configuración, Astra llegó a 99.9% y consumió unos 19,000 dólares.
La diferencia supera 37 puntos y ambas cifras representan el mejor resultado registrado en esa prueba. Incluso el dato de 62.7% supera el 30.2% de Claude Opus 5 y el 7.8% de GPT-5.6 Sol que OpenAI reporta en esa fila.
La condición aparece en una nota al pie de la publicación de OpenAI. En ARC-AGI-3, la empresa ejecutó Astra con el arnés de la API de Responses, que cambia 2 ajustes para acercar la medición al desempeño del mundo real.
Greg Kamradt, de ARC Prize, añadió otra referencia. Con el adaptador, Astra necesitó menos acciones que la mediana humana en 96% de los niveles y 51.7% menos movimientos por nivel. La referencia humana salió de unos 500 voluntarios del público general, y ARC señala que las personas resuelven el 100% de los entornos.
Sobre la etiqueta de AGI, ARC Prize fue explícito: “no estamos afirmando que sea AGI”.
La ficha de seguridad reconoce una vigilancia más débil
La página de lanzamiento dice que el razonamiento escrito de Astra resulta más difícil de vigilar que el de Sol, pero atribuye el problema a pruebas donde se le pidió expresamente evadir la supervisión. La ficha de seguridad publicada ese mismo día va más lejos.
En su sección de condiciones no adversarias, donde nadie le pide esconderse, OpenAI describe regresiones en la vigilancia de la cadena de pensamiento: Astra escribe razonamientos más cortos, menos informativos y a veces casi vacíos.
Entre razonamientos de 750 a 1,250 tokens, Astra cumple las instrucciones sobre su propio texto interno en 60.9% de los casos, contra 16.1% de GPT-5.6 Sol y 1.7% de GPT-5.5 Thinking.
La ficha también señala que el horizonte de tareas que Astra resuelve sin escribir razonamiento alguno creció cerca de un orden de magnitud. OpenAI dice que no aceptará “más degradación del monitoreo más allá de un límite”.
Un día antes, The Information reportó que Astra usa una técnica llamada profundidad recurrente, o recurrencia opaca, que procesa la consulta en un bucle y deja menos rastro legible. TechCrunch recogió la alerta de Buck Shlegeris y Ryan Greenblatt, de Redwood Research, quienes temen que escalarla traslade el razonamiento entero a un espacio que nadie audita.
OpenAI minimizó el alcance del método. Su ficha sostiene que el salto en el control de la cadena no se explica por cambios de arquitectura. Jakub Pachocki, científico jefe, lo resumió ante la prensa: “a medida que aumentan las capacidades, vigilar se vuelve más difícil”.
Nivel Crítico en ciberseguridad, pero con acceso restringido
El nivel Crítico es la categoría del Preparedness Framework para un modelo capaz de encontrar fallas desconocidas y desarrollar formas de explotarlas en sistemas endurecidos sin que una persona guíe cada paso.
Durante una evaluación interna con 20 vulnerabilidades de alta severidad de V8, el motor de JavaScript de Chrome, Astra descubrió y usó 2 vulnerabilidades de día cero. OpenAI dice que las está reportando a los responsables del software.
Esa capacidad llega con límites para quien la use. La versión que sale al público rechaza tareas ofensivas avanzadas, como armar pruebas de concepto de un exploit. El acceso menos restringido queda para Daybreak.
OpenAI advierte en su anuncio que las verificaciones adicionales pueden frenar, pausar o detener trabajo legítimo, incluida la ciberseguridad defensiva. En ChatGPT y Codex, el usuario tendrá que revisar la acción antes de continuar; en la API, la tarea se detiene.
En ExploitBench, Astra obtuvo 100%, frente a 78.5% de GPT-5.6 Sol. OpenAI corrió la prueba sin las salvaguardas de producción, y el modelo que sale al público rechaza ese tipo de tarea.
En ExploitGym, Astra alcanzó 42.4%, contra 30.3% de Sol. OpenAI retiró el límite de 6 horas para los 2 modelos, Astra y Sol.
En código, la ventaja se mide en décimas
DeepSWE v1.1, una prueba de 113 tareas de programación con agentes, dio a Astra 74.1%. La tabla colocó debajo a Gemini 3.8 Flash con 73.8%, Claude Opus 5 con 73.7% y Sol con 72.7%.
La distancia se queda en décimas, equivalente a 1 o 2 tareas. The New Stack apunta que los rangos de incertidumbre del marcador público se superponen.
Meta reportó 75.4% para Muse Spark 1.3 en su ajuste máximo de razonamiento. El modelo sigue bajo revisión de seguridad y no está disponible; OpenAI no lo incluyó en su gráfica.
El precio es el cambio más medible. Astra cuesta 10 dólares por millón de tokens de entrada y 50 dólares por millón de tokens de salida. Según The New Stack, eso equivale a 2.5 veces la tarifa promocional vigente de Sol y queda al mismo nivel que la tarifa de Anthropic para Claude Fable 5.1.
El modo rápido cuesta el doble a cambio de hasta 2.5 veces la velocidad.
La medición pendiente está fuera de Daybreak
OpenAI también destacó el resultado de Astra en FrontierMath Tier 4: 97.6%, una cifra que el anuncio redondeó a 98%. Epoch AI señala que OpenAI financió el desarrollo de la prueba y tiene acceso exclusivo a una parte de ella.
El contraste se resolverá cuando Astra salga de Daybreak y otros evaluadores puedan medirlo con el arnés que prefieran. Hasta entonces, el 99.9% y el 62.7% deben leerse junto con la condición que produjo cada cifra.
