GPT-6.2 Astra de OpenAI toma el primer lugar del benchmark AA-3D de experiencias 3D interactivas
Puntos clave
- •GPT-6.2 Astra ganó 139 de 152 comparaciones directas a ciegas evaluadas por jueces humanos en el benchmark AA-3D.
- •Astra registró 1,318 Elo, 47 puntos por encima de Claude Fable 5.2 de Anthropic en 1,271, mientras que GPT-6.2 Sol obtuvo 1,259.
- •El benchmark AA-3D abarca 55 tareas en las que los modelos deben producir aplicaciones web 3D funcionales a partir de instrucciones de texto, clasificados mediante votos humanos a ciegas.
- •En el benchmark de razonamiento físico AA-Robotics v0.1, Astra obtuvo 79, por encima de Sol con 78 y Claude Fable 5.2 con 75.
- •OpenAI fijó el precio de GPT-6.2 Astra en $8 por millón de tokens, un 20% por debajo de los $40 de GPT-6 Astra, mientras que se informa que GPT-6.2 Sol cuesta alrededor del 15% del costo por tarea de GPT-6 Astra.

GPT-6.2 Astra de OpenAI se sitúa ahora en la cima de AA-3D, un benchmark que evalúa qué tan bien los modelos de IA construyen experiencias 3D interactivas a partir de instrucciones de texto simples. Cuando los jueces humanos compararon sus escenas con las de modelos rivales, eligieron el trabajo de Astra en 139 de 152 enfrentamientos.
El ranking proviene de Artificial Analysis, la firma de evaluación independiente que mantiene el leaderboard de AA-3D, y llega poco después de que OpenAI lanzara GPT-6.2 Astra junto con un modelo hermano, GPT-6.2 Sol, el 17 de noviembre de 2026. El resultado devuelve el primer puesto a OpenAI en un leaderboard que ambas compañías han intercambiado en las últimas semanas.
Cómo se comparan las puntuaciones
GPT-6.2 Astra obtuvo una puntuación de 1,318 Elo en AA-3D, la más alta entre todos los modelos evaluados por Artificial Analysis. Elo es una calificación relativa, un sistema utilizado desde hace mucho tiempo en el ajedrez y otros juegos competitivos: un modelo gana puntos al vencer a otros modelos en enfrentamientos directos y los pierde en las derrotas, por lo que la cifra solo tiene significado junto a la de sus rivales.
Esos rivales quedan atrás por un margen visible. Claude Fable 5.2 de Anthropic llegó a 1,271, una brecha de 47 puntos respecto a Astra, mientras que GPT-6.2 Sol, también de OpenAI, se quedó en 1,259 Elo.
La metodología es importante aquí. AA-3D se basa en evaluadores humanos que realizan comparaciones a ciegas, es decir, juzgan las escenas sin saber qué modelo las produjo, de modo que el reconocimiento de marca no influya en la valoración.
Qué mide realmente AA-3D
El benchmark abarca 55 tareas en una variedad de dominios, todas enfocadas en la generación 3D interactiva. Los modelos reciben una instrucción de texto y deben producir una aplicación web 3D funcional en respuesta. Dado que el resultado requerido es una aplicación en funcionamiento y no un renderizado estático, el benchmark evalúa si un modelo puede llevar una instrucción hasta un software utilizable, y luego los votos humanos a ciegas deciden cuál de esos resultados funcionales prefieren las personas.
La ventaja de Astra también se extiende más allá del renderizado 3D puro hacia tareas de razonamiento físico. En AA-Robotics v0.1, otro benchmark de Artificial Analysis, Astra obtuvo 79. Sol siguió de cerca con 78, mientras que Claude Fable 5.2 registró 75.
Precios y la cuestión del costo
OpenAI ha fijado el precio de API de GPT-6.2 Astra en $8 por millón de tokens, un 20% menos que el precio de $40 de GPT-6 Astra.
Sol cuenta una historia de costos aún más marcada. Se informa que GPT-6.2 Sol opera a aproximadamente el 15% del costo por tarea de GPT-6 Astra, mientras obtiene una puntuación de 57 en el Artificial Analysis Intelligence Index.
OpenAI cuenta, por tanto, con una línea de productos claramente de dos niveles. Astra es el desempeño premium que encabeza los leaderboards, mientras que Sol es la opción económica que aun así compite dignamente en las mismas pruebas. Para los desarrolladores que comparan opciones, esto significa que el modelo que los jueces humanos prefieren actualmente también es el más barato de las dos generaciones Astra.
Antecedentes: la rivalidad entre OpenAI y Anthropic
Artificial Analysis lanzó el benchmark AA-3D el 12 de octubre de 2026 para evaluar específicamente el progreso de la IA en la creación de experiencias 3D interactivas. Las primeras evaluaciones de octubre mostraron un panorama competitivo en el que los mejores modelos de Anthropic y OpenAI estaban muy parejos, con Claude Fable 5.2 tomando inicialmente la delantera en las actualizaciones de noviembre. Los resultados recientes tras el lanzamiento de GPT-6.2 Astra y Sol han reconfigurado la tabla. Dada la velocidad con la que se ha movido la cima de este leaderboard desde octubre, las próximas actualizaciones de evaluación mostrarán si Anthropic acorta la brecha o si OpenAI amplía su ventaja.
Qué significa esto
Para los desarrolladores que construyen experiencias web 3D, la conclusión práctica es que GPT-6.2 Astra produce actualmente las escenas que las personas prefieren con mayor frecuencia. El registro de 139 de 152 en preferencias es la estadística más relevante aquí, porque refleja a personas reales eligiendo un resultado sobre otro.
Para Anthropic, los resultados fijan un objetivo claro. Una brecha de 47 puntos de Elo en AA-3D es significativa, y el tercer lugar de Claude Fable 5.2 en robótica añade presión para responder tanto en generación visual como en tareas de razonamiento físico.
Este artículo se basa en una nota de CryptoBriefing editada por Diego Almada Lopez.