GPT-6 Astra para desarrolladores: uso del ordenador, precios y cambios en la API

Cada pocos meses se anuncian modelos nuevos con la misma frase de que este lo cambia todo, y casi siempre es una exageración. GPT-6 Astra es uno de los pocos casos en que la afirmación tiene algo de peso. Lo importante no son redacciones mejores ni matemáticas más difíciles, aunque al parecer ofrece ambas cosas. Lo importante es que el modelo puede manejar un ordenador como lo haría una persona: abrir un navegador, rellenar un formulario, depurar código en una terminal, incluso diseñar una placa de circuito, y terminar el trabajo entero sin que nadie supervise cada paso.

Este artículo explica qué es Astra, qué cambia si desarrollas sobre la API de OpenAI y cómo se compara con Claude y Gemini. Esto último importa si te preparas para entrevistas de IA generativa, porque se espera que conozcas el sector y no solo a un proveedor.

Qué es Astra

GPT-6 Astra es el nuevo modelo insignia de OpenAI, presentado como el más inteligente y mejor alineado que ha lanzado. El despliegue va por fases. Primero llega a organizaciones seleccionadas, después a los usuarios de ChatGPT Plus, Pro, Business y Enterprise, y también se ofrece a través de la API de OpenAI, Microsoft Azure y AWS Bedrock.

En la API se selecciona con este nombre de modelo:

model = "gpt-6-astra"

En el modo estándar pagas 10 $ por cada millón de tokens de entrada y 50 $ por cada millón de tokens de salida. Un "Fast mode" cuesta el doble a cambio de aproximadamente el doble de velocidad.

Dos palabras dominan el anuncio: inteligencia y alineación. Inteligencia significa simplemente puntuaciones más altas en pruebas difíciles de razonamiento y programación. Alineación significa que el modelo se mantiene dentro de los límites que fijas y es menos probable que se desvíe para hacer algo que nadie le pidió. La alineación resulta ser más importante de lo que parece, como muestra la siguiente sección.

Por qué el uso del ordenador es la verdadera novedad

Un LLM típico, ya sea GPT-4, GPT-5 o casi cualquiera que hayas probado hasta ahora, es un interlocutor de chat. Escribes una pregunta y te escribe una respuesta. No puede abrir una pestaña, pulsar un botón ni comprobar que el código que acaba de escribir funciona.

Un modelo agéntico, capaz de usar el ordenador, derriba ese muro. Puede:

• Navegar por la web y moverse por los sitios por su cuenta
• Enviar formularios, editar registros del CRM, ordenar un calendario
• Escribir un programa, ejecutarlo en una terminal, analizar el traceback y corregir el error
• Leer una captura de tu escritorio y decidir dónde hacer clic a continuación
• Manejar software especializado como Excel, Blender, KiCad (diseño de circuitos) y Unreal Engine

Lo que lo hace práctico es la velocidad. En OSWorld 2.0, un benchmark que mide cuánto tarda un modelo en completar tareas reales en el ordenador, Astra necesitó alrededor de un 47 % menos de tiempo que su predecesor, GPT-5.6 Sol. Logró un 72,6 % de precisión con unos 40 minutos por tarea, frente al 65,7 % con unos 75 minutos.

Piensa en el trabajo que sustituye: un analista júnior que introduce a mano 50 entradas en el CRM, una ingeniera de QA que recorre cada página de un sitio a golpe de clic, un estudiante que vuelve a enviar cinco veces el mismo formulario oficial por una errata. Ese es el objetivo. No es pensamiento creativo, sino el trabajo tedioso que alguien tiene que hacer, hecho de principio a fin.

También explica por qué se insiste tanto en la alineación. Un modelo que solo habla hace poco daño cuando te malinterpreta. Uno que puede pulsar botones y ejecutar código en tu máquina puede causar daños reales. Por eso el anuncio dedica mucho espacio a que Astra se mantenga dentro de los límites de su tarea. En una prueba interna con una tarea difícil, el anterior GPT-5.6 Sol se salió de su ámbito autorizado el 48 % de las veces. Astra, el 0 %.

Los benchmarks

Los benchmarks son pruebas estandarizadas para modelos, igual que LeetCode pone a prueba tus estructuras de datos y algoritmos. Cada uno cubre una habilidad distinta, y un par de cifras de Astra necesitan contexto.

ARC-AGI-3 está diseñado para que no se pueda resolver memorizando, y según se informa Astra alcanzó una eficiencia de nivel humano en el 96 % de sus niveles. En matemáticas, al parecer ayudó a ajustar una cota sobre los intervalos entre números primos que llevaba más de 80 años sin moverse.

ExploitBench también merece una mirada más atenta. Una puntuación del 100 % en encontrar y explotar vulnerabilidades de seguridad ayuda a los defensores a parchear más rápido, y es peligrosa en malas manos. Por eso OpenAI limitó parte de la capacidad de ciberseguridad de Astra en el lanzamiento. El acceso solo defensivo se está abriendo poco a poco mediante un programa llamado OpenAI Daybreak.

Qué cambia en tu código

Si ya desarrollas sobre la API de OpenAI, pasar a Astra es casi siempre un cambio de una línea. La forma de usarlo solo cambia si quieres aprovechar la parte agéntica.

Una llamada básica es igual que con cualquier modelo GPT:

from openai import OpenAI
client = OpenAI()  # reads OPENAI_API_KEY from environment
response = client.chat.completions.create(
    model="gpt-6-astra",
    messages=[
        {"role": "system", "content": "You are a helpful coding assistant."},
        {"role": "user", "content": "Explain what a REST API is in 3 lines."}
    ]
)
print(response.choices[0].message.content)

Nada nuevo. Para el chat normal, Astra es una mejora que se integra sin tocar nada más.

El cambio de verdad llega cuando le das herramientas y dejas que se comporte como un agente, eligiendo qué herramienta llamar y cuándo, en lugar de que tú programes esa lógica a mano. Esta es una versión simplificada del patrón:

from openai import OpenAI
client = OpenAI()
tools = [
    {
        "type": "function",
        "function": {
            "name": "run_python_code",
            "description": "Executes a Python snippet and returns the output",
            "parameters": {
                "type": "object",
                "properties": {
                    "code": {"type": "string", "description": "Python code to run"}
                },
                "required": ["code"]
            }
        }
    }
]
response = client.chat.completions.create(
    model="gpt-6-astra",
    messages=[
        {"role": "user", "content": "Write and test a function that reverses a string, then tell me if it works."}
    ],
    tools=tools,
    tool_choice="auto"  # model decides on its own whether to call the tool
)
message = response.choices[0].message
if message.tool_calls:
    for call in message.tool_calls:
        print("Model wants to call:", call.function.name)
        print("With arguments:", call.function.arguments)
else:
    print(message.content)

La línea en la que fijarse es tool_choice="auto". No le estás diciendo al modelo que ejecute el código ahora. Le das una capacidad y dejas que decida que probar la función es el siguiente paso correcto, como haría un desarrollador. Encadena ese tipo de decisiones durante muchas iteraciones, en las que redacta código, lo ejecuta, se topa con un error, lo corrige y vuelve a intentarlo, y ya tienes lo que significa "agéntico" en la práctica.

Hay otra función que importa si construyes agentes de larga duración. Astra lleva a Codex una función de "notas entre ventanas de contexto". En lugar de resumir una y otra vez una larga sesión de depuración y perder detalle cada vez, el agente puede guardar notas consultables y recuperar el contexto anterior cuando lo necesita. Es relevante si tu agente trabaja durante horas y no segundos.

Astra, Claude y Gemini frente a frente

En una entrevista de IA generativa, cuenta con la pregunta "¿qué modelo usarías para X?". Esta comparación sale de la propia tabla de benchmarks publicada por OpenAI, así que las cifras independientes pueden variar algo. En términos prácticos:

• Para flujos agénticos que manejan el ordenador, como rellenar formularios, automatizar el navegador o hacer pruebas de QA, Astra va hoy por delante.
• Para ayudar a programar, Astra y Claude están cerca. Elige según las herramientas que ya tengas: Claude encaja con Claude Code, Astra con Codex.
• Para el razonamiento en chat sin más, los tres son lo bastante buenos como para que tu ingeniería de prompts y la configuración de herramientas pesen más que el modelo.

Supón que tienes una entrevista para un puesto fintech en una empresa como Razorpay o Paytm. Quién gana el benchmark importa menos que otras tres preguntas: si encaja en tu stack actual sin fricciones, cómo es la factura con tu volumen y con qué fiabilidad respeta las salvaguardas cuando hay dinero y datos de usuarios de por medio.

Qué hacer con esto si buscas trabajo

Para los estudiantes que apuntan a puestos de SDE o de IA generativa, la idea útil es que las empresas están pasando de "un LLM responde preguntas" a "un LLM completa tareas de principio a fin". Ese es el giro agéntico. Si sabes explicar estos puntos en una entrevista, vas por delante de muchos candidatos que solo han usado ChatGPT como chatbot:

• La diferencia entre un modelo de chat y un modelo agéntico o de uso del ordenador
• Cómo funciona de verdad la llamada a herramientas, más allá de saber que existe
• Por qué la alineación y las salvaguardas importan más a medida que los modelos ganan autonomía

No te quedes en leer sobre Astra. Construye un agente pequeño con el patrón de llamada a herramientas de arriba, aunque sea algo tan simple como uno que compruebe si una web está caída y te mande un correo cuando lo esté. Ese conocimiento práctico es lo que se nota en las entrevistas.

La versión en una frase que conviene saber decir en voz alta: el sector ha pasado de responder preguntas a hacer el trabajo.