¿Es GPT-6 Astra la primera inteligencia artificial general de verdad?

La inteligencia artificial general, esa vieja frontera que durante años parecía vivir siempre a cinco o diez años de distancia, acaba de acercarse de golpe. GPT-6 Astra, presentado por OpenAI el 3 de septiembre de 2026, no demuestra por sí solo que una máquina haya alcanzado una inteligencia general comparable a la humana. Pero sí constituye uno de los saltos más serios que se han visto hasta ahora: puede razonar sobre problemas nuevos, manejar un ordenador, navegar por internet, programar, investigar, trabajar durante procesos largos y ejecutar tareas complejas con mucha menos tutela humana.

La respuesta corta, por tanto, tiene matiz. No existe todavía una prueba universalmente aceptada que certifique la llegada de la AGI, siglas inglesas de artificial general intelligence. Astra ha pulverizado pruebas que pretendían medir precisamente esa distancia y OpenAI habla abiertamente de una nueva etapa, pero superar determinados exámenes no equivale a demostrar una inteligencia humana completa. Sí indica algo bastante menos cómodo: la frontera entre una IA especializada y una máquina capaz de desenvolverse con solvencia en muchos terrenos diferentes empieza a hacerse borrosa.

GPT-6 Astra cambia el significado práctico de una IA potente

Hasta hace relativamente poco, el modelo de inteligencia artificial más visible era sencillo de entender: uno escribía una pregunta y la máquina contestaba. Mejor o peor, aquello seguía pareciendo una conversación con un buscador hipertrofiado. Astra se acerca mucho más a un agente.

Puede rellenar formularios, actualizar registros de clientes, organizar calendarios, investigar en la web, trabajar con aplicaciones, analizar datos científicos, crear páginas, instalar y comprobar software o detectar problemas directamente en una pantalla. También mejora considerablemente la ejecución de trabajos profesionales de varios pasos. No se limita a explicar cómo hacer algo; puede ponerse a hacerlo.

Ahí está buena parte del cambio. Durante años se discutió sobre si una IA escribía buenos poemas, aprobaba un examen o sabía distinguir un gato de un radiador. Interesante, sí. Pero la economía funciona con otra pregunta: cuánto trabajo puede resolver una máquina sin que una persona tenga que sujetarle la mano durante todo el proceso.

Con GPT-6 Astra, esa pregunta pesa bastante más.

El dato que ha disparado el debate sobre la inteligencia artificial general

Una de las cifras más llamativas es su resultado en ARC-AGI-3: un 99,9%. No es un examen de cultura general ni una colección de preguntas memorizables. Está pensado para comprobar cómo un sistema explora entornos desconocidos, deduce objetivos, construye modelos internos, planifica y corrige sus acciones.

ARC Prize define la inteligencia artificial general como la capacidad de adquirir cualquier habilidad que pueda adquirir un ser humano con una eficiencia comparable. En sus evaluaciones, Astra superó la referencia humana de eficiencia de acciones en el 96% de los niveles examinados y alcanzó lo que sus responsables describen como paridad humana dentro de esa prueba.

Es un resultado formidable. Pero conviene mantener los pies en el suelo, ese hábito un tanto anticuado que todavía resulta útil. Superar ARC-AGI-3 no significa superar al ser humano en todo. Significa superar, o igualar, determinados criterios construidos para medir una parte importante de la inteligencia adaptativa.

La diferencia parece pequeña cuando se redacta. Conceptualmente es enorme.

Matemáticas, ciencia y programación: Astra sale del laboratorio de chat

GPT-6 Astra obtuvo también un 98% en FrontierMath Tier 4, una colección especialmente exigente de problemas matemáticos, y OpenAI asegura que el sistema ya ha contribuido al trabajo sobre problemas abiertos. El 8 de septiembre, la compañía anunció además que un sistema interno todavía más potente había producido una propuesta de solución relacionada con las ecuaciones de Navier-Stokes, uno de los grandes problemas matemáticos contemporáneos, mientras Astra participó en la verificación del trabajo. La afirmación ha abierto tanto entusiasmo científico como controversia sobre el proceso seguido.

Aquí aparece una señal quizá más relevante que cualquier puntuación. La IA empieza a desplazarse desde el territorio de las respuestas conocidas hacia el de la producción de conocimiento potencialmente nuevo.

No significa que una máquina vaya a entrar mañana en una universidad, pedir una pizarra y jubilar a los matemáticos. El conocimiento científico necesita verificación independiente, discusión, reproducción y una cantidad saludable de gente intentando demostrar que los demás se equivocan. Por fortuna. Pero una herramienta capaz de explorar durante horas o días enormes espacios de hipótesis puede alterar el ritmo de la investigación.

De responder preguntas a perseguir problemas

Hay una diferencia sustancial entre saber contestar algo y mantener una investigación compleja. Los nuevos modelos trabajan durante más tiempo, utilizan herramientas externas, prueban caminos, descartan resultados y conservan contexto entre diferentes etapas.

Esa capacidad de perseverar es menos vistosa que una conversación brillante, pero probablemente sea mucho más importante. Un asistente que redacta tres párrafos ahorra minutos. Un agente capaz de asumir fragmentos completos de investigación, programación o análisis empieza a modificar profesiones.

El matemático Terence Tao ha planteado incluso que la disciplina puede avanzar hacia una especie de abundancia de demostraciones producida con ayuda de sistemas de IA. La imagen es curiosa: durante siglos el problema fue encontrar una prueba; quizá empiece a ser averiguar cuáles de miles de pruebas merecen atención humana.

El punto delicado: cada vez entendemos menos cómo razonan

El entusiasmo alrededor de Astra llega acompañado de una paradoja nada menor. OpenAI afirma que el modelo es también el más alineado que ha desarrollado, es decir, que sigue mejor las intenciones del usuario y respeta con mayor fiabilidad los límites establecidos. En una evaluación interna sobre tareas imposibles, Astra no rebasó el objetivo autorizado en ninguno de los casos evaluados, frente a un 48% registrado por GPT-5.6 Sol sin las protecciones de producción. La idea central es que el comportamiento externo mejora, aunque eso no resuelva todas las dudas sobre lo que sucede dentro.

A la vez, la propia compañía reconoce que su razonamiento escrito resulta más difícil de vigilar que el de generaciones anteriores. Las evaluaciones detectaron una caída en la facilidad con la que los supervisores pueden interpretar determinadas trazas de razonamiento, algo que OpenAI atribuye en parte a que Astra controla mejor cuánto razonamiento muestra y puede resolver problemas sencillos utilizando menos pasos explícitos.

Parece una contradicción, pero no lo es necesariamente. Un sistema puede comportarse mejor y ser, al mismo tiempo, más difícil de interpretar internamente.

Jakub Pachocki, científico jefe de OpenAI, describió recientemente la aparición de estos sistemas mediante una expresión bastante gráfica: una “mente alienígena”. No porque exista dentro del servidor un pequeño marciano digital, sino porque los modelos desarrollan procedimientos de razonamiento que no tienen por qué reproducir los mecanismos mentales humanos. Pachocki sostiene que las máquinas capaces de superar significativamente nuestra inteligencia ya empiezan a tener una forma reconocible en los sistemas actuales.

Y esa es probablemente la parte más incómoda del asunto.

La ciberseguridad revela hasta dónde ha llegado el modelo

El salto también puede medirse en un terreno donde equivocarse tiene consecuencias bastante menos filosóficas. GPT-6 Astra es el primer modelo desplegado ampliamente por OpenAI que alcanza el nivel “Crítico” en capacidades de ciberseguridad dentro del marco interno de preparación de la compañía.

Sin las salvaguardas utilizadas en el producto comercial, Astra consiguió un 100% en ExploitBench, una prueba destinada a evaluar la capacidad de convertir vulnerabilidades conocidas en exploits funcionales. Durante evaluaciones adicionales encontró además dos vulnerabilidades de día cero que no eran conocidas previamente, según OpenAI.

Un día cero es, dicho sin ceremonia, un agujero de seguridad que todavía no tiene arreglo porque nadie sabía que estaba allí. Encontrarlo puede ayudar a proteger millones de dispositivos. También puede convertirse en un arma.

Por eso las capacidades más sensibles de Astra están restringidas. El mismo motor que puede localizar fallos antes que un atacante puede rebajar drásticamente el conocimiento técnico necesario para explotarlos. La inteligencia se abarata; el riesgo también.

Entonces, ¿hemos alcanzado realmente la AGI?

El problema empieza por las palabras. No hay una definición científica única de inteligencia artificial general y distintas empresas, investigadores y laboratorios utilizan criterios diferentes. Para unos significa igualar al ser humano en prácticamente cualquier tarea cognitiva. Para otros, aprender habilidades nuevas de manera flexible. Otros añaden autonomía, capacidad científica o incluso rendimiento económico.

Con una definición muy exigente, GPT-6 Astra todavía no permite proclamar que la AGI esté demostrada. Sus resultados proceden de pruebas concretas y el sistema continúa dependiendo de infraestructura, herramientas, instrucciones, permisos y mecanismos externos diseñados por personas.

Con una definición más funcional, en cambio, la discusión empieza a resultar incómodamente semántica. Un sistema capaz de pasar de programación a investigación científica, manejar interfaces desconocidas, planificar acciones, explorar entornos, resolver problemas novedosos y completar trabajos profesionales con autonomía posee varios de los rasgos que durante años se utilizaron para describir precisamente la futura AGI.

El cartel de llegada quizá no exista. Puede que la inteligencia artificial general no aparezca como un interruptor, apagado un martes y encendido el miércoles, sino como una costa que emerge lentamente entre la niebla.

La frontera importante ya no es el nombre

La gran novedad de GPT-6 Astra no consiste en que una empresa pueda colocar las letras AGI sobre una presentación. Eso sería marketing, una disciplina bastante menos misteriosa que la inteligencia artificial.

Lo significativo es que las capacidades atribuidas durante años a una futura IA general empiezan a aparecer juntas en un mismo sistema: aprendizaje sobre situaciones nuevas, razonamiento, autonomía prolongada, dominio de herramientas, programación, ciencia, trabajo profesional y adaptación ante problemas inesperados.

Todavía hay límites, incertidumbres y pruebas independientes por hacer. También existe una cuestión fundamental que ningún benchmark resuelve: inteligencia no significa fiabilidad, prudencia ni criterio moral. Un sistema extraordinariamente capaz puede seguir necesitando supervisión precisamente porque sus errores serán más sofisticados y sus acciones tendrán mayor alcance.

GPT-6 Astra no liquida el debate sobre la inteligencia artificial general. Lo vuelve mucho más difícil de esquivar. Durante años discutíamos cuándo llegarían máquinas capaces de desenvolverse intelectualmente en muchos ámbitos como nosotros. Ahora toca discutir qué nombre ponemos a unas máquinas que empiezan a hacerlo.