¿Qué es GPT-6 y cómo funcionan realmente los grandes modelos de lenguaje?

GPT-6 no es un solo producto lanzado en un día. OpenAI lo lanzó en dos etapas: una versión de nivel fronterizo llamada GPT-6 Astra en septiembre de 2026, seguida por dos versiones orientadas al consumidor, GPT-6 Sol y GPT-6 Luna, que reemplazaron el modelo anterior dentro de ChatGPT en octubre de 2026.

Astra primero, luego Sol y Luna para todos

Según la cuenta de OpenAI resumida en Wikipedia, GPT-6 Astra entró en vista previa limitada el 3 de septiembre de 2026 y llegó a los usuarios de pago de ChatGPT al día siguiente. OpenAI lo describió como su sistema más capaz hasta la fecha, señalando ganancias en codificación, matemáticas y uso autónomo de computadoras. Aidan Clark, vicepresidente de OpenAI, dijo que el modelo era el mayor esfuerzo de capacitación de la empresa hasta ahora, llamándolo la primera vez que OpenAI había preentrenado un modelo en más de 100,000 GPU, en su sitio Stargate en Texas.

OpenAI clasificó a Astra en el nivel de capacidad de ciberseguridad 'Crítico' según su Marco de Preparación interno, según la revisión de DataCamp de los materiales publicados de OpenAI. DataCamp informó que esta calificación refleja la capacidad de Astra para ayudar a crear exploits cibernéticos en lugar de una capacidad para descubrir de forma autónoma fallos desconocidos en sistemas reforzados por sí solo, y que OpenAI restringió las tareas de ciberseguridad más avanzadas del modelo, como producir exploits de prueba de concepto, detrás de su programa de acceso Daybreak en el lanzamiento. El presidente de OpenAI, Greg Brockman, dijo a los reporteros que creía que era razonable decir que la industria había entrado en lo que él llamaba una era AGI, aunque se abstuvo de decir que OpenAI había logrado inteligencia artificial general.

El 7 de octubre de 2026, OpenAI llevó una segunda onda de GPT-6 a la aplicación principal de ChatGPT, esta vez construida para conversación cotidiana en lugar de trabajo agéntico especializado, según el anuncio de OpenAI en su foro de comunidad de desarrolladores e informes de TechCrunch. Además, los suscriptores de Plus, Pro, Business y Enterprise recibieron una versión llamada GPT-6 Sol de inmediato; los usuarios de nivel gratuito y Go comenzaron a recibir GPT-6 Luna al día siguiente.

El cambio visible: una 'interfaz inteligente'

Junto con el cambio de modelo, OpenAI introdujo una función llamada Interfaz Inteligente. En lugar de responder solo en párrafos, ChatGPT ahora puede ensamblar una respuesta a partir de texto, gráficos, botones tocables, formularios y pequeñas herramientas interactivas como calculadoras, según la publicación de la comunidad de OpenAI e informes de TechCrunch. Aarush Selvan, gerente de producto de ChatGPT, dijo que el objetivo era hacer que los temas complejos fueran más fáciles de entender, explicando que las respuestas más útiles a muchas preguntas no son solo texto plano, según informó TechCrunch. El sistema decide caso por caso si un diagrama, un gráfico interactivo o texto plano se ajusta mejor a una pregunta, y los usuarios pueden ajustar la frecuencia con la que aparecen estos elementos visuales.

Lo que encontró la prueba de seguridad propia de OpenAI

La tarjeta de sistema de OpenAI para el lanzamiento de octubre, publicada en su Centro de Seguridad de Implementación, dice que GPT-6 Sol y Luna mejoraron en varias medidas de seguridad en comparación con los modelos GPT-5.6 anteriores: mayor resistencia a intentos de jailbreak, incluidos ataques de múltiples turnos, menos comportamiento deshonesto o engañoso, y mejor precisión factual en la mayoría de las métricas. El mismo documento también reporta regresiones estadísticamente significativas en cómo los modelos manejaron un conjunto estrecho de categorías de evaluación sensibles, incluidos indicadores relacionados con el autolesionismo, con Luna mostrando regresiones adicionales en contenido gore y sexual en pruebas internas; la propia evaluación de OpenAI describió los resultados problemáticos que revisó como de baja gravedad y aún dentro de sus expectativas generales de seguridad.

Según el Marco de Preparación de OpenAI, la tarjeta del sistema también clasifica tanto a Sol como a Luna como capacidad 'Alta' en categorías de riesgo biológico/químico y ciberseguridad, pero por debajo del umbral 'Crítico' — un nivel de riesgo más bajo que el modelo Astra lanzado el mes anterior, que OpenAI había calificado como Crítico para ciberseguridad.

Cómo funcionan realmente los grandes modelos de lenguaje

GPT-6, como GPT-4, Claude o Llama, se basa en una arquitectura de red neuronal llamada transformador, introducida por investigadores de Google en 2017, según el explicador de investigación de IBM. Un transformador divide el texto en pequeñas unidades llamadas tokens, convierte cada token en un vector numérico, y luego utiliza un mecanismo llamado auto-atención para determinar qué tan fuertemente cada token se relaciona con todos los demás tokens en la entrada — incluidos los que están lejos en el texto.

Antes de que todo eso suceda, el modelo tiene que ser entrenado. El explicador de IBM describe esto como comenzar con conjuntos de datos masivos — miles de millones o billones de palabras extraídas de libros, sitios web y código — que se limpian, se tokenizan y se pasan a través de la red usando aprendizaje auto-supervisado, un método que no requiere que los humanos etiqueten la respuesta correcta para cada ejemplo.

Una vez entrenado, el modelo funciona tomando un indicador, convirtiéndolo en tokens, y prediciendo repetidamente el único token más probable siguiente, uno a la vez, hasta que la respuesta esté completa. Como dice el explicador de IBM, el sistema no conoce su respuesta final de antemano; genera la respuesta pieza por pieza usando las relaciones estadísticas aprendidas durante el entrenamiento, en lugar de recuperar un hecho almacenado o razonar como lo hace una persona.

Lo que esto significa para confiar en el resultado

Debido a que el sistema está prediciendo texto plausible en lugar de verificar la verdad, el explicador de IBM enumera alucinación — información generada con confianza pero falsa — como una limitación inherente de la arquitectura, junto con el riesgo de que los sesgos presentes en los datos de entrenamiento se reflejen o amplíen en los resultados. El entrenamiento y la ejecución de modelos a esta escala también exigen enormes cantidades de potencia informática y energía, un punto que el propio OpenAI subraya cuando dijo que la ejecución de entrenamiento de Astra utilizó más de 100,000 GPU en un solo sitio.