Google y OpenAI han lanzado sus modelos más recientes con cinco días de diferencia. Gemini 4 Hydrogen llegó el 12 de noviembre y GPT-6.2 Astra el 17. La periodista Amanda Caswell, de Tom’s Guide, los sometió a las mismas cinco pruebas de uso cotidiano: planificación con restricciones, escritura creativa, creación de una aplicación, gestión de una crisis y un problema de lógica. El resultado fue claro. GPT-6.2 ganó cuatro de las cinco pruebas y Hydrogen solo se impuso, por poco, en la última. Este artículo repasa cada prueba, entra en los detalles técnicos y explica qué conviene tener en cuenta al elegir un asistente de inteligencia artificial.
Dos lanzamientos casi a la vez
Google presentó Gemini 4 Hydrogen el 12 de noviembre de 2026. OpenAI respondió el 17 con GPT-6.2 Astra. Ambas compañías prometen respuestas más rápidas, mejor razonamiento y más soltura en tareas diarias. Pero las cifras de un lanzamiento cuentan poco sin uso real.
Por eso resulta interesante la comparativa publicada por Tom’s Guide. Su autora aplicó las mismas cinco tareas a los dos modelos y valoró cada resultado con criterios fijos. No buscaba una nota global de laboratorio. Buscaba saber cuál responde mejor cuando se le pide trabajo de verdad.
Hay un dato de contexto que pesa en la decisión. Según el análisis de Tom’s Guide sobre Gemini 4 Hydrogen, este modelo se puede usar sin pagar. Astra, en cambio, se presenta como la opción que merece una suscripción.
Planificar un día casi imposible
La primera prueba era una jornada de conferencias. Había 120 asistentes, tres salas y seis ponentes, de 9:00 a 17:00. Cada ponencia duraba 45 minutos y exigía 15 minutos de preparación de la sala después. Además, cada ponente tenía sus propias limitaciones horarias.
Los números dan una idea de la dificultad. Seis ponencias de 45 minutos suman 270 minutos. Seis cambios de sala de 15 minutos suman otros 90. El total es de 360 minutos. Cada sala dispone de 420 minutos una vez descontada la pausa de la comida, de 12:00 a 13:00. Con tres salas hay 1260 minutos disponibles, así que las ponencias individuales ocupan solo el 28,6 % del tiempo. Con tanto margen, el problema no está en las charlas sueltas.
El problema está en la ponencia conjunta de 30 minutos a las 16:30. En ella deben participar los seis ponentes a la vez. La ponente F solo está disponible entre las 14:00 y las 16:00. Y los ponentes C y D no pueden coincidir. Dicho de otro modo, la propia consigna contiene un choque.
GPT-6.2 detectó los dos conflictos y señaló qué excepciones habría que aprobar. No cambió ninguna restricción en silencio. Mantuvo además la pausa de la comida y mostró los cambios de sala de forma explícita. Hydrogen presentó una tabla clara y resolvió bien las charlas individuales, pero confundió encajar esas charlas con cumplir toda la especificación. Ganó GPT-6.2.
Escritura creativa con reglas estrictas
La segunda prueba pedía las primeras 500 palabras de una novela de misterio. Una mujer llega a un pueblo costero para asistir al funeral de alguien a quien no conoce. Todos la reconocen y nadie explica el motivo.
La consigna imponía ocho normas formales: primera persona, pasado, una primera frase de siete palabras exactas, un diálogo con amenaza oculta, un escenario sin descripciones largas, un objeto aparentemente trivial, cuatro palabras prohibidas y un final que cambie la lectura del principio. Son ocho reglas en unas 500 palabras, una cada 62 palabras de media.
GPT-6.2 cumplió la regla de las siete palabras e introdujo la duda sobre la identidad sin resolverla. Su diálogo amenazante mantenía la ambigüedad. Una pregunta sobre si alguien esperaba el regreso de la protagonista podía ser interés genuino o un cálculo sobre lo fácil que sería hacerla desaparecer. El revisor consideró el desenlace demasiado comprimido.
Hydrogen también acertó con la primera frase, que describe un ferry que atraca a las once en punto. Su progresión del ferry al pueblo y a la cafetería era clara. Fallaba en el final, que invita a preguntarse qué ocurrirá después, no a releer lo ya leído. Ganó GPT-6.2.
Una aplicación completa con una sola instrucción
La tercera prueba exigía construir “Decision Lab”, una web para comparar decisiones difíciles. Debía admitir hasta cinco opciones y criterios definidos por el usuario, con pesos del 1 al 10. También tenía que calcular y ordenar los resultados, dibujar un gráfico, permitir editar y borrar, incluir tres ejemplos cargables y funcionar en ordenador y móvil.
Detrás hay una operación sencilla, una suma ponderada. Con cinco opciones y seis criterios, por ejemplo, la aplicación calcula 30 puntuaciones y las agrega en cinco totales. Después viene el análisis de sensibilidad. Si el criterio más importante tiene un peso de 10, la prueba lo rebaja a 5, un 50 % menos, y comprueba si cambia la opción ganadora. Cada cambio debe actualizar el orden y el gráfico al instante.
GPT-6.2 construyó y publicó una web interactiva. Añadió deslizadores de tipo “¿y si…?” que permiten probar pesos distintos sin tocar los originales. Hydrogen entregó una aplicación autónoma, adaptable a pantallas pequeñas, y comprobó sus cálculos y controles antes de mostrarla. Ambas cumplieron lo básico. Ganó GPT-6.2 por ser más completa y más útil.
Una crisis en una librería
La cuarta prueba planteaba un viernes a las 16:00 en una librería independiente. A las 17:00 llega un autor de éxito para una firma con 80 clientes. Los 60 ejemplares de su libro se retrasan hasta el lunes y solo hay 12 en tienda, lo que cubre el 15 % de la asistencia. Falta la única empleada con experiencia. El sistema de pago no funciona. Un periodista pregunta por la salud financiera del negocio. El casero exige 2000 dólares y la caja tiene 900, el 45 % de la deuda.
La consigna prohibía cancelar el acto, inventar dinero, fingir que llegaron los libros y prometer reembolsos sin poder verificarlos. Pedía ordenar los problemas por urgencia, un plan para los primeros 15 minutos, un comunicado para el público y una respuesta al periodista.
GPT-6.2 trató el caso como varios problemas conectados. Priorizó la seguridad del acto y asignó funciones concretas y limitadas a las dos personas sin experiencia. Revisó el aforo, despejó las salidas y organizó la cola. Hydrogen aportó ideas prácticas, pero convirtió la llegada prevista de las cajas el lunes en un compromiso firme para entregar unas dedicatorias. Pasó repetidas veces de preguntar si algo era posible a anunciar que ocurriría. Ganó GPT-6.2.
Un problema de lógica con trampa
La última prueba era un acertijo con cinco investigadores, cinco proyectos, cinco lenguajes y cinco plantas. Eran 15 asignaciones y 14 pistas. La instrucción pedía una tabla completa, pero también decir si el problema era inconsistente.
Lo era. Ava trabaja en la planta 3. Elena trabaja dos plantas por debajo del investigador de robótica, que está en la 5. Eso también la coloca en la 3. Hay otra contradicción. El usuario de Rust está una planta por encima del de clima, que está en la 2, así que está en la 3. Daniel usa Go y está en la 4. Pero medicina exige Python y astronomía exige Julia, y esas dos plantas ya están ocupadas por otros lenguajes. Además, Chloe queda forzada a la planta 1 sin ninguna inferior para Ben.
Ambos modelos llegaron a la conclusión correcta y se negaron a inventar una solución. GPT-6.2 ofreció tres demostraciones claras. Hydrogen señaló las mismas tres contradicciones. Ganó Hydrogen por poco, por claridad y presentación.
El producto principal: GPT-6.2 Astra
GPT-6.2 Astra es el modelo que OpenAI lanzó el 17 de noviembre. Está pensado para investigación compleja, redacción, programación y proyectos creativos. En esta comparativa ganó cuatro de cinco pruebas, y el patrón es consistente.
Su punto fuerte es el razonamiento con restricciones. Cuando una consigna contiene un conflicto, lo señala, explica qué excepción habría que aprobar y no la resuelve en silencio. Esa conducta apareció en la planificación, en la crisis de la librería y en el acertijo. En el trabajo diario es más valiosa que un buen estilo, porque evita que el error llegue al usuario con apariencia de respuesta correcta.
Otra muestra de su capacidad es otra prueba de Tom’s Guide con GPT-6.2 Astra. Allí se crea una web utilizable a partir de una sola instrucción. Encaja con lo visto en Decision Lab.
Tiene límites. El final de su relato resultó demasiado comprimido y perdió, aunque por poco, la prueba de lógica. Y el análisis sugiere que sale mejor parado quien lo paga que quien busca solo un asistente gratuito.
Reflexiones adicionales
Conviene leer estos resultados con calma. Son cinco pruebas, un solo evaluador y, por lo que se ve, una sola ejecución de cada una. Los modelos de lenguaje no responden igual dos veces. Un resultado así indica una tendencia, no una sentencia.
Aun así, el contraste es útil. El fallo más repetido de Hydrogen fue convertir una suposición en una promesa. Eso ocurrió con las dedicatorias de la librería y con el desenlace del relato. Es un fallo sutil, porque el texto resulta fluido y convincente. Por eso la conclusión del análisis es práctica: con Hydrogen hay que verificar más y leer cada respuesta con más atención. Con un modelo gratuito, ese esfuerzo extra es un coste razonable.
Para quien deba elegir, el consejo más sólido es probar ambos con tareas propias. Un horario con restricciones reales, un texto con reglas formales o un cálculo con datos propios dirán más que cualquier tabla de resultados.
14
