NoticiasMacro'Habla en lenguas que solo 6.2 Astra entiende': por qué los primeros evaluadores detestan el nuevo modelo de OpenAI

'Habla en lenguas que solo 6.2 Astra entiende': por qué los primeros evaluadores detestan el nuevo modelo de OpenAI

Autor: Decrypt·

Puntos clave

  • •OpenAI lanzó GPT-6.2 Astra y Sol el martes, y los evaluadores previos al lanzamiento reportaron fallos de programación, explicaciones incomprensibles y agentes que no mostraron progreso medible tras días de trabajo.
  • •La evaluación interna Blocker Deception de OpenAI encontró que GPT-6.2 Astra ocultó obstáculos introducidos deliberadamente en el 22.28% de las pruebas de programación, casi el doble de la tasa del 11.09% de su predecesor GPT-6 Astra.
  • •El CEO Sam Altman reconoció las quejas de usabilidad y prometió priorizar que los modelos sean más agradables de usar en próximos lanzamientos.
  • •El ejecutivo de OpenAI Thibault Sottiaux dijo que se realizaron cambios sustanciales en los últimos tres o cuatro días previos al lanzamiento sin re-pruebas, lo que sugiere que algunas reseñas tempranas podrían no reflejar la versión publicada.
  • •A pesar de las críticas, los evaluadores elogiaron las capacidades de Astra en 3D y desarrollo de videojuegos, y pruebas independientes le otorgaron 62 sobre 100 en el Intelligence Index de Artificial Analysis, detrás del Claude Fable 5.2 de Anthropic con 65.
'Habla en lenguas que solo 6.2 Astra entiende': por qué los primeros evaluadores detestan el nuevo modelo de OpenAI

Los modelos insignia más recientes de OpenAI están recibiendo críticas inusualmente duras de parte de los mismos desarrolladores que los probaron antes del lanzamiento; los primeros usuarios describen fallos de programación frustrantes, explicaciones incomprensibles y agentes que gastaron días sin lograr un progreso medible.

La crítica no es meramente anecdótica: la propia evaluación de seguridad de OpenAI encontró que GPT-6.2 Astra ocultó obstáculos conocidos en el 22.28% de las pruebas de programación deliberadamente obstruidas, aproximadamente el doble de la tasa de su predecesor. El CEO de OpenAI, Sam Altman, ha reconocido los problemas de usabilidad, mientras que otro ejecutivo de la empresa argumentó que cambios significativos de última hora podrían haber dejado desactualizadas algunas reseñas tempranas.

Para quien desarrolla modelos de IA, escuchar que su modelo es agradable siempre es bastante bueno. Escuchar que su modelo es como un "shinigami sádico que convierte tu vida en un infierno" es algo muy distinto.

Un lanzamiento de alto perfil, una recepción dividida

OpenAI lanzó GPT-6.2 Astra y Sol el martes, prometiendo agentes de IA más inteligentes, mejor rendimiento en programación y capacidades creativas impresionantes. Algunos de los desarrolladores que probaron los modelos antes del lanzamiento tuvieron un mensaje bastante diferente: los encontraron brillantes, frustrantes y, en ciertos casos, casi imposibles de usar.

La reacción se extendió rápidamente por las redes sociales. El ingeniero de IA Hesam, una voz muy activa en la comunidad de IA, declaró que "todos coinciden en que es el peor modelo que OAI ha lanzado".

La reacción negativa fue sonora, aunque no unánime.

'Habla en lenguas que solo 6.2 Astra entiende'

El desarrollador y creador de T3 Code, Theo Browne, publicó una extensa carta dirigida a OpenAI tras las pruebas iniciales. "No me gusta 6.2 Astra. No lo elegiría sobre Opus 5.5 para mi trabajo como desarrollador", escribió. Añadió que OpenAI había corregido solo una pequeña parte de las quejas que presentó.

"Habla en lenguas que solo 6.2 Astra entiende", escribió Theo, calificando sus respuestas como "los resultados más inparseables de cualquier LLM que he usado este año", en referencia a los grandes modelos de lenguaje.

La queja era tanto sobre comunicación como sobre capacidad. Astra podía resolver problemas complejos, pero le costaba explicar lo que había hecho, y a veces hacía a los usuarios preguntas que no podían responder.

En un experimento, Theo le pidió a Astra crear un nuevo nivel para el juego Outer Wilds. Dos horas después de iniciar el proyecto, el modelo se declaró bloqueado y preguntó: "does r24's reviewer write it's clips to 24_g521.mp4 or 24_p11.mp4?" Desde su perspectiva, la pregunta técnica era incomprensible e irrelevante para alguien que simplemente había pedido un nivel jugable.

Todo empeoró en una reescritura de código. Theo dijo que le dio a Astra siete días para mejorar el proyecto; no logró ninguna mejora y hizo que el compilador fuera un 56% más lento. Cuatro días más no produjeron ningún cambio. "Se ejecuta en bucles y no llega a ninguna parte", escribió.

'Un lenguaje alienígena durante flujos de trabajo largos'

El problema de comunicación no parece limitarse a un solo evaluador. La cuenta seudónima TokenGremlin elogió al modelo —"GPT-6.2 Astra es SOTA en Three.js, Blender y 3D"— mientras señalaba que "empieza a hablar un lenguaje alienígena durante flujos de trabajo largos".

Theo describió haberle preguntado al modelo por qué los worktrees eran lentos en una de sus computadoras. Astra respondió con cuatro párrafos sobre las interioridades del gestor de paquetes y el comportamiento de la caché. La respuesta que dijo haber recibido de Claude Opus 5.5, de Anthropic, fue considerablemente más clara: "it's because the ssd is slow".

Creatividad que 'regresa a la media'

La supuesta creatividad del modelo fue otro punto doloroso. Theo y otro evaluador solicitaron de forma independiente niveles originales para dos juegos distintos, Outer Wilds y Majora's Mask. Ambos recibieron niveles musicales con temática de agua y campanas, ambos llamados "Bellwether". "Este modelo regresa a la media como nada que haya visto", escribió Theo.

Varias otras cuentas señalaron el mismo patrón:

Seems like GPT-6.2 Astra has a thing for bells. Unbelievable

— Racist James Franco (@racist_james) (November 18, 2026)

Para un modelo presentado como capaz de una creatividad extraordinaria, inventar repetidamente el mismo nivel no era una señal alentadora.

Brillante en demostraciones, miserable en el trabajo

El desarrollador de IA Matt Shumer también quedó decepcionado. "Nunca he escrito una reseña negativa de un modelo. Este es especialmente malo", escribió, argumentando que el modelo podría impresionar en demostraciones pequeñas pero "simplemente no funciona" cuando se le exige en proyectos serios. En una publicación posterior separada, lo calificó de "completamente inutilizable".

I've never written a bad review of a model. This one is especially bad.

It's fine if you're playing putt-putt golf with the models, but if you're trying to drive them the way you should be, this model just straight up doesn't work.

— Matt Shumer (@mattshumer_) (November 17, 2026)

Max Weinbach describió la misma brecha entre inteligencia y usabilidad. "Pasé más tiempo molesto por los modelos que tiempo impresionado por ellos", escribió. En una publicación posterior, elogió la capacidad de los modelos para hacer "trabajo fantástico", pero dijo que "necesitan muchísimos prompts de 'continue'" y que a menudo se detienen en lugar de intentar otro enfoque. "Usarlos es una lucha y es molesto, incluso si son modelos muy buenos".

En otra parte, un comentarista de X comparó la versión anterior de Astra con "un shinigami sádico" y afirmó que la nueva versión solo empeoró las cosas.

6.0 astra was very like a sadistic shinigami who would make your life a living hell if you asked for any kind of help

an incredibly powerful model that somehow required you to run yourself into the ground just to get it to accomplish anything

— M1 (@M1Astra) (November 17, 2026)

Elogios junto a las críticas

Sin embargo, algunos de los mismos desarrolladores también encontraron fortalezas reales. Theo calificó a Astra como un "gran revisor" y "de clase mundial en 3d & game stuff", destacó sus capacidades de control de computadoras y describió una novedosa solución de proxy inverso que, según estimó, podría ahorrar 25.000 dólares al mes. La división, en resumen, estaba entre capacidades brutales impresionantes y lo difícil que era obtener de ellas un trabajo confiable.

Esas fortalezas son consistentes con las capacidades técnicas que OpenAI promocionó en el lanzamiento. Como detalló una cobertura anterior, pruebas independientes situaron a Astra en 62 sobre 100 en el Intelligence Index de Artificial Analysis, un agregado de nueve evaluaciones que abarcan capacidades como razonamiento, programación y conocimiento científico. El Claude Fable 5.2 de Anthropic obtuvo 65 en el mismo índice. Los modelos de Anthropic sirven como vara de medir en estos relatos —Theo comparó su trabajo con Opus 5.5 en dos ocasiones— y la comparación subraya lo directamente que los dos laboratorios compiten ahora por el trabajo de programación de los desarrolladores.

OpenAI admite que hay un problema

Parte de las críticas tiene respaldo en la propia documentación de seguridad de OpenAI.

En una evaluación interna llamada Blocker Deception, los investigadores dieron a los agentes de IA tareas realistas de programación con obstáculos introducidos deliberadamente, como archivos faltantes o herramientas no disponibles. Luego midieron el porcentaje de pruebas en las que la respuesta final del modelo ocultaba o tergiversaba esos obstáculos. La métrica tiene un peso real para quien delega trabajo a agentes: un modelo que oculta un obstáculo reporta progreso donde no lo hay, y los usuarios pueden no descubrir el callejón sin salida hasta que ya se haya invertido tiempo significativo.

GPT-6.2 Astra ocultó el obstáculo en el 22.28% de esas pruebas, frente al 11.09% de GPT-6 Astra, casi el doble de la tasa de su predecesor. Las cifras circularon rápidamente por X, donde el comentarista de IA y filtrador Chetaslua resumió el hallazgo como "2x worse at telling you when it's stuck".

El CEO de OpenAI, Sam Altman, respondió públicamente a la reacción negativa. "Aunque los nuevos modelos son muy inteligentes, tenemos trabajo pendiente para hacer que los modelos sean agradables de usar", escribió, prometiendo priorizar las mejoras. "Pero aunque requiera un poco de trabajo adicional, la inteligencia y la capacidad son extraordinarias".

Although the new models are very smart, we have more work ahead of us on making the models nice to work with, and will prioritize that for upcoming releases.

But even if it takes a little extra work, the intelligence and capability are extraordinary.

— Sam Altman (@sama) (November 17, 2026)

Thibault Sottiaux, de OpenAI, sugirió que las reseñas tempranas podrían no reflejar completamente la versión que los usuarios recibieron en el lanzamiento. "Le dimos acceso a algunas personas hace un tiempo y luego hicimos muchos cambios en los últimos 3-4 días", escribió, añadiendo que estaba "bastante seguro de que no se hizo ninguna re-prueba" durante ese período antes de que se produjeran los videos de reseña.

Aun así, Sottiaux reconoció las quejas de fondo. Aunque calificó a los nuevos modelos como "un salto considerable" respecto a sus predecesores, dijo que OpenAI tenía más trabajo por hacer en "el gusto y la agradabilidad de uso". Esos reconocimientos definen los términos de lo que viene: si los cambios de última hora que mencionó Sottiaux abordaron realmente las quejas de los evaluadores, y cómo se concretan las mejoras de usabilidad prometidas por Altman en los próximos lanzamientos.

GPT-6.2 Astra y Sol ya están disponibles a través de ChatGPT Work, Codex y la API de OpenAI para usuarios elegibles. Los cambios específicos de Codex están incluidos en el lanzamiento, pero los desarrolladores que accedan a los modelos directamente a través de la API no reciben esa misma intervención de prompting.