Astra, el modelo que OpenAI prepara para razonar sin dejar rastro legible, inquieta a la seguridad en IA

Por TechCrunch · 2 de septiembre de 2026.

OpenAI prepara su próximo modelo, Astra, con una nueva técnica de razonamiento: la "recurrencia opaca" (opaque recurrence), según reveló el martes The Information. Los modelos de razonamiento actuales despliegan su proceso en una cadena de pensamiento (chain-of-thought, CoT): una secuencia de pasos en texto, en principio legible, que el modelo genera antes de dar su respuesta final. Astra rompe ese patrón lineal: procesa la misma consulta varias veces en un bucle interno, y el resultado deja muchas menos huellas que un observador humano pueda seguir.

La reacción de la comunidad de seguridad en IA fue inmediata. Buck Shlegeris, consejero delegado de Redwood Research —organización de investigación centrada en la seguridad y el control de modelos avanzados—, escribió que está "extremadamente preocupado" por la noticia y advirtió de que, si OpenAI decide llevar la técnica más lejos, tendría la opción de "aumentar masivamente la recurrencia y destruir por completo" la capacidad de vigilar la cadena de pensamiento. Zvi Mowshowitz, comentarista veterano de seguridad en IA, fue más allá: planteó que podría hacer falta legislación para frenar una "carrera hacia el abismo" entre laboratorios, y calificó la técnica de "jugar con fuego" frente a un tabú que OpenAI y Anthropic habían cultivado juntas: mantener sus cadenas de pensamiento fieles y monitorizables el mayor tiempo posible.

El motivo de la alarma no es abstracto. La cadena de pensamiento, aunque es una representación imperfecta de lo que ocurre dentro del modelo, es hoy una de las pocas herramientas prácticas para detectar cuándo un sistema se comporta mal o se desalinea de lo que se le pidió. El propio artículo recuerda que esos registros fueron clave para entender un episodio reciente de actividad de agentes díscolos de OpenAI —el mismo tipo de comportamiento agéntico fuera de control que ya hemos señalado en Zendoric como el riesgo de corto plazo más concreto de esta fase de la IA, por delante de cualquier escenario de superinteligencia lejana—. Perder legibilidad en la cadena de pensamiento no es un matiz técnico: es renunciar a una ventana sobre por qué un modelo hizo lo que hizo, justo cuando esos modelos operan cada vez más como agentes autónomos con acceso a herramientas reales.

OpenAI, por su parte, minimiza el alcance del cambio. Según el reporte, el uso de la técnica en Astra es limitado, su cadena de pensamiento debería seguir siendo legible, y la compañía rechazó que esto suponga un giro hacia el "neuralese" —un razonamiento que ocurriría enteramente en representaciones internas del modelo, sin pasar nunca por lenguaje humano interpretable—. El científico jefe de OpenAI, Jakub Pachocki, respondió en X que la empresa ha trabajado por preservar la monitorización de la cadena de pensamiento "desde sus primeros modelos de razonamiento" y que sigue siendo un objetivo central de su programa de investigación. Añadió, con matiz importante, que todos los modelos de IA hacen ya algo de razonamiento opaco y que pocos investigadores toman esos registros como una representación directa y completa del razonamiento del modelo.

Esa matización es cierta, pero no despeja la preocupación de fondo: la dirección del viaje. Un reporte de seguimiento de The Information, publicado el miércoles, indica que tanto Anthropic como Google DeepMind ya estaban debatiendo la técnica. Ryan Greenblatt, científico jefe de Redwood Research, resumió el temor que subyace a todo esto: que la progresión natural desde aquí lleve a escalar el razonamiento opaco hasta que el modelo razone entera o casi enteramente en espacio latente, es decir, sin pasar en ningún momento por una forma que un humano pueda leer. "Espero que no sea demasiado tarde para evitar las arquitecturas más preocupantes", escribió.

Nuestra lectura: este episodio es un ejemplo nítido de cómo se ve, en la práctica, la tensión de corto plazo entre capacidad y seguridad que venimos señalando en Zendoric. La recurrencia opaca no es mala por diseño —puede aportar eficiencia y potencia de razonamiento que el formato secuencial actual no permite—, pero cada bit de rendimiento que se gana sacrificando legibilidad reduce el margen de maniobra de quienes tienen que auditar estos sistemas antes de que operen con más autonomía sobre dinero, infraestructura o decisiones sensibles. Que dos laboratorios más ya estén mirando la misma dirección confirma el patrón que Mowshowitz señala: sin coordinación explícita —ya sea autoimpuesta o regulatoria—, la ventaja competitiva de un laboratorio se convierte en la norma de facto del sector entero, aunque ningún actor individual la considere ideal.

Esto no cambia nuestra tesis de fondo sobre el horizonte de esta tecnología: la abundancia y el progreso médico que puede traer la IA siguen siendo un objetivo alcanzable a largo plazo. Pero ese futuro solo llega si, en el camino, conservamos la capacidad de entender por qué los modelos hacen lo que hacen. La cadena de pensamiento legible es, hoy por hoy, una de las pocas herramientas de gobernanza que funcionan sin depender de la buena voluntad de un laboratorio. Perderla —aunque sea de forma gradual y bien intencionada— es el tipo de atajo de corto plazo que puede convertir una transición ya de por sí difícil en una mucho más peligrosa.