Estás leyendo
OpenAI lanza GPT-6.2 Astra y Sol: más rendimiento a menor coste

OpenAI lanza GPT-6.2 Astra y Sol: más rendimiento a menor coste

  • OpenAI presenta GPT-6.2 Astra y Sol con mejoras de eficiencia, precios más bajos para Astra y nuevas opciones de uso profesional en ChatGPT Work y Codex.
OpenAI lanza GPT-6.2 Astra y Sol: más rendimiento a menor coste

OpenAI ha lanzado GPT-6.2 Astra y GPT-6.2 Sol, dos nuevos modelos de inteligencia artificial con los que amplía las capacidades de ChatGPT Work, Codex y su API para desarrolladores. La actualización introduce mejoras en la ejecución de tareas profesionales complejas, la generación de documentos y la programación, con especial atención al consumo de tokens y al coste de procesamiento. La compañía reduce un 20% las tarifas estándar de entrada y salida de Astra, mientras mantiene los precios de Sol respecto a su generación anterior.

El lanzamiento llega en un momento en el que las empresas comienzan a evaluar los sistemas de IA por su capacidad para completar procesos de trabajo con un nivel de calidad aceptable, más allá de generar respuestas individuales. La reducción del coste por tarea, el número de revisiones necesarias y la fiabilidad de los resultados adquieren importancia para las organizaciones que integran estos modelos en aplicaciones y flujos de trabajo recurrentes.

La nueva familia diferencia dos perfiles de utilización. GPT-6.2 Astra está orientado a proyectos de mayor complejidad, como el análisis financiero, la investigación científica o la elaboración de documentos especializados. GPT-6.2 Sol se dirige a operaciones habituales que requieren varios pasos, desde convertir reuniones en planes de proyecto hasta identificar y corregir errores de software.

GPT-6.2 Astra mejora su rendimiento en tareas profesionales

Los resultados publicados por OpenAI sitúan a GPT-6.2 Astra por encima de su predecesor en Agents’ Last Exam, una evaluación que mide la capacidad de los modelos para desarrollar procesos profesionales de varias etapas. El nuevo sistema obtiene una puntuación 5,2 puntos superior a GPT-6 Astra, con un coste estimado por tarea inferior a un tercio.

La comparación con Claude Fable 5.2, de Anthropic, arroja una ventaja de 5,5 puntos para Astra, con un coste equivalente al 5% del registrado por su competidor en esa prueba. Estos resultados corresponden a una configuración y metodología de evaluación determinadas y no permiten extrapolar directamente la misma diferencia económica a cualquier aplicación empresarial.

En investigación científica, OpenAI destaca los resultados obtenidos en Terminal-Bench-Science 0.1 y Vals Science Index. La primera evaluación examina la ejecución de tareas científicas mediante herramientas de terminal, mientras que la segunda incluye interpretación de datos biológicos y experimentación sobre sistemas simulados. En Terminal-Bench-Science, Astra supera en nueve puntos porcentuales a GPT-6 Astra, con menos de un tercio de su coste estimado.

También se han introducido mejoras en la producción de hojas de cálculo, presentaciones y documentos empresariales. El modelo está diseñado para interpretar información distribuida en diferentes archivos, relacionar datos y producir materiales que respeten las convenciones de sectores como finanzas, consultoría o asesoramiento jurídico.

En la evaluación interna GDPval v2, centrada en encargos profesionales de larga duración, Astra mejora 6,2 puntos porcentuales respecto a GPT-6 Astra y utiliza un 22% menos de tokens de salida. Esta combinación resulta relevante para procesos en los que una misma tarea exige consultar documentación, realizar cálculos y generar entregables que después deben revisar otros profesionales.

Sol prioriza la eficiencia en programación y trabajo cotidiano

GPT-6.2 Sol ocupa una posición distinta dentro de la oferta de OpenAI. Su diseño responde a tareas frecuentes que pueden implicar múltiples acciones y herramientas, pero para las que utilizar permanentemente el modelo de mayor capacidad puede resultar innecesariamente costoso.

En FrontierCode 2.0, una evaluación de Cognition que analiza modificaciones sobre repositorios reales de software, Sol se sitúa a solo 0,5 puntos de Astra, con un coste estimado por tarea de aproximadamente una quinta parte. Ambos modelos se sometieron a la prueba con su máximo nivel de esfuerzo de razonamiento.

La diferencia económica puede influir en la selección de modelos para agentes de programación, especialmente cuando deben inspeccionar archivos, introducir modificaciones, ejecutar pruebas y corregir errores de forma iterativa.

Replit, una de las empresas que ha probado GPT-6.2 Sol, asegura que el nuevo modelo supera más pruebas en la generación de aplicaciones desde cero que GPT-6.1 Sol, empleando un 62% menos de tokens de salida y completando los trabajos casi tres veces más rápido. Se trata de resultados obtenidos en las evaluaciones de la propia empresa, cuyo comportamiento puede variar según el tipo de proyecto y sus requisitos técnicos.

La reducción de tokens también aparece en otras pruebas de adopción empresarial. Harvey, especializada en tecnología jurídica, afirma que Astra completó más del triple de tareas en su Legal Agent Benchmark respecto a GPT-6 Astra, con un 34,5% menos de tokens de salida. La empresa observó además mejoras en la identificación de debilidades argumentales y en la redacción de escritos judiciales.

ClickUp registra una reducción aproximada del 40% en el uso de tokens y del 30% en las rondas de revisión al utilizar Astra para crear aplicaciones, paneles y presentaciones, frente al modelo que emplea actualmente en producción.

Estos datos apuntan a posibles ahorros operativos, aunque el impacto efectivo dependerá del proceso automatizado, las herramientas utilizadas y la intervención humana necesaria para validar los resultados.

Las evaluaciones independientes muestran resultados desiguales

Los avances anunciados por OpenAI presentan matices cuando se contrastan con pruebas externas. Artificial Analysis sitúa a GPT-6.2 Astra en segunda posición de su Intelligence Index, únicamente por detrás de Claude Fable 5.2. Astra mejora cinco puntos respecto a GPT-6 Astra, mientras Sol gana dos puntos frente a su predecesor.

Te puede interesar
Centro de datos

Sin embargo, el Coding Agent Index de la misma organización muestra un comportamiento diferente. Astra mantiene la puntuación de GPT-6 Astra y Sol retrocede tres puntos respecto a GPT-6.1 Sol. La caída de Sol se concentra especialmente en una evaluación relacionada con la capacidad de proporcionar información completa sobre repositorios de código.

Los resultados de Epoch AI también introducen diferencias entre las puntuaciones de referencia y el desempeño en trabajos reales. En una evaluación de tareas abiertas procedentes de sus propias actividades de investigación, GPT-6.2 Astra obtuvo una media del 65%, frente al 82% de Claude Fable 5.2. Ninguno de los modelos alcanzó los estándares exigidos por la organización a sus empleados.

Esta disparidad obliga a distinguir entre eficiencia de procesamiento y calidad del resultado final. Para una empresa, un modelo más económico puede perder parte de su ventaja si requiere comprobaciones adicionales, correcciones frecuentes o intervención especializada.

Precios de GPT-6.2 Astra y Sol y disponibilidad

Los nuevos modelos ya están disponibles en ChatGPT Work y Codex para usuarios Plus, Pro, Enterprise y Edu, además de ofrecerse mediante la API de OpenAI.

Tarifas estándar de la API por millón de tokens

Concepto GPT-6.2 Astra GPT-6.2 Sol
Entrada 8 $ 2 $
Entrada en caché 0,40 $ 0,10 $
Salida 40 $ 10 $

Precios de la API de OpenAI expresados en dólares estadounidenses por millón de tokens.

En Astra, las tarifas de entrada y salida disminuyen un 20% frente a GPT-6 Astra. El precio de la entrada almacenada en caché cae un 60%, hasta los 0,40 dólares por millón de tokens. En Sol, los precios permanecen sin cambios respecto a GPT-6.1 Sol.

La compañía amplía además el acceso al modo Ultrarrápido, disponible por primera vez para suscriptores de Pro 200 con GPT-6.2 Sol. Los usuarios de Pro 500 pueden utilizarlo con ambos modelos, al igual que los desarrolladores mediante la API. En Enterprise y Edu, el acceso depende de la habilitación del administrador y de los requisitos de elegibilidad.

La disponibilidad de dos modelos con distintos niveles de capacidad y coste facilita distribuir las cargas de trabajo según su complejidad. Para las organizaciones que utilizan agentes de IA en producción, la elección tendrá consecuencias directas sobre el presupuesto de inferencia, los tiempos de ejecución y los recursos humanos dedicados a revisar los resultados.

Publicidad

Sigue el análisis de tecnología empresarial en Google

Añade La Ecuación Digital como fuente preferida y verás más análisis sobre inteligencia artificial, cloud, ciberseguridad, infraestructura de datos y transformación digital en tus resultados de Google.

Seguir La Ecuación Digital en Google

Al hacer clic podrás seleccionar La Ecuación Digital como fuente preferida en Google.

Ver Comentarios (0)

Leave a Reply

Utilizamos cookies para facilitar la relación de los visitantes con nuestro contenido y para permitir elaborar estadísticas sobre las visitantes que recibimos. No se utilizan cookies con fines publicitarios ni se almacena información de tipo personal. Puede gestionar las cookies desde aquí.   
Privacidad