ARC Prize indicó que la marca de GPT-6 Astra en ARC-AGI-3 dependió de un sistema especial y no de la configuración estándar.
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. Sin embargo, ARC Prize, la organización que verificó el resultado, precisó que esa 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%.
La diferencia entre ambos números cambia la lectura del resultado. No se trata solo de qué tan capaz es Astra en abstracto, sino de en qué condiciones fue evaluado. El entorno que rodea al modelo, incluida la memoria disponible, las instrucciones y las herramientas que recibe, puede ser tan determinante como el propio sistema de inteligencia artificial.
La prueba ARC-AGI-3 y el papel del entorno
ARC-AGI-3 coloca a la inteligencia artificial frente a desafíos que nunca vio antes, sin manual de instrucciones. La dinámica es 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.
Según OpenAI, Astra resolvió casi todos esos desafíos con una eficiencia cercana a la humana. La empresa difundió el dato de 99,9%, pero ARC Prize aclaró 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%.
Ese contraste 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. La diferencia entre un entorno equipado y uno con lo mínimo indispensable puede modificar de forma importante el resultado final.
Qué puede hacer GPT-6 Astra en tareas 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 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 capacidad abre la puerta a delegar parte del trabajo repetitivo que suele ocupar horas de la jornada, como responder correos, llenar formularios, buscar información o trasladar datos entre aplicaciones.
Los riesgos de dejar actuar a la IA
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.
El nivel “Critical” en 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.
