GPT-6 Astra, el primer supermodelo de OpenAI entrenado en Stargate y con recurrencia ligera, se lanzó esta semana y superó con claridad a Fable 5.1 en varias métricas. Entre ellas, saturó las versiones más difíciles de FrontierMath con un 97,6% y de ARC-AGI-3 con un 99,9%.
Las demostraciones oficiales apuntan a los ejes esperables: el uso del computador, el juego de Pokémon, el control de Blender y los benchmarks científicos y de ciberseguridad, documentados en la ficha del sistema. Greg Brockman sostiene que la AGI ya está acá y Jakub Pachocki afirma que por fin llegó el becario automatizado de investigación en IA que buscaba.
¿Qué encontró Latent Space tras 20 mil millones de tokens?
El equipo de Latent Space accedió al modelo de forma anticipada y lo lanzó contra todas las tareas prácticas que se le ocurrieron. Tras consumir más de 20 mil millones de tokens de Astra, su conclusión es que el modelo pertenece a una clase nueva: la de sistemas plenamente capaces de ejercer como ingenieros de IA por cuenta propia.
En concreto, describen que ya ayudan a elegir y entrenar modelos, a etiquetar datos y luego usar esas etiquetas para aprendizaje activo, a mantener saturadas las cadenas de procesamiento, a instrumentar y leer registros, a desplegar y depurar sistemas completos de una sola pasada, a desplegar y evaluar subagentes (incluidos agentes que corren otros modelos) y a mantener coherencia a lo largo de miles de millones de tokens en un mismo hilo de trabajo.
Subir las ambiciones, no bajar el presupuesto
El texto insiste en que la actividad de mayor retorno frente a estos modelos es elevar las expectativas sobre lo que pueden hacer.
En un mes, el equipo pasó de organizar una competencia entre humanos a construir una docena de herramientas internas y personales, entre ellas cuatro reemplazos de software que antes pagaban. También rediseñaron por completo un sitio personal, armaron un reemplazo funcional aunque incompleto de GitHub más Vercel y entrenaron una IA de juego para un juego de mesa de estrategia con 10.000 veces más movimientos legales que el Go.
¿De dónde sale la cifra de 6 dólares la hora?
El número puede sonar sorprendente, pero es exactamente lo que midieron en sus pruebas: 33 tokens por segundo con una tarifa máxima de 50 dólares por millón de tokens. Como Astra es más eficiente en consumo de tokens que Sol y que Fable, algo confirmado de forma independiente por Artificial Analysis, el modelo termina siendo a la vez el más rápido e inteligente que se puede comprar, siempre que la latencia de la versión preliminar se sostenga en disponibilidad general, con la sola excepción de Spark 1.3.
La advertencia viene enseguida: si se deja correr Astra en su nivel Ultra, la cuenta sube muy por encima de esos 6 dólares por hora, precisamente porque el modelo paraleliza muy bien.
Monitorea sus propias corridas
Entre las capacidades que más destaca el reporte está la de supervisar sus propias ejecuciones, iniciando y deteniendo oleadas de trabajo. "Esto es básicamente lo que le pagaría a un ingeniero de IA junior por hacer", escriben, y detallan que gastaron cerca de 100 dólares en dos días para lograrlo.
El modelo también arma benchmarks propios, administra presupuesto, produce estimaciones, escala corridas y recolecta evaluaciones humanas.
¿Aplica solo a Astra?
La conclusión general que propone el equipo es que OpenAI entrenó un modelo capaz de automatizar buena parte de su propia ingeniería de IA, y que llegó el momento de aprender a explotar los modelos de clase Astra y Fable con expectativas bastante menos razonables que las actuales.
El propio texto aclara que están corriendo trabajos similares sobre Grok, Fable y otros modelos de frontera, y que si el reporte se centra en Astra es porque OpenAI fue la más generosa con los límites de prueba. Los patrones de programación con agentes que describen deberían aplicar a todos los modelos de frontera de fines de 2026.
Para un equipo en Chile o la región, la lectura práctica es de orden presupuestario: 6 dólares por hora equivalen a unos 5.700 pesos chilenos por hora de cómputo continuo, una cifra que hace viable dejar corriendo tareas largas de integración o migración durante una noche. El riesgo, como advierte el propio reporte, está en la paralelización: la misma capacidad que abarata la hora multiplica el gasto cuando se abren decenas de subagentes en paralelo sin un tope de concurrencia definido.
