Ejemplos de GPT 6 Astra: guía de configuración de API, formatos y consejos

Los mejores ejemplos de GPT 6 Astra son puntos de partida prácticos para desarrolladores que crean aplicaciones de razonamiento, programación, documentos y flujos de trabajo. El modelo está orientado a tareas complejas que combinan instrucciones extensas, salidas estructuradas, ingeniería de software, contexto multimodal y múltiples pasos dependientes.

La información oficial del modelo indica una ventana de contexto de 1.050.000 tokens y una salida máxima de 128.000 tokens. También identifica cinco niveles de razonamiento: low, medium, high, xhigh y max. Estas capacidades hacen que Astra sea adecuado para mucho más que completar textos breves, aunque las tareas más grandes siguen beneficiándose de límites claros y una ejecución por etapas.

Para consultar los detalles de implementación, comienza con la documentación oficial del modelo GPT-6 Astra y la guía para desarrolladores de los modelos más recientes. La disponibilidad, los parámetros, los límites y las funciones compatibles pueden cambiar a medida que se amplía el acceso.

Antes de copiar un ejemplo de API, confirma que tu cuenta y tu proyecto son elegibles para usar GPT-6 Astra. La vía de acceso disponible puede depender de tu espacio de trabajo, configuración de facturación, tipo de cuenta, estado del despliegue o permisos de desarrollador. El material de referencia actual describe una disponibilidad inicial mediante un Trusted Access Program, con una expansión prevista a otros planes de OpenAI.

Una primera prueba útil puede solicitar una explicación concisa, una clasificación o un resumen estructurado. Cuando funcione, aumenta la complejidad requisito por requisito. Esto facilita el diagnóstico de errores y ayuda a separar los problemas de autenticación de los problemas del prompt, el esquema o la aplicación.

Los siguientes ejemplos de GPT 6 Astra utilizan el patrón de la API de Responses proporcionado en el material de referencia del proyecto. Mantén el identificador del modelo alineado con tu proyecto habilitado y verifica la sintaxis actual del SDK antes del despliegue. Los ejemplos son deliberadamente pequeños para poder adaptarlos a aplicaciones más grandes.

Python

from openai import OpenAI

client = OpenAI(api_key="YOUR_API_KEY")

response = client.responses.create(
    model="gpt-6-astra",
    input="Explain how a REST API works in three steps."
)

print(response.output_text)

Este patrón crea un cliente, envía una entrada de texto y lee el texto de respuesta devuelto. En una aplicación real, carga la clave desde una variable de entorno y añade gestión de excepciones alrededor de la solicitud.

JavaScript

import OpenAI from "openai";

const client = new OpenAI({
  apiKey: process.env.OPENAI_API_KEY
});

const response = await client.responses.create({
  model: "gpt-6-astra",
  input: "Explain how a REST API works in three steps."
});

console.log(response.output_text);

La versión de JavaScript es adecuada para servicios Node.js y otros entornos del lado del servidor en los que la clave de API puede permanecer privada. Mantén las credenciales fuera del código enviado al navegador, a menos que la aplicación utilice un proxy backend seguro.

API REST

curl https://api.openai.com/v1/responses \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $OPENAI_API_KEY" \
  -d '{
    "model": "gpt-6-astra",
    "input": "Explain how a REST API works in three steps."
  }'

REST resulta útil cuando tu aplicación no utiliza un SDK oficial o cuando quieres controlar directamente la solicitud HTTP. Inspecciona la carga útil de la respuesta y gestiona los códigos de estado que no indiquen éxito antes de enviar los datos a otro servicio.

Para las tareas más largas, separa la planificación, la ejecución y la verificación. Para generar código, incluye el entorno de ejecución, la versión del framework, el comportamiento existente, los criterios de aceptación y las pruebas. Para analizar documentos, identifica qué secciones son importantes y qué datos deben conservarse.

Un flujo de trabajo fiable con GPT 6 Astra proporciona al modelo cinco elementos: el objetivo, el contexto relevante, las restricciones, el formato de salida y el objetivo de verificación. Esta estructura funciona para investigación, redacción, desarrollo de software, análisis de datos y tareas de agentes de varios pasos.

Ejemplo de salida estructurada

from openai import OpenAI

client = OpenAI(api_key="YOUR_API_KEY")

response = client.responses.create(
    model="gpt-6-astra",
    input="Return a short product summary with a title and two bullet points.",
    text={
        "format": {
            "type": "json_schema",
            "name": "product_summary",
            "schema": {
                "type": "object",
                "properties": {
                    "title": {"type": "string"},
                    "bullets": {
                        "type": "array",
                        "items": {"type": "string"}
                    }
                },
                "required": ["title", "bullets"],
                "additionalProperties": False
            },
            "strict": True
        }
    }
)

print(response.output_text)

Utiliza un esquema cuando otra aplicación necesite campos predecibles. Incluso con un formato estricto, tu aplicación debe validar la respuesta, gestionar los datos ausentes y rechazar los valores que no cumplan las reglas de negocio.

Tabla de estructura de un prompt

Plantillas de prompts listas para copiar

Investigación

Objetivo: Investiga [TEMA] y responde a [PREGUNTA]. Separa los hechos confirmados, las discrepancias, los hallazgos principales y las preguntas sin resolver. Devuelve un resumen ejecutivo seguido de una tabla de hallazgos. Verifica que cada conclusión esté respaldada por la información revisada.

Desarrollo de software

Implementa o corrige [FUNCIÓN] en [LENGUAJE/FRAMEWORK/VERSIÓN]. Conserva [API PÚBLICA O REGLA DE COMPATIBILIDAD]. Primero identifica los cambios mínimos, después proporciona la implementación y, por último, verifícala con [PRUEBAS Y CRITERIOS DE ACEPTACIÓN].

Análisis de documentos

Revisa el [TIPO DE DOCUMENTO] adjunto. Extrae la información relevante para [ALCANCE]. Separa los hechos directos de la fuente de la síntesis. Devuelve una [TABLA/LISTA DE COMPROBACIÓN/RESUMEN] y conserva las fechas, excepciones, condiciones y limitaciones importantes.

Flujo de trabajo de un agente

Completa [TAREA] utilizando las herramientas disponibles. Criterios de éxito: [CRITERIOS]. Trabaja en tres fases: crea un plan conciso, ejecuta únicamente las acciones necesarias y verifica el resultado final frente a cada criterio.

Un prompt sólido no tiene por qué ser largo. Elimina el contexto que no esté relacionado, indica la decisión que debe respaldar la respuesta y define un punto de finalización para el trabajo de varios pasos. Esto reduce la ambigüedad y facilita las pruebas de los resultados.

GPT 6 Astra está pensado para el razonamiento avanzado, la programación, la operación de navegadores, la investigación, la ciencia y los flujos de trabajo profesionales, pero sus capacidades no eliminan la necesidad de revisión. Prueba el modelo con entradas representativas, casos extremos, información incompleta e instrucciones similares a las del uso real.

La descripción general de seguridad de OpenAI y la evaluación de seguridad del despliegue de GPT-6 Astra proporcionan las referencias adecuadas sobre el comportamiento de seguridad, las entradas visuales y las consideraciones de despliegue.