OpenAI lanzó el 17 de noviembre GPT-6.2 Astra, su modelo más avanzado, junto a GPT-6.2 Sol. Si miras sus propias gráficas, parece un gran salto: sube entre 5 y 9 puntos en varias pruebas y además es un 20 % más barato. Pero en internet mucha gente dice que es un modelo perezoso, que deja las tareas a medias y que, en lo que más nos importa a los desarrolladores, generar código y trabajar dentro de agentes, no ha mejorado nada.

Aquí te dejo los índices que mostré en el video para que saques tus conclusiones, y al final, mi recomendación según qué usuario seas.

Luna, Terra, Sol y Astra

OpenAI ofrece varios tamaños de un mismo modelo. De menor a mayor: Luna, Terra, Sol y Astra. Cada uno es más grande que el anterior y razona mejor, aunque OpenAI no publica cuántos parámetros tiene cada uno. En esta versión salieron dos: Astra, para el trabajo más exigente, y Sol, para el día a día.

Para darte una idea, yo comparo GPT-6.2 Astra con Claude Fable 5.2 y GPT-6.2 Sol con Claude Opus 5.5, de Anthropic. De hecho, Astra y Fable 5.2 cuestan lo mismo en la API.

Por qué lo critican

No es que sea un mal modelo. La crítica viene de que casi todos esperaban un salto enorme en inteligencia y lo que llegó es un modelo muy parecido, pero más barato.

Parte de esa expectativa viene de Anthropic: lanzó Fable 5.2 el 9 de noviembre y hoy es el número 1 del índice de Artificial Analysis. Se esperaba que OpenAI respondiera igual.

Los benchmarks de OpenAI frente a los índices independientes

En el anuncio, las gráficas de OpenAI muestran mejoras frente a GPT-6 Astra en casi todo:

  • Agents' Last Exam (trabajo profesional de varios pasos): 5,2 puntos más, a menos de un tercio del costo.
  • GDPval-v2 (consultoría, finanzas, diseño): 6,2 puntos más, usando un 22 % menos de tokens de salida.
  • Terminal-Bench-Science: 9 puntos más.

Pero esas cifras son de OpenAI, y ningún laboratorio va a hablar mal de su propio modelo. Por eso conviene mirar un índice independiente como el de Artificial Analysis. Ahí Astra tampoco queda mal, pero el orden de arriba no cambia:

Modelo Intelligence Index
Claude Fable 5.2 65
GPT-6.2 Astra 62
Gemini 4 Carbon 60
Claude Opus 5.5 59
GPT-6.2 Sol 57

Fable 5.2 sigue siendo el más potente, Astra queda segundo, y Opus 5.5 y Sol están cerca. Un matiz sobre el video: Gemini 4 Carbon sí se puede usar desde hace unos días, en la API de pago y en la app de Gemini con Google AI Ultra.

Más barato y gasta menos tokens

Esto es lo que muchos están pasando por alto: Astra no es más inteligente, pero sí es mucho más barato.

  • Precio de la API. Cuesta 8 dólares por millón de tokens de entrada y 40 por millón de salida, frente a 10 y 50 de GPT-6 Astra: un 20 % menos. La entrada en caché baja de 1 dólar a 0,40. Sol mantiene su precio: 2 y 10 dólares.
  • Costo por tarea. En el índice de Artificial Analysis, a Fable 5.2 le cuesta unos 26,54 dólares terminar cada tarea; a Astra (Max), 4 dólares. Son modelos con el mismo precio por token, pero en costo real hay un abismo.
  • Tokens de salida. La diferencia está en cuánto escribe cada uno para resolver la tarea. En todo el índice, Fable 5.2 en su nivel máximo generó 275 millones de tokens de salida y Astra, 65,8 millones. Un matiz sobre lo que dije en el video: no son seis veces más, sino entre 3 y 5,5 veces según el nivel de esfuerzo (unas 5,3 veces cuando los dos sacan el mismo puntaje).

La mayoría usamos suscripciones, pero si usas la API para integrar un modelo muy inteligente en un proyecto, esta diferencia importa mucho.

El acceso anticipado y lo que dice la comunidad

OpenAI suele dar acceso anticipado a algunos creadores que prueban modelos de IA. Esta vez, según Thibault Sottiaux, que lleva Codex y ChatGPT en OpenAI, se lo dieron a pocas personas y luego hicieron muchos cambios en los últimos 3 o 4 días, y cree que nadie volvió a probarlo.

Aun así, las quejas no son todas falsas:

  • Deja tareas a medias. En un issue de Codex, un usuario cuenta que el modelo achicó el encargo por su cuenta y desplegó solo una parte del trabajo. En Hacker News se repite: trabaja en pedazos pequeños y se detiene.
  • Pide permiso para todo. Una de las quejas principales es que pide permiso en exceso para tareas rutinarias, como descargar un archivo. Matt Shumer llegó a decir que en proyectos serios es prácticamente inutilizable.
  • No avanza en proyectos largos. Theo (t3.gg) lo tuvo 7 días mejorando un proyecto en Rust: no logró ninguna mejora y dejó el compilador un 56 % más lento. Después de los cambios lo volvió a probar y dijo que está mejor, pero que la dirección sigue siendo mala.

Y en T3 Code, la herramienta de Theo para usar varios agentes, el modelo que manda es de Anthropic: en octubre, Opus 5.5 fue el primero en superar el 50 % del tráfico.

El índice de coding agents

Para la mayoría, que pagamos una suscripción y usamos un harness oficial (Claude Code, Codex…), hay un índice más importante: el Coding Agent Index de Artificial Analysis. Mide los modelos dentro de su agente y combina tres pruebas de código: FrontierCode, Terminal-Bench y SWE-Atlas-QnA.

Aquí no le va nada bien a OpenAI, y quizá esta sea la razón principal de las críticas: GPT-6.2 Astra se queda en 53, igual que GPT-6 Astra. No mejoró nada. Este es el orden:

  1. Claude Code con Fable 5.2: 58,5 %
  2. Claude Code con Opus 5.5: 58,2 %
  3. Claude Code con Sonnet 5.5: 56,3 %
  4. Antigravity CLI con Gemini 4 Carbon: 55,5 %
  5. Muse Code con Muse Wonder Full (de Meta): 54,5 %
  6. Codex con GPT-6.2 Astra: 53,5 %

Donde se esperaba ver a OpenAI pegado a Anthropic aparecen Google y Meta, y recién después Astra. Por eso algunos dicen, medio en broma, que el lanzamiento parece propaganda a favor de Anthropic, que sale a bolsa en estos días.

Lo que dijo Sam Altman

En su post del lanzamiento, Sam Altman dice que los modelos «pueden hacer cosas increíbles», pero no presume de un gran salto de inteligencia. Destaca dos cosas que muestran en qué se enfocó OpenAI:

  • Eficiencia de tokens: que el modelo gaste menos para hacer lo mismo.
  • El modo Ultrafast: responde mucho más rápido (en Sol, hasta 4,5 veces), a cambio de gastar más rápido el límite de tu plan (unas 6 veces más). Para usarlo necesitas el plan Pro de 200 dólares, que lo tiene con Sol, o el de 500, que lo tiene con Sol y Astra.

En el siguiente post del hilo sí dice que son muy inteligentes, pero reconoce que falta hacerlos más agradables de usar y que esa será su prioridad.

¿Te conviene?

  • Si usas Codex: no tienes de qué preocuparte. No es un mal modelo; simplemente no saltó en inteligencia. Te dan prácticamente lo mismo, pero más barato.
  • Si usas Claude: probablemente este sea el peor momento para cambiarte a OpenAI. No vas a ver una mejora y hasta puedes notar un retroceso.
  • Si usas la API: aquí sí puedes ganar. Astra cuesta lo mismo por token que Fable 5.2, pero gasta muchos menos tokens, así que sale mucho más barato por tarea, y en inteligencia no está tan lejos. No es mejor, pero cuando cuenta cada dólar, vale la pena considerarlo.

Si lo probaste y notaste una mejora, por ejemplo al generar gráficos o contenido en 3D, déjalo en los comentarios del video: puede ayudar a otros a decidir qué modelo pagar.

Fuentes