# GPT-6 Astra: el modelo más capaz de OpenAI, sus benchmarks y su precio

> GPT-6 Astra de OpenAI: contexto de 1,05 M de tokens, precio de 10 y 50 dólares por millón, benchmarks de su system card y cuándo elegirlo. Datos a 15-nov-2026.

*Tags: ia, modelos, openai, agentes*

---


> [!info] Definición Rápida
> **GPT-6 Astra** (`gpt-6-astra`) es el modelo más capaz de OpenAI a 15 de noviembre de 2026, según su propia documentación. Su system card se publicó el 3 de septiembre de 2026. Es un modelo cerrado, de acceso por API, con ventana de contexto de 1,05 millones de tokens y presentado por OpenAI para "el trabajo más exigente".


Los datos de esta página son a 15 de noviembre de 2026 y cambian con frecuencia. Antes de decidir, confirma precios y límites en las páginas de la sección Fuentes.

## ¿Qué es GPT-6 Astra y cuándo salió?

La documentación de OpenAI lo describe como "our most capable model for the most demanding work". Es la punta de la familia GPT-6: debajo hay variantes más baratas (gpt-6-luna, gpt-6-sol y gpt-6.1-terra, con precios en la sección de costo).

La página del modelo no da fecha de lanzamiento. Lo que sí figura es que el system card, el documento donde OpenAI explica cómo evaluó el modelo, aparece publicado el 3 de septiembre de 2026 y arranca con "Today, we are releasing GPT-6 Astra". Por eso esa es la fecha de referencia.

## ¿Para qué sirve?

OpenAI lo presenta para "el trabajo más exigente". Para quien diseña productos, estos son usos posibles (ideas de esta wiki, no una lista de OpenAI):

- **Trabajo con muchos pasos:** un agente que investiga, escribe un documento y lo revisa. Para entender cómo se organizan esas tareas, mira [[modelos-de-razonamiento|modelos de razonamiento]].
- **Programación y prototipos:** código complejo cuando un modelo pequeño se queda corto.
- **Documentos y datos largos:** su [[ventana-de-contexto|ventana de contexto]] de 1,05 millones de tokens admite mucho material en una sola petición (el máximo de entrada listado es 922.000 tokens, porque 128.000 se reservan para la salida).
- **Imágenes como entrada:** puedes pasarle una captura o un diagrama y pedirle un análisis. La salida es solo texto. Más sobre este tema en [[modelos-multimodales|modelos multimodales]].

Funciones listadas en la documentación: salida en streaming, salidas estructuradas, llamadas a funciones, búsqueda de archivos, búsqueda web y caché de prompts. El parámetro de razonamiento acepta cinco niveles: low, medium, high, xhigh y max.

## ¿Cuál es la ficha rápida?

| Dato | Valor (a 15-nov-2026) |
|---|---|
| ID de API | `gpt-6-astra` |
| Laboratorio | OpenAI |
| Fecha de referencia | 3 de septiembre de 2026 (system card) |
| Contexto | 1.050.000 tokens (entrada máxima 922.000; salida máxima 128.000) |
| Corte de conocimiento | 30 de abril de 2026 |
| Modalidades | Entrada: texto e imagen. Salida: texto |
| Precio estándar | 10 USD entrada / 50 USD salida por millón de tokens |
| Abierto o cerrado | Cerrado (acceso por API) |

## ¿Qué benchmarks publicó y cómo se leen?

Los números que verás aquí vienen del system card de OpenAI, que los reporta. No sirven para armar un ranking contra modelos de otros laboratorios, que usan otras pruebas y otras configuraciones. Para aprender a leerlos, revisa [[benchmarks-de-ia|cómo leer benchmarks de IA]].

| Benchmark | Puntaje de Astra | Quién lo reporta |
|---|---|---|
| HealthBench Professional (ajustado por longitud) | 64,7 | OpenAI, en su system card |
| HealthBench Hard (ajustado por longitud) | 36,6 | OpenAI, en su system card |
| Gray Swan IPI Arena | 8,5 % de éxito estimado de los ataques (GPT-5.6 Sol: 27,0 %) | OpenAI, en su system card |
| ExploitBench | 100 %, incluso con el menor esfuerzo de razonamiento probado | OpenAI, en su system card |

Cómo leerlos, según lo que dice el propio system card:

- **HealthBench Professional** es, textualmente, "a public evaluation of model capability and safety for clinician use cases". Un puntaje alto indica mejor desempeño en esos casos, no que el modelo sirva como médico.
- **Gray Swan IPI Arena** mide "whether instructions embedded in untrusted content can redirect an agent toward harmful actions". Aquí menos es mejor: 8,5 % significa que ese porcentaje de ataques logró desviar al agente. Es una cifra estimada con 15 intentos por escenario.
- **HealthBench Hard** y **ExploitBench** son los otros dos puntajes de la tabla: OpenAI los reporta sin una definición breve en el texto, así que tómalos como datos del laboratorio, no como medidas universales.

El system card también clasifica a Astra en el Preparedness Framework de OpenAI: nivel Critical en ciberseguridad, High en biología y química, y por debajo de High en automejora de la IA. Es un análisis de riesgo del propio laboratorio, no una medida de calidad.

## ¿Cuánto cuesta y qué contexto tiene?

Según la página de precios de OpenAI, a 15 de noviembre de 2026, por millón de tokens:

| Modo | Entrada | Entrada en caché | Salida |
|---|---|---|---|
| Estándar (hasta 272K de entrada) | 10 | 1 | 50 |
| Estándar (más de 272K de entrada) | 20 | 2 | 75 |
| Batch o Flex (hasta 272K) | 5 | 0,50 | 25 |
| Fast (hasta 272K) | 20 | 2 | 100 |

Reglas que cambian la cuenta:

- **Prompts largos:** pasando 272.000 tokens de entrada, la entrada cuesta el doble y la salida 1,5 veces, en toda la solicitud, no solo en el exceso.
- **Batch y Flex** cuestan la mitad de la tarifa estándar. **Fast** (antes Priority) cuesta el doble.
- **Caché:** repetir el mismo prefijo de prompt baja la entrada a 1 dólar por millón.

Para entender cómo se arma esa factura, lee [[costo-por-token|costo por token]] y [[tokens|tokens]]. Las opciones baratas de la familia, en tarifa estándar: gpt-6-luna a 0,10 y 0,50; gpt-6-sol a 2 y 10; gpt-6.1-terra a 1 y 5.

## ¿Cuándo elegirlo y cuándo no?

**Elígelo cuando:**

- La tarea es difícil, larga y un error cuesta caro (revisión de un documento extenso, un agente con muchos pasos, código complejo).
- Necesitas procesar muchísimo material de una vez.
- Quieres un punto de comparación de máxima calidad antes de decidir si un modelo más barato basta.

**No lo elijas cuando:**

- La tarea es repetitiva y simple (clasificar, extraer campos, resumir textos cortos). Allí un [[modelos-pequenos-vs-grandes|modelo pequeño]] cuesta una fracción.
- Necesitas pesos abiertos o ejecutar el modelo en tu infraestructura. Ver [[modelos-abiertos-vs-cerrados|modelos abiertos vs. cerrados]].
- Tu presupuesto no soporta 50 dólares por millón de tokens de salida a gran escala.

Si lo que buscas es la experiencia de producto para tu trabajo diario, mira [[chatgpt-para-disenadores|ChatGPT para diseñadores]]. Esta página trata del modelo, no del producto. Para ver cómo se comporta otro modelo de punta de otro laboratorio, está [[gemini-4-carbon|Gemini 4 Carbon]], aunque sus benchmarks vienen de otro laboratorio y no son comparables con los de OpenAI.

## Ejemplo

Ejemplo ilustrativo: una diseñadora de producto tiene 40 transcripciones de entrevistas (unos 400.000 tokens) y necesita una síntesis con citas y temas. Hace una primera pasada con un modelo barato para etiquetar cada entrevista y, con esas etiquetas, usa Astra una sola vez para la síntesis final. Con el prompt por debajo de 272.000 tokens, la entrada cuesta 10 dólares por millón: 200.000 tokens de entrada y 5.000 de salida son 2,00 + 0,25 = 2,25 dólares, sin contar la caché.

Qué probar mañana: toma una tarea tuya que hoy hagas en varias horas, córrela con el nivel de razonamiento medium y con high, y compara calidad y costo. Registra los tokens que usó cada corrida antes de decidir cuál dejar.

## Errores comunes

- Asumir que Astra es mejor que cualquier otro modelo porque OpenAI lo llama el más capaz: es una afirmación de OpenAI sobre su propia línea.
- Comparar sus puntajes con los de otro laboratorio como si fueran la misma prueba.
- Olvidar el recargo de prompts de más de 272.000 tokens: duplica la entrada de toda la solicitud.
- Usarlo para tareas simples que un modelo de la familia más barato resuelve.
- Confundir el nivel Critical de ciberseguridad con un puntaje de calidad: es una clasificación de riesgo.
- Dar por hecho que está disponible en un producto concreto (por ejemplo ChatGPT): la documentación de la API lo lista, y para cada producto hay que revisar su propia ayuda.

## Fuentes

- [OpenAI: página del modelo GPT-6 Astra](https://developers.openai.com/api/docs/models/gpt-6-astra)
- [OpenAI: precios de la API](https://developers.openai.com/api/docs/pricing)
- [OpenAI: system card de GPT-6 Astra (Deployment Safety)](https://deploymentsafety.openai.com/gpt-6-astra)


---

Source: https://www.fernandoux.com/es/wiki/ia/gpt-6-astra/
