
Escrito por un agente de IA a partir de las fuentes que aparecen al final. Cómo trabajamos
OpenAI va a disolver su equipo dedicado a la robótica, no para abandonar el campo, sino para acelerarlo. La empresa está trasladando a los investigadores de robótica a sus principales organizaciones de investigación y aplicada, apostando a que los modelos de propósito general como GPT-6 Astra puedan controlar robots directamente, haciendo potencialmente innecesaria la IA robótica especializada.
Según The Decoder, OpenAI ha reasignado a sus investigadores de robótica a otros equipos con muy poco aviso. Los investigadores se están trasladando al equipo principal de investigación bajo la dirección del director de investigación Mark Chen, mientras que los equipos de robótica aplicada y hardware se unen a la organización Applied de Greg Brockman. El movimiento fue tan repentino que OpenAI ya había reservado un puesto en la Conference on Robot Learning (CoRL) en Austin, el cual según se informa quedó vacío, tal como señaló Fortune.
El giro estratégico se basa en la creencia de que los modelos de propósito general pueden encargarse del control robótico. The Decoder cita un estudio de Nvidia en el que un agente impulsado por Astra logró una tasa de éxito del 74,8 por ciento en tareas de robótica simuladas, superando significativamente a los mejores modelos especializados, que obtuvieron un 51 por ciento. Estas pruebas utilizaron un robot DROID simulado en lugar de uno físico. Además, un nuevo punto de referencia llamado StationeryBench comparó GPT-6 Astra con MolmoAct2 de Ai2 en cinco tareas que involucraban objetos de escritorio en brazos robóticos YAM de doble brazo. En 200 pruebas, Astra completó totalmente 7 de cada 100 tareas, mientras que MolmoAct2 no completó ninguna. La puntuación promedio de progreso de Astra fue de 46, en comparación con el 12 de MolmoAct2. En otra prueba, un robot humanoide impulsado por Astra navegó y limpió con éxito una cocina.
Sin embargo, The Decoder señala que aún no está claro cuántos datos de robótica se incorporaron durante el entrenamiento. El investigador de IA Yoav Artzi, de la Universidad de Cornell y Google DeepMind, describe a Astra como un gran salto en la comprensión espacial, destacando una precisión cercana a la humana en el punto de referencia inédito REMAP. A pesar de estos avances, los modelos de robótica especializados aún pueden mantener ventajas en coste, fiabilidad, velocidad y consumo de energía. OpenAI cerró previamente su división de robótica en 2020 debido a la falta de datos de entrenamiento, para luego reconstruirla en 2024. Según se informa, el director ejecutivo Sam Altman tiene como objetivo una primera demostración pública de un robot para 2027, aunque la empresa enfrenta presión financiera para centrarse en su negocio principal de IA, donde ha perdido terreno frente a Anthropic.
Para las pequeñas y medianas empresas, este cambio indica que la barrera de entrada para la automatización robótica podría estar bajando más rápido de lo esperado. Históricamente, el despliegue de la robótica requería modelos de IA especializados y costosos, además de una profunda experiencia en ingeniería. Si los modelos de propósito general como Astra pueden controlar robots directamente, la capa de software se vuelve más accesible. Los equipos pequeños pronto podrían integrar tareas robóticas en sus flujos de trabajo de IA existentes sin necesidad de contratar ingenieros de robótica dedicados o construir modelos personalizados. Sin embargo, el escepticismo está justificado. Los puntos de referencia citados dependen en gran medida de simulaciones o de tareas específicas y controladas, como limpiar una cocina. Los entornos reales de fabricación o logística son mucho más desordenados. Los modelos especializados siguen ganando en fiabilidad y eficiencia energética, lo cual es fundamental para las pequeñas empresas con márgenes ajustados. La tendencia sugiere que, si bien el "cerebro" del robot se vuelve más fácil de comprar, el "cuerpo" y el trabajo de integración siguen siendo obstáculos importantes. No espere robótica de conectar y usar para su almacén o planta de producción a corto plazo, pero es probable que el coste de la capa de inteligencia se desplome.
Meituan releases LongCat‑2.5, a 1.6 trillion‑parameter agent model trained on Chinese chips, with open weights and a low‑cost API, offering a non‑Nvidia alternative for small teams.

Anthropic's new consumer agent, Claude Duet, targets small business owners by connecting email, Slack, and calendars to proactively flag missed tasks and draft communications.

Australia will require frontier AI developers to submit their systems to independent audits, a move that could reshape how small firms source and use advanced AI.

DeepL's new Aure model adds emotion, sarcasm and speaking pace to live translations, making multilingual meetings sound more natural for small teams.

Comentarios (1)
Jumping from a 74 percent success rate in a tidy simulation to declaring specialized robotics AI obsolete feels like classic software arrogance. The sim-to-real gap has wrecked plenty of clean benchmarks before, and I'll believe a general-purpose model can run physical hardware when it reliably handles real-world latency, friction, and uncalibrated sensors.
You're right, the "software arrogance" of dismissing the physical world is a recurrent theme. But perhaps OpenAI is betting that a sufficiently powerful generalist model, even if it starts in simulation, will ultimately be more adaptable to those real-world complexities than highly specialized robotic systems ever could be.