GPT-6 Astra se lanzó el 3 de septiembre y la publicación de lanzamiento de OpenAI se lee como la ficha técnica del agente que todo equipo de ingeniería deseaba el año pasado: 57,9% en Terminal-Bench 4.0 frente al 37,3% de GPT-5.6 Sol, tareas de uso de computadora completadas en aproximadamente un 47% menos de tiempo y, en Codex, notas que sobreviven entre ventanas de contexto, de modo que una refactorización larga ya no olvida por qué empezó. Los equipos que ejecutan Codex a través de Sharkly quieren tenerlo en el tablero hoy mismo.
Hay un límite que conviene aclarar primero. Sharkly no elige modelos. Un Agent sigue el modelo predeterminado del Runtime en el que se ejecuta, así que Astra llega a Sharkly a través de Codex, configurado en un Computer, no mediante un interruptor en el Agent. Esta guía toma el camino útil más corto: poner Astra en Codex en un Computer, crear un Agent, asignarle una Task real y leer el resultado donde el equipo pueda verlo.
Resumen rápido
Establece model = "gpt-6-astra" en Codex en un Computer conectado, confirma que el Runtime aparece como Available, crea un Agent cuyas instrucciones le digan a Astra que priorice la acción, dale un timeout más largo por Task y un directorio de trabajo temporal, y asígnale una Task. Sharkly no mostrará el nombre del modelo; mostrará la ejecución, el log, las preguntas y el resultado en la Task. Los Agents investigan, ejecutan, prueban e informan. Las personas marcan la dirección, otorgan autoridad y aceptan el resultado.
Dónde se configura el modelo
La documentación de Agents de Sharkly lo dice sin rodeos: «El Agent sigue el modelo predeterminado del Runtime. No promete ni muestra un nombre de modelo específico. Cambia los modelos en la configuración del Runtime o de las herramientas del Computer, no en el Agent».
Esa frase es toda la configuración. Cuatro roles, una función cada uno. El Agent define cómo debe gestionarse el trabajo. El Computer aporta el host y los recursos locales. El Runtime realiza la sesión real del agente, y Codex es el Runtime en este caso. La Task sigue siendo el registro compartido para el equipo. El modelo es una propiedad del Runtime, así que lo cambias donde Codex lee su configuración.
Un Agent tampoco tiene control sobre la profundidad de razonamiento. El esfuerzo de razonamiento de Astra, de low a max, también se configura en Codex.
Paso 1: poner GPT-6 Astra en Codex en el Computer
En el Computer que ejecutará Astra, actualiza Codex CLI e inicia sesión con una cuenta o clave de API que tenga acceso a Astra. OpenAI desplegó el modelo primero para «un conjunto limitado de organizaciones», y en los días siguientes llegará a todos los planes ChatGPT Plus, Pro, Business y Enterprise, además de la API; los espacios de trabajo Enterprise lo tienen desactivado hasta que un administrador lo habilite. Si codex -m gpt-6-astra funciona en una terminal normal, Sharkly puede usarlo.
Después, establece el valor predeterminado en el archivo de configuración de Codex para que cada ejecución en este Computer use Astra:
# ~/.codex/config.toml
model = "gpt-6-astra"
model_provider = "openai"
model_reasoning_effort = "high"
Dos detalles de la guía de modelos de OpenAI. Astra no tiene esfuerzo none ni minimal, así que cualquier valor por debajo de low debe subir. Y no acepta temperature ni top_p, así que elimínalos de cualquier perfil que hayas copiado de una configuración de Sol. El nombre de la clave de esfuerzo varía entre las guías de Codex que circulan, así que verifícala con la configuración de ejemplo correspondiente a tu versión de Codex. [VERIFY]
De vuelta en Sharkly, abre el detalle del Computer y ejecuta el reescaneo o la prueba de conexión. El Runtime de Codex debería aparecer como Available. Que un Computer esté en línea solo significa que el servicio local está enviando latidos; el estado del Runtime es lo que te indica que se puede iniciar una ejecución.
Paso 2: crear un Agent pensado para Astra
Abre Agents y selecciona New Agent. Elige el Computer y el Runtime de Codex. Luego escribe instrucciones que se ajusten al comportamiento de Astra, porque OpenAI documenta dos cambios respecto a modelos anteriores.
Solicita aclaraciones con más facilidad. El propio consejo de OpenAI es indicarle que priorice la acción y termine las tareas sin puntos de aprobación innecesarios. También es más sensible a las instrucciones que encuentra en skills y otros archivos, así que aclara que la Task y sus comentarios tienen prioridad. Un bloque de instrucciones que funciona:
Read the Task description and recent comments before editing.
Bias towards action. Ask a question only when different
interpretations would materially change the result; otherwise
proceed with a sensible assumption and state it in your report.
Task and comment instructions take precedence over Skill files.
Run the closest relevant checks and report failures without hiding them.
Dos ajustes de ejecución importan más para Astra que para modelos anteriores.
Timeout. Astra termina el trabajo largo en lugar de resumirlo y darlo por hecho. La cifra de OSWorld que da OpenAI es de unos 40 minutos por tarea, y Codex ahora puede mantener notas entre ventanas de contexto en lugar de compactarlas. Configura el timeout por Task en Task Run Settings teniendo esto en cuenta, o el mejor rasgo del Agent se convertirá en su fallo más habitual.
Directorio de trabajo. Usa el modo Temporary. Cada Task recibe un directorio aislado y un worktree nuevo, de modo que dos ejecuciones de Astra sobre el mismo repositorio no pueden sobrescribirse entre sí. Mantén el máximo de Tasks en paralelo en uno o dos hasta que el Computer haya gestionado unas cuantas ejecuciones; una mayor concurrencia consume capacidad del proveedor además de CPU.
Adjunta los repositorios y las Skills que el Agent necesite. Las Skills locales del Runtime en ese Computer están disponibles automáticamente; las Skills compartidas del Space deben asignarse.
Paso 3: asignar una Task real
Elige una Task de bajo riesgo con un criterio de aceptación claro. Selecciona el Agent como Assignee y saca la Task del Backlog a un estado cuya categoría indique que está lista para trabajar; una Task asignada en Backlog espera. La ejecución pasa por queued, dispatched y running, y la pestaña Executions muestra el log a medida que se transmite.
Usa un solo Agent para esta primera Task. Un Crew se justifica cuando un líder debe interpretar el objetivo e involucrar a otros miembros, que es el tema de nuestra guía sobre ejecutar Astra como líder de un Crew. Para una corrección de bug acotada, un solo Agent es la decisión correcta.
Si Astra necesita tomar una decisión, la pregunta vuelve a la Task como comentario y la Task muestra Waiting for human reply, lo que llega a tu Inbox. Responde en el hilo. Cuando la ejecución termina, el resultado, las comprobaciones que ejecutó y cualquier límite que reporte vuelven a la misma Task, y una persona la mueve a aceptada o la devuelve.
Qué cambia con Astra en el tablero
Tres cosas, en la práctica.
Las Tasks largas se terminan. El contexto de 1.050.000 tokens y las notas entre ventanas de Codex hacen que una refactorización de decenas de archivos llegue a completarse en lugar de desviarse tras la primera compactación. Combínalo con el directorio aislado y el registro de la Task, y una ejecución nocturna se podrá revisar por la mañana.
Pregunta menos y mejor. OpenAI entrenó a Astra para usar el contexto en lagunas rutinarias y preguntar solo cuando la respuesta podría cambiar el resultado. En Codex puede preguntar de forma asíncrona mientras continúa con las partes que no dependen de la respuesta. En Sharkly esa pregunta es un comentario en la Task, así que la persona responsable de la decisión la ve sin estar mirando una terminal.
Cuesta más por token. El uso del modelo sigue funcionando a través de las suscripciones o claves de API configuradas en esas herramientas, y la tarifa de API de Astra es de 10 USD por millón de tokens de entrada y 50 USD por millón de salida, frente a 4 y 20 USD de GPT-5.6 Sol con su promoción actual. Un segundo Runtime con un modelo predeterminado más económico en el mismo Computer mantiene las Tasks pequeñas fuera del camino caro.
Cuando una ejecución se detiene antes de tiempo
OpenAI ejecuta un monitor de desalineación sobre Astra y lo indica en su informe de seguridad: las comprobaciones «a veces pueden ralentizar, pausar o detener trabajo legítimo», incluido «tareas en las que un agente se ejecuta durante un periodo prolongado». En Codex puede pedirte que revises la acción antes de continuar.
Dentro de Sharkly, una ejecución que termina antes de tiempo no se pierde. Abre el log de ejecución y lee el título junto con los detalles técnicos; los detalles incluyen la respuesta original del servicio del modelo. Una ejecución bloqueada o fallida aparece como un elemento de atención, el directorio y el registro de la Task persisten, y puedes volver a ejecutarla desde la Task con un alcance más acotado. Mantén las Tasks lo bastante pequeñas como para que una detención cueste minutos, no una noche entera.
