Jensen Huang reveló que GPT-6 Astra fue entrenado con más de 100 mil GPU Nvidia Grace Blackwell y aseguró que otras 400 mil están por entrar en operación. OpenAI no incluyó esos datos en la presentación técnica de su nuevo modelo.
La presentación de GPT-6 Astra dejó una cantidad poco habitual de números sobre la mesa: 99.9% en ARC-AGI-3, 97.6% en FrontierMath Tier 4, 100% en ExploitBench y un salto considerable en tareas de uso de computadora, programación, investigación científica y trabajo profesional. Pero uno de los datos más reveladores sobre el modelo no llegó de OpenAI. Lo aportó tres días después Jensen Huang, fundador y director ejecutivo de Nvidia.
En una publicación en X, Huang resumió en unas cuantas líneas una historia técnica que OpenAI no había contado de esa manera: “GPT-6 Astra, entrenado con ~100K+ NVIDIA Grace Blackwell NVLink72. De ChatGPT a o1 a Astra en cuatro años. La AGI ha llegado. Felicitaciones al equipo de OpenAI. 400K GPU entrando en línea a continuación”. La publicación fue una respuesta a Chase Lochmiller, director ejecutivo de Crusoe, quien había celebrado el lanzamiento diciendo que Abilene, Texas, podía considerarse “el lugar de nacimiento de la AGI”.
GPT-6 Astra, trained on ~100K+ NVIDIA Grace Blackwell NVLink72. From ChatGPT to o1 to Astra in 4 years.
AGI has arrived. Congratulations @OpenAI team.
400K GPUs coming online next.
— Jensen Huang (@JensenHuang) September 6, 2026
La frase llamó la atención inmediatamente por la declaración sobre inteligencia artificial general, pero posiblemente la parte más interesante está antes y después de esas tres letras. Huang no se limitó a felicitar a OpenAI por Astra: identificó aproximadamente cuántas GPU participaron en su entrenamiento, señaló la arquitectura de Nvidia utilizada para hacerlo y anticipó una ampliación considerable de la infraestructura computacional.
OpenAI no hizo lo mismo. En su presentación oficial, la compañía describe a GPT-6 Astra como “el modelo más inteligente y alineado del mundo” y detalla sus resultados en programación, navegación, ciencia, ciberseguridad y razonamiento abstracto. La compañía sí explica que Astra reúne años de trabajo en preentrenamiento, aprendizaje por refuerzo y alineación, pero no identifica en esa publicación el número de GPU utilizado para entrenarlo ni especifica una configuración Grace Blackwell NVLink72.
La diferencia se mantiene incluso en la documentación técnica. La sección “Model Data and Training” de la system card de Astra señala que el modelo fue entrenado con conjuntos de datos diversos y explica el uso de aprendizaje por refuerzo para los modelos de razonamiento de OpenAI. No ofrece, sin embargo, una cifra del clúster de entrenamiento. Una búsqueda dentro del documento no arroja referencias a “Blackwell” ni a “100,000” relacionadas con el entrenamiento del modelo.
Es decir, Huang añadió una capa diferente al lanzamiento: la dimensión física de Astra. Detrás de los porcentajes de los benchmarks aparece un clúster de más de 100 mil aceleradores de última generación trabajando sobre una arquitectura diseñada para interconectar grandes cantidades de cómputo. Y después de presentar ese número, el director de Nvidia inmediatamente añadió otro cuatro veces mayor: “400K GPUs coming online next”.
El contexto de la conversación hace razonable interpretar que Huang continúa refiriéndose a la expansión de la infraestructura vinculada con OpenAI y Abilene. Pero su publicación tampoco explica qué harán exactamente esas 400 mil GPU. No dice que vayan a entrenar GPT-7, que constituyan un único clúster de entrenamiento o que todas vayan a dedicarse exclusivamente a OpenAI. “Entrando en línea a continuación” puede abarcar infraestructura destinada a entrenamiento, postentrenamiento, inferencia, generación de datos, experimentación o múltiples generaciones de modelos. Lo único explícito es la escala de lo que viene.
Una reacción poco habitual
También resulta difícil separar esos datos del tono de Huang. El director ejecutivo de Nvidia no escribió simplemente que Astra era un avance importante. Construyó una línea temporal completa: ChatGPT, o1 y Astra en apenas cuatro años. Después proclamó que “la AGI ha llegado”.
OpenAI fue notablemente más prudente. Su página de lanzamiento utiliza el benchmark ARC-AGI-3, donde Astra obtuvo 99.9% y alcanzó prácticamente paridad humana en la prueba, pero no declara en el texto que la compañía haya alcanzado formalmente la inteligencia artificial general. La system card tampoco contiene el término AGI.
No hay forma de determinar a partir de una publicación si Huang quedó sorprendido, impresionado o incluso conmocionado por las capacidades que observó durante el desarrollo de Astra. Nvidia, además, tiene un interés comercial evidente en destacar que uno de los modelos más avanzados del mercado fue construido sobre su hardware. Pero la intensidad de su mensaje resulta significativa: uno de los ejecutivos con mayor conocimiento de la infraestructura computacional que hizo posible Astra está describiendo públicamente el resultado como un cambio de época.
La declaración también adquiere otra dimensión porque Astra no representa únicamente una mejora incremental sobre GPT-5.6. OpenAI reporta que el modelo llega a 99.9% en ARC-AGI-3 frente a 7.8% de GPT-5.6 Sol, 100% en ExploitBench frente a 78.5% y 97.6% en FrontierMath Tier 4 frente a 83%. En ciberseguridad, además, se convirtió en el primer modelo que OpenAI clasifica en nivel “Crítico” bajo su Preparedness Framework, debido a su capacidad para encontrar vulnerabilidades previamente desconocidas y desarrollar métodos para explotarlas sin que una persona tenga que dirigir cada paso.
Eso no demuestra que Astra sea AGI. Tampoco permite saber qué definición de inteligencia artificial general está utilizando Huang. Pero ayuda a entender por qué su publicación merece leerse más allá de la frase que inevitablemente dominó los titulares. Huang hizo algo distinto a OpenAI: contó Astra como una historia de escalamiento.
Primero fueron ChatGPT y los grandes modelos de lenguaje. Después llegó o1 y el razonamiento. Ahora Astra combina razonamiento, uso autónomo de computadoras, investigación, programación y capacidades científicas mientras opera sobre una infraestructura de una magnitud que hasta hace pocos años habría resultado extraordinaria incluso para un supercomputador. Y, según Huang, esa infraestructura todavía no ha terminado de crecer. Astra necesitó más de 100 mil GPU. Las siguientes 400 mil ya están entrando en línea.
