Saltar al contenido principal
eKoFeed

OpenAI reasigna su equipo de robótica y apuesta por modelos generalistas como GPT-6 Astra

OpenAI reasigna su equipo de robótica bajo Mark Chen y Greg Brockman al apostar por modelos generalistas como GPT-6 Astra para controlar robots.

·
Ilustración editorial de brazos robóticos sobre la reorganización del equipo de robótica de OpenAI hacia modelos generalistas (The Decoder / GPT-Image-2)

OpenAI reorganizó su equipo de robótica para integrarlo en otras áreas internas y acelerar su desarrollo mediante modelos de propósito general. Según informa The Decoder a partir de un reporte de Fortune, la decisión parte de la hipótesis de que sistemas generalistas multimodales como GPT-6 Astra pueden controlar robots directamente y reducir la necesidad de modelos dedicados exclusivamente a la robótica.

Tras versiones iniciales que apuntaban a que la empresa estaba «aparentemente disolviendo de nuevo su equipo de robótica», OpenAI aclaró el 14 de noviembre de 2026 que su trabajo en este campo continúa. La compañía precisó que la reestructuración busca acercar el desarrollo robótico a sus divisiones centrales de investigación y producto.

Reasignación interna de investigadores y equipos de hardware

A diferencia de la disolución ocurrida en 2020, la compañía sostiene que no abandona la robótica, sino que busca acelerar su progreso repartiendo estas funciones entre dos estructuras clave. Los investigadores de robótica pasan al equipo principal de investigación encabezado por el director de investigación Mark Chen, mientras que los grupos de robótica aplicada y hardware se incorporan a la organización Applied liderada por Greg Brockman.

La medida se ejecutó con tal rapidez que modificó sobre la marcha la agenda pública de la división. De acuerdo con Fortune, OpenAI ya había reservado un stand en la Conference on Robot Learning (CoRL) en Austin, que terminó quedando vacío tras el reacomodo interno.

El desempeño de GPT-6 Astra frente a modelos especializados

Diversas evaluaciones recientes respaldan el giro estratégico hacia modelos fundacionales capaces de operar entornos físicos sin arquitecturas específicas. Un estudio de Nvidia evaluó un agente impulsado por GPT-6 Astra en tareas robóticas simuladas con un robot DROID, sin emplear una unidad física real.

En paralelo, el nuevo benchmark StationeryBench comparó a GPT-6 Astra con MolmoAct2, desarrollado por Ai2, en pruebas de manipulación de objetos de escritorio con brazos robóticos YAM de doble brazo. En otro ensayo independiente, investigadores ejecutaron GPT-6 Astra directamente sobre un robot humanoide, que logró desplazarse y limpiar una cocina.

A estas pruebas se suma la valoración de Yoav Artzi, investigador de inteligencia artificial en la Universidad de Cornell y Google DeepMind, quien percibe en Astra un salto relevante en comprensión espacial. El especialista sospecha que OpenAI pudo entrenar el modelo con amplios conjuntos de datos tridimensionales, como escenas de Blender, tras observar su desempeño en el benchmark aún inédito REMAP.

Evaluación o benchmarkPlataforma o entorno probadoResultado de GPT-6 AstraReferencia comparada
Estudio de NvidiaRobot DROID simulado (sin hardware físico)74,8 % de éxito en tareas simuladas51 % en los mejores modelos especializados
StationeryBench (200 ensayos)Brazos robóticos YAM de doble brazo (5 tareas de escritorio)7 de 100 tareas completadas; progreso medio de 46MolmoAct2 (Ai2): 0 completadas; progreso medio de 12
Prueba doméstica directaRobot humanoide en cocinaNavegación y limpieza de una cocinaSin comparativa frente a otro modelo
Benchmark REMAP (inédito)Comprensión espacial (según Yoav Artzi)Precisión cercana al nivel humanoSin cifras públicas divulgadas; comparado frente al nivel humano

Incógnitas técnicas y ventajas vigentes de la IA especializada

Pese a estos resultados, sigue sin estar claro qué volumen de datos propios de robótica incorporaron OpenAI y otras compañías durante el entrenamiento de estos sistemas. Tampoco se trata de un camino exclusivo de la empresa, ya que otros grandes modelos de propósito general desarrollados por Anthropic y Google han logrado avances recientes en tareas robóticas.

No obstante, la literatura técnica recuerda que los modelos especializados todavía conservan ventajas relevantes frente a las arquitecturas generalistas, aunque no generalicen con la misma amplitud:

  • Costo y fiabilidad: un estudio publicado en Zenodo apunta a ventajas de los modelos especializados en ambos frentes.
  • Velocidad y consumo energético: una investigación en arXiv señala beneficios en rapidez y eficiencia energética frente a modelos generalistas.

De la disolución de 2020 a la meta de 2027 bajo presión financiera

La trayectoria de OpenAI en robótica acumula varios giros estratégicos. En 2020, la compañía cerró su división original porque, según explicó su cofundador Wojciech Zaremba, carecía de los datos de entrenamiento necesarios y los grandes modelos de lenguaje ofrecían una vía más rápida hacia la inteligencia artificial general (AGI).

La firma reconstruyó el equipo en 2024 y conserva ambiciones propias en robótica física. De acuerdo con Fortune, el director ejecutivo Sam Altman apunta a realizar una primera demostración pública de un robot en 2027, dentro de una visión a largo plazo orientada a fabricar sus propios robots de uso cotidiano.

No obstante, esta hoja de ruta convive con una fuerte presión financiera sobre OpenAI para concentrarse en su negocio central de inteligencia artificial, un segmento donde la compañía ha perdido terreno significativo frente a Anthropic.

Fuente: The Decoder | Fortune