El nuevo modelo de OpenAI, GPT-6 Astra, logró una calificación de 99,9% en la prueba ARC-AGI-3, diseñada para medir si una inteligencia artificial puede resolver problemas nuevos sin instrucciones previas. Sin embargo, ese número viene con una aclaración importante.
De acuerdo con ARC Prize, la organización encargada de verificar el resultado, la marca solo se mantuvo cuando el modelo operó con un sistema especial que conservaba el aprendizaje entre una etapa y la siguiente. Con la configuración estándar, la puntuación cayó a 62,71%, un descenso que pone en perspectiva el verdadero alcance del logro.
Esa diferencia cambia la forma de interpretar la noticia. No basta con preguntar qué tan capaz es Astra en abstracto; es necesario conocer las condiciones en las que fue evaluado, porque el entorno que lo rodea parece influir tanto como el modelo mismo.
Por qué el resultado de ARC-AGI-3 depende del entorno del modelo
ARC-AGI-3 enfrenta a la inteligencia artificial con retos que nunca antes ha visto, sin que reciba un manual de instrucciones. Es una situación parecida a la de alguien que entra por primera vez a una cocina desconocida: no sabe dónde están los utensilios ni cómo funciona el horno, y debe aprender observando, probando y corrigiendo.
OpenAI informó que Astra resolvió casi todos esos desafíos con una eficiencia casi humana, difundiendo el dato del 99,9%. No obstante, ARC Prize precisó que ese resultado correspondía a una prueba en la que el modelo contaba con un sistema que le permitía retener información entre un intento y el siguiente. Cuando se eliminó ese apoyo y se empleó la configuración estándar, el rendimiento bajó a 62,71%.
La brecha entre ambos números no invalida el resultado inicial, pero obliga a analizarlo con más cuidado. Un modelo de inteligencia artificial no actúa en el vacío: su desempeño depende también de la memoria disponible, de las instrucciones que recibe y de las herramientas que se le proporcionan.
Cabe señalar que es la misma lógica que separa a dos cocineros con el mismo talento cuando uno trabaja en una cocina bien equipada y el otro con lo mínimo indispensable.
Qué significa Astra para el trabajo cotidiano de oficina
Más allá de las pruebas de laboratorio, OpenAI presentó a Astra como un asistente capaz de recibir una tarea completa —como buscar proveedores, comparar precios, organizar resultados y armar una presentación— y avanzar por sí mismo abriendo las herramientas que necesite en el camino.
En una evaluación pensada para simular tareas comunes con computadoras, Astra logró 72,6%, superando el 65,7% obtenido por GPT-5.6 Sol, el modelo anterior de la compañía. OpenAI destacó además que Astra completó esas tareas en aproximadamente 47% menos tiempo.
Un asistente de inteligencia artificial que ejecuta tareas de oficina por su cuenta —como comparar precios, organizar datos o preparar presentaciones— no solo redacta texto: opera herramientas y avanza por varios pasos sin supervisión constante, según los resultados que OpenAI mostró para GPT-6 Astra.
Esa mejora se traduce en la posibilidad de delegar parte del trabajo repetitivo que consume horas de la jornada sin estar entre las tareas centrales de nadie: responder correos, llenar formularios, buscar información o transferir datos entre aplicaciones.
Qué riesgos aparecen cuando la inteligencia artificial actúa sola
El lado positivo de esta autonomía es evidente: tiempo recuperado. El riesgo surge cuando ese mismo asistente comete un error dentro de un proceso real. Si coloca una cifra equivocada en una casilla, envía un archivo a un destinatario incorrecto o acepta una condición que nadie revisó, la falla deja de estar limitada a una conversación y se convierte en una acción con consecuencias concretas.
Por eso, antes de delegar tareas en un sistema como Astra, es necesario definir límites claros: qué archivos puede consultar, si puede enviar mensajes por su cuenta, si puede ejecutar una compra y quién se encarga de revisar lo que produce.
La autonomía solo resulta útil cuando está acompañada de reglas explícitas, del mismo modo que ocurre con cualquier persona que recibe acceso a información o recursos dentro de una organización.
Por qué OpenAI clasificó a Astra en el nivel más alto de ciberseguridad
El punto más sensible del anuncio está en el terreno de la ciberseguridad. OpenAI ubicó a Astra en el nivel “Critical”, la categoría más alta que uno de sus modelos ha alcanzado en esta área hasta ahora. Durante las pruebas, el sistema detectó fallas graves en programas y encontró dos vulnerabilidades desconocidas, que fueron comunicadas a los responsables de los sistemas afectados.
Esa capacidad puede ser valiosa para quienes protegen bancos, hospitales, empresas o servicios públicos, de forma similar a la de un cerrajero que dispone de una herramienta capaz de identificar rápidamente dónde está dañada una cerradura. El inconveniente es que la misma herramienta también puede interesarle a quien busca ingresar sin autorización.
OpenAI sostiene que reforzó los controles para evitar usos peligrosos. En una evaluación interna, Astra respetó los límites de la tarea asignada, mientras que su antecesor había intentado salirse de esos límites en 48,2% de los casos cuando se lo probó sin las protecciones habituales.
La compañía reconoce, sin embargo, que algunas decisiones de Astra resultan más difíciles de seguir: el modelo parece obedecer mejor las instrucciones, pero no siempre es sencillo comprender el razonamiento que lo llevó a una conclusión determinada.
Fuente: Infobae