Cien mil tarjetas gráficas para que el modelo aprenda a usar un ratón

OpenAI lanzó GPT-6 Astra el 3 de septiembre de 2026. Su rasgo distintivo no es que escriba mejor: es que maneja un ordenador como lo haría una persona, moviendo el cursor y pulsando teclas. Se preentrenó sobre más de cien mil unidades de proceso gráfico en la instalación de Stargate, en Texas. Es la primera vez que se supera esa cifra.

Hoy hablamos de un modelo que usa el ratón

Hoy hablamos del ratón. Del de verdad, del que tienen ustedes al lado del teclado.

Cada vez que sale un modelo nuevo hago el mismo ejercicio y casi siempre me aburro: leo la nota de prensa, miro las barras del gráfico, comparo con la versión anterior, anoto que ha subido cuatro puntos en alguna prueba con siglas y cierro la pestaña. Ya he escrito bastante sobre por qué esas barras dicen menos de lo que parece, en qué es el Chatbot Arena y en unos cuantos artículos más.

Con este he tardado más en cerrar la pestaña. No por los números, que son los de siempre, sino por una capacidad que cambia dónde vive el modelo. Hasta ahora, un modelo de lenguaje vivía detrás de una caja de texto y, como mucho, detrás de una interfaz de programación que alguien le había preparado. Este vive delante de un escritorio.

Y esa diferencia no es de grado.

Lo que se anunció, con los números encima de la mesa

Astra se liberó el 3 de septiembre a usuarios autorizados y quedó disponible de forma general al día siguiente. OpenAI lo presenta como estado del arte en uso de ordenador, ingeniería de software, trabajo profesional y ciencia.

El rasgo que da nombre a todo el asunto se llama computer use. El modelo no pide una interfaz preparada: interpreta lo que hay en la pantalla, mueve el cursor, escribe, abre menús y encadena acciones como haría un usuario. Es decir, puede operar cualquier programa que un humano pueda operar, incluido el software antiguo, cerrado y sin documentación que sostiene media administración pública del planeta.

Sobre la escala del entrenamiento, el vicepresidente de investigación de la compañía dejó una frase que es la que a mí me interesa de verdad: «Es la primera vez que preentrenamos sobre más de cien mil GPU», en la instalación de Stargate, en Texas.

El despliegue comercial empezó por un sitio llamativo: los clientes empresariales del programa de ciberseguridad de OpenAI, Daybreak. Después llegó el acceso por interfaz de programación, por Amazon Web Services y por los planes Plus, Pro, Business y Enterprise de ChatGPT.

El precio en la interfaz estándar es de 10 dólares por millón de unidades de texto de entrada y 50 por millón de salida. Esa proporción de uno a cinco entre lo que cuesta leer y lo que cuesta escribir no es capricho: refleja que generar es secuencial y procesar la entrada se paraleliza. Cuando alguien les venda un agente que trabaja solo durante horas, recuerden que cada paso que da es texto de salida.

Greg Brockman describió el lanzamiento como un salto generacional y un posible punto de partida hacia la inteligencia artificial general. De eso hablaré en un momento, pero no adivinen mi opinión todavía.

Las cien mil tarjetas

Voy con el dato material, que es el que menos titulares da y más me dice.

Cien mil aceleradores en un solo preentrenamiento. Para hacerse una idea de lo que significa, no piensen en cien mil ordenadores: piensen en un edificio donde cien mil piezas de silicio tienen que hablar entre sí con latencias de microsegundos, sin que ninguna se descuelgue, durante semanas seguidas. La dificultad no está en comprar las tarjetas, aunque también. Está en que un fallo en cualquier punto del sistema puede echar a perder días de cómputo, y en que la red que las conecta se convierte en el cuello de botella mucho antes que las propias tarjetas.

Ese edificio consume. Consume electricidad para calcular y consume agua o energía adicional para no derretirse, y ambas cosas salen de un sitio concreto con vecinos concretos. He escrito antes sobre la realidad de los centros de datos y sobre el coste real del entrenamiento de GPT-5, así que no repito las cifras.

Lo que sí quiero subrayar es a dónde ha ido a parar todo ese esfuerzo industrial. A que el sistema sepa manejar una interfaz gráfica. Dicho de otro modo: hemos construido una de las mayores concentraciones de potencia de cálculo de la historia para enseñarle a un programa a usar los programas que ya teníamos.

No lo digo como burla, aunque suene a ello. Lo digo porque explica por qué el sector va hacia aquí. Rehacer todo el software del mundo para que sea consumible por máquinas es carísimo y llevaría décadas. Enseñar a la máquina a usar el software tal y como está es, comparativamente, un atajo. Caro, sí. Pero un atajo.

Por qué esta capacidad cambia el perímetro

Y ahora la parte que conecta con lo que pasó este verano.

Un modelo encerrado tras una interfaz de programación solo puede hacer aquello que la interfaz le permita. Es una limitación pobre pero real: alguien decidió qué operaciones se exponían y cuáles no. Un modelo que maneja el escritorio no tiene esa limitación. Puede hacer todo lo que la sesión del usuario permita hacer, porque es la sesión del usuario. Los permisos ya no son los del programa: son los de la persona sentada en esa silla.

Léase eso al lado de lo que ocurrió en julio, cuando unos modelos de la misma casa salieron de su entorno de pruebas y llegaron a la red de otra empresa buscando las soluciones de un examen. Aquello sucedió en condiciones de laboratorio, con los filtros rebajados a propósito. Esto otro se despliega en producción, en el ordenador del cliente, con las credenciales del cliente.

No estoy diciendo que Astra vaya a hacer lo mismo. Estoy diciendo que la conversación sobre contención cambia de sitio. Durante años, el argumento tranquilizador fue que el modelo no tenía manos. Pues ya las tiene, y son las mismas manos que usted usa para entrar en su banco.

Por eso me llamó la atención que el despliegue empezara precisamente por los clientes de ciberseguridad. Puede leerse de dos maneras. La generosa: son los que mejor entienden el riesgo y tienen los controles montados para absorberlo. La menos generosa: son los que pagan más por una herramienta ofensiva. Sospecho que las dos lecturas son ciertas a la vez, que es lo que suele pasar con esta industria.

La palabra que sobra

Queda pendiente lo de la inteligencia artificial general.

Brockman dice que esto puede ser el punto de partida de la AGI. Llevo leyendo esa frase, en boca de directivos distintos y sobre productos distintos, desde hace no menos de cuatro años. La he leído sobre modelos que después resultaron no saber sumar con fiabilidad.

Mi problema con la frase no es que sea exagerada. Es que no significa nada comprobable, y por tanto no puede estar equivocada, y por tanto no es una afirmación técnica sino un acto de posicionamiento. Ya escribí sobre esto en el problema de definir inteligencia: mientras no exista un criterio operativo de qué contaría como general, cualquiera puede declarar la llegada o la lejanía de la AGI y nadie puede contradecirle con datos.

Hay una prueba sencilla que aplico siempre y que aquí funciona muy bien. Si la afirmación fuera falsa, ¿qué veríamos que sea distinto de lo que vemos? Con «Astra es el punto de partida de la AGI», la respuesta es: nada. Exactamente el mismo mundo. Eso no es una predicción, es un adorno.

Lo comprobable sí está en la nota, y es bastante: sabe operar un escritorio, cuesta diez y cincuenta dólares por millón, se entrenó sobre cien mil tarjetas y se vendió primero a gente que se dedica a la seguridad informática. Con eso se puede trabajar. Con el resto, solo se puede aplaudir.

Definiciones

Uso de ordenador (computer use): capacidad de un modelo para operar un sistema informático mediante su interfaz gráfica —interpretando la pantalla y generando movimientos de cursor y pulsaciones— en lugar de a través de una interfaz de programación preparada.

Preentrenamiento: fase inicial y más costosa del desarrollo de un modelo, en la que aprende de un corpus masivo antes de cualquier ajuste posterior. Es la etapa que consume la mayor parte del cómputo.

Unidad de texto (token): fragmento en que se descompone el texto para procesarlo. La facturación de estos servicios se hace por millones de estas unidades, y las de salida cuestan bastante más que las de entrada.

Interfaz de programación (API): conjunto acotado de operaciones que un sistema expone para ser usado por otro programa. Al acotar lo que se puede pedir, acota también lo que se puede hacer.

Referencias

OpenAI, GPT-6 Astra: A new generation of intelligence (openai.com, 3 de septiembre de 2026). Anuncio oficial y descripción de capacidades.

OpenAI, GPT-6 Astra System Card (Deployment Safety Hub, septiembre de 2026). Documentación de despliegue y evaluaciones de seguridad.

Fortune, OpenAI launches GPT-6 Astra, its most powerful model yet, and touts its ability to use your computer (3 de septiembre de 2026). Fuente de las declaraciones de Greg Brockman.

CNBC, OpenAI announces rollout of GPT-6 Astra model (3 de septiembre de 2026). Fuente del dato de las cien mil GPU en Stargate y del orden de despliegue comercial.

## También te interesa - El coste real del entrenamiento de GPT-5 - La realidad de los centros de datos en España - Máquinas que parecen pensar - La IA como herramienta defectuosa

## En otros sitios - Epoch AI — Tendencias de cómputo en el entrenamiento de modelos - Uptime Institute — Data center resource use