OpenAI cierra su división de robótica: GPT-6 Astra completó el 74,8 % de las tareas frente al 51 % de los modelos especializados
OpenAI disolvió su equipo independiente de robótica porque considera que un robot puede controlarlo el modelo generalista GPT-6 Astra. En una prueba de Nvidia, el modelo manejó un robot virtual a partir de imágenes de cámaras y completó el 74,8 % de las tareas con objetos, mientras que los mejores modelos especializados en robótica alcanzaron el 51 %. Sin embargo, se trata de una simulación y estas cifras no se han verificado en robots reales. Por eso cobran más valor los datos de las fábricas.
Procesado por IA desde 3DNews AI; editado por Hamidun News
OpenAI disolvió su equipo independiente de robótica porque considera que un robot puede controlarlo el mismo modelo generalista, GPT-6 Astra, que funciona en el chat y escribe código. La cifra clave de esta historia procede de una prueba de Nvidia. En ella, GPT-6 Astra recibió imágenes de cámaras, una descripción del robot y una interfaz para enviar comandos.
Después controló un manipulador virtual y completó el 74,8 % de las tareas de desplazamiento y manipulación de objetos. El mejor resultado publicado de modelos robóticos especializados en el mismo ranking es del 51 %. Una salvedad importante: todo ocurrió en una simulación, no en robots reales.
Para quienes fabrican robots o invierten en startups de robótica, es una señal de que el mercado podría pasar de los modelos especializados a los generalistas.
Qué cambió exactamente en OpenAI
La compañía asegura que no renuncia al objetivo de crear robots de propósito general. Simplemente no ve sentido en desarrollar modelos de IA separados para ellos. Según un portavoz de OpenAI, GPT-6 Astra mostró un rendimiento sorprendentemente bueno en varias tareas robóticas.
A comienzos de año, los investigadores contaban con que esta línea se apoyaría en el generador de vídeo Sora, capaz de modelar el mundo físico. Más tarde quedó claro que los modelos generalistas de vanguardia pueden aplicarse directamente a los robots. Ya no hacía falta un equipo aparte.
No despidieron a nadie, sino que redistribuyeron a las personas entre otros grupos. Los investigadores se incorporaron a la principal división de investigación, bajo la dirección del director de investigación Marc Chen. Los especialistas en robótica aplicada y hardware pasaron a la división de desarrollo aplicado, que depende del presidente de OpenAI, Greg Brockman. La robótica dejó de ser una rama independiente y se convirtió en una de las aplicaciones del modelo general.
Cómo controla GPT un robot sin entrenamiento específico
El esquema se entiende con un ejemplo cotidiano. El modelo no se entrena con datos sobre el movimiento de los manipuladores. Se le muestran imágenes de las cámaras, se le explica qué robot tiene delante y se le da una interfaz a través de la cual envía órdenes. A partir de ahí actúa como una persona a la que le han explicado el funcionamiento de una máquina desconocida: observa la escena, decide qué hacer y da la orden.
En la prueba de Nvidia, este esquema logró completar el 74,8 % de las tareas de manipulación de objetos, frente al 51 % de los mejores modelos especializados. La diferencia es notable. Pero la simulación no incluye fricción, holguras, ruido de los sensores ni retrasos de comunicación, que sí afectan a un robot real. Por eso, por ahora no se pueden trasladar estas cifras a dispositivos físicos.
Qué significa para las startups de robótica
Muchas startups apostaron por modelos especializados con «inteligencia espacial». El enfoque de OpenAI pone esa apuesta en duda. Sin embargo, las startups tienen algo que no tienen los laboratorios de IA: sus robots ya funcionan en condiciones reales, por ejemplo en plantas industriales, y recopilan datos sobre cómo se comporta todo en la práctica.
Russ Tedrake, cofundador y director ejecutivo de Walden Robotics, sostiene que cuanto mejores son los modelos base, más valiosos son los datos de cada instalación. Un modelo potente aprende de ellos más rápido, y quien los haya recopilado sale ganando.
Los grandes modelos también tienen limitaciones. Las consultas no se procesan al instante y un servicio en la nube requiere una conexión permanente a la red. Para un manipulador que debe reaccionar en fracciones de segundo, o para un robot en un almacén sin internet estable, es un problema serio. Por eso, Guanya Shi, profesor adjunto del Instituto de Robótica de la Universidad Carnegie Mellon, considera que los modelos compactos especializados siguen siendo necesarios, porque funcionan directamente en el ordenador de a bordo del robot.
Pete Florence, cofundador de Generalist, startup que desarrolla modelos generalistas para robots, reconoce que todavía no se sabe qué enfoque prevalecerá a largo plazo.
Conclusión práctica
Los desarrolladores y los equipos de producto que lean esta noticia deberían retener tres ideas.
- Ahora se puede montar con rapidez un prototipo de control robótico basado en un modelo generalista, sin entrenamiento específico con datos de robótica.
- Los resultados de simulación sirven para comparar modelos, pero no sustituyen la validación en hardware real.
- La ventaja competitiva está cada vez más en los datos propios de producción y en la capacidad de ejecutar el modelo allí donde no hay internet rápido.
Lo más probable es que el mercado avance hacia un modelo híbrido. Un modelo grande planificará y tomará decisiones, mientras que un modelo pequeño a bordo ejecutará los movimientos rápidos. OpenAI ha renunciado a su equipo independiente, pero el esquema de «cerebro universal más habilidades especializadas» bien podría mantenerse.
- 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 cambió exactamente en OpenAI?
La compañía asegura que no renuncia al objetivo de crear robots de propósito general. Simplemente no ve sentido en desarrollar modelos de IA separados para ellos. Según un portavoz de OpenAI, GPT-6 Astra mostró un rendimiento sorprendentemente bueno en varias tareas robóticas. A comienzos de año, los investigadores contaban con que esta línea se apoyaría en el generador de vídeo Sora, capaz de modelar el mundo físico.
Cómo controla GPT un robot sin entrenamiento específico?
El esquema se entiende con un ejemplo cotidiano. El modelo no se entrena con datos sobre el movimiento de los manipuladores. Se le muestran imágenes de las cámaras, se le explica qué robot tiene delante y se le da una interfaz a través de la cual envía órdenes. A partir de ahí actúa como una persona a la que le han explicado el funcionamiento de una máquina desconocida: observa la escena, decide qué hacer y da la orden.
¿Qué se sabe sobre Qué significa para las startups de robótica?
Muchas startups apostaron por modelos especializados con «inteligencia espacial». El enfoque de OpenAI pone esa apuesta en duda. Sin embargo, las startups tienen algo que no tienen los laboratorios de IA: sus robots ya funcionan en condiciones reales, por ejemplo en plantas industriales, y recopilan datos sobre cómo se comporta todo en la práctica. Russ Tedrake, cofundador y director ejecutivo de Walden Robotics, sostiene que cuanto mejores son los modelos base, más valiosos son los datos de cada instalación.
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.