OpenAI cierra su equipo de robótica: GPT-6 Astra resuelve el 74,8% de las tareas en simulación frente al 51%
OpenAI disolvió su equipo independiente de robótica porque su modelo generalista, GPT-6 Astra, resultó capaz de controlar robots sin entrenamiento específico. En simulación, un agente basado en este modelo completó el 74,8% de las tareas de manipulación de objetos, mientras que los mejores modelos especializados del ranking lograron el 51,0%. Eso sí, se trata de un robot virtual, no de uno real. Los equipos que trabajan con robots deberían comprobar hasta dónde llega un modelo listo para usar.
Procesado por IA desde Hacker News AI; editado por Hamidun News
OpenAI disolvió su equipo independiente de robótica, y el motivo es sencillo: el modelo generalista de la compañía, GPT-6 Astra, entrenado con texto, código e imágenes, resultó capaz de controlar robots directamente. En la prueba, los investigadores conectaron el modelo a un robot virtual: Astra recibía imágenes de cámaras, datos sobre el estado del robot y una interfaz para dar órdenes. Así, el agente completó el 74,8% de las tareas de manipulación de objetos (coger, mover, colocar), mientras que los mejores modelos robóticos especializados en este ranking alcanzan el 51,0%.
Si un modelo universal rinde mejor que un "cerebro" creado solo para robots, un equipo aparte parece innecesario. Para quienes fabrican robots o invierten en ellos, es una señal importante.
Qué ha pasado exactamente
La compañía confirmó la reorganización a los periodistas y subrayó que la robótica sigue formando parte de su estrategia a largo plazo; no es un repliegue. Los investigadores pasaron al equipo principal de investigación, que dirige el responsable de investigación Marc Chen. Los ingenieros de aplicaciones y los especialistas en hardware se trasladaron a la gran organización Applied, que depende del presidente Greg Brockman.
La reestructuración fue tan reciente que OpenAI llegó a registrar el stand n.º 208 en la conferencia CoRL, en Austin. El stand quedó vacío y sin logotipo, pero antiguos miembros del equipo recorrían la sala y reunían a su alrededor a otros asistentes: la gran pregunta de la conferencia es cuánto valor conservará la experiencia en robótica cuando los modelos generalistas sean cada vez más potentes.
El recorrido de esta línea de trabajo no ha sido fácil. OpenAI cerró su primer equipo de robótica ya en 2020: había pocos datos procedentes de robots y el camino hacia la AGI a través de grandes modelos de lenguaje parecía más eficiente. En 2024 se volvió a formar el equipo y se anunció una alianza con la startup Figure para desarrollar modelos para humanoides. En febrero de 2025, Figure anunció que haría por sí misma la IA para sus robots. Ahora, según la propia OpenAI, la empresa desarrolla su propio humanoide, y Sam Altman apunta a una primera demostración pública en 2027.
Por qué un modelo generalista resultó útil de pronto
Según un portavoz de OpenAI, a comienzos de año los investigadores creían que el mejor camino hacia los robots pasaba por modelos como Sora. Para generar un vídeo verosímil, un modelo así debe entender implícitamente la física del mundo. Pero después se vio que los modelos de frontera habituales, incluido GPT-6 Astra, podían aplicarse directamente a la robótica. Esto llevó a la compañía a reorganizarse.
El profesor de la Universidad Carnegie Mellon Guanya Shi afirma que los modelos generalistas ya resuelven lo que antes requería un entrenamiento específico. Que la botella esté en otro sitio, que cambie la iluminación, que haya que entender el orden de los pasos o localizar el paso en que todo se torció: eso ya lo manejan. En su opinión, OpenAI ahora ve la robótica como "ya no un problema especial", sino como una aplicación más de la inteligencia general, igual que las herramientas jurídicas, financieras o de software construidas sobre los mismos modelos base.
Hay también un contexto financiero. El año pasado, Altman ordenó abandonar las "misiones secundarias", y OpenAI ya cerró algunos proyectos, entre ellos Sora, para redirigir la capacidad de cómputo hacia sus productos principales. Según informan los medios, la pérdida del último trimestre fue de 10.900 millones de dólares, y la compañía busca una nueva ronda de financiación y se prepara para una posible salida a bolsa a comienzos de 2027. Por eso la decisión parece tanto técnica como económica.
Qué significa para las startups y dónde están los límites
Este enfoque desafía la idea sobre la que las startups de robótica han captado miles de millones: que un robot necesita un "cerebro" propio. El profesor del MIT Russ Tedrake, cofundador y CEO de Walden Robotics, discrepa: las empresas con robots tienen algo que no tienen los laboratorios, la experiencia de trabajar en entornos reales, como las naves de fábrica. Esos datos sirven para adaptarse a cada planta concreta, y cuanto mejor sea el modelo base, más rápido se puede aprender a partir de ellos.
Las limitaciones son serias. El resultado del 74,8% se obtuvo en simulación, no con un robot real. Los modelos grandes son lentos y funcionan desde la nube, por lo que el robot necesita una conexión constante. Shi sigue viendo espacio para modelos especializados y compactos que funcionen en el ordenador de a bordo, sin internet. Pete Florence, de la startup Generalist, considera que todavía no está claro qué modelo acabará imponiéndose en robótica.
La conclusión práctica para los equipos que construyen robots es esta: antes de desarrollar un modelo de control propio, conviene comprobar hasta dónde se puede llegar con un modelo generalista ya disponible. El valor se desplaza hacia los datos reales de despliegue, la fiabilidad y el funcionamiento sin depender de la nube.
- 21 nov 2026Las vacantes de FDE se multiplicaron por 4,6 en un año: qué hace un ingeniero en el cliente
- 21 nov 2026Capitana de un equipo de natación automatizó con ChatGPT tres tareas programadas y recortó la rutina varias veces
- 21 nov 2026GPT-6 Cyber encontró unos 35 fallos en iPhone, Mac y otros dispositivos de Apple
- 21 nov 202622 agentes de Claude pasaron seis semanas buscando respuestas sobre agujeros negros, y resolvieron dos problemas
Preguntas frecuentes sobre la noticia
¿Qué se sabe sobre Qué ha pasado exactamente?
La compañía confirmó la reorganización a los periodistas y subrayó que la robótica sigue formando parte de su estrategia a largo plazo; no es un repliegue. Los investigadores pasaron al equipo principal de investigación, que dirige el responsable de investigación Marc Chen. Los ingenieros de aplicaciones y los especialistas en hardware se trasladaron a la gran organización Applied, que depende del presidente Greg Brockman.
¿Qué se sabe sobre Por qué un modelo generalista resultó útil de pronto?
Según un portavoz de OpenAI, a comienzos de año los investigadores creían que el mejor camino hacia los robots pasaba por modelos como Sora. Para generar un vídeo verosímil, un modelo así debe entender implícitamente la física del mundo. Pero después se vio que los modelos de frontera habituales, incluido GPT-6 Astra, podían aplicarse directamente a la robótica. Esto llevó a la compañía a reorganizarse.
¿Qué se sabe sobre Qué significa para las startups y dónde están los límites?
Este enfoque desafía la idea sobre la que las startups de robótica han captado miles de millones: que un robot necesita un "cerebro" propio. El profesor del MIT Russ Tedrake, cofundador y CEO de Walden Robotics, discrepa: las empresas con robots tienen algo que no tienen los laboratorios, la experiencia de trabajar en entornos reales, como las naves de fábrica. Esos datos sirven para adaptarse a cada planta concreta, y cuanto mejor sea el modelo base, más rápido se puede aprender a partir de ellos.
Test Frontier LLMs & Autonomous Agents in One Workspace
Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.
Lo esencial de la IA — una vez por semana
Siete historias que de verdad importaron, elegidas a mano. Sin ruido ni notas de prensa.
¡Listo! Revisa tu correo para la confirmación.