OpenAI lanza el modelo GPT-6 Astra, las capacidades del agente de IA superan los récords anteriores

OpenAI lanza el modelo GPT-6 Astra, logrando la transición clave de AI de un motor de respuestas a un agente de IA. Astra ya puede operar computadoras, navegar por la web, usar software, escribir y ejecutar código, y completar flujos de trabajo complejos, alcanzando un 72.6% en la prueba OSWorld 2.0, por encima del 65.7% de GPT-5. Esto significa que la IA pasa de "responder mejor" a "completar con éxito tareas", dejando de ser solo una herramienta para responder preguntas para convertirse en una fuerza laboral digital "contratable". La demanda de tokens pasará de un crecimiento puramente basado en usuarios a un efecto multiplicador impulsado por tres variables simultáneas: número de agentes, número de tareas por agente y consumo de tokens por tarea. La IA está formando un efecto de espiral "Humano + IA → Entrenamiento → IA Mejorada", donde el aumento de la capacidad del modelo se convierte en el motor del crecimiento de la demanda de capacidad de cómputo.

Autor del artículo, fuente: Minoría Punto de Vista

Cree que casi todos reconocen el siguiente texto:

En la era de la IA, quien te superará será la persona o empresa que use la IA antes y mejor que tú.

Pero después de que OpenAI lanzara su propio modelo GPT-6 Astra, la frase anterior es completamente inexacta, o incluso errónea. Ahora, la afirmación verdaderamente correcta es:

En la era de la IA, quien te reemplace ya no será la persona o empresa que use mejor la IA, sino aquella que de manera más activa adopte, implemente y domine verdaderamente los Agentes de IA.

Solo una advertencia especial: el "tú" de arriba también puede ser una empresa.

¿Recuerdas? El mes pasado, Astra ya había hecho su aparición, como modelo interno secreto de OpenAI, resolviendo 10 problemas de matemáticas y ciencias de la computación teórica con un nivel de investigación matemática de primer nivel (Premio Fields). Ahora, el mayor avance de Astra lanzado oficialmente por OpenAI no solo radica en volverse “más inteligente” (con mayores capacidades matemáticas y científicas), sino en que Astra lleva a la IA de un Answer Engine a un verdadero AI Agent.

Entonces, en este lanzamiento, OpenAI ya no se limita a hablar sobre cuánto mejoró el benchmark de Astra, sino que desde el principio ofrece una descripción muy clara de los límites de la capacidad de Astra:

Astra ya puede operar computadoras, navegar por la web, usar software, escribir y ejecutar código, completar flujos de trabajo complejos y realizar tareas a largo plazo en ciencia, ciberseguridad y trabajos profesionales.

Esta frase resume el verdadero avance de Astra. Es decir, la IA está pasando realmente de “persona→IA→respuesta” a “persona→Agente de IA→tarea→ejecución→resultado”. Por lo tanto, GPT-6 Astra significa:

La IA ya no es solo una herramienta para responder preguntas, sino que comienza a convertirse en una fuerza laboral digital que puede ser "contratada", que trabaja sin descanso y nunca se detiene.

The improvement in Astra's capability for long-range missions is the most critical.

En OSWorld 2.0 (una prueba propuesta por equipos de CMU, Stanford y otros, que evalúa la capacidad de los agentes de IA para completar tareas complejas en entornos digitales, como tareas de oficina, depuración de software de múltiples archivos y configuración de seguridad de sistema, comparándolos luego con expertos humanos como línea base), Astra alcanzó el 72.6%, por encima del 65.7% de GPT-5.6 Sol; al mismo tiempo, el tiempo simulado para completar las tareas disminuyó de aproximadamente 75 minutos a aproximadamente 40 minutos.

Esto significa que Astra está experimentando un cambio muy decisivo:

De "responder mejor" a "lograr completar las tareas con éxito".

Esto cambiará por completo la forma en que entendemos la "penetración de la IA" y el cálculo de la demanda total de tokens. Anteriormente, al estimar el tamaño del mercado de la IA, naturalmente nos preguntábamos: ¿cuántas personas usan ChatGPT? ¿Cuántos empleados empresariales usan Copilot? ¿Cuál es la penetración de la IA entre programadores, agentes de atención al cliente, profesionales de oficina y científicos?

Luego, utiliza "número de usuarios × ARPU" para estimar el tamaño del mercado de IA. Este razonamiento es perfectamente válido en la era de los Answer Engine. Pero en la era de los AI Agent, surgen problemas:

• Una persona que utiliza IA no significa que solo tenga la carga de trabajo de un solo AI; una persona puede establecer múltiples tareas de Agentes; una empresa puede desplegar simultáneamente cientos o miles de Agentes. Un Agente puede funcionar continuamente durante varias horas, incluso 24 horas.

Por lo tanto, se tiene la siguiente desigualdad:

1 persona ≠ 1 usuario de IA ≠ 1 unidad de trabajo de IA.

Un científico de materiales puede configurar decenas de agentes de IA de una sola vez para realizar tareas de investigación en diferentes direcciones. Por lo tanto, la variable real que debe tenerse en cuenta se convierte en:

• ¿Cuántos agentes de IA hay en funcionamiento en todo el mundo?
• ¿Cuántas tareas ejecuta cada AI Agent en funcionamiento por día? ¿Cuántos tokens consume?

El producto de estos dos números será la función de demanda real de IA.

Whether or not you are using AI, whether you observe your friends using AI, or whether your company is using AI, is irrelevant to the penetration rate of AI and the total demand for tokens. If you don’t use AI, someone else will inevitably use AI agents to replace your advantages or your business—and ultimately replace you and your company.

Entonces, aquí se agrega específicamente una frase:

Hoy en día, al menos todas las empresas medianas y grandes deberían priorizar desde el nivel de la junta directiva la creación de una estrategia de IA propia, porque en este mundo hay demasiadas personas inteligentes observando atentamente tus negocios rentables.

Por lo tanto, la definición de la penetración de la IA pasó de "Por humano" a "Por agente". Anteriormente se creía que era así:

Tasa de penetración de IA = Número de personas que usan IA / Población potencial

Y después de Astra, la fórmula de penetración de los agentes de IA es la siguiente:

Tasa de penetración del agente = Tareas de trabajo asumidas por el agente de IA / Tareas de trabajo que pueden ser ejecutadas por el agente

Por supuesto, los denominadores de estas dos fórmulas presentan una enorme diferencia en orden de magnitud. Como los Agentes ya no necesitan corresponder uno a uno con los humanos, una sola persona puede poseer simultáneamente múltiples Agentes de IA personales. En cuanto a la cantidad de "tareas de trabajo que pueden ser ejecutadas por Agentes", creo que la página de presentación de Astra lanzada por OpenAI ofrece una pista.

Arriba se muestra un mapa estelar del universo proporcionado por OpenAI en la página de presentación de Astra; la otra cara de la pequeñez humana frente al universo es nuestra ignorancia respecto al mundo cósmico, y toda exploración de esa ignorancia puede convertirse en una tarea de investigación para los Agentes de IA. Por lo tanto, se puede deducir que la cantidad de Agentes de IA es prácticamente infinita.

Entonces, "¿cuántas personas en todo el mundo están comenzando a usar IA?" y "¿cuánta fuerza laboral digital está operando en todo el mundo?" son dos cantidades de niveles completamente diferentes.

En cuanto a la demanda total de tokens, se presentará una elasticidad de la demanda mucho mayor que el "crecimiento del número de usuarios de AI Agent". Debido a que la demanda de tokens en la era de los Agentes no solo crece simplemente con el número de usuarios, sino también con la "cantidad de trabajo de IA que cada agente asume".

Por lo tanto, la demanda total de Token se puede escribir aproximadamente como:

Demanda total de tokens ≈ Número de agentes de IA × Número de tareas por agente × Consumo de tokens por tarea

Y estas tres variables pueden crecer simultáneamente a un ritmo rápido.

En primer lugar, el aumento en la cantidad de agents. Anteriormente, una persona podría utilizar solo un ChatGPT; en el futuro, una persona podría ejecutar simultáneamente un agent asistente personal, un agent de programación, un agent de investigación, un agent financiero, un agent de compras... Las empresas podrían expandirse de decenas o cientos de agents a miles o incluso decenas de miles.

En segundo lugar, los agentes realizan cada vez más tareas. Anteriormente, algo como “ayúdame a resumir este artículo” requería solo unos pocos miles de tokens, pero en el futuro será algo como “investiga esta industria, lee 500 documentos, compara 50 empresas, construye un modelo, identifica anomalías, elabora un informe y, sobre la base del informe, ofrece recomendaciones de inversión”. Y aquí radica el significado de Astra: cuanto más capaz sea el modelo para completar tareas complejas, más dispuestos estarán los humanos a delegarles tareas complejas.

Tercero, el agente pasará de “llamadas ocasionales” a “funcionamiento continuo”. Este es el cambio más importante. El ChatGPT tradicional se activa cuando el usuario hace una pregunta, proporciona una respuesta y finaliza. En cambio, un agente de IA es

Recibir objetivo → Planificar → Buscar → Ejecutar → Verificar → Modificar → Ejecutar nuevamente → Completar.

Es una cadena de cálculo que funciona continuamente, generando llamadas a la API de forma constante. Cuanto más compleja sea la tarea, más largo será el razonamiento, mayor será el contexto, más llamadas a herramientas se realizarán, más salida se producirá y mayor será el consumo de tokens.

Por lo tanto, el agente de IA no solo aumentará la cantidad de usuarios de IA, sino que también multiplicará la demanda de tokens detrás de cada usuario de IA.

Por lo tanto, es perfectamente posible que la cantidad de AI Agents aumente solo un 20%, mientras que la demanda total de tokens crezca un 300%.

Astra es el entrenamiento más grande hasta la fecha de OpenAI, y la información pública revela que su escala de entrenamiento ha superado los 100,000 GPU. Más importante aún, la IA está participando cada vez más en el propio entrenamiento de los modelos.

Antes era "Humano→Entrenar→IA", y está pasando gradualmente a:

Humano + IA → Entrenar → IA mejorada

Este ya es el modo básico de RSI; el modelo puede participar en la generación de datos de entrenamiento, identificar problemas, realizar evaluaciones, proporcionar retroalimentación y hasta ayudar en parte del trabajo de ingeniería e investigación durante el proceso de entrenamiento.

Entonces, se formará una cadena de efecto de volante muy impresionante:

Modelos más potentes permitirán capacidades más avanzadas de los Agentes de IA, que podrán realizar más tareas del mundo real, generar más datos de tareas de alta calidad y retroalimentación, lo que a su vez ayudará a entrenar modelos aún más potentes, y estos modelos mejorarán nuevamente la capacidad de los Agentes, permitiéndoles asumir más tareas…

Esto significa que el desarrollo de la IA no seguirá una "iteración de versiones" como el software tradicional, sino que se asemejará más a un sistema de producción que se acelera a sí mismo. Como resultado, la demanda de Token experimentará un efecto multiplicador con múltiples variables en expansión simultánea, y cuanto más potente sea el modelo, más notable será este efecto multiplicador.

Entonces, seguramente veremos:

El mejoramiento de las capacidades del modelo se convierte en el motor del crecimiento de la demanda de capacidad de cómputo para IA, lo que lleva a la aparición de miles de millones, decenas de miles de millones y cada vez más agentes de IA como fuerza laboral digital, generando luego una demanda inmensa e ilimitada por tokens.

Esta es la importancia del lanzamiento de GPT-6 Astra.