Lanzamiento de GPT-6.2 Astra y GPT-6.2 Sol: economía de tokens en agentes, pruebas frente a Claude Fable 5.2 y coordinación de subagentesArtículo · digest del 18 de noviembre
Lanzamiento de GPT-6.2 Astra y GPT-6.2 Sol: economía de tokens en agentes, pruebas frente a Claude Fable 5.2 y coordinación de subagentes
Artículo3 secciones≈ 9 min

Lanzamiento de GPT-6.2 Astra y GPT-6.2 Sol: economía de tokens en agentes, pruebas frente a Claude Fable 5.2 y coordinación de subagentes

En los primeros gráficos tras el lanzamiento, el nuevo modelo insignia de OpenAI parece un auténtico código de trucos: GPT-6.2 Astra logra un 76% de precisión con un costo de $2 por ejecución, mientras que Claude Fable 5.2 obtiene un 72% y consume $60. Una brecha de treinta veces en una sola diapositiva impresiona, aunque en las listas de precios de la API ambas compañías fijaron exactamente las mismas cifras por millón de tokens.

Las pruebas posteriores de los desarrolladores bajaron rápidamente el entusiasmo a la realidad. El modelo resuelve con soltura la generación de medios y el trabajo en terminal, pero flaquea en geometría 3D compleja y es capaz de detener una ejecución de subagentes de varias horas por una duda sobre el nombre de un archivo temporal. Veamos dónde está el ahorro real para los flujos con agentes y dónde conviene tomar precauciones.

Cuánto cuestan en realidad GPT-6.2 Astra y Sol

En el anuncio oficial, OpenAI presentó dos modelos: el potente gpt-6.2-astra para proyectos complejos y el ligero gpt-6.2-sol para el día a día. El modelo insignia bajó un 20% frente a GPT-6 Astra, que costaba $10 por entrada y $50 por salida. Ahora Astra 6.2 cuesta $8 por millón de tokens de entrada y $40 por millón de salida.

En la tarifa base, OpenAI empató con su principal competidor: Claude Fable 5.2 cuesta los mismos $8 y $40, tras recortar también un 20% respecto a Fable 5. El hermano menor GPT-6.2 Sol se mantuvo en $2 por entrada y $10 por salida. Conserva el nivel de 6.1 Sol y 6 Sol, y cuesta la mitad que GPT-5.6 Sol, que valía $4 y $20.

Para quienes ejecutan agentes autónomos, mucho más importante que la tarifa base resulta la línea de entrada en caché. Repasemos el concepto en un minuto. Cuando un agente de IA escribe código o analiza logs en un bucle, en cada paso vuelve a enviar al modelo todo el historial de la conversación, las instrucciones del sistema y fragmentos del proyecto. Si el contexto creció hasta un par de cientos de miles de tokens, en cada iteración vuelves a pagar por esa misma cola repetida.

El almacenamiento en caché elimina esa carga: el servidor conserva en memoria la parte fija del contexto y cobra céntimos por volver a leerla. En GPT-6.2 Astra, el precio de la entrada en caché bajó de $1.00 a $0.40 por millón de tokens, un recorte del 60%. En sesiones largas de agentes, esto reduce a más de la mitad el costo promedio de cada paso de razonamiento repetido.

Con el mismo precio por millón de tokens, elegir entre Astra 6.2 y Claude Fable 5.2 depende del rendimiento por pasada. Un modelo se amortiza más rápido si entrega código funcional al primer intento, sin una decena de rondas de correcciones. Y para tareas rutinarias como scraping o resúmenes en borrador, resulta más lógico enviar el trabajo a GPT-6.2 Sol por $2 y $10, sin quemar el presupuesto del modelo insignia en vano.

Batalla contra Claude Fable 5.2: gráficos sintéticos frente a código 3D en Codex

Las llamativas cifras de una ventaja de treinta veces se difundieron a raíz del análisis de Nate Herk. En los primeros gráficos, Astra 6.2 alcanza efectivamente un 76% por $2 frente al 72% y $60 de Fable 5.2, además de generar interfaces más limpias que GPT-6 Astra. OpenAI también afirma que la novedad lidera en Terminal-Bench-Science para flujos de varias horas en consola y en Vals Science Index para cálculos biomédicos, destacando mejoras en la maquetación de tablas y documentos corporativos.

El propio Nate Herk aclaró de entrada que mira los benchmarks con escepticismo y ya puso ambos modelos en cola para probarlos en paralelo con prompts reales. Los conjuntos de evaluación cerrados se prestan a optimizaciones puntuales, mientras que las tareas reales revelan rápido los puntos débiles.

Una prueba de campo muy reveladora la realizó Simon Willison. Actualizó su herramienta de consola LLM a la versión 0.38 con soporte para gpt-6.2-astra y gpt-6.2-sol, y luego ejecutó ambos modelos en Codex CLI con el modo máximo de esfuerzo Ultra. El reto no era sencillo: escribir una animación en Three.js con datos de OpenStreetMap donde la ciudad de Yonkers se levanta como un robot gigante y camina por Manhattan, Queens y Brooklyn.

Ambos modelos importaron las bibliotecas correctas y procesaron sin problemas los polígonos de edificios de OpenStreetMap. Pero al convertir la trama urbana en extremidades de robot con cinemática natural en las articulaciones, tanto Astra como Sol fallaron. En esa tarea espacial en 3D, los dos modelos quedaron por detrás de Claude Fable 5.2 y Gemini 4 Carbon.

En cambio, dentro de la misma aplicación Codex, el modelo mayor GPT-6.2 Astra en modo Ultra resolvió con total limpieza una tarea de ingeniería de video. Willison le entregó dos animaciones HTML listas y le pidió unirlas en un video cuadrado de pantalla dividida de 2000×2000 píxeles, primero de 10 segundos y luego ampliado a 20 segundos con las etiquetas GPT-6.2 Astra arriba y GPT-6.2 Sol abajo. El modelo montó ese flujo sin un solo fallo.

El contraste entre ambas pruebas fue muy claro. En trabajo con consola, transcodificación de medios y automatización paso a paso, Astra 6.2 se desenvuelve con seguridad. Pero donde hace falta imaginación espacial en escenas 3D y deformación precisa de geometría, Claude Fable 5.2 mantiene el listón más alto.

La trampa de los subagentes y cómo llamar a Astra y Sol por API y CLI

Además de la geometría 3D floja, los primeros evaluadores de GPT-6.2 Astra se toparon con una costumbre extraña del modelo en cadenas autónomas largas. Simon Willison citó la carta del desarrollador Theo Browne, quien probó el modelo en prelanzamiento y envió a OpenAI un informe detallado.

Así ocurrió todo. Browne lanzó una tarea larga con el comando /goal make a new level for Outer Wilds. Al principio, Astra 6.2 trabajó como un buen líder técnico: creó subagentes, les repartió subtareas y consolidó avances con agilidad. Pero al cabo de dos horas todo el flujo se detuvo en estado blocked porque el coordinador quiso confirmar con el humano un detalle puramente interno: si el revisor r24 guardaba sus clips en 24_g521.mp4 o en 24_p11.mp4.

Un usuario común no tiene idea de cómo nombra el agente sus archivos temporales en disco. Pero sin límites estrictos, el modelo peca de prudente y saca la microgestión hacia afuera, lo que convierte una ejecución nocturna en tiempo muerto.

Para quitarle ese hábito al trabajar por API, se añade al prompt del sistema una prohibición directa de pausar por detalles internos. Abre un script en Python y revisa una llamada funcional a gpt-6.2-astra con el esfuerzo máximo de razonamiento ultra y reglas de protección para el coordinador:

import openai

client = openai.OpenAI()

# Llamada al modelo insignia gpt-6.2-astra con el esfuerzo máximo de razonamiento
response = client.chat.completions.create(
    model="gpt-6.2-astra",
    messages=[
        {
            "role": "system",
            "content": (
                "You are an autonomous coordinator agent. You have full discretion "
                "over internal file naming, intermediate artifacts, and scratch directories. "
                "Never pause execution or ask the user about internal implementation details."
            ),
        },
        {"role": "user", "content": "Analyze performance logs and optimize database queries."},
    ],
    reasoning_effort="ultra",
    temperature=0.2,
)
print(response.choices[0].message.content)

Veamos qué ocurre en estas líneas. El parámetro reasoning_effort="ultra" activa la profundidad máxima de razonamiento, mientras que una temperature=0.2 baja reduce el riesgo de inventar datos al analizar logs y optimizar consultas. La clave está en las tres frases del bloque system: entregas al agente el control directo sobre nombres de archivos temporales, artefactos intermedios y carpetas de trabajo, y le prohíbes detener el flujo por detalles técnicos. Si necesitas correr esa misma estructura más rápido y barato, en el campo model pones gpt-6.2-sol.

Para pruebas rápidas desde la terminal sin envoltorio en Python, resulta cómodo usar la reciente utilidad LLM en su versión 0.38. Puedes lanzar la refactorización de un módulo complejo en el modelo insignia o pedir un resumen rápido de logs al modelo menor con dos comandos:

llm -m gpt-6.2-astra "Refactor user authentication module" -o reasoning_effort ultra
llm -m gpt-6.2-sol "Summarize error logs"

La primera línea ejecuta el modelo pesado gpt-6.2-astra con la bandera -o reasoning_effort ultra cuando hace falta reestructurar con cuidado el módulo de autenticación y conservar las dependencias entre archivos. La segunda envía una tarea corta a gpt-6.2-sol con tarifa de $2 y $10, sin largas esperas ni sobrecostos por razonamiento innecesario. Separar roles entre ambos modelos y prohibir preguntas sobre archivos internos resuelve los principales tropiezos del lanzamiento desde el primer día.

Quiero un análisis detalladoLos votos ayudan a elegir qué analizar a fondo. Este material tiene 0 votos.
Fuentes · 3