Kraken Labs
IA · agentes · desarrollo de software · GPT-6.2

GPT-6.2 Astra y Sol: que tu agente diga «terminado» no significa que haya terminado

El lanzamiento de GPT-6.2 Astra y Sol deja una lección práctica: exige criterios de aceptación, tests independientes y recuperación antes de cerrar una tarea.

Ilustración de un circuito con una bifurcación y un mecanismo de control que representa la verificación del trabajo de un agente.

Un agente cambia cinco archivos, ejecuta dos pruebas y responde: «Terminado». Pero falta comprobar los permisos, la migración no se ha ejecutado y nadie ha probado qué ocurre al repetir la petición.

El problema no es la frase. Es que tu sistema la acepte como prueba.

El 17 de noviembre de 2026, OpenAI presentó GPT-6.2 Astra y GPT-6.2 Sol, disponibles en la API como gpt-6.2-astra y gpt-6.2-sol. Según el anuncio oficial, Astra apunta al trabajo profesional complejo y Sol a tareas cotidianas. Sus precios estándar por millón de tokens son, respectivamente, 8 y 40 dólares de entrada y salida, frente a 2 y 10 dólares.

La pregunta para quien construye software es otra: ¿quién decide que el trabajo está acabado?

Las primeras experiencias no son una sentencia

VentureBeat recoge comentarios mixtos de evaluadores. Entre ellos, Dan Shipper describe casos en los que Astra detiene antes de tiempo trabajos de construcción de aplicaciones completas. Otros testimonios combinan críticas con resultados útiles en tareas concretas.

Son experiencias anecdóticas, no una prueba universal de que Astra deje todo a medias. Tampoco permiten concluir cómo funcionará en tu repositorio.

Sí señalan un fallo que conviene contemplar: que el agente declare éxito cuando todavía quedan requisitos pendientes. No necesitas demostrar que un modelo falla siempre para protegerte contra ese fallo.

Escribe el contrato antes de pedir el cambio

«Añade una exportación CSV» no define cuándo puedes cerrar la tarea.

En un SaaS, un contrato de aceptación podría exigir:

  • Solo exportar registros de la organización autenticada.
  • Respetar los filtros activos.
  • Generar un CSV válido aunque haya comas y saltos de línea.
  • Rechazar usuarios sin permiso de exportación.
  • Pasar las pruebas de aceptación y adjuntar sus resultados.

Esto convierte una intención en condiciones observables. El agente puede proponer la implementación, pero no rebajar los requisitos para darla por terminada.

Añade también los límites: qué archivos puede tocar, qué operaciones requieren aprobación y qué debe hacer si le faltan credenciales. «Bloqueado» es un resultado válido. «Terminado» sin evidencia, no.

Separa construir de verificar

Si el mismo agente escribe el código, inventa las pruebas y decide si bastan, tienes una comprobación circular.

Mantén una batería de aceptación fuera de su control. Para la exportación, prepara dos organizaciones con datos distintos y verifica que ninguna descarga incluya registros ajenos. Ejecuta esas pruebas desde CI, no solo desde la sesión del agente.

En una tarea de código, como sustituir una función de cálculo, conserva entradas y salidas de referencia. Comprueba compatibilidad, casos límite y rendimiento cuando forme parte del contrato.

Otro modelo puede revisar el cambio. No sustituye una prueba ejecutable. Y un test que no se ha ejecutado no cuenta como aprobado.

Diseña qué pasa cuando no termina

El flujo necesita más estados que «trabajando» y «hecho»: pendiente de verificación, rechazado y bloqueado.

Guarda el cambio propuesto, los comandos ejecutados, los resultados y los requisitos pendientes. Si falla una comprobación, devuelve ese fallo concreto al agente y limita los intentos de corrección. Si agota el límite, conserva el estado y pide intervención humana.

Para cambios con efectos persistentes, prepara recuperación: transacciones, operaciones idempotentes o un procedimiento de reversión probado, según corresponda.

Escoge una tarea que ya delegas y escribe sus criterios de aceptación antes de volver a ejecutarla. Tendrás una forma de distinguir trabajo terminado de una respuesta convincente.