Un modelo más potente no se convierte automáticamente en un agente de escritorio confiable. Es lo que tendría presente al evaluar un agente de escritorio GPT-6 Astra. OpenAI presenta Astra como un gran avance en el uso de computadoras y el trabajo profesional de principio a fin, pero la entrega real sigue dependiendo del entorno que lo rodea: qué puede ver, qué aplicaciones puede utilizar, cómo conserva el estado, cuándo necesita aprobación y qué sucede después de un clic fallido.
Soy Lena. Me detuve aquí porque es muy fácil leer una prueba de un modelo y atribuirle sus resultados a todo un sistema.
Veredicto breve para una tarea entre aplicaciones
Mi respuesta breve: GPT-6 Astra parece suficientemente capaz como para justificar pruebas serias de agentes de escritorio, pero “terminar trabajo real” debe medirse en el entorno de ejecución del agente, no en el nombre del modelo.
OpenAI comunica resultados sólidos de uso de computadoras, incluido un 72,6 % en OSWorld 2.0, según sus propias evaluaciones, en una simulación de latencia de unos 40 minutos por tarea, frente al 65,7 % de GPT-5.6 Sol con unos 75 minutos. Son datos útiles, pero siguen siendo evaluaciones de OpenAI, no una prueba independiente de tu entorno de escritorio.
Para quienes desarrollan estos sistemas, la pregunta útil es más concreta: con una tarea, aplicaciones, permisos y prueba de aceptación fijos, ¿puede el sistema producir el entregable sin correcciones humanas ocultas? Confiaría más en ese tipo de evaluación.
Definir el entregable de escritorio
Archivos de origen, pasos en las aplicaciones y prueba de aceptación
Utilizaría un flujo de trabajo de IA entre aplicaciones reproducible y de bajo riesgo: entregar al agente una hoja de cálculo con un pequeño conjunto de datos operativos, pedirle tres tendencias respaldadas por los datos, crear una presentación de cinco diapositivas, guardarla en una carpeta específica y comprobarla con una lista de aceptación.
La entrada debe ser idéntica en todas las ejecuciones. La hoja es de solo lectura. El agente solo puede usar la aplicación de hojas de cálculo, la de presentaciones y un directorio de salida con escritura. El navegador, el correo, la mensajería y las unidades en la nube permanecen deshabilitados.
La presentación solo aprueba si se abre correctamente, contiene cinco diapositivas, reproduce con exactitud las cifras originales, identifica sus propios cálculos, no introduce afirmaciones externas sin respaldo y utiliza el nombre de archivo solicitado. Suena casi aburrido. Bien. Una prueba de agente de escritorio se vuelve difícil de interpretar en cuanto la propia tarea empieza a cambiar.
Qué aporta Astra en la capa del modelo
Comprensión de la interfaz, razonamiento y selección de herramientas
La capa del modelo interpreta lo que ve y las instrucciones, elige la siguiente acción y determina cuándo necesita más información. La documentación del modelo GPT-6 Astra de OpenAI enumera actualmente uso de computadoras, búsqueda de archivos y web, intérprete de código, shell alojado, MCP y otras herramientas compatibles. Astra tiene una ventana de contexto de 1,05 millones de tokens y admite hasta 128.000 tokens de salida.
Los precios actuales de la API son de 10 USD por millón de tokens de entrada, 1 USD por millón de tokens de entrada en caché y 50 USD por millón de tokens de salida. Con entradas superiores a 272K tokens, toda la solicitud pasa a una tarifa mayor. El costo importa en una sesión larga de uso de computadoras con GPT-6 Astra, pero el precio por token no indica cuánto cuesta completar una tarea de escritorio.
Astra puede decidir que un gráfico va en la tercera diapositiva. El entorno debe seguir haciendo accesible ese gráfico, ejecutar la acción, conservar el estado del archivo, verificar que se pegó correctamente y recuperarse si la aplicación muestra un diálogo inesperado.
Volví a este punto porque la distinción cambia el diagnóstico. Una tendencia incorrecta puede ser un fallo de razonamiento. Una tendencia correcta pegada en la diapositiva equivocada puede ser un problema de estado de la interfaz o del entorno de ejecución.
Qué debe proporcionar el entorno del agente de escritorio
Permisos, aislamiento, aprobaciones y recuperación
Un entorno serio debe explicitar los permisos antes de empezar. En esta prueba permitiría leer la hoja original y escribir únicamente en el directorio de salida. Enviar datos, modificar cuentas externas, instalar software o acceder a otro sistema debe quedar bloqueado o requerir aprobación.
Estas protecciones del entorno del agente no son solo precauciones ante un modelo potente. La guía de amenazas de IA agéntica de OWASP trata herramientas, identidad, permisos, memoria y supervisión humana como componentes separados de seguridad. La enseñanza para desarrolladores es clara: mejorar el razonamiento no vuelve automáticamente más segura cada credencial o herramienta conectada.
La recuperación importa tanto como los permisos. El entorno debe saber si una acción terminó realmente, conservar suficiente estado para continuar, reintentar dentro de un presupuesto definido y detenerse limpiamente cuando el entorno deja de coincidir con lo esperado. Si una caída de la aplicación de hojas de cálculo solo permite “empezar todo de nuevo”, el sistema no ha resuelto el trabajo prolongado.
Probar la finalización con un entorno fijo
Un registro útil contiene más que aprobado o fallido. Conservaría la suma de comprobación de la fuente, el ID del modelo, el nivel de razonamiento, herramientas habilitadas, política de permisos, versiones de aplicaciones, inicio y fin, solicitudes de aprobación, reintentos, pasos fallidos y hash del entregable final.
Así existe un punto de referencia estable cuando cambia Astra o el entorno de escritorio.
Calidad del resultado e intervención humana
El mejor resultado no es “las diapositivas se ven bien”, sino “la presentación satisface la prueba de aceptación predefinida sin ediciones manuales”.
La intervención humana debe contarse, no desaparecer discretamente del relato. Si tengo que corregir dos cifras, mover un gráfico o señalar dónde perdió el hilo el agente, puede seguir siendo útil, pero no es finalización autónoma.
No cuento con una ejecución registrada de forma independiente en este entorno exacto, así que no inventaría un porcentaje de finalización. Los resultados publicados por OpenAI justifican probar Astra; no demuestran que cualquier agente construido con él reproduzca esas cifras.
Tiempo, costo y recuperación de pasos fallidos
En cada ejecución registraría tiempo transcurrido, tokens del modelo, actividad de herramientas facturada por separado cuando corresponda, número de reintentos y minutos de intervención humana. La métrica útil es el costo por entregable aceptado, no el precio bruto por token.
Un modelo con tokens más caros puede reducir el costo por tarea terminada si evita varios reintentos. También puede ocurrir lo contrario. Sin las mismas entradas, permisos, aplicaciones y prueba de aceptación, afirmaciones como “más rápido” o “más barato” son difíciles de auditar.
Límites y compromisos
La capacidad de Astra para usar computadoras no crea por sí sola un estado de escritorio duradero. El estado pertenece al sistema completo: archivos, sesiones de aplicaciones, puntos de control, permisos, historial de tareas y registros. Los trabajos más largos acumulan oportunidades de estados de interfaz obsoletos, diálogos inesperados, errores de herramientas y cambios externos.
La investigación de agentes de MITRE ATLAS resulta útil más allá de un solo producto. Su trabajo de 2026 sobre sistemas agénticos destaca límites de permisos, invocación restringida de herramientas, telemetría y controles con intervención humana cuando los agentes actúan en distintos entornos operativos.
Conviene mantener visible otro límite. OpenAI afirma que Astra utiliza un monitoreo reforzado capaz de alertar, pausar o detener ciertos trabajos al detectar una posible desalineación. En producción, una interrupción debe ser un estado esperado con una ruta de recuperación, no una caída excepcional.
Mantengo esta conclusión abierta: Astra parece hacer avanzar la capa del modelo, pero la calidad en producción depende de convertir esa capacidad en trabajo controlado y recuperable.
Preguntas frecuentes
¿Qué cuentas de ChatGPT y de la API tienen acceso a GPT-6 Astra actualmente?
Al 8 de septiembre de 2026, el despliegue sigue siendo gradual. OpenAI indica que GPT-6 Pro, impulsado por GPT-6 Astra, está llegando a ChatGPT Pro de 100 USD, Pro de 200 USD, Business y Enterprise; Plus recibe Astra en ChatGPT Work y Codex según se habilita cada cuenta. En la API se utiliza el modelo gpt-6-astra donde esté disponible; el nivel Free de la API no es compatible. El Centro de ayuda llama a la opción de chat “GPT-6 Pro, powered by GPT-6 Astra”, mientras la publicación del 3 de septiembre también usa “GPT-6 Astra Pro”; los nombres oficiales aún no son totalmente consistentes.
¿Pueden los usuarios de la API fijar una versión de GPT-6 Astra con fecha?
La página del modelo describe compatibilidad con snapshots, pero al realizar esta revisión no veo publicado un ID de snapshot de Astra con fecha en su lista. No prometería esa posibilidad hasta que OpenAI publique explícitamente el identificador.
¿Qué controles de retención se aplican a capturas y archivos?
Depende del producto. En ChatGPT agent, las capturas permanecen asociadas al historial hasta que se elimina la conversación; OpenAI dice que los chats eliminados y sus capturas se retiran de sus sistemas en un plazo de 90 días. En la API, una Response utiliza store=true por defecto y los datos de respuesta almacenados se conservan al menos 30 días, sujetos a excepciones. Los archivos subidos fuera de lotes generalmente permanecen hasta su eliminación manual; los de lotes caducan a los 30 días. Zero Data Retention y las configuraciones empresariales pueden modificar el comportamiento, así que no existe un único “periodo de retención de Astra” para todos los despliegues.
¿Se pueden exportar las trazas de acciones para auditorías?
La Responses API representa las acciones de computadora en objetos de respuesta, por lo que los desarrolladores pueden capturar y exportar sus registros. OpenAI también ofrece registros de auditoría de organización para eventos de usuario y configuración compatibles. No encontré documentación actual que afirme que ChatGPT ofrece una exportación lista para usar con todas las acciones de computadora en una trayectoria completa; mantendría separadas ambas capacidades.
¿Qué límites de uso se aplican a sesiones largas?
La documentación actual de Astra enumera 500 RPM y 500.000 TPM para Tier 1, hasta 15.000 RPM y 40 millones de TPM para Tier 5; Free no está admitido. Las sesiones largas también dependen del comportamiento de herramientas, latencia de aplicaciones y política de reintentos, por lo que esos límites no definen por sí solos la capacidad práctica.
Para mí, esta es la forma útil de entender un agente de escritorio GPT-6 Astra: no como un modelo que sustituye estado, permisos, recuperación o supervisión, sino como una capa más potente de razonamiento y uso de computadoras dentro del sistema. Empezaría por la tarea de hoja de cálculo a presentación, limitaría los permisos, conservaría todos los artefactos y compararía entregables aceptados antes de ampliar el alcance.
Esa es la observación de hoy. No una conclusión definitiva.
Publicaciones anteriores:
- Para entender la categoría antes de evaluar Astra, compañero de trabajo de IA frente a agente de escritorio explica las diferencias entre promesas de rol, acceso a la computadora, memoria y control del usuario.
- Sobre el sistema alrededor de Astra, arquitectura de agentes de IA: herramientas, memoria y planificación relaciona modelos, herramientas, memoria, planificación, permisos y recuperación.
- Para probar el entorno y no solo el nombre del modelo, ingeniería de entornos de agentes de IA explica por qué hacen falta entornos controlados, ciclos de evaluación y ejecución observable.
- Sobre seguridad, restricciones de comportamiento de agentes de IA muestra por qué hay que establecer límites antes de acceder a archivos, aplicaciones, navegadores o sistemas externos.
- Para pruebas reproducibles y auditables, reproducción determinista para agentes LLM explica qué registros conservar sobre herramientas, cambios de estado, aprobaciones, fallos y entregables.
