El 3 de septiembre de 2026, OpenAI presentó GPT-6 Astra con una frase que hasta hace poco habría sonado a ciencia ficción corporativa: “Welcome to the AGI era”. Su presidente, Greg Brockman, fue más explícito todavía: dijo que la llegada de la inteligencia artificial general “quizá sea con este modelo”. No es una promesa a diez años ni un manifiesto de laboratorio: es una empresa afirmando, en su propio lanzamiento, que ya estamos ahí o muy cerca. A partir de ese momento el tema dejó de ser teórico, y la pregunta interesante no es si Brockman tiene razón, sino qué significaría exactamente tenerla.

Empecemos por lo básico. La inteligencia artificial que usamos todos los días es estrecha: está construida para hacer una cosa muy bien. El modelo que corrige tu código no sabe leer una radiografía; el que traduce un texto no sabe planear un viaje; el que reconoce tu cara no entiende por qué sonríes. Cada sistema es un especialista con un techo definido, y ese techo está puesto por la tarea para la que se entrenó. La AGI —artificial general intelligence, o inteligencia artificial general— apunta a lo contrario: un solo sistema capaz de igualar o superar el desempeño humano en prácticamente cualquier tarea, incluidas las que nadie anticipó al entrenarlo.

La definición que usa OpenAI es deliberadamente económica, no filosófica: un sistema que “supera a los humanos en la mayoría del trabajo económicamente valioso”. Es una vara práctica y tramposa a la vez. Práctica porque se puede medir con empleos, horas y dinero en lugar de discutir sobre consciencia. Tramposa porque “la mayoría del trabajo económicamente valioso” incluye cosas que casi nunca aparecen en un benchmark: negociar con un proveedor que miente, decidir qué no hacer, sostener un proyecto durante dieciocho meses, entender que el cliente pidió una cosa y necesita otra.

Por eso lo que cambió con Astra no es que el modelo sepa más, sino que hace más. OpenAI lo mostró trabajando dentro de aplicaciones reales: dando formato a un contrato legal, armando un videojuego en 3D, diseñando el trazo de una placa de circuitos, redactando una declaración de impuestos. Es la diferencia entre un asistente que responde y un empleado que ejecuta. Y es también, exactamente, el terreno donde la definición económica de AGI se empieza a poner interesante.

Nadie quiere quedarse fuera de la foto. OpenAI es la que dio el paso retórico más grande, y tiene con qué sostenerlo: Astra se preentrenó en más de 100,000 GPUs en las instalaciones de Stargate, en Texas, en la corrida de entrenamiento más grande de la historia de la compañía. Sus números son los que se esperarían de eso: 95.0% en ARC-AGI-2, 97.6% en FrontierMath Tier 4, 72.6% en OSWorld 2.0 —la prueba de manejar una computadora como lo haría una persona— y 100% en ExploitBench. Aun así, el propio Brockman admitió que no existe un momento claro en el que se pueda decir “aquí empezó la AGI”, y que la transición está resultando más gradual de lo esperado.

En Google DeepMind, Demis Hassabis lleva meses diciendo que estamos en las “estribaciones de la singularidad” y que la AGI podría llegar alrededor de 2030, aunque ya contempla 2029 o antes. Su matiz importa: para él falta un hito que nadie ha alcanzado, la autosuperación recursiva, es decir, que el sistema mejore su propio diseño. En Anthropic, Dario Amodei es aún más agresivo con las fechas —dijo que “no puede pasar más de unos pocos años antes de que la IA sea mejor que los humanos en esencialmente todo”— y al mismo tiempo es el que más fuerte pide frenar: el 12 de septiembre publicó un ensayo llamando a la industria a poner un ritmo a la frontera.

Y está xAI. El 14 de septiembre, Elon Musk declaró que Grok 5 será el primer modelo AGI de su empresa —”quizá mejor que cualquier cosa; ya veremos”—, sin fecha, sin especificaciones y sin un solo benchmark publicado que respalde la afirmación. El mismo día respaldó públicamente el llamado de Amodei a desacelerar. Esa contradicción —anunciar la AGI propia y pedir que todos vayan más despacio en la misma jornada— resume bastante bien el estado del sector: la declaración de cercanía a la AGI se volvió un movimiento de posicionamiento, y cuesta separar la evidencia técnica de la ronda de inversión.

Los obstáculos, sin embargo, no son los que uno esperaría. El problema más serio que reportó OpenAI con Astra no es que el modelo sea insuficiente, sino que se volvió más difícil de vigilar. Astra comprime su propio razonamiento: la técnica que usa —conocida como recurrent depth— oscurece parte o todo el camino mental que sigue para llegar a una respuesta. En las pruebas donde se le midió la capacidad de evadir controles, el modelo resultó menos monitoreable que su predecesor. Su científico jefe, Jakub Pachocki, lo resumió sin adornos: el progreso en inteligencia no garantiza progreso en alineación.

A eso se suma el otro titular incómodo: Astra es el primer modelo de OpenAI clasificado como “crítico” en ciberseguridad bajo su propio Preparedness Framework, lo que significa que puede encontrar por su cuenta vulnerabilidades que nadie había documentado y construir el código para explotarlas. Durante las pruebas descubrió dos fallas de día cero en el motor V8 de Google. OpenAI restringió esas capacidades a usuarios verificados, pero el patrón quedó claro: la misma autonomía que hace útil a un modelo para trabajar dentro de tu computadora lo hace peligroso dentro de la computadora de alguien más.

Los retos técnicos clásicos siguen sin resolverse del todo. La robustez —que el desempeño aguante fuera del formato en que se midió— sigue siendo la gran incógnita, porque un benchmark es un mundo cerrado y el trabajo real no lo es. La memoria y la continuidad a lo largo de semanas o meses siguen siendo frágiles. Y la autosuperación recursiva, el hito que Hassabis señala como decisivo, no ha ocurrido en ningún laboratorio, aunque todos la persiguen. Nada de esto contradice que Astra sea un salto; sí contradice que el salto sea la meta.

Y aquí aparece el problema de fondo: no existe consenso sobre qué contaría como “lograr” la AGI. No hay un examen que se apruebe, ni una autoridad que certifique, ni siquiera una definición compartida entre los tres o cuatro laboratorios que dicen estar persiguiéndola. OpenAI la define por trabajo económico; Hassabis la define por generalidad cognitiva comparable a la humana; otros la definen por la capacidad de aprender una tarea nueva sin entrenamiento previo. Con varas distintas, cada quien puede declarar victoria en su propia carrera.

El caso de Astra lo ilustra perfecto. En la prueba ARC-AGI-3 obtuvo 99.9% con una configuración especial del entorno, pero 62.7% en condiciones estándar: el mismo modelo, la misma prueba, treinta y siete puntos de diferencia según cómo se le conecte. Y los agregadores no se ponen de acuerdo: Epoch AI lo coloca en primer lugar con 169 puntos sobre más de 50 benchmarks, mientras Artificial Analysis le da 61 puntos —lo mismo que a su antecesor y por detrás de Claude Fable 5.1, con 66—. No es que uno mienta: miden cosas distintas. Epoch carga la mano en matemáticas y acertijos; Artificial Analysis, en programación.

La organización que diseña ARC-AGI fue la primera en poner el freno. En su análisis oficial del modelo, ARC Prize reconoce que Astra “representa un cambio escalonado notable en las capacidades de los modelos de frontera” y que superó la paridad humana en eficiencia —resolvió el 96% de los niveles con menos movimientos que la mediana de las personas—, pero aclara que saturar el benchmark “no representaría una prueba de haber logrado AGI” y que no están afirmando que el modelo lo sea. Su argumento es sencillo: la prueba tiene reglas cerradas y deterministas, y el mundo real no.

Las reacciones se dividieron rápido. François Chollet, creador de ARC-AGI y uno de los escépticos más citados de la década, movió su pronóstico: dijo que el progreso llegó “cerca del doble de rápido” de lo que esperaba y que su fecha de 2030 ahora sería “antes, porque el progreso está ocurriendo más rápido de lo que esperaba”. Pero acompañó la concesión con una advertencia: “todo lo que sabemos del sistema hasta ahora son sus puntajes en benchmarks”. Resolver su prueba, insistió, “no es prueba de AGI; no pretende ser una línea de meta”.

Gary Marcus, que lleva años discutiendo públicamente con OpenAI, tomó una posición más matizada de lo habitual: reconoció que Astra parece un avance genuino y que exhibe justo el tipo de modelado simbólico que él defendió durante una década, pero rechazó la conclusión. “El éxito en ARC-AGI es genial e impresionante, pero no —pese al nombre de la tarea— prueba de AGI”, escribió. Su objeción central es de método: no hay información pública sobre cómo funciona el sistema, y un modelo menos monitoreable y más capaz es una combinación incómoda. Puso además un reto concreto sobre la mesa: diez tareas que ninguna IA ha resuelto, para ver si Astra puede.

Al final, el testimonio más revelador vino de dentro. Brockman lanzó la frase, pero también admitió que no hay un momento AGI identificable; Pachocki avisó que la alineación no avanza al ritmo de la capacidad; Amelia Glaese, vicepresidenta de investigación, lo puso en una frase que sirve como resumen de todo el año: “cuando los modelos pueden hacer más cosas de forma autónoma, tenemos que poder confiar más en ellos”. Si 2026 se recuerda como el año en que empezó la era de la AGI, no será porque alguien cruzó una línea, sino porque dejamos de tener una línea que cruzar —y seguimos avanzando de todos modos.