OpenAI lanzó GPT-6.2 Astra y Sol, pero las críticas de los desarrolladores ponen en duda su nuevo modelo estrella

OpenAI presentó GPT-6.2 Astra y GPT-6.2 Sol con mejoras en rendimiento, una ventana de contexto de más de un millón de tokens y una reducción de precios del 20% para su modelo más avanzado. Sin embargo, las primeras evaluaciones de desarrolladores y expertos en IA cuestionaron su capacidad para resolver tareas complejas y sostener proyectos prolongados.

OpenAI atraviesa un momento delicado en la competencia por el liderazgo de la inteligencia artificial. La compañía presentó GPT-6.2 Astra y GPT-6.2 Sol, dos nuevos modelos diseñados para diferentes necesidades profesionales, pero el lanzamiento recibió críticas de algunos de los usuarios más experimentados del ecosistema de IA. Las objeciones apuntan especialmente a la capacidad de Astra para ejecutar trabajos complejos, mantener el rumbo en proyectos de larga duración y producir resultados creativos diferenciados.

La controversia resulta significativa porque Astra está concebido como el modelo de mayor capacidad de la nueva generación de OpenAI. La compañía lo posiciona como una herramienta para modificar bases de código complejas, desarrollar aplicaciones web funcionales y producir documentos que respeten las plantillas y los estándares de una organización.

Sin embargo, algunos de los primeros evaluadores encontraron dificultades que contrastan con esas expectativas.

Matt Shumer, inversor y ex CEO de HyperWrite AI, fue particularmente contundente. Después de probar el modelo, anunció que no publicaría la reseña extensa que habitualmente prepara para los lanzamientos de modelos importantes. Su explicación fue categórica: los nuevos modelos eran «prácticamente inutilizables».

Theo Browne, desarrollador y creador de contenido especializado en programación, fue todavía más duro. En una publicación en X describió a GPT-6.2 Astra como «el peor modelo que OpenAI haya lanzado jamás».

Las críticas se concentraron en dos áreas: la ejecución de tareas delegadas a agentes de inteligencia artificial y el desempeño en trabajos creativos.

GPT-6.2 Astra: problemas para completar proyectos complejos

Uno de los análisis más interesantes fue el de Dan Shipper, CEO de Every, una publicación especializada en inteligencia artificial generativa. Su equipo pasó varias semanas probando ambos modelos y encontró resultados desiguales.

Según Shipper, Astra tuvo un desempeño similar al de su antecesor en buena parte de las pruebas internas de programación. Sin embargo, mostró dificultades para completar desarrollos de principio a fin y, en numerosas ocasiones, interrumpió la ejecución antes de terminar los proyectos.

También observó que la tendencia del modelo a producir respuestas más breves podía convertirse en un problema. En determinados trabajos, la concisión terminaba eliminando explicaciones necesarias o dificultando la comprensión del resultado.

En materia de diseño, Shipper destacó que Astra tenía buenos criterios iniciales, aunque detectó una limitación importante: sus producciones tendían a parecerse demasiado entre sí. Definió esa característica como un «estilo propio reconocible» que resultaba difícil de modificar.

El problema puede ser relevante para empresas y agencias que necesitan desarrollar contenidos y experiencias digitales para diferentes marcas, cada una con una identidad visual y comunicacional particular.

Browne aportó otro ejemplo. Contó que él y otro evaluador solicitaron independientemente a Astra que diseñara nuevos niveles para dos videojuegos diferentes: Outer Wilds y Majora’s Mask. En ambos casos, el modelo propuso niveles acuáticos centrados en música y campanas, y hasta utilizó el mismo nombre: «Bellwether».

Para Browne, esa coincidencia reflejaba una falta de diversidad creativa.

Su experiencia con la programación también fue problemática. Durante una prueba con un compilador experimental desarrollado en TypeScript, que estaba intentando reescribir en Rust, afirmó que Astra pasó siete días sin conseguir implementar una mejora. En cambio, produjo una versión que funcionaba un 56% más lento después de concentrarse en reducir el tamaño del código.

Cuando le pidió que priorizara la velocidad, aseguró que el modelo pasó otros cuatro días sin introducir cambios efectivos.

No obstante, Browne reconoció algunas fortalezas. Destacó que Astra detectó problemas en revisiones de código que otros modelos no habían identificado y valoró sus capacidades para desarrollo de videojuegos, gráficos 3D y utilización de computadoras.

También explicó que el modelo lo ayudó a diseñar un proxy inverso que, según sus estimaciones, podría permitirle ahorrar U$S 25.000 mensuales.

Su principal objeción no fue la ausencia de capacidades, sino la dificultad para mantener al modelo trabajando de manera consistente en proyectos prolongados y comprender posteriormente qué había hecho.

La competencia de Anthropic y Google presiona a OpenAI

La recepción de GPT-6.2 llega en un momento particularmente competitivo para OpenAI.

Ocho días antes, Anthropic había presentado Claude Fable 5.2 y Mythos 5.2, modelos que recibieron evaluaciones positivas de los primeros usuarios. Sus precios estándar de API también se ubican en U$S 8 por millón de tokens de entrada y U$S 40 por millón de tokens de salida para el modelo más avanzado.

Por su parte, Google abrió el acceso a Gemini 4 Carbon, que también obtuvo comentarios favorables y llegó inicialmente con tarifas equivalentes a las de GPT-6.2 Sol.

La coincidencia de precios y prestaciones coloca a las tres compañías en una competencia cada vez más directa por desarrolladores, empresas y usuarios profesionales.

En ese escenario, OpenAI necesita que sus modelos más avanzados demuestren ventajas concretas, especialmente cuando se trata de aplicaciones empresariales y sistemas de agentes capaces de ejecutar procesos complejos con poca supervisión humana.

Las críticas a Astra no fueron unánimes. Ethan Mollick, profesor de Wharton y reconocido analista del impacto de la inteligencia artificial en los negocios, tuvo una experiencia más equilibrada.

Durante sus pruebas, consiguió que el modelo desarrollara un ascensor espacial interactivo utilizando Blender y Unity. La demostración incluía una simulación de ingravidez.

Sin embargo, describió su experiencia general como «muy irregular y extraña», y señaló que le resultaba más difícil dirigir Astra que otros modelos competidores. En LinkedIn sostuvo que era el primer lanzamiento de frontera de OpenAI desde GPT-4.5 que no consideraba un avance claramente superior.

También hubo evaluaciones positivas. Ben Hylak, CTO de Raindrop.ai, y la asesora de inteligencia artificial Ashe Magalhaes destacaron las capacidades de Astra para crear animaciones, gráficos en movimiento, efectos visuales y editar videos mediante agentes de IA.

OpenAI, por su parte, sostiene que muchos de sus propios empleados ya utilizan Sol como modelo predeterminado para tareas técnicas y otros trabajos.

Precios, capacidad y disponibilidad de GPT-6.2

Más allá de las controversias, OpenAI introdujo cambios relevantes en su estructura comercial.

Precios estándar de API por millón de tokens

ModeloEntradaSalida
GPT-6.2 AstraU$S 8U$S 40
GPT-6.2 SolU$S 2U$S 10

Astra cuesta cuatro veces más que Sol, aunque representa una reducción del 20% frente al precio inicial de GPT-6 Astra en la tarifa estándar de referencia: U$S 48 frente a U$S 60 por millón de tokens de entrada, según la comparación de precios publicada.

Ambos modelos incorporan una ventana de contexto de 1,05 millones de tokens y permiten generar hasta 128.000 tokens de salida.

Existe, sin embargo, una consideración importante para las empresas que trabajan con grandes repositorios de código o colecciones extensas de documentos. Cuando una solicitud supera los 272.000 tokens de entrada, OpenAI duplica las tarifas de entrada y de lectura de caché, mientras que el precio de salida se multiplica por 1,5 para toda la solicitud. En esas condiciones, Astra pasa a costar U$S 16 por millón de tokens de entrada sin caché y U$S 60 por millón de tokens de salida.

La compañía también ofrece procesamiento por lotes con un descuento del 50%, mientras que la modalidad Fast duplica las tarifas estándar. Su nivel Ultrafast comienza en tres veces el precio habitual para ambos modelos y aumentará a seis veces a partir del 1 de marzo de 2027, según la documentación comercial.

GPT-6.2 Astra y GPT-6.2 Sol son modelos propietarios alojados en la infraestructura de OpenAI. Ya están disponibles en ChatGPT Work y Codex para usuarios Plus, Pro, Enterprise y Edu, además de poder utilizarse mediante API con los identificadores gpt-6.2-astra y gpt-6.2-sol.

La presentación confirma que OpenAI continúa invirtiendo en modelos capaces de ejecutar tareas profesionales cada vez más sofisticadas. Pero también deja planteado un interrogante central para el negocio de la inteligencia artificial: no alcanza con conseguir buenos resultados en los benchmarks si después los usuarios no pueden confiar en que el modelo complete sus trabajos, interprete correctamente las instrucciones y mantenga un rendimiento consistente.

En un mercado donde Anthropic y Google avanzan con propuestas competitivas, la experiencia real de los desarrolladores puede terminar siendo tan importante como los resultados obtenidos en las pruebas técnicas.

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

WP to LinkedIn Auto Publish Powered By : XYZScripts.com