Presentamos GPT-6.2 Astra y Sol
Un nuevo estándar para el trabajo profesional
Probar en ChatGPT Work(se abre en una nueva ventana)Presentamos GPT‑6.2 Astra, nuestro nuevo modelo de vanguardia para tus proyectos más difíciles, y GPT‑6.2 Sol, nuestro modelo eficiente y versátil para el trabajo diario. Ambos modelos ofrecen mejores resultados en tareas exigentes con menos tokens de salida, para que puedas hacer más sin superar tus límites de uso. Para las empresas y los desarrolladores, eso significa un rendimiento de vanguardia a costos viables a gran escala.
GPT‑6.2 Astra establece un nuevo estándar de calidad para la IA en el trabajo profesional complejo. Sus diapositivas, hojas de cálculo y documentos parecen menos generados por IA y se ajustan mejor a las plantillas que proporcionas y a las convenciones de tu campo. Escribe código más limpio y crea interfaces que se ven y funcionan mejor, en particular para sitios web, videojuegos y diseño 3D.
En Agents’ Last Exam, que evalúa el trabajo profesional de varios pasos, GPT‑6.2 Astra alcanza un nuevo récord: supera a GPT‑6 Astra por 5,2 puntos a menos de un tercio del costo, y a Claude Fable 5.2 por 5,5 puntos a solo el 5 % del costo.
Agents’ Last Exam evalúa los modelos en flujos de trabajo profesionales de largo alcance. Sus resultados en la clasificación para Fable 5.2 excluyen nueve tareas en las que se usó un modelo de respaldo.
Creemos que GPT-6.2 Astra es el mejor modelo del mundo para científicos. Alcanza un nuevo récord en Terminal-Bench-Science 0.1, que evalúa qué tan bien pueden los modelos realizar trabajo científico en una terminal. GPT-6.2 Astra supera a GPT-6 Astra por 9 puntos porcentuales a menos de un tercio del costo. También alcanza un nuevo récord en Vals Science Index, que pide a los modelos interpretar datos biológicos reales y realizar experimentos para inferir cómo funciona un sistema simulado.
En la API, los precios de los tokens de entrada y salida de GPT‑6.2 Astra son un 20 % más bajos que los de GPT‑6 Astra, con un descuento del 60 % en la entrada en caché ($8 por entrada, $0,40 por entrada en caché y $40 por salida, todo por millón de tokens). GPT‑6.2 Sol mantiene los precios de los tokens de GPT‑6.1 Sol en la API. En varias pruebas de referencia, ambos modelos se acercan al rendimiento de otros modelos líderes o lo superan a una pequeña fracción del costo por tarea.
GPT-6.2 Sol: nuestro modelo de referencia para el trabajo diario
En comparación con GPT‑6.1 Sol, GPT‑6.2 Sol es más inteligente, más eficiente y te permite completar más tareas con el mismo plan de pago. Resuelve con agilidad flujos de trabajo de varios pasos con agentes, escribe de forma clara y natural, y colaborar con él es intuitivo. Muchos empleados de OpenAI lo usan como su modelo predeterminado para tareas tanto técnicas como no técnicas.
En FrontierCode 2.0 de Cognition, GPT‑6.2 Sol queda a solo 0,5 puntos de GPT‑6.2 Astra a aproximadamente una quinta parte del costo (ambos en Max).
FrontierCode 2.0 evalúa si los cambios en bases de código reales cumplen con los estándares de quienes las mantienen para aceptar su integración.
Su velocidad e inteligencia también lo hacen ideal para las tareas importantes para las que las personas recurren a la IA fuera del trabajo. En nuestra evaluación LifeVal, publicada recientemente y que mide el rendimiento en tareas cotidianas exigentes, GPT‑6.2 Sol supera la puntuación de GPT‑6 Astra a aproximadamente una séptima parte del costo.
LifeVal evalúa la capacidad de los modelos para resolver tareas cotidianas adaptadas a las necesidades de una persona, como preseleccionar jardines de niños después de una mudanza, encontrar una vivienda que se ajuste al presupuesto y los traslados de una familia, o planificar comidas para un padre o una madre que se está adaptando a un nuevo diagnóstico.
Entregables profesionales que cumplen los estándares del sector
Entrenamos GPT‑6.2 Astra para crear diapositivas, hojas de cálculo y documentos más claros y mejor diseñados que se ajusten más a las convenciones que usan los profesionales en campos como el derecho, las ventas, las finanzas y la contabilidad. La redacción es más directa y específica, con menos conclusiones genéricas y menos relleno.
Harvey LAB‑AA v1.1 utiliza tareas jurídicas para evaluar si los modelos pueden encontrar los hechos relevantes en los documentos fuente, aplicarlos a un encargo detallado y generar un entregable preciso que cumpla con todos los requisitos. GPT‑6.2 Astra alcanza un nuevo nivel de rendimiento: más que duplica la tasa de aprobación de Claude Fable 5.2 a aproximadamente una sexta parte del costo. OpenAI para el sector jurídico, nuestra configuración de GPT-6.2 Astra para abogados, obtiene una puntuación aún mayor en esta prueba de referencia.
Harvey LAB‑AA evalúa tareas jurídicas como la revisión de cláusulas contractuales. Su puntuación principal solo otorga puntos cuando un entregable cumple con todos los criterios de evaluación y no contiene alucinaciones sustanciales.
Nuestra prueba de referencia interna GDPval v2 es la siguiente versión de GDPval, que mide flujos de trabajo complejos y de largo alcance de proyectos reales en sectores como consultoría, finanzas y diseño. GPT‑6.2 Astra encabeza los modelos que probamos: supera a GPT‑6 Astra por 6,2 puntos porcentuales y utiliza un 22 % menos de tokens de salida. GPT‑6.2 Sol mejora en 5,3 puntos respecto de GPT‑6.1 Sol.
GDPval v2 consiste en tareas de trabajo del conocimiento de largo alcance tomadas de proyectos reales en sectores como finanzas, ciencia de datos, biotecnología y marketing.
Libros de cálculo y memorandos
Crear un libro de cálculo de valoración o redactar un memorando de inversión empieza por encontrar las cifras relevantes en los archivos fuente y determinar cómo se relacionan entre sí. AA‑AnalystAgent de Artificial Analysis evalúa ese trabajo con hojas de cálculo e informes reales. En una tarea, los modelos utilizan los informes de gastos de Medicaid de California para calcular cuánto gastó el programa en transporte médico. GPT‑6.2 Astra alcanza un nuevo récord al responder correctamente el 62,5 % de las preguntas en cada uno de los cinco intentos independientes.
Presentaciones de diapositivas
GPT‑6.2 Astra es nuestro mejor modelo hasta la fecha para diseñar diapositivas y seguir sus plantillas, ya sea a partir de un archivo original o incluso de una captura de pantalla. Puede reproducir la distribución, los colores y la tipografía, hasta el tamaño exacto de la fuente, y trasladar el estilo de redacción de la plantilla a nuevas diapositivas. Quienes lo probaron inicialmente consideraron que las presentaciones eran más fáciles de usar directamente y requerían menos ediciones, gracias a títulos que expresan la conclusión principal y textos concisos centrados en los detalles que los lectores necesitan.
Uso de la computadora y diseño web interactivo
La mayor precisión de GPT‑6.2 Astra al usar la computadora le permite trabajar hasta el nivel de piezas y conexiones individuales en herramientas de CAD y simulación. Los ingenieros pueden aprovechar ese detalle adicional para comprobar cómo encajan los componentes, ver cómo se redistribuyen las cargas al moverse un diseño y probar modificaciones antes de construir un prototipo.
Simulación de conducción
Pedimos a GPT‑6.2 Astra que visualizara la dinámica del chasis de un automóvil en una carretera de montaña. Astra creó el modelo 3D y escribió un solucionador en Python para simular la dinámica compleja entre los neumáticos y la suspensión; luego animó los resultados en Blender. Esto permite a los ingenieros probar nuevos diseños rápidamente y mejorar la precisión de las simulaciones con el tiempo.
Diseño mecánico y ensamblaje
GPT‑6.2 Astra puede modelar un sistema mecánico pieza por pieza, lo que permite a los ingenieros mostrar cómo se ensambla y probar cómo los cambios de diseño afectan su comportamiento.
Del CAD a una lámpara de papel
Nuestro equipo utilizó GPT‑6.2 Astra para transformar los balcones de bordes ondulados de las torres Marina City de Chicago en una lámpara. El video sigue la evolución del diseño desde las fotos de referencia, pasando por las revisiones en CAD, hasta una lámpara física ensamblada a mano. Puedes usar el sitio, generado por GPT-6.2 Astra, para crear tu propia lámpara de papel.
GPT‑6.2 Astra aporta un razonamiento visual más sólido al diseño web: elige diseños e imágenes que dan a cada sitio una apariencia distintiva y crea elementos en función del objetivo real del sitio.
Esas mejoras en razonamiento visual y uso de la computadora también se aplican al diseño 3D. GPT‑6.2 Astra y Sol pueden transformar un encargo escrito en una experiencia interactiva en el navegador, desde una mesa de pinball en la que puedes jugar hasta una recreación del Coliseo que puedes explorar desde distintos ángulos. En AA‑3D de Artificial Analysis, evaluadores humanos prueban dos experiencias creadas a partir del mismo prompt, sin saber qué modelo creó cada una, y votan por la que prefieren. GPT‑6.2 Astra ocupa el primer lugar con 1318 puntos Elo, seguido por Claude Fable 5.2 con 1271 y GPT‑6.2 Sol con 1259.
Flujos de trabajo eficientes con un estilo de código más limpio
GPT‑6.2 Astra tiene mejor criterio para ejecutar una tarea: adapta sus herramientas y su esfuerzo al flujo de trabajo y sabe cuándo usar plugins en lugar de operar la computadora.
En programación, GPT-6.2 Astra implementa y prueba mejor los cambios complejos en bases de código existentes. Quienes lo probaron inicialmente reportaron un estilo de código más limpio y pruebas más específicas, con menos rondas de revisión.
Capacidades de ciberseguridad
GPT‑6.2 Astra y GPT-6.2 Sol marcan otro salto significativo en capacidades de ciberseguridad. Encuentran y explotan vulnerabilidades con mayor eficacia, escriben código más seguro y producen mejores parches, con mejoras sustanciales en la eficiencia del uso de tokens en varias evaluaciones. Al igual que GPT‑6 Astra, 6.2 Astra y Sol alcanzan el umbral crítico de ciberseguridad de nuestro Marco de preparación.
Debido a sus mayores capacidades, lanzamos GPT‑6.2 Astra y Sol con salvaguardas más estrictas para la asistencia en ciberseguridad de mayor riesgo. Estas protecciones reducen el riesgo de uso indebido, pero también restringen algunos flujos de trabajo legítimos de investigación de vulnerabilidades y pruebas de seguridad. A través de OpenAI Daybreak, los profesionales de ciberdefensa actualmente pueden acceder a GPT‑6 Sol con menos rechazos de solicitudes de ciberseguridad en Daybreak Blue, además de nuestra versión alfa de GPT-6 Astra, y a GPT‑6 Cyber para realizar pruebas de seguridad avanzadas y autorizadas en Daybreak Red. Trabajaremos para incorporar los modelos GPT‑6.2 a Daybreak.
A continuación destacamos los resultados clave de las pruebas de referencia, obtenidos con configuraciones de prueba internas con las salvaguardas y los clasificadores de ciberseguridad desactivados. Consulta la tarjeta del sistema que acompaña este lanzamiento(se abre en una nueva ventana) para conocer los resultados completos y la metodología.
Dar ventaja a los profesionales de ciberdefensa
Los desarrolladores recurren cada vez más a agentes de programación para escribir software de producción, al mismo tiempo que agentes más capaces facilitan encontrar y explotar vulnerabilidades. PHP2Shell(se abre en una nueva ventana) mostró cómo la IA puede ayudar a los investigadores a descubrir fallas críticas. Con GPT‑6.2 Astra y Sol, dimos prioridad a las capacidades defensivas e incorporamos nuevas señales de entrenamiento para ayudar a los desarrolladores a prevenir y corregir esas fallas: escribir código seguro desde el principio y producir parches que preserven el comportamiento previsto.
Seguridad y alineación
Estamos desplegando GPT-6.2 Astra y Sol con nuestras salvaguardas más sólidas hasta la fecha. Hemos endurecido las restricciones y reforzado los sistemas que usamos para monitorear los modelos e intervenir cuando es necesario.
Al igual que GPT-6 Astra, además de alcanzar el umbral Crítico en ciberseguridad, tanto GPT-6.2 Astra como Sol alcanzan el umbral Alto en capacidades biológicas y químicas según nuestro Marco de preparación. Implementamos protecciones para mitigar los riesgos asociados, junto con mayores restricciones para un conjunto de solicitudes de biología y ciberseguridad con potencial de doble uso.
Encontrarás más detalles sobre nuestras salvaguardas y pruebas en la tarjeta del sistema de GPT-6.2(se abre en una nueva ventana).
Capacidades de investigación en IA y salvaguardas
GPT-6.2 Astra es nuestro primer modelo lanzado para uso externo que alcanza el umbral Alto en automejora de la IA, que mide la capacidad de un modelo para acelerar la investigación en IA. La designación “Alto” refleja nuestra evaluación de que el impacto del modelo equivale a proporcionar a cada investigador de OpenAI un ingeniero de investigación adicional y altamente capacitado como asistente, tomando como referencia su situación de base en 2024. Damos seguimiento a esta capacidad porque los modelos que pueden ayudar a desarrollar futuros sistemas de IA también podrían introducir nuevos riesgos de seguridad, como acelerar el progreso más allá del ritmo al que pueden adaptarse las salvaguardas o la supervisión humana.
Para abordar estos riesgos, incorporamos más supervisión y controles a la forma en que entrenamos e implementamos nuestros modelos. Antes de ampliar el acceso interno a GPT-6.2 Astra, evaluamos su alineación y verificamos que las salvaguardas requeridas estuvieran implementadas en cada etapa. Reforzamos la contención en nuestros entornos de investigación y pusimos a prueba esas protecciones con nuestros modelos más capaces. También creamos Control Room, un sistema que da seguimiento a las cargas de trabajo de investigación y puede detener la generación de nuevas salidas del modelo cuando se necesita intervenir. Nuestro monitoreo ampliado examina el razonamiento y las acciones de los modelos en las cargas de trabajo internas y las implementaciones externas compatibles. Puede señalar automáticamente comportamientos no autorizados y, cuando la implementación lo permite, pausar cargas de trabajo o conversaciones.
Alineación
Ambos modelos tuvieron un rendimiento similar al de GPT-6 Astra en la mayoría de las evaluaciones de alineación y realizaron menos acciones indebidas en tareas laborales simuladas. Sin embargo, en dos pruebas, fueron más propensos a omitir la mención de obstáculos que impedían su trabajo, como un archivo faltante o una herramienta de búsqueda no disponible. Agregamos instrucciones en Codex que reducen sustancialmente estas omisiones y seguimos investigando este comportamiento.
Precios y disponibilidad
A partir de hoy, GPT-6.2 Astra y Sol están disponibles para todos los usuarios de Plus, Pro, Enterprise y Edu en ChatGPT Work y Codex. Los suscriptores de Pro 500 pueden usar Ultrafast con cualquiera de los dos modelos. Por primera vez, también ofrecemos Ultrafast a los suscriptores de Pro 200, comenzando con GPT-6.2 Sol. Los usuarios de Enterprise y Edu que cumplan los requisitos obtendrán el mismo acceso una vez que el administrador de su Espacio de trabajo lo habilite. Los desarrolladores también pueden acceder a gpt-6.2-astra y gpt-6.2-sol a través de la API de OpenAI, con Ultrafast disponible para ambos modelos desde el lanzamiento.
GPT‑6.2 Astra cuesta considerablemente menos por tarea que GPT‑6 Astra gracias a una mayor eficiencia en el uso de tokens, un descuento del 20 % en los tokens de entrada y salida, y un descuento aún mayor, del 60 %, en los tokens de entrada en caché. Las tarifas estándar de la API por millón de tokens son de $8 por entrada, $0,40 por entrada en caché y $40 por salida. GPT‑6.2 Sol mantiene las tarifas de GPT‑6.1 Sol de $2 por entrada, $0,10 por entrada en caché y $10 por salida, por millón de tokens.
Para GPT-6.2 Astra y Sol, recomendamos mantener los prefijos de los prompts sin cambios y agregar nuevas instrucciones(se abre en una nueva ventana) a la conversación para mejorar la reutilización de la caché, ayudar a reducir los costos y la latencia, y preservar el razonamiento entre turnos.
Autor
Footnotes
- 1
Los resultados de Terminal-Bench-Science 0.1 para Fable 5.2 corresponden a los reportados por Artificial Analysis(se abre en una nueva ventana) en el arnés de ejecución mini-swe-agent. Anthropic reportó una puntuación de Fable 5.2 del 74,6 % con razonamiento máximo en Claude Code.



