GPT-6 Astra: la gente lo corona, los índices no. ¿Quién miente?

El Cuñado dice: Astra es el mejor modelo que ha existido. OpenAI ya está en AGI. Si los índices no lo confirman, los índices están rotos.

La realidad es: el 3 de septiembre de 2026 OpenAI lanzó GPT-6 Astra y Greg Brockman cerró el briefing con "Welcome to the AGI era". Luego suavizó: "no es irrazonable sentir que estamos en la era AGI". Es una frase de escenario, no una demostración. Quien lo está usando en producción lo pone por encima de Claude Fable 5.1 en lo que le importa. Artificial Analysis, evaluador independiente, lo deja empatado con su predecesor y por detrás de Fable. Nadie está mintiendo. Están midiendo cosas distintas.

Por qué importa saberlo: si eliges modelo con una sola tabla o con un solo caso de uso, te llevas la herramienta equivocada para el trabajo que tienes.

Lo que cuenta quien lo usa de verdad

Theo (t3.gg) mueve unos 330.000 dólares al mes en inferencia. En el podcast donde cuenta las primeras pasadas con Astra lo llama "el mejor modelo que he usado" y sitúa el computer use "dos o tres saltos generacionales" por delante.

Caso concreto, no vibe: overhaul de rendimiento de su plataforma cloud Lakebed con dos prompts. Astra armó herramientas de test, aisló cuellos de botella y bajó la latencia P95 de sincronización de 800 ms a menos de 30 ms. Reducción de al menos el 96,25%, 26,7 veces más rápido. Fable 5.1 revisó los cambios por su cuenta y los dio por correctos y más seguros.

El mismo Theo recorta el mito. Fable 5.1 sigue ganando en diseño front-end. Astra no sabe editar vídeo: "cringe and bad". En un PR por un bug de scroll dijo "yes" a los comentarios de review y no empujó los cambios, con instrucciones explícitas y una skill "babysit" encima. Se atasca en bucles de sobre-ingeniería. OpenAI ha tocado modelo, harness y system prompt; el patrón sigue.

La comunidad técnica que sí está documentada, además de Theo, es Hacker News (hilo de 2.167 puntos). Ahí no compran inteligencia fluida. Usuarios como astrobiased leen Astra con el ensayo de François Chollet "On the Measure of Intelligence" (arXiv:1911.01547): skill acquisition optimization, cobertura de benchmarks, no un salto ante novedad genuina.

Mientras tanto, no todo el mundo puede comprobarlo. El 4 de septiembre OpenAI confirmó en X acceso para Pro, Enterprise y Business Premium en ChatGPT Work y Codex, y en la API. Plus y Business: "unos días más". Astra Pro queda en Pro, Business y Enterprise. El tuit superó 1,9 millones de visualizaciones. El despliegue por fases cabreó a suscriptores Pro; Altman pidió disculpas por el "messy rollout" y habló de acceso "este fin de semana" sin comprometerse. En API: 10 dólares por millón de tokens de entrada y 50 por millón de salida. Es 2,5 veces GPT-5.6 Sol (4/20) en cualquier mix entrada/salida.

Lo que sí miden los índices

Officechai recoge el golpe del evaluador independiente: Artificial Analysis Intelligence Index, Astra 61, empatado con GPT-5.6 Sol, 5 puntos por detrás de Claude Fable 5.1 (66). También detrás de Claude Opus 5 (63) y Muse Spark 1.3 de Meta (62). Contra Fable: -7,58% relativo.

La tabla oficial de OpenAI no es un festival de victorias. Humanity's Last Exam con tools: Astra 57,2% frente a 65,0% de Fable 5.1. -7,8 puntos porcentuales, un 12% relativo. Es la fila académica que Astra pierde.

Coding Agent Index: Astra 67 con harness Codex; Fable 5.1 lidera con 70 en Claude Code. -3 puntos (-4,29%). Harnesses distintos; el hueco lleva esa etiqueta.

AA-Omniscience: la tasa de alucinación a máximo esfuerzo cae del 92% de Sol al 51% de Astra, 41 puntos menos (-44,57%). Artificial Analysis describe un aumento modesto de precisión y no publica el número.

Donde OpenAI pone el foco (dato de fabricante, no de tercero):

• FrontierMath Tier 4 v2: Astra 97,6% contra 87,8% de Fable 5.1. +9,8 puntos. El error que queda hasta 100% es 2,4 puntos frente a 12,2: 5,08 veces menor.
• Terminal-Bench 4.0: Astra 57,9% frente a 37,3% de Sol (+20,6 pp) y 55,8% de Fable 5.1 (+2,1 pp). Algunas copias de la tabla marcan 57,7%; el orden no cambia.
• OSWorld 2.0, subconjunto offline: Astra 72,6% en unos 40 minutos por tarea; Sol 65,7% en unos 75. 35 minutos menos (46,67%), 1,88 veces más tareas por hora. No se compara con las cifras de Anthropic: otra release, otro recorte de tareas.

Qué se le escapa a cada instrumento

Un índice de inteligencia es un scorer: cuenta aciertos en tareas congeladas, como un examen con plantilla. Mide conocimiento y razonamiento en el recinto del harness. No mide si el modelo termina tu trabajo, si el computer use llega al archivo final, ni cuántos segundos te deja mirando el cursor.

El índice hace lo que tiene que hacer. Quien usa el 61 para decir que Lakebed no ocurrió le está pidiendo a un examen de conocimiento que detecte latencia P95. No la detecta. El método no ve velocidad percibida, no ve el dominio concreto del usuario y no ve un agente que te baja 800 ms a 30 ms en tu plataforma.

Un power user no es una muestra. Theo no necesita el título de diseño front-end. Quien usa esos dos prompts para jubilar a Fable 5.1 está negando tres índices independientes y al propio Theo.

Los benchmarks promedian. La gente puntúa su cola. Si tu trabajo es computer use y terminal, OSWorld y Terminal-Bench te importan más que HLE. Si tu trabajo es interfaz, Fable 5.1 sigue siendo el que gana.

OpenAI vende un fast mode a 2x el precio que, en su ficha, llega al doble de velocidad. El coste por respuesta queda igual; la espera, un 50% más corta. A máximo esfuerzo, Artificial Analysis mide a Astra un 75% más cara por tarea que Sol, aunque gaste unos 10% menos tokens de salida. Eso es coste por trabajo terminado, no "inteligencia". Ningún Intelligence Index mete la espera en la nota.

En evaluación seria gana el scorer determinista: tests ocultos, diff, log de tool-calls. El juicio humano o el juez LLM se quedan para lo que no se puede clavar con un assert. Artificial Analysis hace eso: promedia tareas con ganador objetivo. El computer use de alguien que se deja 330.000 dólares al mes y el "¿esto me sirve el lunes?" viven fuera. Pedirle al índice que los cubra es cambiar de aparato.

Chollet se mueve. El harness también

The Decoder recoge a François Chollet, el de ARC-AGI, calificando el progreso de Astra como "2x más rápido" de lo esperado. ¿Sigue 2030? "Sooner". El escéptico de cabecera adelanta fecha.

No lo conviertas en AGI. El 99,9% que OpenAI enseña en ARC-AGI-3 salió con el harness Provider Adapter, que guarda estado de razonamiento entre peticiones. Con el harness estándar de ARC Prize: 62,7%. Mismo modelo, +37,2 puntos de andamiaje. ARC Prize habla de un "step-function change" y niega la lectura: mecánicas deterministas, alcance acotado, no el mundo abierto. "We are not claiming that it is AGI". Si el adapter deja memoria entre turnos, mides el sistema modelo+arnés. El sujeto ve exactamente lo que mides, ni un byte más.

La próxima vez que alguien te suelte que Astra es el mejor modelo o que Astra es un bluff, pregunta en qué lo está midiendo. Si mides conocimiento estándar, los datos dicen Fable 5.1. Si mides computer use o velocidad en tu trabajo, la experiencia documentada dice Astra. Las dos respuestas son verdad.

El humo no está en la gente ni en los benchmarks. Está en quien usa una tabla para negar una experiencia o una experiencia para negar una tabla.

Preguntas frecuentes

¿Es GPT-6 Astra mejor que Claude Fable 5.1?

Depende de la vara. En el Intelligence Index de Artificial Analysis, Fable 5.1 saca 66 y Astra 61; en HLE con tools, 65,0% contra 57,2%; en el Coding Agent Index, 70 contra 67. En FrontierMath Tier 4 (97,6% vs 87,8%) y en computer use medido por OpenAI, Astra sale delante. Theo deja Fable 5.1 ganando en diseño front-end.

¿Cuánto cuesta GPT-6 Astra en la API?

10 dólares por millón de tokens de entrada y 50 por millón de salida, 2,5 veces la tarifa de GPT-5.6 Sol (4/20) en cualquier mix. El fast mode cobra el doble a cambio de hasta el doble de velocidad: el coste por respuesta no cambia, la espera se corta un 50%. A máximo esfuerzo, Artificial Analysis lo mide un 75% más caro por tarea que Sol.

¿GPT-6 Astra ya está en ChatGPT Plus?

No. El 4 de septiembre de 2026 OpenAI confirmó Astra para Pro, Enterprise y Business Premium en ChatGPT Work y Codex, y en la API. El rollout a Plus y Business seguía pendiente, "unos días más". Astra Pro queda reservado a planes Pro, Business y Enterprise.

¿GPT-6 Astra es AGI?

No. Brockman lo planteó como sensación de briefing ("Welcome to the AGI era"), no como prueba. ARC Prize rechaza leer ARC-AGI-3 como AGI: el 99,9% titular depende del harness Provider Adapter con estado; con el harness estándar la nota es 62,7%.