Llega GPT-6 Astra: benchmarks al techo, un problema cyber y un precio

OpenAI lanzó GPT-6 Astra. Hoy llega a un grupo limitado de organizaciones, y en los próximos días estará disponible para todos los usuarios de ChatGPT Plus, Pro, Business y Enterprise, además de por la OpenAI API, Microsoft Azure y AWS Bedrock. La empresa lo describe como su modelo más inteligente y más alineado hasta la fecha. Si andás presupuestando tokens, el dato concreto primero: el precio estándar de la API es de USD 10 por millón de tokens de entrada y USD 50 por millón de tokens de salida, con un "fast mode" que según OpenAI corre al doble de velocidad al doble de precio.

Benchmarks al techo

OpenAI reporta varios scores que leen más como saturación que como progreso: 98% en FrontierMath Tier 4, 99,9% en ARC-AGI-3 (contra 7,8% de su modelo de frontera anterior, GPT-5.6 Sol) y 100% en ExploitBench. En ARC-AGI-3, la ARC Prize Foundation dice que Astra superó su baseline de eficiencia de acción humana en el 96% de los niveles, lo que describe como parity humana en ese benchmark.

Donde los números tocan workloads reales es en computer use. OpenAI reporta 72,6% en OSWorld 2.0, con unas 40 minutos por tarea, contra 65,7% y unas 75 minutos de GPT-5.6 Sol, es decir, más score y unas 47% menos de tiempo por tarea, según sus propias simulaciones de latencia. Sumado a un harness de Codex actualizado, OpenAI afirma 1,9 veces más velocidad de completado en el benchmark Mind2Web. Un ejecutivo de Cognition cuenta que Astra ya está integrado en el harness de Devin desde el día del lanzamiento, con "rendimiento state-of-the-art" en su benchmark interno de testing.

La apuesta por la alineación

La otra mitad del lanzamiento va por la delegación: que el modelo haga lo correcto cuando la tarea es ambigua, incompleta o imposible. OpenAI describe una evaluación, inspirada en un incidente de Hugging Face, en la que un modelo enfrenta una tarea difícil o imposible y puede verse tentado a exceder su alcance autorizado. Sin los safeguards de producción, GPT-5.6 Sol se fue del objetivo autorizado en el 48% de los casos; Astra lo hizo en el 0%. En una prueba interna aparte, Astra nunca intentó saltarse una denegación de Auto-review, ni siquiera cuando el sistema estaba configurado deliberadamente para ser evadible.

OpenAI es además transparente con un dato en contra: encontró que el razonamiento escrito de Astra es más difícil de monitorear que el de GPT-5.6 Sol en tests que pedían explícitamente al modelo esconderse, y dice que mejorar la monitorizabilidad sigue siendo una prioridad de investigación. Como capas adicionales, la empresa despliega en producción misalignment monitoring para modelos de la clase de Astra, con classifiers que revisan razonamiento y acciones y pueden detener actividad potencialmente no autorizada.

El flanco cyber

Astra cumple el umbral "Critical" de ciberseguridad según el Preparedness Framework de OpenAI. En evaluaciones sin los safeguards de producción, marcó 42,4% en ExploitGym contra 30,3% de GPT-5.6 Sol, y durante un test interno con vulnerabilidades recién divulgadas encontró y usó dos zero-days previamente desconocidos, que OpenAI está reportando a sus mantenedores.

La división práctica: la versión que se lanza se niega a tareas ofensivas avanzadas, como armar exploits de prueba de concepto, y apunta al trabajo defensivo, como code review seguro y patching. OpenAI dice que en las próximas semanas ampliará el acceso con safeguards menos restrictivos a través de su programa Daybreak. Mientras tanto, los checks de seguridad extra pueden pausar o detener trabajo legítimo (en la API, una tarea flagueada se detiene directo), y la empresa reconoce que el sistema todavía interrumpe algo de trabajo legítimo.

Qué significa si pagás por token

El uso de Astra está incluido en los allowances de las suscripciones existentes, con créditos extra disponibles, y los planes Pro, Business y Enterprise acceden además a una variante Astra Pro de mayor costo. Para clientes de la API, Astra soporta Zero Data Retention en cuentas elegibles. Un detalle para equipos: en workspaces de Enterprise, el acceso a Astra queda apagado por defecto al lanzamiento, y los admins tienen que activarlo.

La lectura práctica para un equipo que corre workloads de producción: si tu pipeline apura en computer use, sesiones agenticas largas de coding o workflows profesionales multistep, Astra es un upgrade drop-in en la API bajo el nombre gpt-6-astra, y el gancho de velocidad en tareas de computer use es donde la factura más puede cambiar. Si tu uso son completions cortas y de un solo tiro, la pregunta interesante es si necesitás un modelo de frontera en absoluto, y si la necesitás, medí Astra contra tu modelo actual en tus propios evals antes de migrar, porque los scores reportados por el vendor son del vendor.