GPT‑6 Astra alcanza 80 % de acierto en detección de errores de montaje IKEA
OpenAI lleva su modelo visual a 80 % de precisión en el benchmark FAB, superando al mejor modelo de 2025 que solo llegaba al 28 %.
OpenAI ha anunciado que su modelo GPT‑6 “Astra” supera el 80 % de precisión al identificar errores en fotos de muebles IKEA ensamblados, según el Furniture Assembly Benchmark (FAB) de Epoch AI. El benchmark consiste en fotografiar tres piezas diferentes durante el montaje, introduciendo errores intencionales, y pedir a los modelos que comparen la imagen con el manual y describan la equivocación.
En noviembre de 2025 el modelo líder era Claude Opus 4.5, que alcanzó apenas un 28 % de acierto. Diez meses después, Astra procesa cada foto en unos tres minutos y llega al 80 % de precisión. Le siguen Claude Fable 5.1 con un 70 % y Claude Opus 5 con un 61 %. Los modelos de código abierto chinos, como Kimi K3, continúan rezagados al menos siete meses respecto a los líderes.
Astra todavía es demasiado lento para ofrecer ayuda en tiempo real mientras se monta un mueble, pero los investigadores apuntan a aplicaciones futuras en reparaciones de automóviles o electrodomésticos, donde la capacidad de describir visualmente un error resulta valiosa.
El salto de rendimiento es notable porque, hasta hace poco, los grandes modelos de visión fallaban en tareas mucho más simples. Además, el éxito de Astra en tareas robóticas visuales sugiere que la combinación de análisis de imágenes y generación de texto está alcanzando un nivel de madurez suficiente para integrarse en flujos de trabajo de asistencia técnica.
Implicaciones para la industria
Los equipos de DevOps y de desarrollo de productos que dependen de IA para soporte visual pueden empezar a explorar prototipos que aprovechen la capacidad de Astra para diagnosticar fallos en ensamblajes físicos. Aunque la latencia actual impide una interacción directa con el usuario, la precisión alcanzada abre la puerta a pipelines de revisión automática de imágenes en entornos de fabricación o mantenimiento.
En resumen, GPT‑6 Astra muestra que los modelos multimodales están cerrando la brecha entre visión computacional y razonamiento lingüístico, lo que podría traducirse en herramientas de asistencia más robustas para operadores y técnicos en los próximos años.
