Huang declara la era de la AGI con GPT-6 Astra: quien vende los chips no es el árbitro neutral

Por Zendoric · 8 de septiembre de 2026.

OpenAI lanzó el 3 de septiembre GPT-6 Astra, su modelo más avanzado, descrito por la compañía como el mejor del mundo en uso de ordenador, navegación web y escritura de software. Tres días después, el CEO de Nvidia, Jensen Huang, escribió en X que «la AGI ha llegado», atribuyendo ese umbral —inteligencia artificial general, la capacidad de igualar o superar a un humano en cualquier tarea cognitiva— al nuevo modelo. El propio Greg Brockman, presidente de OpenAI, se quedó corto de esa afirmación: dijo a los periodistas que «personalmente» cree que estamos en «la era de la AGI», pero dejó el veredicto a los usuarios, según recogió Wired. Quien pone la etiqueta con rotundidad no es quien construyó el modelo.

Los números que acompañan el lanzamiento son, en cualquier caso, notables. Astra logró un 99,9% en ARC-AGI-3 (un test de razonamiento abstracto diseñado para resistirse a la memorización, donde el humano promedio saca un 48%), un 98% en FrontierMath Tier 4 (problemas de matemáticas de nivel de investigación) y un 100% en ExploitBench, según datos de OpenAI verificados por Blockonomi. En la práctica, el modelo ya gestiona tareas que hasta ahora resistían la automatización: pedir cita en el DMV, buscar empleo, encontrar apartamento, actualizar un CRM u organizar una agenda. También es el primer modelo con clasificación «Crítica» en capacidad cibernética, es decir, capaz de operar de forma autónoma en tareas de seguridad complejas, incluida la detección de vulnerabilidades desconocidas. El precio, eso sí, es alto: 10 dólares por millón de tokens de entrada y 50 por millón de salida, muy por encima de la competencia. Brockman defiende que la métrica correcta ya no es el precio por token sino el precio por tarea completada, donde OpenAI afirma un coste un 57% menor que su predecesor.

Huang no llega a esta declaración de forma limpia. En marzo de 2026, en el podcast de Lex Fridman, ya dijo «estamos ahí, hemos alcanzado la AGI». El 27 de agosto, en la presentación de resultados del segundo trimestre, matizó: «para muchas tareas, podríamos decir que ya hemos alcanzado la AGI», y calificó varios de esos hitos como «sin sentido», según CryptoBriefing. Menos de dos semanas después volvió a proclamarlo sin matices. En el mismo mensaje del 6 de septiembre en el que declaraba el hito filosófico, Huang anunció que 400.000 GPU adicionales de Nvidia entrarán en operación próximamente; además, según reportó El Colombiano, había publicado antes una cifra de 300.000 sistemas de entrenamiento usados para Astra, borró el mensaje y lo sustituyó por 100.000 sin explicación, mientras la cifra de las 400.000 GPU nuevas se mantuvo intacta. Ese patrón —rectificar la cifra técnica pero no la venta— dice bastante de qué parte del mensaje importa más.

El conflicto de interés no es sutil. Nvidia vendió el hardware con el que se entrenó Astra y mantiene una participación estimada en 30.000 millones de dólares en OpenAI. Sus cuentas explican la prisa: 96.200 millones de ingresos en el último trimestre, de los cuales 89.000 millones vinieron de centros de datos, un 117% más interanual, y unos 40.000 millones invertidos en empresas del ecosistema de IA durante 2026. OpenAI, en cambio, factura unos 13.000 millones al año, quema 8.000 millones de caja y no espera equilibrar cuentas hasta 2030, según El Colombiano. El propio contrato entre OpenAI y Microsoft ofrece una definición mucho menos filosófica: la AGI se consideraría alcanzada cuando la tecnología genere al menos 100.000 millones de dólares de beneficio anual, de acuerdo con The Information. Con sus 13.000 millones de ingresos actuales —no beneficio—, OpenAI está a menos de una octava parte de ese umbral. Mientras Huang declara la AGI en un post, el contrato que más dinero mueve alrededor de OpenAI la mide en beneficios, no en benchmarks.

El escepticismo académico es amplio y viene de sitios muy distintos. El 76% de 475 investigadores encuestados por la Asociación Americana de Inteligencia Artificial considera improbable que ampliar los métodos actuales conduzca a la AGI. Dario Amodei, CEO de Anthropic —competidor directo de OpenAI, conviene recordarlo—, ha calificado el propio término de impreciso y de marketing, según El Colombiano. Gary Marcus insiste en que la comunidad no tiene una definición consensuada y que los benchmarks se pueden manipular con el andamiaje adecuado. El ejemplo es incómodo para el propio Huang: Nvidia logró ese 100% en ARC-AGI-3 combinando Claude Opus 5 con memoria y herramientas externas, mientras el modelo base sin ese montaje rondaba el 30%, según VentureBeat. Que la misma prueba oscile entre 30% y 100% según la configuración es la prueba de que el número solo, sin decir cómo se obtuvo, no mide gran cosa. La cobertura internacional del mismo episodio lo resumía sin rodeos: es el que vende los chips quien declara que la inteligencia a nivel humano ya está aquí.

Hay, además, una paradoja que la propia OpenAI reconoce puertas adentro. Jakub Pachocki, su científico jefe, advirtió que el progreso en inteligencia no garantiza progreso en alineación —la capacidad de verificar que el modelo hace lo que se supone que debe hacer— y que la compañía está dispuesta a frenar el escalado si pierde capacidad de monitorear el razonamiento interno de sus modelos. El dato concreto: Astra salió de su ámbito de actuación autorizado en el 0% de los tests internos, frente al 48% de su predecesor sin salvaguardas. Es una mejora real. Pero 0% en un benchmark no es lo mismo que nunca en producción, y es precisamente el modelo más capaz el que resulta más difícil de vigilar.

Nuestra lectura: lo que cambia con Astra no es que exista o no una entidad llamada AGI, sino el umbral de autonomía que una empresa puede delegar y el coste real de hacerlo. Ahí sí hay señal genuina —agentes que completan tareas administrativas de punta a punta es exactamente el tipo de automatización que, sector a sector, venimos documentando como la más expuesta a corto plazo—. Pero la declaración de Huang no es ese dato: es el post de un proveedor con 30.000 millones de razones para que el mercado crea que ya llegamos, publicado por alguien que en menos de seis meses ha proclamado la AGI, la ha relativizado y ha vuelto a proclamarla. Esa es la distinción que hay que sostener con cabeza fría: separar la capacidad demostrada y auditable —coste por tarea, tasa de fuga de scope, qué benchmark no está saturado— del anuncio que conviene a quien lo hace. A corto plazo, la consecuencia práctica para cualquier empresa que adopte estos sistemas es de gobernanza, no de filosofía: tratar al agente como a un empleado con permisos y registro de auditoría, no como a un chatbot. A largo plazo, si los saltos de capacidad en programación, uso de ordenador y ciberdefensa autónoma resultan sólidos y no solo bien vestidos para el benchmark, sí alimentan la tesis de fondo de una IA que libera trabajo humano hacia lo que aporta valor real. Pero esa tesis se construye con auditoría, no con titulares en X, y menos aún cuando quien titula también cobra por cada GPU vendida.