Estamos a un paso de la Inteligencia Artificial General… o al menos eso dan a entender las capacidades de GPT-6 Astra, el más reciente modelo de OpenAI. Astra alcanzó 98 por ciento en Tier 4 de FrontierMath, uno de los benchmarks más exigentes para evaluar razonamiento matemático avanzado.
FrontierMath fue desarrollado por Epoch AI, una organización independiente sin fines de lucro dedicada a investigar la evolución de la inteligencia artificial, medir las capacidades de los modelos y estudiar su posible impacto económico y social.
Tier 4, por su parte, corresponde a matemáticas a nivel de investigación y consiste en un conjunto de problemas que fueron desarrollados por matemáticos profesionales, diseñados para exigir un nivel de razonamiento que puede tomar horas o incluso días de trabajo a especialistas. No estamos hablando, por tanto, de resolver ejercicios académicos convencionales, sino de acercarse al tipo de razonamiento utilizado en investigación matemática.
Hay, sin embargo, un detalle que debe ponerse sobre la mesa: OpenAI financió y encargó buena parte del desarrollo de FrontierMath. Específicamente, encargó a Epoch AI 300 problemas del conjunto principal y otros 50 para Tier 4. En este último caso, OpenAI tuvo acceso a 30 de los 50 problemas, mientras los 20 restantes fueron reservados para evaluaciones independientes. La propia Epoch AI reconoce que inicialmente no comunicó esta relación con suficiente claridad y posteriormente publicó una explicación detallada sobre el acuerdo.
Astra también alcanzó 99.9 por ciento en ARC-AGI-3, una prueba interactiva en la que los agentes de IA son colocados en entornos virtuales desconocidos y deben descubrir sus reglas para resolverlos. Según ARC Prize Foundation, una organización sin fines de lucro dedicada a crear evaluaciones abiertas que permitan medir el progreso hacia una inteligencia artificial general y, particularmente, la capacidad de los sistemas para adaptarse y resolver problemas nuevos en lugar de limitarse a reproducir conocimientos adquiridos durante su entrenamiento, el modelo alcanzó prácticamente paridad humana en esta evaluación.
En ciberseguridad logró además 100 por ciento en ExploitBench, que mide la capacidad de convertir vulnerabilidades conocidas en exploits funcionales. Esto no significa que Astra pueda aprovechar cualquier vulnerabilidad que encuentre, pero sus capacidades van considerablemente más lejos: durante otras evaluaciones llegó a descubrir y utilizar dos vulnerabilidades de día cero que no se conocían previamente.
Esto llevó a OpenAI a clasificar Astra en nivel “crítico” dentro de su Marco de Preparación, el sistema utilizado por la compañía para evaluar capacidades de IA que podrían representar riesgos graves. En ciberseguridad, alcanzar ese nivel implica que, con las herramientas y accesos adecuados, un modelo puede encontrar vulnerabilidades desconocidas y desarrollar formas de explotarlas en numerosos sistemas bien protegidos sin necesitar orientación humana en cada paso. Astra es el primer modelo que OpenAI coloca en esta categoría.
Todo esto significa que estamos ante un modelo muy capaz no solo para las tareas cotidianas de redacción y generación de imágenes, sino también para investigación, ciencia, programación, ciberseguridad, navegación y uso autónomo de computadoras. Astra puede ejecutar tareas complejas de varios pasos y desenvolverse en entornos que no conoce previamente.
¿Significa esto que finalmente llegamos a la Inteligencia Artificial General? Esa conclusión sigue siendo debatible porque ni siquiera existe una definición universalmente aceptada de AGI. Jensen Huang, CEO de Nvidia, considera que con Astra hemos entrado formalmente en esa era. Como mínimo, estamos viendo cómo pruebas diseñadas precisamente para encontrar los límites de la inteligencia artificial empiezan a quedarse pequeñas.
