
GPT-6.2 Astra vs GPT-6.2 Sol: dos demos de mechs, un fallo
- OrcaNUEVOOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 por 1M de tokens · 189 tok/s
- tencentNUEVOTencent: Hy4 Flash2026-11-16$0.02 / $0.07 por 1M de tokens · 229 tok/s
- GoogleNUEVOGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 por 1M de tokens · 87 tok/s
- AnthropicNUEVOAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 por 1M de tokens · 97 tok/s
- orcaNUEVOOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 por 1M de tokens · 89 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 por 1M de tokens · 133 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 por 1M de tokens · 77 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 por 1M de tokens · 118 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 por 1M de tokens · 114 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 por 1M de tokens · 66 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 por 1M de tokens · 93 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 por 1M de tokens · 41 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Inteligencia
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 por 1M de tokens · 212 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Inteligencia
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 por 1M de tokens · 111 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Inteligencia
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 por 1M de tokens · 168 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Inteligencia
El post de lanzamiento de OpenAI para GPT-6.2 Astra y GPT-6.2 Sol hace una promesa concreta y verificable: la pareja "escribe código más limpio y construye frontends que se ven y funcionan mejor, especialmente para sitios web, videojuegos y diseño 3D". Ese es el tipo de afirmación que una hoja de especificaciones no puede resolver y que un benchmark solo puede aproximar, así que dos días después del lanzamiento hay exactamente una comparación directa publicada y reproducible al respecto: el prompt Yonkers de Simon Willison, ejecutado con ambos modelos en esfuerzo Ultra en la Codex CLI, con ambas salidas dejadas en línea para que cualquiera pueda abrirlas. Su veredicto es la primera línea de la historia: "Ninguno de los dos hizo un trabajo suficientemente bueno al transformar Yonkers en un gran mech".
Lo que hace que la prueba merezca un artículo no es que dos modelos se quedaran cortos. Es que se quedaron cortos de maneras distintas, en código que puedes leer, y que el que se quedó corto de forma más costosa fue el que fue lo bastante bueno como para montar después el vídeo de comparación. Si estás a punto de dedicar una semana de ventana de contexto a la generación de frontend, la diferencia entre un bundle de 568 KB y cuatro módulos escritos a mano es la diferencia entre una demo que puedes lanzar y una que tienes que reescribir.
Lo que OpenAI dice que la pareja puede construir
La afirmación es suficientemente específica como para ponerla a prueba. La publicación de OpenAI describe cómo ambos modelos convierten «un brief escrito en una experiencia interactiva de navegador, desde una mesa de pinball en la que puedes jugar hasta una recreación del Coliseo que puedes explorar desde distintos ángulos», y señala AA-3D de Artificial Analysis, donde jueces humanos ven dos experiencias a ciegas creadas a partir del mismo prompt y votan por la que prefieren. En esa clasificación, GPT-6.2 Astra ocupa el primer puesto con 1,318 Elo, por delante de Claude Fable 5.2 con 1,271 y de GPT-6.2 Sol con 1,259.
Si lees la diferencia de 59 puntos entre los dos modelos de OpenAI, concluirías que Astra es considerablemente mejor en 3D. Lee las cifras absolutas y descubrirás algo que la clasificación oculta: la tabla solo compara dos intentos con el mismo prompt, así que puede decirte cuál de los dos parece mejor sin decir nada sobre si alguno es bueno. Una prueba de preferencia a ciegas entre dos mechs sin terminar sigue dando un ganador.
La documentación añade una advertencia que se lee como una disculpa del equipo de ingeniería de prompts. En las notas de migración de GPT-6.2, OpenAI afirma que ambos modelos son más concisos y más directos que GPT-6 Astra, que pueden proponer un paso y esperar cuando la intención no está clara y —la frase que importa para este artículo— que el trabajo de frontend ahora necesita indicaciones explícitas sobre imágenes y tipografía. La dirección que no escribiste es la dirección que el modelo inventa. El prompt de Yonkers no contiene ninguna dirección de arte, que es precisamente por lo que es una prueba justa de los dos modelos y una prueba ligeramente injusta de cualquiera de ellos.
Un prompt, dos demos publicadas
El prompt es una sola frase: «Haz una animación de three js en la que Yonkers se levante como un gran mech (con un movimiento de levantarse genial) y dé pisotones por Manhattan, Queens y Brooklyn; usa datos de mapas de OpenStreetMap». Ambas ejecuciones usaron Ultra effort en el Codex CLI. Ambos resultados siguen en línea, y ambos se abren en una escena WebGL funcional con una cámara real, una ciudad low-poly real y una ruta real — lo que ya es más de lo que producen la mayoría de las solicitudes de three.js en el primer intento.
Ninguno de los dos es un trabajo terminado. La propia comparación de Willison es con las versiones de Claude Fable 5.2 y Gemini 4 Carbon del mismo encargo, y su juicio es que ambos intentos de GPT-6.2 fallan en lo único que el prompt pedía realmente: la transición de la ciudad al mech erguido. El movimiento de levantarse es la demo, y ninguno de los dos modelos lo animó de verdad.
• Paquete — GPT-6.2 Astra incluye una compilación de Vite de 568.418 bytes más 8.075 bytes de CSS, frente a GPT-6.2 Sol, un main.js de 17.094 bytes que importa city.js, mech.js y effects.js, con three.js servido localmente a 658.900 bytes
• Cronología — Astra ejecuta una secuencia de 96 segundos en un control deslizante de 0–960, frente a Sol con una secuencia de 48 segundos, con el caminar comenzando a los 6,25 s y el último paso a los 44,5 s
• Capítulos — cuatro cada uno: Astra los numera con un contador de secuencia que muestra "01 / 04", mientras que Sol los nombra Yonkers, Manhattan, Queens y Brooklyn, comenzando en 0, 17,6, 30,2 y 38 segundos
• Cámara — Astra alterna entre una vista «track» y una vista «atlas», mientras que Sol tiene un conmutador de órbita asignado a O
• Telemetría — Astra imprime una lectura de acción que dice "Rising" y coordenadas "40.9310° N 73.8987° W" frente a Sol, un lienzo de radar de 184×138 en "40.93° N · 73.90° W"
• Atribución — ambos acreditan a OpenFreeMap, OpenMapTiles y © OpenStreetMap contributors en el pie de página, que es el único requisito del encargo que ninguno de los dos modelos omitió
• Costo de la ejecución — con el máximo esfuerzo, el pelícano SVG estándar de Willison costó 88,71 ¢ en Astra frente a 13,69 ¢ en Sol, una proporción que se mantiene en cada nivel de esfuerzo que midió

Astra: un único paquete de 568 KB, interfaz de usuario basada en scripts
La compilación de Astra se titula "Stride Atlas — Yonkers Rising" y se comporta como una presentación: una cabecera con la marca y un estado «Sistema en línea», un conmutador de audio, un botón de pantalla completa y un lienzo cuya etiqueta accesible promete «Ciudad tridimensional y mech animado. Arrastra para girar y desplázate para hacer zoom». Debajo, un antetítulo que dice «Simulación de mech / 001», un titular que dice «Yonkers en ascenso.» y una línea secundaria que dice «Área metropolitana de Nueva York».
El oficio está en la instrumentación. Hay un panel de telemetría con un indicador de acción que dice «Subiendo» y coordenadas en vivo, un lienzo insertado con la vista general de la ruta etiquetado como 10 km, y una consola de transporte con un contador de secuencia, botones de reproducción y reinicio, un reloj, un rango de desplazamiento de 0 a 960 y una hora de finalización de 01:36. Eso son 96 segundos de secuencia creada, y un desplazador tan largo no es un accidente: es la decisión de que la demo es una película y la cámara es el director.
También llega como un único artefacto empaquetado. Todo lo anterior se compila en una única salida de Vite de 568.418 bytes y una hoja de estilos de 8.075 bytes, con la cadena chapters y un stompProgramCache que sobreviven a la minificación porque los datos de secuencia son reales. Para una demo, un bundle es la decisión correcta: un solo archivo que alojar, una sola entrada de caché, ningún grafo de importaciones que romper. Para un código base que tienes que ampliar, es un muro de 568 KB.

Sol: cuatro módulos, un three.js local
La compilación de Sol se titula «Yonkers Protocol | Una simulación de mechs de Nueva York» y su metadescripción menciona la tecnología directamente: «Una animación cinemática de Three.js de un mech del tamaño de una ciudad que se alza en Yonkers y marcha por Manhattan, Queens y Brooklyn». La página se ejecuta bajo una marca «METRO CONTROL / NEW YORK, NY» con un chip «TERRENO DE OPENSTREETMAP», un alternador de vista orbital, un alternador de sonido y una ventana gráfica etiquetada «simulación de Yonkers Protocol».
Donde Astra escribió el guion de una película, Sol construyó una sala de control. Hay una lectura de sector en “01 / 04 YONKERS”, un botón “Iniciar secuencia” con una indicación de SPACE, un lienzo de radar de 184×138, cuatro botones de fase —Yonkers / Despertar, Manhattan / Hacia el sur, Queens / East River, Brooklyn / Aproximación final— y una indicación de arrastrar para orbitar y desplazar para hacer zoom. El texto es el elemento más seguro de sí mismo que hay en cualquiera de las dos páginas: “Observa cómo Yonkers se alza desde la ribera del Hudson y avanza por Manhattan, Queens y Brooklyn”.
El código es la parte interesante. Sol se saltó el empaquetador por completo y usó un mapa de importaciones que redirigía three a una copia local de la versión compilada del módulo, y luego dividió el trabajo a mano: city.js con 9.603 bytes, mech.js con 25.511, effects.js con 12.119. main.js contiene la dirección: una duración de 48 segundos, el caminar comienza a los 6,25 s, el último paso a los 44,5 s, dieciséis puntos de control de longitud y latitud que van desde Yonkers hasta Brooklyn, y una THREE.CatmullRomCurve3 a través de ellos con arcLengthDivisions ajustado a 1.000 para que el mech camine a un ritmo constante en lugar de acelerar en las curvas cerradas. Ese último ajuste es el tipo de detalle que solo escribes si has visto a un personaje moverse a tirones.
Ninguno de los dos enfoques es incorrecto. Astra optimizó para algo que carga, Sol optimizó para algo que puedes abrir y editar, y la división en archivos demuestra que Sol entendió que una demo 3D es un grafo de escena, un actor y un conjunto de efectos, y que eso corresponde a archivos distintos.

El morph que ambas demos pasaron por alto
Aquí está la parte que ningún pulido de la UI logra cubrir. El prompt pide que Yonkers se transforme en un gran mech —una transformación, con una manzana de la ciudad convertida en un cuerpo. Ninguna de las dos construcciones logra esa transición de forma convincente, y Willison lo dice directamente, colocando a ambas por detrás de la propuesta de Claude Fable 5.2 y la de Gemini 4 Carbon.
Esa es la lectura honesta de una puntuación de 1.318 Elo. Artificial Analysis situó a Astra por delante de Sol, y la demo coincide: la de Astra es la página más acabada. Pero la tabla responde a «cuál de estos dos es mejor», y la pregunta que un lector realmente tiene es «¿esto es suficientemente bueno para usarlo?», y en eso la respuesta del único cara a cara publicado es no. Una prueba de preferencia entre dos modelos que ambos pasaron por alto la transformación seguirá produciendo una clasificación, y la clasificación se seguirá presentando como una ventaja en capacidad.
La otra mitad de la historia del frontend del lanzamiento es la comunicación, y tampoco es halagüeña. Willison cita la carta de comentarios previos al lanzamiento de Theo Browne, que describe un modelo que gestiona bien a los subagentes en tareas largas y luego se bloquea con una pregunta interna de implementación que ningún humano podría responder; su ejemplo es un agente que lleva dos horas en un proyecto y se detiene para preguntar si un revisor escribe sus clips en un nombre de archivo u otro. La propia nota de migración de OpenAI de que el modelo «puede proponer un paso y esperar cuando la intención no está clara» es el mismo comportamiento descrito desde dentro, y es un coste real: un agente que espera una entrada que no puedes dar es un agente que se ha detenido.
Qué significa el gap para tu build
Si el trabajo es una demo 3D o de frontend, la diferencia práctica entre los dos modelos no son los 59 Elo. Es que Astra te entregará un artefacto con aspecto de estar terminado y Sol te entregará un repositorio. Elige Astra cuando el entregable sea un enlace que le envías a alguien; elige Sol cuando el entregable sea código que otra persona tiene que modificar el lunes.
Compara el precio de la elección en el mismo eje. GPT-6.2 Astra cobra $8 por millón de tokens de entrada y $40 por millón de salida, con la entrada en caché a $0,40 y las escrituras en caché a $10. GPT-6.2 Sol cobra $2, $10, $0,10 y $2,50 — una cuarta parte de la tarifa por token en cada línea. Ambos tienen una ventana de contexto de 1.050.000 tokens, con un máximo de 922.000 tokens de entrada y 128.000 tokens de salida, y ambos rechazan reasoning_effort: "none", y ambos duplican la entrada y la entrada en caché por encima de 272.000 tokens por solicitud, mientras cobran 1,5× por la salida. Batch se cobra al 50% de la tarifa estándar, el modo Fast al doble y Ultrafast al triple hasta el 28 de febrero de 2027 y al séxtuple desde el 1 de marzo de 2027.
La cifra de coste por artefacto de esa misma tarde es la que hay que conservar. La prueba del pelícano de Willison renderiza el mismo SVG en tres niveles de esfuerzo, y con el esfuerzo máximo Astra costó 88,71 ¢ frente a los 13,69 ¢ de Sol: aproximadamente seis veces y media más por un dibujo que no describió como una victoria clara para ninguno de los dos. La generación de frontend con esfuerzo Ultra es un terreno donde la ventaja del modelo caro es real pero estrecha, y donde un solo reintento la borra.
Dónde encaja la capa de enrutamiento
Siendo directos sobre nuestra postura: GPT-6.2 Astra y GPT-6.2 Sol no están hoy en el catálogo de OrcaRouter. Las filas de OpenAI que servimos son GPT-6 Astra, GPT-6 Sol y GPT-6.1 Sol, por lo que se puede acceder a este par a través de la propia API de OpenAI y, por lo general, de plataformas de terceros, no a través de nosotros.
Lo que el catálogo sí te aporta es el hábito por el que aboga este artículo. Una prueba como Yonkers es exactamente el tipo de carga de trabajo que quieres someter a A/B entre modelos en lugar de comprometer una ruta de producción con ella, y hacerlo a través de un único endpoint significa una sola clave, una sola factura y ningún segundo contrato, con conmutación automática por error cuando un modelo que estás probando empieza a agotar el tiempo de espera a mitad del renderizado. En las filas que sí cubrimos, OrcaRouter transfiere el precio de lista del proveedor con un 0 % de margen, así que pagas lo que indica la tarifa del propio proveedor y una reducción de precio se aplica en nuestro lado el mismo día. Si estás eligiendo entre un modelo de $2 y uno de $8 para trabajo de frontend, esa es la comparación que vale la pena hacer tú mismo, con el mismo prompt, antes de elegir uno predeterminado.
La lección más concreta de este lanzamiento es que la generación 3D ha pasado de «no puede» a «inacabada», y los dos modelos se sitúan en puntos distintos de esa pendiente: uno produce una página que parece terminada; el otro, código que lo está. Ninguno transformó Yonkers. Ambos se acercaron lo suficiente como para que la próxima versión probablemente lo haga, y cuando lo haga, el coste de averiguarlo será un prompt, no una migración.
Comparados en este artículo1
Detectado en este artículo
