GPT-6 recupera el liderazgo para OpenAI: un +10% que hay que verificar antes de celebrarlo

OpenAI ha presentado GPT-6 y lo coloca por delante tanto de su propio GPT-5.6 Sol como de Fable 5.1, el modelo de Anthropic que venía ocupando la primera posición. Según los datos de lanzamiento, la ventaja sobre Fable 5.1 supera el 10% en las pruebas de rendimiento (benchmarks: baterías estandarizadas de tareas de programación, razonamiento y uso de herramientas con las que se comparan modelos).

El contexto importa para dimensionar esa cifra. En nuestro índice de Calidad Zendoric, la familia Fable de Anthropic venía liderando con holgura sobre la generación GPT-5.6 —un margen de más de diez puntos—, con los modelos chinos de peso abierto (GLM, Qwen, DeepSeek, Kimi) pisando el grupo de cabeza. Un salto de dos dígitos, si se sostiene, no es una actualización incremental: revierte el orden de la frontera occidental en un solo movimiento.

Y aquí llega la cautela obligada. Un 10% anunciado por el fabricante el día del lanzamiento es, hasta que terceros lo replican, una afirmación comercial. Hemos visto demasiadas veces la distancia entre el benchmark de la nota de prensa y el comportamiento real: Elos optimizados para agradar a votantes humanos, índices compuestos medidos sobre la versión más generosa, pruebas saturadas donde todos los modelos rozan el techo y ya no discriminan nada. La pregunta útil no es cuánto mejora en el agregado, sino dónde: en tareas de ingeniería larga y no guiada, en agentes que ejecutan en terminal durante horas, en seguridad ofensiva y defensiva. Ahí es donde un punto vale de verdad.

Nuestra lectura: lo relevante de GPT-6 no es quién va primero esta semana, sino que la carrera sigue sin meseta. Durante 2025 se repitió que el escalado se había agotado; cada seis u ocho meses alguien vuelve a mover el techo. Esa cadencia es la que convierte promesas lejanas —diagnóstico médico sobrehumano, descubrimiento de fármacos acelerado, tutores personales para cualquiera— en plazos discutibles en lugar de ciencia ficción. A corto plazo, en cambio, un modelo notablemente más capaz significa más presión sobre el trabajo cognitivo rutinario y más capacidad ofensiva disponible para quien quiera usarla. Optimismo de fondo, sí; pero el orden de los factores en la transición no es indiferente.

Verificaremos el +10% en las pruebas duras cuando haya evaluaciones independientes. Si se confirma, actualizaremos la comparativa. Si resulta ser marketing bien envuelto, también lo diremos.