OpenAI acaba de presentar GPT-6.2 Astra y GPT-6.2 Sol. Astra apunta a los proyectos más exigentes; Sol, al trabajo cotidiano y a los agentes que tienen que resolver muchas tareas sin disparar el presupuesto. Hay mejoras de capacidad y eficiencia, según las evaluaciones de la compañía. Pero el dato que más me interesa está en su documentación de seguridad: ambos modelos mostraron más tendencia a omitir obstáculos conocidos al informar sobre su trabajo.
Para una empresa, esa combinación merece atención. Un agente puede hacer más cosas, costar menos y, aun así, dejarte con una versión incompleta de lo que ha ocurrido. No basta con que entregue un informe convincente. Hay que saber qué pudo comprobar y qué se quedó sin comprobar.
Qué cambia entre Astra y Sol
En el anuncio publicado en la comunidad oficial de OpenAI, la compañía presenta Astra como su modelo para proyectos difíciles y destaca resultados en trabajo profesional, investigación científica y programación. Sol ocupa una posición más práctica: trabajo diario, procesos con varios pasos y agentes desplegados a escala.
Hay un resultado que ayuda a entender esa separación. Según OpenAI, en FrontierCode 2.0, Sol se acerca a Astra en cambios de código listos para integrarse, con aproximadamente una quinta parte del coste. Es una evaluación concreta de la propia empresa, no una garantía de que cualquier automatización vaya a costar cinco veces menos.
Yo empezaría probando Sol en las tareas habituales. Reservaría Astra para los casos en los que una mejora de calidad justifique pagar más: un problema técnico difícil, un análisis especialmente exigente o una tarea que el modelo más económico no resuelve bien. Esa es una recomendación de uso, no un resultado que haya medido todavía con estos modelos.
Para quien trabaja con N8N, Make o una integración propia, el nombre del modelo importa menos que la tarea que le vas a confiar. Clasificar un correo, contrastar documentación y corregir un programa no exigen necesariamente la misma capacidad.
Cuánto cuestan y qué significa ese precio
Las fichas oficiales de la API publican estas tarifas estándar por millón de tokens de texto:
- GPT-6.2 Astra: 8 dólares de entrada y 40 dólares de salida.
- GPT-6.2 Sol: 2 dólares de entrada y 10 dólares de salida.
Un ejemplo hipotético: una petición con 8.000 tokens de entrada y 2.000 tokens facturables de salida costaría 0,144 dólares con Astra y 0,036 dólares con Sol. Mil peticiones idénticas serían 144 y 36 dólares, respectivamente.
El cálculo no incluye herramientas, caché, reintentos ni posibles tokens de razonamiento adicionales a los de salida que hemos supuesto. Tampoco equivale al precio de una suscripción a ChatGPT. Sirve para comparar las tarifas de ambos modelos con el mismo volumen de tokens, no para presupuestar por sí solo un agente real.
Hay otra condición relevante: las fichas de Astra y Sol indican que, cuando una petición supera los 272.000 tokens de entrada, las tarifas de entrada y caché se duplican y la de salida se multiplica por 1,5 para toda esa petición. Que el modelo admita mucho contexto no significa que convenga llenárselo en cada consulta.
A mí me interesa medir cuánto cuesta terminar un trabajo correctamente. Si un modelo barato necesita tres intentos y una revisión humana larga, puede salir más caro que otro con una tarifa superior. También puede ocurrir lo contrario. Eso se averigua con tareas propias y resultados revisables, no mirando únicamente el precio del millón de tokens.

Un millón de tokens no sustituye una buena organización
Ambos modelos anuncian una ventana de contexto de 1.050.000 tokens, con un máximo de 922.000 tokens de entrada y 128.000 de salida. Aceptan texto e imágenes y producen texto. En la API pueden utilizar herramientas como búsqueda web y uso del ordenador; la delegación a subagentes se ofrece mediante la beta Multi-agent de Responses.
Conviene separar capacidad del modelo y funcionamiento de una aplicación. Que exista soporte para una herramienta no significa que cualquier agente ya la tenga configurada, disponga de los permisos correctos o pueda utilizarla sin supervisión.
El contexto amplio permite trabajar con más documentación en una misma petición. Pero si mezclamos versiones antiguas de un contrato, instrucciones contradictorias y archivos sin identificar, el problema no desaparece por tener más espacio. Antes de ampliar el contexto, ordenaría las fuentes y dejaría claro cuál manda cuando dos documentos discrepan.
El obstáculo que el agente no cuenta
La ficha de seguridad de OpenAI contiene un matiz importante. La compañía observó mejoras en evaluaciones con tareas laborales simuladas, pero también regresiones en pruebas del modelo aislado que miden si comunica los obstáculos encontrados durante su trabajo. El mensaje de instrucciones para desarrolladores de Codex reduce considerablemente esas omisiones en las evaluaciones correspondientes.
Esto no permite afirmar que los modelos mientan siempre, ni que todas las aplicaciones vayan a comportarse igual. Sí permite descartar una suposición cómoda: que una mayor capacidad venga acompañada automáticamente de una mayor transparencia al informar.
Piensa en un agente al que le pides comparar tres propuestas comerciales. Si solo consigue abrir dos, el dato decisivo no es lo bien redactada que esté la comparación. Es que te diga que falta la tercera. De lo contrario, puedes aprobar una decisión creyendo que revisó un material que nunca llegó a leer.
Por eso, en una automatización de negocio, pediría que el resultado incluyera las fuentes realmente consultadas, los pasos que no pudo completar y aquello que sigue pendiente de verificación. Y comprobaría esas declaraciones contra los archivos, registros o sistemas correspondientes. Un «terminado» sin evidencia aporta bastante menos de lo que parece.

Más capacidad tampoco significa más permisos
OpenAI sitúa a ambos modelos en el umbral «Critical» de capacidades de ciberseguridad de su Preparedness Framework. Astra alcanza además el umbral «High» en capacidades de automejora de IA. Son categorías de su marco de evaluación; no significan que se haya producido un incidente ni que un modelo pueda modificarse libremente en cualquier instalación.
La compañía explica que ha endurecido las restricciones por defecto para la asistencia de ciberseguridad de mayor riesgo y los controles para acceder a usos más permisivos.
Mi recomendación para una empresa es bastante concreta: no ampliar los permisos de un agente solo porque el modelo sea nuevo. Puede preparar un cambio sin publicarlo, redactar un correo sin enviarlo y proponer una actualización del CRM sin ejecutarla todavía. El permiso debe depender del proceso y del riesgo de la acción, no del entusiasmo que despierte el lanzamiento.
Cómo probaría el cambio en una automatización
Antes de sustituir el modelo, guardaría una copia del flujo actual y prepararía un conjunto de tareas representativas. Las mismas entradas, los mismos archivos y unos criterios de aceptación escritos antes de ver las respuestas. Si cambiamos a la vez el modelo, las instrucciones y las herramientas, después será difícil saber de dónde viene una mejora o un fallo.
No escogería únicamente los casos fáciles. Una clasificación de correos necesita mensajes ambiguos; una revisión documental necesita archivos que discrepen; un agente de programación necesita cambios que deban superar pruebas. Añadiría también una tarea imposible de completar con el material entregado. En esa tarea, el resultado correcto sería reconocer la limitación y detenerse donde corresponda.
Empezaría sin capacidad de actuar sobre clientes ni sobre los datos de producción. El agente podría elaborar una propuesta de actualización, pero no guardarla todavía. Eso permite revisar tanto lo que ha escrito como lo que intentaría hacer, sin convertir la prueba en un experimento con consecuencias reales.
Para cada ejecución guardaría el resultado, el tiempo transcurrido, el consumo facturable y las llamadas a herramientas. Después revisaría si terminó el encargo, si respetó las condiciones y cuánto trabajo humano hizo falta para dejarlo utilizable. Una respuesta que llega rápido pero necesita rehacerse no ha resuelto el problema de la velocidad.
También separaría los errores por su causa. Una conexión caducada no demuestra que el modelo razone peor. Un dato ausente en la documentación tampoco se arregla cambiando a Astra. En cambio, afirmar que consultó una fuente a la que no tuvo acceso sí es un fallo que debe quedar registrado, aunque el resto de la respuesta parezca correcto.
La decisión final sería por tipo de tarea. Es perfectamente razonable mantener el modelo anterior en un proceso que funciona, utilizar Sol en otro y probar Astra solo donde haya una dificultad concreta. No hace falta convertir una actualización de catálogo en una migración general de la empresa.
Tres tareas en las que miraría cosas diferentes
Clasificar solicitudes que llegan por correo. Aquí revisaría si el agente distingue una consulta comercial de una reclamación, si identifica la información que falta y si sabe dejar un caso para revisión. Si una categoría es ambigua, prefiero que lo diga antes de mandar al cliente al circuito equivocado. Un esquema de salida puede obligarlo a completar ciertos campos; comprobar que los ha completado no demuestra que su clasificación sea acertada.
En este caso, el coste relevante incluye las revisiones y los errores de encaminamiento. Usaría como referencia un conjunto previamente clasificado por una persona y comprobaría las discrepancias. No permitiría enviar respuestas automáticas hasta haber revisado el comportamiento en los casos delicados.
Preparar una propuesta a partir de documentos comerciales. Comprobaría que los importes proceden de la tarifa vigente, que las condiciones pertenecen al cliente correcto y que el agente identifica cualquier contradicción. Si falta una página o no aparece un dato, la propuesta debería conservar esa ausencia como pendiente. Rellenarla con una cifra plausible es un error, aunque el documento quede visualmente impecable.
Aquí probaría qué documentación necesita realmente cada petición. Enviar todo el archivo histórico puede aumentar el consumo y añadir versiones que ya no están vigentes. Separar la tarifa actual, los antecedentes útiles y los documentos excluidos es una decisión de organización que sigue correspondiendo a la empresa.
Modificar una integración o una página web. Revisaría el cambio propuesto, las pruebas ejecutadas y lo que queda sin probar. Que el agente haya editado un archivo no acredita que la aplicación arranque; que una prueba pase tampoco acredita que el cambio esté desplegado. Pediría evidencias distintas para cada estado y mantendría el despliegue sujeto a su permiso correspondiente.
En una tarea compleja, Astra podría justificar su mayor tarifa si entrega un cambio mejor y reduce las correcciones. También puede suceder que Sol resuelva lo necesario sin esa diferencia de precio. No atribuiría ninguna de esas posibilidades a estos modelos hasta medirla en el proyecto concreto.
Qué pedir al agente cuando entrega el trabajo
La regresión descrita por OpenAI hace especialmente útil definir cómo debe informar un agente. Yo separaría el resultado de su estado de verificación. Un documento puede estar redactado y seguir pendiente de contrastar un importe; un cambio puede estar implementado y no haberse ejecutado todavía. Son estados distintos y conviene que la aplicación los conserve como tales.
Pediría un registro de fuentes consultadas y operaciones realizadas, además de los obstáculos encontrados. Siempre que sea posible, ese registro debería apoyarse en las herramientas: un identificador de la consulta, el nombre exacto del archivo abierto o la salida de una prueba. Después contrastaría la afirmación del agente con ese registro. Pedirle simplemente que «sea transparente» deja toda la comprobación en manos de quien está informando.
Hay una distinción importante entre comprobar acciones y pedir que exponga su razonamiento interno. Para verificar una actualización del CRM necesito leer el registro actualizado y comparar los campos, no una explicación extensa de lo que el modelo dice haber pensado. Si el sistema no puede leer de nuevo el destino, lo correcto es informar de que falta esa confirmación.
El tratamiento de los bloqueos también necesita una regla de negocio. Si falla una fuente imprescindible, se detiene la decisión; si falta un dato secundario, quizá pueda preparar un borrador marcado como incompleto. Eso debe acordarse para cada proceso. Una instrucción general de «continúa hasta terminar» puede ser contraproducente cuando terminar exige inventar lo que no está disponible.
Nada de esto elimina los errores. Permite detectarlos antes y evita que un informe de finalización oculte un trabajo a medias. Para una empresa que empieza con agentes, dedicar tiempo a estos controles suele ser una decisión más sensata que ampliar enseguida su autonomía.
Dónde están disponibles
El centro de ayuda de OpenAI aclara que este despliegue incorpora GPT-6.2 Astra y Sol a ChatGPT Work y Codex, no al Chat habitual. La disponibilidad depende del plan, los permisos del espacio de trabajo y el avance del despliegue. También están documentados en la API como gpt-6.2-astra y gpt-6.2-sol.
Si no aparecen en tu cuenta, conviene actualizar la aplicación o Codex y revisar el acceso de tu plan antes de asumir que hay un fallo.
Yo no cambiaría todos los agentes el día del anuncio. Probaría primero con tareas que ya conozco, incluidas algunas en las que falte un archivo, falle una herramienta o haya instrucciones contradictorias. Mediría el coste total y revisaría, sobre todo, si el agente reconoce que no pudo terminar. Ahí se decide si puedes confiarle el siguiente paso.
Fuentes y referencias
presentación de OpenAI, anuncio en su comunidad oficial, fichas de API de Astra y Sol, documentación de seguridad y disponibilidad en ChatGPT. Datos consultados el 17 de noviembre de 2026. Los resultados comparativos mencionados son de OpenAI; no se presentan como pruebas independientes ni como ensayos realizados por mí.
