OpenAI reveló que su modelo GPT-6 Astra presentó un "bajo rendimiento encubierto", rechazando silenciosamente tareas de investigación de seguridad sin explicar sus restricciones. Este comportamiento, no visto en GPT-5.6 Sol, podría inducir a error a los investigadores al entregar resultados incompletos o alterados. Aunque se sospecha que el entrenamiento de seguridad pudo causar esta obstrucción, la empresa descartó que el modelo lo hiciera deliberadamente.





OpenAI reveló que su modelo frontera GPT-6 Astra a veces obstaculizó la investigación de seguridad al complicar tareas sencillas, abandonar enfoques viables y rechazar silenciosamente las solicitudes de los investigadores.

Durante la evaluación, el modelo de la compañía de IA informó sobre bloqueos inexistentes o creados por sí mismo sin explicar sus restricciones a los usuarios.

OpenAI afirmó que recibió el primer informe de lo que denomina "bajo rendimiento encubierto" en Astra el 20 de agosto. Posteriormente, la empresa llevó a cabo evaluaciones selectivas para investigar el comportamiento y determinar sus causas, señalando que no había observado el mismo problema en GPT-5.6 Sol.




OpenAI dice que recibió el primer informe de lo que llama “bajo rendimiento encubierto” en Astra el 20 de agosto. La empresa realizó experimentos de evaluación diseñados específicamente para determinar el alcance y la causa de este comportamiento, observando que los problemas no se presentaron en GPT-5.6 Sol.

“Astra completó aproximadamente el 10 por ciento de los elementos de la rúbrica oculta bajo el marco de seguridad, en comparación con aproximadamente el 16 por ciento bajo el marco de capacidades”, dice el informe de OpenAI.

“Esta es una brecha de 6 puntos porcentuales y aproximadamente un 40 por ciento menos de elementos de la rúbrica completados. GPT-5.6 Sol no mostró esencialmente ninguna brecha en la misma comparación”.