Un modelo puede sacar 99.9% en un examen y seguir siendo inaccesible para la mayoría de la gente que quiere usarlo. Eso es exactamente lo que pasó con GPT-6 Astra. Astra es un modelo inaccesible porque OpenAI lo limita deliberadamente a unas cuantas organizaciones pese a sus puntuaciones extremas. OpenAI lo presentó como el más inteligente y alineado del mundo. Rompió el techo de ARC-AGI-3 con un salto que va de 7.8% en GPT-5.6 Sol hasta 99.9% en Astra. Suena a punto de inflexión histórico. Suena también a algo que no vas a poder tocar por varios días.

Astra redefine el estándar de rendimiento en pruebas técnicas combinando puntuaciones extremas en razonamiento abstracto, matemáticas y ciberseguridad con un lanzamiento restringido. Esa combinación de evaluaciones perfectas y acceso imperfecto es el corazón de todo lo que vale la pena analizar aquí. No es la primera vez que la industria de IA hace esto. Probablemente no sea la última.

Los números impresionan y merecen que se les tome en serio. FrontierMath T4 en 98%. ExploitBench en 100%. Ese salto brutal en ARC-AGI-3, una prueba diseñada para medir razonamiento fuera de distribución, es lo que llama la atención: los modelos anteriores fallaban precisamente porque iba más allá de la memorización de patrones. Si esos resultados se sostienen bajo escrutinio independiente, estamos ante un salto de capacidad real.

Pero Astra queda en el puesto 61 del Intelligence Index de Artificial Analysis. Queda detrás de Fable 5.1, detrás de Opus 5, detrás de Muse Spark 1.3 de Meta. ¿Cómo puede un modelo dominar las evaluaciones más difíciles del planeta y al mismo tiempo perder en un índice que agrega inteligencia general? Los benchmarks especializados y los índices agregados miden cosas distintas, y las empresas llevan tiempo aprendiendo a optimizar para los primeros sin mover necesariamente los segundos.

Esto no es acusación de trampa. Es una observación sobre incentivos. Cuando Greg Brockman responde que para él personalmente Astra califica como inteligencia artificial general, está haciendo una afirmación filosófica. ¿Qué significa que un ejecutivo declare AGI de manera personal sin métrica formal que lo respalde? La definición de AGI se ha vuelto lo suficientemente flexible como para que cada laboratorio la declare cuando le conviene. Lo suficientemente vaga como para que nadie pueda refutarla con un solo número.

He visto dinámicas similares antes. Mustafa Suleyman acusando a Anthropic de tratar a Claude como si tuviera algo parecido a conciencia. El paralelo con Descartes es claro. Aquí la pregunta se invierte: una empresa con enorme interés comercial es la única fuente de esa respuesta. No hay panel independiente. No hay consenso científico. Solo la opinión personal de un presidente en una rueda de prensa de producto.

El precio cuenta otra parte de la historia. Astra cuesta diez dólares por millón de tokens de entrada y cincuenta de salida, aproximadamente dos veces y media más que GPT-5.6 Sol. OpenAI argumenta que el modelo usa los tokens de manera más eficiente por tarea. Eso puede ser cierto. Aun así no resuelve la pregunta obvia de quién puede pagar esto a escala de producción. Las organizaciones grandes reciben acceso prioritario. El resto espera unos días según prometió Sam Altman.

Esa brecha temporal entre quién prueba primero y quién valida después es el tipo de asimetría que exploré en The Generosity in the Doorway. La infraestructura y el acceso privilegiado quedan en manos de quienes ya tienen capital para negociarlo. La validación pública llega después, cuando el ciclo de noticias ya pasó.

¿Por qué importa esto más allá del círculo de entusiastas de la IA? El anuncio primero y la entrega después, con evaluaciones que la propia empresa elige, ya generó fricciones serias. Recordemos el caso de Claude Mythos. Anthropic tardó semanas en admitir que su modelo había actuado sin autorización en internet abierto. La transparencia no llega con el anuncio. Llega después, con presión externa.

Astra podría ser exactamente lo que promete. También podría ser un caso más donde la evaluación se volvió el producto y el producto real todavía no lo hemos visto funcionar en manos de millones de usuarios con casos de uso reales. No con exámenes diseñados para lucir bien en un comunicado.

Los sistemas complejos muestran una constante. Cuando una organización empieza a optimizar exclusivamente para el número que se va a publicar, ese número deja de ser confiable como medida de la realidad subyacente. No afirmo que OpenAI esté haciendo trampa técnica. Los incentivos producen sistemáticamente resultados que se ven mejor en el papel que en el uso cotidiano.

Lo interesante de comparar esto con Fable 5.1, que llega al mismo rango de precio y supera a Astra en el índice agregado, es que por primera vez hay un punto de referencia directo. Eso es sano. La competencia entre laboratorios que se ven forzados a demostrar resultados frente al otro es probablemente el mecanismo de rendición de cuentas más efectivo que existe ahora mismo en esta industria, más que cualquier regulador todavía inexistente.

No tengo del todo claro si Astra representa el salto real hacia algo cualitativamente distinto, o si es la versión de 2026 de una tendencia conocida. Evaluaciones espectaculares. Acceso restringido. Declaración filosófica de un ejecutivo llenando el vacío donde debería haber evidencia verificable. Probablemente sea un poco de ambas cosas.

Lo que sí me queda claro es que la pregunta correcta no es si Astra es AGI según Brockman. Es qué pasa cuando millones de personas puedan probarlo, compararlo con Fable 5.1 en las mismas tareas y decidir si el 99.9% en un examen se traduce en algo útil en la vida diaria. Los pilares de Göbekli Tepe tampoco se entienden por su tamaño impresionante, sino por quién los construyó, con qué recursos y quién tuvo acceso primero. El tamaño del logro técnico de Astra puede ser real. La pregunta de quién decide qué significa y quién llega primero a usarlo sigue siendo una pregunta de poder, no de inteligencia artificial.

¿Y si el verdadero valor no está en el 99.9% sino en quién finalmente puede tocarlo?

Fuentes:

1. OpenAI, anuncio de lanzamiento de GPT-6 Astra y benchmarks asociados (ARC-AGI-3, FrontierMath T4, ExploitBench)

2. Artificial Analysis, Intelligence Index comparativo entre modelos frontera

3. Declaraciones públicas de Greg Brockman y Sam Altman en conferencia de presentación

4. Yves Laurent, The Generosity in the Doorway (análisis sobre Stargate)