El récord de GPT-6 Astra en ARC-AGI-3 dependió de un ajuste clave alrededor del modelo, según ARC Prize

GPT-6 Astra, el nuevo modelo de OpenAI, alcanzó una calificación de 99,9% en ARC-AGI-3, la prueba que mide si una inteligencia artificial resuelve situaciones nuevas sin instrucciones previas. Pero ese número tiene una letra pequeña.

Según ARC Prize, la organización que verificó el resultado, la marca solo se sostuvo cuando el modelo trabajó con un sistema especial que conservaba lo aprendido entre un paso y otro. Con la configuración estándar, la puntuación cayó a 62,71%.

Ese contraste cambia el enfoque de la noticia. No alcanza con preguntar qué tan capaz es Astra en abstracto. Hay que preguntar en qué condiciones fue evaluado, porque el entorno que lo rodea parece tan determinante como el modelo mismo.

Por qué el resultado de ARC-AGI-3 depende del entorno del modelo

ARC-AGI-3 coloca a la inteligencia artificial frente a desafíos que nunca vio antes, sin manual de instrucciones. Es una situación comparable a la de alguien que entra por primera vez a una cocina ajena: no sabe dónde están los utensilios ni cómo se enciende el horno, y debe aprender mirando, probando y equivocándose.

Astra, según OpenAI, resolvió casi todos esos desafíos con una eficiencia cercana a la humana. El dato que la empresa difundió fue el de 99,9%. Sin embargo, ARC Prize precisó que esa cifra correspondió 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 le quitó ese apoyo y se usó la configuración estándar, el rendimiento bajó a 62,71%.

La diferencia entre ambos números no invalida el resultado inicial, pero obliga a matizarlo. 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 entregan.

Cabe señalar que es la misma lógica que separa a dos cocineros con el mismo talento cuando uno trabaja en una cocina 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 un encargo completo, como buscar proveedores, comparar precios, organizar resultados y armar una presentación, y avanzar por su cuenta abriendo las herramientas que necesite en el camino.

En una evaluación pensada para simular tareas comunes con computadoras, Astra logró 72,6%, por encima del 65,7% obtenido por GPT-5.6 Sol, el modelo anterior de la compañía. OpenAI señaló 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 armar presentaciones, no solo redacta texto: opera herramientas y avanza por varios pasos sin supervisión constante, según los resultados que OpenAI presentó para GPT-6 Astra.

Esa mejora se traduce en la posibilidad de delegar parte del trabajo repetitivo que ocupa horas de la jornada sin figurar entre las tareas centrales de nadie: responder correos, llenar formularios, buscar información o trasladar datos entre aplicaciones.

Qué riesgos aparecen cuando la inteligencia artificial actúa sola

El costado positivo de esta autonomía es evidente: tiempo recuperado. El riesgo aparece 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 llegó a revisar, la falla deja de estar contenida en una conversación y se convierte en una acción con consecuencias concretas.

Por eso, antes de delegar tareas en un sistema como Astra, se vuelve necesario definir límites claros: qué archivos puede consultar, si puede enviar mensajes por cuenta propia, si puede ejecutar una compra y quién queda a cargo 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 alcanzó 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 resultar valiosa para quienes protegen bancos, hospitales, empresas o servicios públicos, de forma comparable 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 hasta una conclusión determinada.