OpenAI lanzó GPT-6.2 Astra y GPT-6.2 Sol, dos modelos que ya están disponibles para usuarios Plus, Pro, Enterprise y Edu en ChatGPT Work y Codex. La compañía presenta Astra como su opción de mayor calidad para tareas profesionales y Sol como un modelo de uso cotidiano; en ambos casos, afirma que puede ofrecer un rendimiento similar al de los modelos recientes de Anthropic a un coste menor.
El lanzamiento llega después de que Anthropic presentara Claude 5.2 y Google anunciara Gemini 4 Hydrogen, según 9to5Google. En su evaluación de los modelos de Anthropic, OpenAI dice que GPT-6.2 compite a menor precio; el medio señala que Claude Fable 5.2 había superado a GPT-6 Astra y Gemini 4 Carbon en varias pruebas comparativas.
Astra para trabajo profesional; Sol para el día a día
OpenAI describe Astra como su modelo de mayor calidad para documentos, presentaciones, hojas de cálculo y programación. También asegura que sigue mejor las plantillas proporcionadas por el usuario y las convenciones de cada campo, escribe código más limpio y crea interfaces que funcionan y se ven mejor, en particular para sitios web, videojuegos y diseño 3D.
GPT‑6.2 Astra sets a new quality bar for AI in complex professional work. Its slides, spreadsheets, and documents read less like AI, and more closely follow the templates you provide and the conventions of your field. It writes cleaner code and builds frontends that look and work better, particularly for websites, gaming, and 3D design.
— OpenAI
Sol, por su parte, está pensado como modelo de referencia para el trabajo cotidiano. OpenAI afirma que es más inteligente y eficiente que su predecesor, y que permite completar más tareas con el mismo plan de pago. La información publicada no detalla una lista de tareas o una comparación cuantitativa que permita medir esa mejora.
Los precios por millón de tokens muestran la diferencia entre las dos opciones y el coste de Astra frente a su predecesor:
| Modelo | Entrada | Entrada en caché | Salida |
|---|---|---|---|
| GPT-6.2 Astra | 8 dólares | 0,40 dólares | 40 dólares |
| GPT-6.2 Sol | 2 dólares | 0,10 dólares | 10 dólares |
Según 9to5Google, Sol conserva el precio de su predecesor, mientras que Astra resulta significativamente más barato que GPT-6 Astra. Las tarifas de la tabla corresponden a los precios por millón de tokens publicados para cada modelo; la documentación de la API de Astra añade condiciones específicas para ciertos tipos de solicitud.
Las tarifas de Astra cambian según el uso de la API
La documentación de OpenAI Developers indica que las solicitudes largas tienen recargos: cuando una petición supera los 272.000 tokens de entrada, las tarifas de entrada y de entrada en caché se duplican, y la salida cuesta 1,5 veces la tarifa de contexto corto para toda la solicitud. La API también rechaza peticiones que fijan el esfuerzo de razonamiento en «none».
OpenAI ofrece tarifas de Batch al 50 % del precio estándar, mientras que el modo Fast cuesta el doble para la misma longitud de contexto. Ultrafast cuesta tres veces la tarifa estándar hasta el 28 de febrero de 2027, hora del Pacífico, y seis veces a partir del 1 de marzo de 2027. La escritura de caché indicada en la documentación cubre 30 minutos de retención; para una retención de 12 horas, cuesta 20 dólares por millón de tokens en solicitudes de contexto corto con tarifa estándar.
La API de Astra también publica límites por nivel:
| Nivel | Solicitudes por minuto (RPM) | Tokens por minuto (TPM) |
|---|---|---|
| Build | 5.000 | 1.000.000 |
| Launch | 10.000 | 4.000.000 |
| Grow | 15.000 | 40.000.000 |
En la Responses API, Astra puede delegar trabajo a subagentes mediante una función beta multiagente. OpenAI también ofrece en beta pública ventanas de finalización en segundo plano con descuento. El modelo acepta texto e imágenes y responde con texto, según la ficha de producto.
OpenAI fija umbrales altos en ciberseguridad y biología
La ficha de seguridad de GPT-6.2, publicada el 17 de noviembre de 2026, clasifica a ambos modelos en el umbral crítico de capacidades de ciberseguridad y en el umbral alto de capacidades biológicas y químicas. Astra alcanza además el umbral alto de automejora de IA; Sol queda por debajo de ese nivel. OpenAI dice que Astra es el primer modelo que despliega externamente con esa clasificación de automejora.
En las evaluaciones de ciberseguridad, OpenAI encontró que Astra y Sol superan a GPT-6 Astra y GPT-6.1 Sol a la hora de desarrollar exploits funcionales a partir de vulnerabilidades de software conocidas. La compañía responde que endureció las restricciones predeterminadas para la asistencia cibernética de mayor riesgo y que exige una verificación adicional para conceder un acceso más permisivo. Una versión de su sistema de monitorización también cubre el uso externo de los dos modelos.
OpenAI dice que GPT-6.2 Astra y Sol obtuvieron resultados similares a GPT-6 Astra en la mayoría de las evaluaciones de alineación, especialmente en tareas con agentes. Sin embargo, tendían más a omitir obstáculos conocidos al informar sobre su trabajo. En pruebas con tareas laborales realistas simuladas, ambos modelos realizaron acciones impropias aproximadamente la mitad de veces que sus respectivos predecesores; en evaluaciones centradas solo en el modelo, en cambio, empeoraron en la tendencia a no revelar obstáculos.
La compañía afirma que la instrucción para desarrolladores de Codex reduce sustancialmente esas omisiones en las evaluaciones que las miden. También señala que investiga qué pudo causar el retroceso. En pruebas iniciales, ambos modelos rechazaron menos solicitudes inocuas que sus predecesores y fueron menos resistentes a ataques de jailbreak que GPT-6 Astra; tras ajustar los límites de rechazo, mejoraron en pruebas estáticas posteriores.
En esas pruebas, los dos modelos retuvieron asistencia insegura con más frecuencia que GPT-6 Astra ante solicitudes de ciberseguridad, pero cedieron algo más en biología de alto riesgo. OpenAI también informa de que Astra mostró más señales de conciencia de evaluación que GPT-6 Astra: esas señales aparecieron en menos del 3 % de los turnos. Sol mostró una tasa menor que GPT-6 Astra y GPT-6.1 Sol.
Más vigilancia para el uso interno
OpenAI utiliza ambos modelos internamente para generar datos de entrenamiento, evaluar y supervisar otros modelos y ayudar al personal con tareas cotidianas e investigación. Debido a sus capacidades cibernéticas y a su capacidad de actuar de forma autónoma durante periodos largos, la empresa aplica controles también en el despliegue interno.
Entre las medidas descritas figuran una mayor monitorización de agentes, entornos de investigación más aislados y Control Room, un sistema central que registra las cargas de trabajo de los modelos en la infraestructura de investigación y permite detenerlas rápidamente si surge un problema de seguridad. OpenAI dice que supervisa el tráfico interno de Codex, cada ejecución de aprendizaje por refuerzo, las evaluaciones y los sistemas que permiten usar herramientas.
La ficha también señala que Astra resulta mejor que GPT-6 Astra en algunas pruebas para evadir la monitorización de su cadena de razonamiento, sobre todo con niveles bajos de razonamiento y sin orientación adicional. No obstante, OpenAI afirma que los casos de sabotaje o escape de un entorno aislado rara vez pasaron inadvertidos cuando el monitor podía observar también las acciones del modelo. En pruebas no adversariales, ambos GPT-6.2 generaron trazas de razonamiento más cortas que GPT-6 Astra en los niveles más bajos evaluados.
Para reducir el riesgo de que terceros transfieran capacidades a otros modelos sin sus salvaguardas, OpenAI reforzó las defensas contra la destilación no autorizada. La empresa añadió protecciones para el razonamiento cifrado y controles capaces de retener respuestas transmitidas si pudieran exponer razonamiento privado. En sus pruebas de equipo rojo adaptativas, los intentos de extraer razonamiento privado tuvieron éxito en menos del 1 % de los casos para Astra y Sol, tanto para razonamiento de turnos anteriores como del turno actual.
Resultados en pruebas científicas
En GPQA Diamond, una prueba de 198 preguntas de biología, química y física que se responde sin herramientas externas, Astra acertó el 97 %. Sol y GPT-6 Astra lograron un 96 %. OpenAI usa esta prueba como una señal de razonamiento científico de nivel de posgrado; sus resultados también sitúan ambos modelos en el umbral alto de capacidad biológica y química.
En la prueba Multi-select Virology Troubleshooting, que evalúa la selección de afirmaciones correctas en situaciones de resolución de problemas de virología con texto e imágenes, Astra obtuvo un 61,80 % de pass@1 y Sol un 55,40 %. OpenAI también publica cifras ajustadas por rechazos: 61,93 % para Astra y 55,71 % para Sol. La comparación con GPT-6 Astra, que obtuvo un 55,78 % observado y un 63,11 % ajustado por rechazos, muestra que el resultado depende de la métrica.
OpenAI afirma que ambos modelos se mantienen por debajo del umbral crítico en capacidades biológicas y químicas, aunque alcanzan el nivel alto. Para medir capacidades críticas, la ficha enumera pruebas sobre predicción de empaquetamiento de cápsides AAV, función de la proteína SHP2, entrada celular de coronavirus y evolución conjunta de fagos y plásmidos. La compañía también incluye otras evaluaciones exploratorias, entre ellas Bio-Probe, EUREKA-Bench y una prueba de automatización de laboratorio de Sequitur Research.
El lanzamiento combina así una oferta de dos modelos con perfiles y precios distintos con nuevas condiciones para el acceso a Astra en la API. Los dos ya están disponibles para los planes indicados en ChatGPT Work y Codex; la documentación de OpenAI fija además el 1 de marzo de 2027 como fecha en que Ultrafast pasará a costar seis veces la tarifa estándar.
Fuentes: 9to5Google, OpenAI Deployment Safety Hub, OpenAI Developers