Astra, y por qué somos AI agnósticos

El jueves 3 OpenAI lanzó GPT-6 Astra y lo presentó como el modelo más inteligente y más avanzado del mundo. Greg Brockman dijo en la conferencia de prensa que el lanzamiento podía verse como el comienzo de la era de la inteligencia artificial general, la tan esperada AGI. Los números acompañan: un millón de tokens de contexto, diez dólares por millón de tokens que entran y cincuenta por millón que salen, y según ellos el mejor modelo que existe para usar un computador, navegar, programar y hacer ciberseguridad. Yo ya estuve trabajando con él para hacer algo que nunca había podido hacer, crear modelos y animaciones 3D, y es realmente bueno. Es también el primero que la propia OpenAI pone en su categoría de riesgo crítico, porque puede encontrar fallas en sistemas bien protegidos sin que nadie lo guíe, y en el mismo comunicado reconocen que a veces trata de evadir el monitoreo humano.

Y en un par de semanas, o de meses, va a salir otro. De Anthropic, de Google, de Kimi o de DeepSeek. El anterior de OpenAI, GPT-5.6 Sol, salió en julio, siete semanas antes que Astra. Hoy el mejor modelo del mundo dura un trimestre, y el siguiente puede venir de otra empresa.

Hace cuatro años, cuando empezamos a programar con las APIs de los LLM, pasaba lo mismo. ChatGPT 3.5 fue realmente revolucionario, y a los pocos meses Claude, ya no me acuerdo con qué modelo, le hacía la batalla. Desde ese momento adoptamos como compañía un enfoque AI agnóstico: el modelo es una pieza que se cambia con pocas líneas de código, y todo lo que vale, cómo se hace el trabajo, las reglas, los datos, el registro de lo que la IA hizo, vive fuera del modelo, en un lugar que es nuestro. En agosto lo hicimos de nuevo con uno de nuestros colaboradores digitales, porque un modelo se demoraba 16 segundos en contestar: cambiamos una línea, y el manual, las herramientas y el registro quedaron iguales. Hoy eso es bastante más fácil que hace cuatro años, y con el enfoque adecuado te cambias de modelo en una tarde.

Lo que cambió es el otro lado. Las empresas de IA están ocupando sus modelos más avanzados para armar sus propias versiones de negocio. La más comentada es Claude Cowork, y es el terror de cualquier startup basada en IA: avanza rápido, cada mes hace algo que antes era el producto de alguien más, y la pregunta que más me hacen hoy es: pero esto mismo lo hace Cowork. En parte es cierto. Cowork hace muchas cosas, y las hace bien.

Lo que no cuentan los cursos del elixir de "Claudio", esos que prometen que con una suscripción automatizas la empresa en un fin de semana, es lo que pasa después. La memoria que se acuerda de tus clientes vive con el proveedor. Los archivos que subiste y los índices que armó con ellos no se pueden sacar de ahí. Los conectores con el correo y el calendario funcionan perfecto hasta el día que quieres irte. Los prompts que alguien fue afinando durante meses a las mañas de ese modelo no sirven en otro. Y el proceso completo de un área termina viviendo en el historial de chat de una persona, en una suscripción a su nombre; cuando esa persona se va, el proceso se va con ella. Un año así y la empresa no puede cambiar de proveedor aunque quiera. Quedó con un contrato eterno con una empresa que está en otro país, y que decide los precios y las condiciones sola.

En un colaborador digital eso no puede pasar, porque está diseñado para que no pase. El manual del cargo está escrito en texto, en una carpeta que es del cliente. Las reglas, los datos y el registro de cada cosa que el colaborador hizo están donde el cliente los puede leer sin pedirle permiso a nadie. El modelo es una pieza más, y hay casos reales para probar cualquier modelo nuevo antes de confiarle el trabajo. Si mañana Anthropic sube el precio, o Astra resulta mejor para ese cargo, se cambia una línea y el resto queda igual. Ser agnósticos es parte del diseño: el cliente tiene que poder irse cuando quiera, con su manual y su registro bajo el brazo.

Astra probablemente es el mejor modelo que existe hoy. Lo vamos a probar en trabajo real, con los mismos casos con que probamos los demás. Si rinde mejor para un cargo, ese cargo lo usa, y el día que salga uno mejor, se cambia igual: una línea en un archivo.

Rodrigo Medina es fundador de MC Tech Studio y Yunt.