OpenAI presenta una prueba de tareas cotidianas y dice que GPT-6 Astra logra un 80%, frente al 49,3% de GPT-5.2
CNN informa de que la evaluación interna se construyó con unos 4.000 usuarios de ChatGPT encuestados; OpenAI aún no ha publicado las pruebas.
Por qué importa
OpenAI amplía sus evaluaciones del trabajo remunerado, que el año pasado midió con GDPval, a recados domésticos como comprar, buscar piso o cuidar de familiares. El salto de 49,3% en GPT-5.2 a 80% en GPT-6 Astra es una medición de la propia OpenAI, con rúbricas redactadas por unos 100 usuarios que acreditaron experiencia en cada tarea. Llega mientras Muse de Meta, Dots de OpenAI y Claude Duet de Anthropic compiten como agentes personales. Habrá que ver si se publican las tareas y si otros replican los resultados.
Datos clave
- GPT-6 Astra: 80% en tareas cotidianas
- GPT-5.2: 49,3%
- Unos 4.000 usuarios de ChatGPT encuestados
- Unos 100 usuarios redactaron tareas y rúbricas
- Búsqueda de guardería: 93,1%
- Plan de comidas para diabetes: 90,4%