GPT-6 Astra llega en un momento extraño para la industria del software: nunca había sido tan fácil crear una aplicación y, al mismo tiempo, tan difícil conseguir que alguien quiera utilizarla y pagar por ella. El nuevo modelo de OpenAI puede programar, manejar aplicaciones, comprobar interfaces y ejecutar flujos completos en un ordenador, pero su verdadero impacto podría estar menos en escribir código que en elevar el listón de un mercado inundado de aplicaciones creadas a una velocidad inédita.
Las claves de GPT-6 Astra y el futuro del software en 20 segundos
- GPT-6 Astra puede programar, manejar software y realizar comprobaciones de calidad sobre interfaces.
- Las nuevas aplicaciones publicadas en la App Store crecieron un 84 % interanual en el primer trimestre de 2026.
- Georgia Tech ha documentado vulnerabilidades introducidas por código generado con IA.
- Crear software se abarata, pero conseguir usuarios sigue siendo difícil.
- El valor puede desplazarse del código hacia producto, seguridad y experiencia.
OpenAI presentó GPT-6 Astra el 03/09/2026 como su modelo más capaz hasta la fecha. Más allá de sus resultados en benchmarks, hay una característica especialmente relevante para desarrolladores y empresas: Astra ya no se limita a generar bloques de código a partir de instrucciones.
Puede utilizar un ordenador, instalar y probar software, trabajar con herramientas profesionales, crear aplicaciones y realizar comprobaciones de calidad del frontend. OpenAI muestra incluso al modelo construyendo un escenario en Blender y convirtiéndolo posteriormente en una experiencia navegable mediante Unreal Engine 5.
En OSWorld 2.0, una prueba de utilización de ordenadores, Astra alcanza un 72,6 %, frente al 65,7 % de GPT-5.6 Sol. En Terminal-Bench 4.0 pasa del 37,3 % de Sol al 57,9 %, mientras que en BenchCAD obtiene un 95,9 %.
Son pruebas controladas y no garantizan el mismo rendimiento en cualquier proyecto real. Pero apuntan hacia un cambio bastante más importante que generar una página web en unos minutos.
Crear una aplicación empieza a dejar de ser la parte difícil
Durante décadas desarrollar software exigía disponer de conocimientos técnicos o contratar a personas que los tuviesen.
La inteligencia artificial está reduciendo esa barrera.
Los datos de la App Store permiten observar el cambio. Según cifras de Sensor Tower recogidas por varios medios especializados, durante 2025 aparecieron cerca de 600.000 nuevas aplicaciones, un 30 % más que el año anterior.
La aceleración continuó durante 2026.
Solo entre enero y marzo se publicaron 235.800 nuevas aplicaciones, un 84 % más que durante el mismo trimestre de 2025.
No puede afirmarse que todas fueran creadas mediante inteligencia artificial. La coincidencia temporal con la popularización de herramientas como Claude Code y Codex, sin embargo, ha llevado a relacionar buena parte del crecimiento con la programación asistida por IA.
El resultado introduce una paradoja.
Si desarrollar una aplicación cuesta una décima parte del tiempo, no necesariamente aparece diez veces más demanda. Aparecen diez veces más competidores intentando captar aproximadamente la misma atención.
Ese cambio puede transformar el valor económico del software.
Hasta hace poco, conseguir desarrollar técnicamente una aplicación constituía una barrera de entrada considerable. Si esa barrera disminuye, el código pierde parte de su capacidad para diferenciar un producto.
Una aplicación continúa necesitando resolver un problema, resultar fácil de utilizar, ser fiable, encontrar usuarios, generar confianza y disponer de alguna ventaja frente a centenares de alternativas.
La IA puede escribir el programa. No crea automáticamente el mercado.
El ‘vibe coding’ también está acumulando deuda de seguridad
Producir más código tampoco equivale necesariamente a producir mejor software.
Investigadores del Georgia Institute of Technology crearon Vibe Security Radar para rastrear vulnerabilidades reales introducidas por código generado mediante herramientas de inteligencia artificial.
En abril habían confirmado 74 casos. De ellos, 14 estaban clasificados como críticos y otros 25 como de riesgo alto.
La evolución resultaba especialmente llamativa: el sistema detectó aproximadamente 18 casos durante siete meses de la segunda mitad de 2025. Durante los tres primeros meses de 2026 encontró 56.
Solo marzo acumuló 35.
Entre los problemas identificados aparecen inyección de comandos, omisiones de autenticación y falsificación de solicitudes del lado del servidor (SSRF).
Los investigadores advierten además de una característica particular del código generado mediante modelos: millones de desarrolladores pueden utilizar herramientas similares que reproducen patrones parecidos.
Eso podría hacer que un error aprendido o repetido por un modelo aparezca en múltiples proyectos independientes.
La conclusión no es que utilizar IA para programar sea inseguro.
El problema aparece cuando generar sustituye a revisar.
El propio investigador Hanqing Zhao recomienda tratar el código producido por IA de manera similar al pull request de un desarrollador júnior: debe revisarse especialmente cuando afecta a autenticación, tratamiento de entradas o funciones sensibles.
Astra puede modificar parcialmente esta situación porque OpenAI asegura haber mejorado precisamente sus capacidades para probar lo que construye.
El modelo puede crear una web y ejecutar posteriormente comprobaciones sobre el frontend. También mejora en tareas de ingeniería de software y utilización autónoma de herramientas.
La compañía Playco, por ejemplo, asegura que durante sus pruebas consiguió crear tres prototipos de videojuegos con Astra y necesitó un 50 % menos de correcciones manuales que con el modelo anterior.
Es un resultado comunicado por un cliente de OpenAI, no una garantía general sobre cualquier desarrollo, pero ilustra hacia dónde evolucionan estos sistemas.
| Cambio | Primera generación de ‘vibe coding’ | Agentes como Astra |
|---|---|---|
| Generar código | Sí | Sí |
| Crear aplicaciones completas | Parcial | Mucho más capaz |
| Manejar otras aplicaciones | Limitado | Sí |
| Comprobar el frontend | Normalmente humano | Puede hacerlo el agente |
| Corregir errores | Bajo petición | Dentro del flujo de trabajo |
| Mantener contexto entre tareas | Limitado | Mejorado |
| Sustituye una revisión profesional | No | No |
El salto consiste en pasar del modelo que escribe al agente que escribe, ejecuta, observa, prueba y corrige.
El software barato puede poner presión sobre el modelo SaaS
Existe además una consecuencia económica menos evidente.
Si una empresa paga 20 euros mensuales por una pequeña aplicación que realiza una función relativamente sencilla, históricamente tenía pocas alternativas. Desarrollar internamente un sustituto podía costar miles de euros.
Con agentes capaces de producir software funcional mediante lenguaje natural, esa comparación empieza a cambiar.
Una pyme podría descubrir que determinadas herramientas internas sencillas pueden construirse específicamente para sus procesos. Un profesional puede crear una pequeña utilidad en lugar de contratar otro servicio. Y un desarrollador puede producir productos de nicho que anteriormente no habrían compensado económicamente.
Eso no significa el final del software como servicio (SaaS).
Salesforce, Microsoft 365, Adobe, plataformas ERP o servicios especializados proporcionan infraestructura, actualizaciones, seguridad, soporte, integraciones y conocimiento acumulado que no se reproducen generando una aplicación durante una tarde.
La presión probablemente aparecerá primero en otro lugar: micro-SaaS y aplicaciones relativamente sencillas cuya principal ventaja era que construir una alternativa resultaba demasiado caro.
Cuanto más barato sea crear software personalizado, más difícil será cobrar indefinidamente una suscripción únicamente por ofrecer unas pocas funcionalidades reproducibles.
Astra introduce además otro escenario.
El usuario puede necesitar cada vez menos interfaces independientes.
Si un agente puede entrar en diferentes aplicaciones y completar el trabajo directamente, la relación tradicional entre persona y software empieza a cambiar. El usuario podría indicar el resultado que necesita mientras el agente decide qué programas utilizar para conseguirlo.
En ese escenario, parte del software podría seguir existiendo pero volverse prácticamente invisible para quien lo utiliza.
De escribir código a demostrar criterio
La abundancia introduce finalmente un problema difícil de solucionar aumentando la capacidad de los modelos.
El usuario tiene una cantidad limitada de atención.
Que cualquier persona pueda producir diez aplicaciones durante un fin de semana no significa que otras personas quieran instalarlas.
El mismo fenómeno ya ocurrió en otros mercados digitales. Cuando publicar fotografías, vídeos, música o textos se volvió prácticamente gratuito, la producción se disparó. La atención pasó a convertirse en el recurso escaso.
El software puede estar entrando en una etapa similar.
Y eso devuelve valor a características que la generación automática no resuelve por sí sola: criterio, diseño, conocimiento del usuario, mantenimiento, seguridad, distribución y confianza.
Paradójicamente, modelos mucho mejores podrían terminar favoreciendo a los buenos profesionales en lugar de eliminarlos.
Un desarrollador experimentado con Astra puede detectar una arquitectura incorrecta, establecer requisitos precisos, revisar decisiones de seguridad y saber cuándo el resultado no debería llegar a producción. Alguien sin esos conocimientos puede obtener una aplicación visualmente convincente sin detectar los problemas que contiene.
Astra tampoco elimina este riesgo.
OpenAI considera que el modelo alcanza el nivel Critical de capacidad en ciberseguridad de su Preparedness Framework. Sin las protecciones de producción consiguió un 100 % en ExploitBench y mostró capacidad para identificar vulnerabilidades desconocidas y desarrollar formas de explotarlas bajo determinadas condiciones.
La misma evolución que permite producir software mejor permite trabajar sobre él con una profundidad mayor.
Por eso GPT-6 Astra difícilmente representa “el final del software”.
Puede representar algo diferente: el final de una época en la que escribir el código constituía por sí mismo una parte considerable del valor de una aplicación.
Si generar, probar y modificar software continúa abaratándose, el mercado probablemente tendrá todavía más programas, no menos.
La diferencia estará en cuáles consiguen que alguien quiera utilizarlos.
Y ahí Astra no elimina una de las partes más difíciles de construir software: decidir qué merece la pena construir y hacerlo suficientemente bien para que el usuario confíe en ello.
Preguntas frecuentes
¿GPT-6 Astra puede crear aplicaciones completas?
OpenAI muestra a Astra creando webs, juegos y trabajando directamente con programas profesionales. También puede ejecutar pruebas sobre el frontend, instalar software y solucionar determinados problemas que encuentra durante la ejecución.
¿La IA está provocando que se publiquen más aplicaciones?
Las nuevas aplicaciones publicadas en la App Store crecieron un 84 % interanual durante el primer trimestre de 2026. No puede determinarse qué porcentaje fue generado con IA, aunque el crecimiento coincide con la expansión de herramientas de programación agéntica.
¿El código generado por IA tiene más problemas de seguridad?
Georgia Tech ha documentado decenas de vulnerabilidades reales introducidas por código generado mediante IA. Los investigadores recomiendan revisar ese código antes de llevarlo a producción, especialmente en funciones relacionadas con autenticación y tratamiento de datos.
¿GPT-6 Astra puede acabar con las aplicaciones SaaS?
No hay evidencia para afirmar que vaya a acabar con el SaaS. Sí puede aumentar la presión sobre aplicaciones sencillas si empresas y usuarios pueden construir alternativas personalizadas por una fracción del coste que requerían anteriormente.
