CodeRabbit ha publicado una primera evaluación de GPT-6 Astra, el nuevo modelo de OpenAI orientado a razonamiento multistep sobre código, navegadores y software profesional. Según sus pruebas, Astra detecta alrededor de un 4% más de errores etiquetados que GPT-5.6 Sol y un 22% más que Opus 5 a través de hallazgos accionables. La ventaja se amplía en revisiones cross-file, donde las diferencias alcanzan el 20% sobre Sol y el 33% sobre Opus 5. CodeRabbit interpreta estos resultados como un avance en la capacidad del modelo para conectar información distribuida en un codebase.
El análisis sitúa a Astra en la franja alta de precios: 10 dólares por millón de tokens de entrada y 50 por millón de salida, igual que Claude Fable 5.1. Para una tarea ilustrativa con 100.000 tokens de entrada y 10.000 de salida, el coste ascendería a 1,50 dólares, 2,5 veces lo que costaría Sol y unas 47 veces lo que costaría GPT-5.6 Luna. CodeRabbit advierte de que se trata de precios por token, no de coste por tarea completada, y recomienda medir el gasto total por resultado exitoso.
Además de la revisión de código, el artículo propone casos donde el razonamiento sobre fuentes dispersas podría aplicarse: síntesis de investigación, investigación operativa, análisis de requisitos y verificación de hojas de cálculo. Como ejemplo, los autores explican que usaron Astra para equilibrar NIGHTSHIFT, un RPG de acción construido con Godot, con árbol de habilidades de 988 nodos, 40 zonas en 10 actos y modo cooperativo entre plataformas.