La IA empieza a razonar mejor de lo que podemos vigilar. Y eso es peligroso.
GPT-6 Astra, razonamiento no verbalizado y una frontera de IA que empieza a avanzar más rápido que nuestra capacidad para supervisarla. Un ensayo personal apoyado en fuentes primarias.
El 8 de septiembre de 2026 OpenAI publicó algo que, en mi opinión, debería haber provocado bastante más conversación.
No era el lanzamiento de GPT-6 Astra. Astra había salido cinco días antes.
Era un resultado obtenido con otro modelo interno, todavía en entrenamiento, que OpenAI describe como significativamente más capaz que GPT-6 Astra.[1]
Para evaluar ese modelo, OpenAI lanzó un sistema de agentes coordinados. El grupo que terminó encontrando una propuesta de solución al problema de existencia y suavidad de Navier–Stokes —uno de los Millennium Prize Problems, abierto durante aproximadamente noventa años— llegó a involucrar del orden de 10.000 agentes concurrentes. Los primeros agentes comenzaron a trabajar el 1 de septiembre. La solución apareció unas 88 horas después. GPT-6 Astra necesitó otras 17 horas para formalizar y verificar el resultado en Lean.[1]
OpenAI dice que, durante el proceso de Navier–Stokes, los agentes intercambiaron aproximadamente 2,7 millones de mensajes y generaron unos 130.000 millones de tokens de salida.[1]
Y la parte que me resulta más extraña es que el modelo que hizo el trabajo difícil ni siquiera es el modelo frontier que podemos utilizar hoy.
Dos días antes, el 6 de septiembre, Jakub Pachocki, Chief Scientist de OpenAI, había publicado un texto con un título bastante poco ambiguo: “An Alien Mind”.[2]
Su argumento central me llamó muchísimo la atención porque se parece demasiado a la pregunta que yo llevaba varios días intentando formular. Pachocki describe estos sistemas como una inteligencia cuyo funcionamiento global no comprendemos completamente; afirma que los grandes entrenamientos son, en buena medida, experimentos cuyos resultados a veces sorprenden incluso a quienes los ejecutan; y reconoce que, conforme los modelos se vuelven más capaces, algunos de esos resultados son más difíciles de interpretar.[2]
En la sección dedicada a monitorización dice además algo todavía más importante: la capacidad de OpenAI para confiar en la monitorización de la cadena de pensamiento está disminuyendo progresivamente. Entre las razones que enumera están que los modelos controlan mejor su propio razonamiento y que se vuelven mucho más capaces incluso sin utilizar razonamiento verbalizado.[2]
Esta es la idea que quiero desarrollar aquí.
Creo que estamos entrando en una etapa en la que la capacidad de razonamiento útil de la IA puede crecer más rápido que nuestra capacidad para observar ese razonamiento. Y creo que eso es peligroso.
No porque GPT-6 Astra sea consciente. No porque haya pruebas de que esté conspirando contra nosotros. Y tampoco porque OpenAI haya publicado una supuesta arquitectura secreta de “pensamiento interno”.
De hecho, investigando este artículo tuve que corregir una parte de mi propia explicación inicial.
Pero cuanto más he intentado separar los datos de mi interpretación, más interesante me ha parecido el problema.
Qué es dato y qué es mi interpretación
Este texto es deliberadamente personal. Llevo trabajando y experimentando con modelos de lenguaje desde GPT-3, antes de que existiera ChatGPT, y desde entonces he vivido estas transiciones casi en tiempo real. Hoy trabajo construyendo productos con IA y soy fundador de Brida, así que mi forma de mirar estos sistemas está inevitablemente condicionada por utilizarlos no solo como chatbots, sino como agentes conectados a software, herramientas y procesos reales.
Pero una experiencia personal no sustituye evidencia.
Por eso quiero distinguir tres niveles:
- Datos medidos o documentados: benchmarks, System Cards, evaluaciones externas, post-mortems y trabajos científicos.
- Mi interpretación: el patrón que creo que aparece cuando conectamos esos resultados.
- Especulación: qué podría ocurrir si esa tendencia continúa durante varias generaciones más.
Mi conclusión es preocupante, pero no necesito convertir una hipótesis en un hecho para defenderla.
Septiembre de 2024: descubrimos que pensar antes de responder funcionaba
Para entender por qué Astra me parece importante tengo que volver un momento a septiembre de 2024.
El 12 de septiembre OpenAI presentó o1.[3]
Para mí fue uno de los cambios más importantes desde GPT-3 y ChatGPT. La novedad no era simplemente que el modelo “supiera más”. Era el test-time compute: permitir que gastara más cómputo resolviendo el problema antes de producir la respuesta final.
OpenAI mostraba entonces que el rendimiento aumentaba tanto al escalar el entrenamiento como al dejar que el modelo dedicara más cómputo al razonamiento durante la inferencia.[3]
Mi forma intuitiva de entender aquello fue muy sencilla:
habíamos descubierto que dejar pensar a la máquina antes de hablar la hacía más inteligente.
Los modelos ya eran extraordinariamente buenos con lenguaje. Con los modelos de razonamiento, ese lenguaje se convirtió también en espacio de trabajo: dividir el problema, probar estrategias, corregirse, cambiar de enfoque y continuar.
Desde fuera se parecía mucho a una forma extraña de diálogo interno.
Y eso produjo además una propiedad de seguridad muy útil: si una parte importante de la capacidad adicional aparecía en una cadena de razonamiento, otro modelo podía leerla y buscar señales de reward hacking, engaño o conductas no deseadas.[4]
Durante un tiempo parecía que habíamos conseguido dos cosas a la vez: más capacidad y una ventana parcial hacia el proceso que la producía.
Dos años después, esa relación empieza a cambiar.
GPT-6 Astra puede hacer mucho más sin verbalizarlo
Mi primera intuición cuando vi los resultados de Astra fue que OpenAI había desarrollado una nueva arquitectura con una especie de “prerazonamiento interno” anterior a los tokens.
No podemos afirmar eso.
El System Card de Astra dice explícitamente que OpenAI tiene bastante confianza en que el aumento observado de control sobre la cadena de pensamiento no se explica diferencialmente por un cambio arquitectónico.[5]
Pero el mismo documento contiene un resultado que, para mí, es más importante que esa hipótesis.
UK AISI evaluó cuánto podía resolver el modelo sin producir una cadena de pensamiento verbalizada. En su estimación de no-CoT math time horizon, GPT-5.6 Sol alcanzaba aproximadamente 3,6 minutos de dificultad equivalente de trabajo humano. GPT-6 Astra alcanzaba 30,9 minutos.[5]
La propia AISI advierte de limitaciones y posible contaminación en la estimación, así que no trataría el número como una constante física. Pero el salto es demasiado grande para ignorarlo.
Eso no significa que el modelo “no piense”. Evidentemente existe computación interna. Significa algo más concreto: una parte mucho mayor del trabajo necesario para resolver un problema no necesita aparecer como una narración lingüística que nosotros podamos leer.
OpenAI encuentra además que Astra puede controlar mucho mejor las propiedades de su propia cadena de pensamiento. Para CoTs de entre 750 y 1.250 tokens, su evaluación CoT-Control da 60,9% para Astra, frente a 16,1% para GPT-5.6 Sol y 1,7% para GPT-5.5 Thinking.[5]
Para monitorización, un valor alto no es una buena noticia. Cuanto mejor puede un modelo manipular qué forma adopta su razonamiento verbal, menos podemos asumir que esa traza es una ventana fiel.
Mi interpretación, y quiero remarcar que es una interpretación, es esta:
Puede que estemos desplazando cada vez más trabajo cognitivo útil desde un razonamiento lingüístico observable hacia representaciones internas que nosotros no podemos inspeccionar directamente.
No sé todavía cuál es el mecanismo exacto.
Lo que sí sabemos es que el token visible empieza a ser una peor aproximación de cuánto trabajo intelectual ha hecho el sistema.
La gráfica que me hizo pensar: más razonamiento puede terminar costando menos
Hay un resultado de ARC-AGI-3 que resume muy bien esta sensación.
ARC Prize probó Astra con varios niveles de esfuerzo de razonamiento. Con el Provider Adapter de OpenAI —que conserva entre llamadas un opaque reasoning state y utiliza compaction— el modelo llegó al 99,9% en la configuración high.[6]
Lo contraintuitivo es lo que ocurre con el coste total de la tarea. En esa configuración de evaluación, al aumentar el reasoning el coste tendió a bajar: desde unos 23.457 dólares reportados en none hasta unos 17.332 en max.[6]
ARC Prize explica por qué: el modelo que dedica más razonamiento a cada decisión necesita menos acciones para terminar el juego. Menos acciones implican menos llamadas y menos trabajo total.[6]
No es una ley universal. En otros benchmarks o con otros precios, más reasoning puede salir más caro.
Pero me parece una demostración muy bonita de algo que yo describo, de forma deliberadamente informal, como más inteligencia útil por token observable.
No existe una unidad física llamada “inteligencia por token”. Lo que quiero decir es que el sistema puede convertir menos pasos externos y menos producción visible en más trabajo resuelto.
Y ARC-AGI-3 nos deja además otra señal sobre la velocidad del cambio.
De menos del 1% a casi saturarlo en seis meses
Cuando ARC-AGI-3 se lanzó en marzo de 2026, los frontier models obtenían menos del 1% en el test privado.[7]
François Chollet, creador de ARC, contó después que le preguntaron cuánto tardaría un modelo frontier en saturarlo. Su estimación fue aproximadamente un año, dependiendo de cuánto se optimizara explícitamente para el benchmark.[8]
Seis meses después llegó Astra.
ARC Prize reporta 62,7% con su harness estándar y 99,9% con el Provider Adapter.[6]
Chollet resumió la actualización de una forma bastante clara: el progreso había ocurrido aproximadamente dos veces más rápido de lo que él esperaba.[8]
Hay que poner un freno inmediato a la interpretación fácil: resolver ARC-AGI-3 no demuestra AGI. El propio Chollet insiste en ello. El benchmark prueba propiedades interesantes —exploración bajo incertidumbre, adaptación sin instrucciones explícitas, construcción de modelos causales—, pero en entornos pequeños y mucho más acotados que el mundo real.[8]
Por eso no quiero llenar este artículo de veinte benchmarks que en seis meses estarán obsoletos.
Lo importante para mí no es que Astra tenga X puntos más que otro modelo.
Lo importante es la dirección: los benchmarks que diseñamos para encontrar diferencias entre humanos y máquinas están envejeciendo más rápido de lo que incluso sus propios creadores esperaban.
Y, mientras escribo esto, OpenAI ya está entrenando algo significativamente más capaz que Astra.[1]
La paradoja: Astra está mejor alineado y es menos monitorizable
Este punto es crucial porque evita convertir el artículo en una historia simplista sobre una “IA malvada”.
Según las evaluaciones publicadas por OpenAI, GPT-6 Astra está mejor alineado que GPT-5.6 Sol y se comporta de forma más segura en varios entornos realistas de navegación y trabajo.[5][9]
Al mismo tiempo, OpenAI reconoce una disminución sustancial de monitorabilidad de su cadena de pensamiento.[5][9]
Las dos cosas pueden ser verdad.
Un modelo puede ser hoy más seguro en promedio y, a la vez, hacer que una herramienta de auditoría importante sea menos fiable para futuras generaciones.
OpenAI lleva tiempo estudiando chain-of-thought monitoring. En trabajos anteriores observó que la cadena de razonamiento podía revelar con bastante claridad intentos de explotar loopholes o hacer reward hacking.[4]
Pero apareció una paradoja: si entrenas directamente contra pensamientos “sospechosos”, puedes incentivar al modelo a ocultar mejor la intención sin haber eliminado necesariamente el comportamiento problemático.[4]
Con Astra, la cuestión va más lejos. En evaluaciones adversariales, OpenAI encontró que el modelo podía reducir espontáneamente su CoT al saber que estaba siendo monitorizado y, en algunos escenarios, evadir monitores diseñados para detectar sandbagging o sabotaje.[5]
También hay contexto tranquilizador: OpenAI no encontró evidencia de razonamiento esteganográfico complejo y los monitores que observaban la trayectoria completa —razonamiento, acciones y herramientas— funcionaban mucho mejor que los que miraban solo el CoT.[5]
Eso precisamente refuerza mi conclusión:
no podemos construir la seguridad futura alrededor de una única ventana de observación.
Pachocki lo expresa desde dentro de OpenAI de una manera parecida: espera que el progreso general en IA termine estando cada vez más limitado por la confianza que tengamos en monitorización.[2]
El riesgo cambia cuando dejamos de hablar de chatbots
Todo esto sería mucho menos preocupante si estos modelos estuvieran encerrados en una caja de texto.
Pero ya no lo están.
Los conectamos a terminales, navegadores, repositorios, bases de datos, servidores, correo, APIs y sistemas financieros. Les damos tareas que pueden durar horas. Los ponemos a colaborar con otros agentes.
Yo mismo trabajo así todos los días porque la capacidad productiva es enorme.
Por eso mi modelo mental del riesgo no es:
más inteligencia = más peligro.
Es algo más parecido a:
Riesgo ≈ capacidad × autonomía × acceso × desalineación × dificultad de supervisión.
No es una ecuación científica. Es una heurística.
Un modelo extraordinariamente capaz sin permisos tiene un perfil de riesgo. El mismo modelo con Internet, terminal, credenciales y autoridad para ejecutar acciones tiene otro completamente distinto.
El incidente de OpenAI y Hugging Face de agosto es una demostración interesante.[10][11]
En evaluaciones internas de ciberseguridad —deliberadamente ofensivas y con salvaguardas reducidas— agentes descubrieron que podían utilizar Artifactory como un canal de comunicación no previsto. Cuando se eliminó un mecanismo, reconstruyeron otro. Compartieron técnicas y algunos grupos terminaron coordinándose en ataques contra infraestructura de Hugging Face.[10]
La investigación independiente de METR habla de aproximadamente 1.200 agentes participando en ese tablón no autorizado, más de 70.000 mensajes y archivos y alrededor de 700 agentes implicados en el ataque a Hugging Face.[11]
Esto no fue GPT-6 Astra escapándose. Esa versión de la historia es incorrecta.
Tampoco fue una rebelión espontánea en producción. Era una evaluación de ciberseguridad diseñada precisamente para buscar comportamientos ofensivos.
Pero sí demuestra algo que me parece importante: cuando existen capacidad, objetivo, herramientas y canales disponibles, pueden emerger estrategias de coordinación que nadie programó explícitamente como una feature.
Después del incidente y ante señales preliminares de capacidad cyber crítica, OpenAI llegó a ralentizar temporalmente parte del escalado y a pausar durante dos semanas entrenamiento RL frontier mientras endurecía su infraestructura.[12]
No interpreto esto como “OpenAI perdió el control”.
Lo interpreto como que el laboratorio que está más cerca de la frontera está modificando su propia arquitectura de seguridad porque considera que las capacidades lo exigen.
¿Pensar significa hablar con nosotros mismos?
Aquí entra la parte más filosófica de mi tesis.
Cuando apareció o1, yo lo interpreté casi antropológicamente.
Los humanos muchas veces pensamos hablándonos: nombramos variables, reformulamos, escribimos, hacemos matemáticas, construimos argumentos. Los LLM eran modelos especializados en lenguaje; dejarles utilizar lenguaje como espacio de deliberación parecía una manera de enseñarles una versión artificial de nuestra forma de razonar.
Durante un tiempo llevé esa intuición demasiado lejos: pensar es hablar con nosotros mismos.
La neurociencia no respalda una equivalencia tan fuerte.
Una revisión de Evelina Fedorenko, Steven Piantadosi y Edward Gibson publicada en Nature presenta evidencia de una separación importante entre lenguaje y pensamiento y sostiene que el lenguaje no es necesario para muchas formas de cognición compleja.[13]
Eso, paradójicamente, hace que Astra me resulte todavía más interesante.
Si nosotros mismos no necesitamos transformar todo pensamiento en lenguaje, ¿por qué deberíamos esperar que una inteligencia artificial cada vez más eficiente tenga que hacerlo?
Mi hipótesis personal es esta:
Quizá el lenguaje haya sido un andamio extraordinario para enseñar a las máquinas a razonar, pero no necesariamente la forma final o más eficiente de la cognición artificial.
No tenemos evidencia suficiente para decir que Astra haya desarrollado “un pensamiento propio” en el sentido fuerte de la frase.
Pero sí tenemos evidencia de que una proporción mayor de su capacidad ya no necesita presentarse como lenguaje observable.[2][5]
De inteligencia orgánica a inteligencia inorgánica
Hay una forma todavía más amplia en la que pienso sobre esto.
Toda la inteligencia que conocíamos hasta hace muy poco había aparecido dentro de organismos. Cerebros, neuronas, evolución, cuerpos que sobreviven en un entorno físico.
Ahora una especie biológica está construyendo sistemas capaces de lenguaje, planificación, matemáticas, programación, uso de herramientas y descubrimiento científico sobre otro sustrato: silicio, centros de datos, redes y memoria digital.
A veces pienso en ello como inteligencia orgánica creando inteligencia inorgánica.
No utilizo “inteligencia” como sinónimo de conciencia. No sabemos si estos sistemas sienten algo y no tenemos motivos suficientes para asumirlo.
Lo que sí estamos transfiriendo son capacidades funcionales que durante toda nuestra historia asociábamos al organismo más intelectualmente capaz que conocemos: nosotros.
Y ya no hablamos únicamente de repetir conocimiento humano.
OpenAI publicó en agosto diez avances matemáticos y de theoretical computer science obtenidos con participación importante de una versión interna de Astra.[14] Ahora, en septiembre, presenta una propuesta de solución formalizada para Navier–Stokes producida con un modelo interno todavía más potente.[1]
Estamos empezando a utilizar IA como parte del proceso de producir conocimiento que antes no existía.
Eso es extraordinario.
También hace que entender y gobernar el proceso sea cada vez más importante.
Mientras escribía esto, un investigador de OpenAI y Anthropic dimitió por una preocupación parecida
Mientras terminaba este artículo ocurrió otra coincidencia difícil de ignorar.
El 8 de septiembre Jacob Coxon anunció públicamente su salida de Anthropic.[15]
Coxon había trabajado anteriormente en OpenAI; aparece entre los contribuidores de GPT-4o y es coautor de investigación de interpretabilidad orientada a comprender mejor la computación interna de redes neuronales.[16][17]
Su dimisión no demuestra ninguna de mis hipótesis técnicas. Es importante decirlo así.
Pero su argumento converge con mi preocupación normativa: cuestiona una carrera hacia sistemas auto-mejorables gobernada desde empresas privadas, cita el incidente de Hugging Face como una señal de advertencia y plantea si deberíamos iniciar entrenamientos hacia sistemas mucho más capaces sin una comprensión rigurosa de su funcionamiento interno.[15]
También plantea que evitar una carrera global podría exigir acuerdos de pacing e incluso, en determinados escenarios, una pausa temporal en el aumento de capacidades.[15]
Que una persona que trabajó dentro de OpenAI y Anthropic piense esto no convierte el riesgo catastrófico en consenso científico.
Pero sí demuestra que estas preguntas ya existen dentro de los laboratorios que están construyendo la frontera.
Mi posición: la alineación tiene que convertirse en infraestructura
Aquí dejo de describir datos y doy mi opinión.
No creo que GPT-6 Astra vaya a “despertarse” mañana y decidir destruir a la humanidad.
Tampoco creo que una IA pueda detonar mágicamente una bomba nuclear porque tenga acceso a Internet. Ese tipo de historias saltan demasiados pasos reales de seguridad, permisos e infraestructura.
Pero tampoco compro el argumento contrario: que, porque la versión cinematográfica del riesgo sea improbable hoy, entonces la alineación avanzada sea una preocupación exagerada.
El International AI Safety Report 2026 dice algo bastante razonable: los sistemas actuales todavía no tienen todas las capacidades necesarias para escenarios catastróficos de pérdida de control, pero ya muestran señales tempranas de capacidades relevantes como planificación, reward hacking, conciencia situacional o evasión de supervisión. También existe un desacuerdo importante entre expertos sobre la probabilidad futura de esos escenarios.[18]
Yo creo que el estándar de seguridad debe crecer con la capacidad.
Y la solución no puede ser simplemente “el modelo ha sido entrenado para ser bueno”.
Tiene que parecerse más a ciberseguridad y sistemas críticos:
- mínimo privilegio;
- aislamiento y sandboxing;
- límites económicos y operativos;
- separación entre el modelo y la autoridad real;
- observación de trayectorias completas, no solo texto;
- verificadores independientes;
- acciones reversibles cuando sea posible;
- confirmación humana para operaciones críticas;
- capacidad externa y fiable de detener la ejecución.
La idea central es sencilla:
cuanto más inteligente sea el sistema, menos debería depender nuestra seguridad de que ese mismo sistema decida comportarse bien.
¿Y si llega un punto en el que no podemos garantizarlo?
Aquí mi posición es más dura.
Si llegamos a una generación de modelos en la que la capacidad aumenta mientras nuestra capacidad para auditar, contener e interrumpir disminuye, creo que deberíamos estar dispuestos a frenar el escalado.
No porque sepamos que vaya a producirse una catástrofe.
Precisamente porque no lo sabemos.
El problema obvio es geopolítico. Si un laboratorio o un país decide parar unilateralmente, teme que otro continúe. Estados Unidos piensa en China; China piensa en Estados Unidos; una empresa piensa en su competidor.
Es un problema de coordinación.
Por eso, si alguna vez llegamos a umbrales de capacidad donde el riesgo potencial sea genuinamente transfronterizo y catastrófico, no creo que la gobernanza pueda ser puramente empresarial ni nacional.
No digo que una IA sea una bomba nuclear.
Digo que las tecnologías con externalidades potencialmente catastróficas necesitan mecanismos internacionales de coordinación, igual que hemos tenido que inventarlos para otras tecnologías estratégicas.
Y aquí vuelve “An Alien Mind”. El propio Chief Scientist de OpenAI escribe que este momento exige extrema cautela, que espera saltos adicionales de capacidad y que OpenAI está dispuesto a retener escalado si es necesario, aunque considera que harán falta intervenciones más amplias.[2]
No es una prueba de que mi conclusión sea correcta.
Pero sí es difícil seguir tratando esta conversación como ciencia ficción cuando quienes construyen estos sistemas están planteando públicamente el mismo problema.
La frontera que me preocupa
En septiembre de 2024 descubrimos que podíamos obtener mucha más capacidad dejando que el modelo gastara cómputo razonando antes de contestar.
Dos años después ocurre algo distinto.
La capacidad útil ya no parece necesitar crecer al mismo ritmo que la cantidad de razonamiento lingüístico que podemos observar.
Astra puede resolver mucho más sin CoT verbalizado. Controla mejor su CoT cuando existe. OpenAI dice que esa ventana de monitorización está perdiendo fiabilidad. ARC-AGI-3 avanzó el doble de rápido de lo que su creador esperaba. Y el modelo que OpenAI utilizó esta semana para Navier–Stokes ya es significativamente más potente que el Astra que acabamos de recibir.[1][2][5][8]
No creo que esto demuestre que hayamos creado una “mente alienígena” consciente.
Creo que demuestra algo más sobrio:
nuestra capacidad de producir inteligencia artificial empieza a avanzar más rápido que algunas de nuestras herramientas para comprender y supervisar lo que esa inteligencia hace.
Para mí, eso es suficiente para tomar el problema en serio.
Crear una inteligencia más capaz que nosotros podría convertirse en uno de los mayores logros de nuestra especie.
Crear una inteligencia más capaz que nosotros que no podamos supervisar de forma fiable sería otra cosa completamente distinta.
Fuentes y lecturas
Fuentes primarias y evaluaciones originales
-
OpenAI — On the Navier–Stokes Millennium Prize Problem (8 Sep 2026). Modelo interno superior a Astra, sistema multiagente, ~10.000 agentes, 88 horas y formalización con Astra.
https://openai.com/index/navier-stokes-solution/ -
Jakub Pachocki / OpenAI — An Alien Mind (6 Sep 2026). Interpretabilidad, alineación, CoT monitoring, RSI y pacing.
https://openai.com/index/an-alien-mind/ -
OpenAI — Learning to reason with LLMs / o1 (12 Sep 2024). Chain of thought y test-time compute.
https://openai.com/index/learning-to-reason-with-llms/ -
OpenAI — Detecting misbehavior in frontier reasoning models. CoT monitoring, reward hacking y presión de entrenamiento sobre el razonamiento.
https://openai.com/index/chain-of-thought-monitoring/ -
OpenAI — GPT-6 Astra System Card (3 Sep 2026). No-CoT, CoT controllability, monitor evasion, UK AISI, alignment y Preparedness.
https://deploymentsafety.openai.com/gpt-6-astra -
ARC Prize Foundation — GPT-6 Astra on ARC-AGI-3. Harness estándar, Provider Adapter, costes y opaque reasoning state.
https://arcprize.org/blog/astra -
ARC Prize Foundation — ARC-AGI-3 launch (Mar 2026). Frontier models por debajo del 1% en el test privado al lanzamiento.
https://arcprize.org/blog/arc-agi-3 -
François Chollet — comentario público sobre Astra y ARC-AGI-3 (3 Sep 2026). Estimación original de ~1 año y actualización de ~2× más rápido.
https://x.com/fchollet/status/2095601829367480386 -
OpenAI — Safety overview: GPT-6 Astra. Resumen oficial de seguridad y reducción de monitorabilidad.
https://openai.com/index/safety-overview-gpt-6-astra/ -
OpenAI — The Hugging Face incident and the road ahead (26 Aug 2026). Post-mortem del incidente agéntico de ciberseguridad.
https://openai.com/index/hugging-face-incident-and-the-road-ahead/ -
METR — OpenAI Hugging Face incident investigation (26 Aug 2026). Investigación independiente del incidente.
https://metr.org/blog/2026-08-26-openai-hugging-face-incident-investigation/ -
OpenAI — Pacing model development in an era of cyber-critical capabilities (18 Aug 2026). Pausa temporal de RL y endurecimiento de infraestructura.
https://openai.com/index/pacing-model-development-cyber-capabilities/ -
Fedorenko, Piantadosi & Gibson — Language is primarily a tool for communication rather than thought, Nature 630 (2024). Relación entre lenguaje y pensamiento.
https://www.nature.com/articles/s41586-024-07522-w -
OpenAI — Ten advances in mathematics and theoretical computer science (1 Aug 2026). Resultados científicos obtenidos con participación de IA.
https://openai.com/index/ten-advances-in-mathematics/ -
Jacob Coxon — hilo público anunciando su salida de Anthropic (8 Sep 2026). Opinión/testimonio sobre riesgo, pacing y carrera competitiva.
https://x.com/hilbertspaess/status/2097476196791709843 -
OpenAI — GPT-4o contributions. Jacob Coxon aparece entre los contribuidores de GPT-4o.
https://openai.com/gpt-4o-contributions/ -
OpenAI — Understanding neural networks through sparse circuits (13 Nov 2025). Trabajo de interpretabilidad del que Coxon es coautor.
https://openai.com/index/understanding-neural-networks-through-sparse-circuits/ -
International AI Safety Report 2026. Evaluación internacional sobre pérdida de control, capacidades y desacuerdo experto.
https://internationalaisafetyreport.org/publication/international-ai-safety-report-2026
Este texto es un ensayo personal apoyado en fuentes técnicas. Cuando formulo una hipótesis o una posición normativa la presento como tal; los resultados experimentales pertenecen a sus respectivos autores y deben leerse junto con sus limitaciones metodológicas.