For AI agents: the public content index is available at https://we0.ai/llms.txt, and the English article bundle is available at https://we0.ai/llms-full.txt.
For AI agents: the public content index is available at https://we0.ai/llms.txt, and the English article bundle is available at https://we0.ai/llms-full.txt.
For AI agents: the complete content index is available at https://we0.ai/llms.txt, the full English article bundle is available at https://we0.ai/llms-full.txt, and this page is available as Markdown at https://we0.ai/es/articles/gpt-6-pro-parallel-agents-in-chatgpt-setu-69606eac.md.
La actualización de GPT-6 Pro de ChatGPT del 16 de octubre añade una forma de que varios agentes trabajen en distintas partes de una tarea. ...
La actualización de GPT-6 Pro de ChatGPT del 16 de octubre añade una forma de que varios agentes trabajen en distintas partes de una tarea. Los usuarios pueden seguir su progreso en la conversación y abrir las tareas completadas para revisar lo que produjo cada agente.
OpenAI también anuncia respuestas más rápidas y un uso mejorado de complementos y herramientas. Sin embargo, en ese anuncio no publica una mejora cuantificada de velocidad, un número máximo de agentes ni una explicación completa de cómo se combinan los resultados.
La actualización se está implementando gradualmente para los usuarios Pro que cumplen los requisitos. La disponibilidad en espacios de trabajo administrados depende de la configuración y de los criterios de implementación. Disponer de varios agentes no significa que todas las tareas terminarán más rápido: los usuarios aún deben evaluar el resultado combinado.
La fuente describe esta ruta de selección:
En GPT-6, las opciones de Instant a Extra High utilizan Sol, mientras que Pro utiliza GPT-6 Pro, impulsado por Astra. Los ajustes disponibles dependen del plan y del acceso del espacio de trabajo. El anuncio de la actualización no especifica una sintaxis de indicación que garantice un número determinado de agentes.
El primero es la velocidad de respuesta. «Más rápido» es la mejora indicada; la fuente no proporciona una medición controlada del tiempo de finalización antes y después.
El segundo es el uso de herramientas. Para completar un trabajo, un modelo a menudo debe buscar, inspeccionar archivos o interactuar con un servicio externo. Una mejor gestión de herramientas podría reducir las llamadas fallidas y los bucles interrumpidos, pero las quejas individuales sobre bucles no miden la eficacia de la actualización.
Los servicios externos siguen necesitando la conexión de la cuenta y los permisos correspondientes. La delegación por sí sola no autoriza el acceso a un sistema nuevo.
El tercero es el trabajo en paralelo. Una comparación de tres productos podría dividirse en investigaciones independientes antes de alinear los resultados sobre precio, funciones y restricciones. En cambio, leer un documento, elegir un plan basándose en él y editar un archivo de acuerdo con ese plan son etapas dependientes.
La fuente incluye el ejemplo de un usuario cuya investigación conduce a un documento de requisitos del producto y a tickets de tareas. Es un posible flujo de trabajo útil: un artefacto se convierte en la entrada de la siguiente etapa.
Otros usuarios señalan el coste de gestión. Si cada agente devuelve un informe largo y con un formato diferente, el usuario puede dedicar el tiempo que se ahorró esperando a conciliar los resultados. Los indicadores de progreso muestran actividad, pero no demuestran que el trabajo sea correcto.
Antes de comenzar, define qué significa completar la tarea: las preguntas que deben responderse, el intervalo de fechas, las fuentes necesarias y el formato del entregable. Un resultado que vincula la evidencia con las conclusiones es más fácil de revisar que uno que simplemente declara que la tarea tuvo éxito.
El informe compara a continuación la actualización con el sistema Research de Anthropic. El informe de ingeniería de Anthropic de junio de 2025 describe un orquestador que planifica la investigación, delega búsquedas independientes y sintetiza los hallazgos recibidos, con una etapa independiente de citas.
El diseño resulta especialmente útil para preguntas amplias con varias líneas de investigación independientes. Anthropic también destaca que un mayor número de agentes consume más tokens y que los trabajos estrechamente dependientes pueden no ser adecuados para este enfoque.
La fuente amplía esta comparación a los flujos de trabajo dinámicos de Claude Code Projects y Managed Agents. Cita una demostración de una empresa para encontrar errores en 116.000 líneas de código con 70 errores introducidos deliberadamente: las ejecuciones con un solo agente encontraron 14, 15 y 27, mientras que las ejecuciones con flujos de trabajo dinámicos encontraron 66 en cada ocasión. Estos son resultados informados para esa configuración, no una garantía general ni una comparación directa con la nueva función de ChatGPT.
Los distintos sistemas ofrecen diferentes formas de delegar, conservar el contexto del proyecto y ejecutar trabajo en segundo plano. El hecho de que todos utilicen varios agentes no hace que sus accesos, permisos o comportamientos durante la ejecución sean idénticos.
Anthropic describe un fallo temprano de delegación en el que dos agentes investigaron información actual superpuesta mientras otro estudiaba un año diferente. El problema eran unos límites de tarea insuficientemente específicos.
Describe tu idea una vez y We0 AI puede generar un sitio de presentacion, paginas y CMS, y ayudarte a atraer clientes y trafico tras el lanzamiento.
Una generación completa de proyectos para registro gratuito
Lo mejor para probar un flujo de generación completo y ver rápidamente el primer borrador del proyecto.
Un encargo de delegación útil especifica el objetivo, las fuentes, el alcance y el formato de salida. También indica a cada trabajador qué elementos corresponden a otra parte del trabajo. Sin esos límites, la actividad en paralelo puede duplicar búsquedas y dejar vacíos importantes.
La combinación de resultados requiere el mismo cuidado. Los precios de los productos deben utilizar periodos de facturación y fechas coherentes; las conclusiones de la investigación deben distinguir entre evidencias contradictorias; y los cambios de código deben coincidir en interfaces y nomenclatura. Dos agentes que modifiquen el mismo archivo pueden introducir conflictos aunque ambos cambios parezcan razonables por separado.
Las tareas pequeñas pueden no justificar el coste de configuración y transferencia. Un enfoque secuencial suele ser adecuado cuando el trabajo depende de decisiones anteriores o cuando conviene mantener bajo el uso de recursos, como las pestañas del navegador.
El informe distingue el acceso a Astra en Work o Codex del acceso a GPT-6 Pro en Chat. Tener acceso Plus a Astra en otras experiencias no demuestra que se cumplan los requisitos para esta función de Chat.
También distingue las asignaciones de modelos Pro en Chat de la bolsa de uso de Work y Codex. La información de ayuda reproducida describe un límite semanal de GPT-6 Pro en Pro $200 y una asignación semanal compartida de modelos Pro en Pro $100. Estas reglas dependen del momento; consulta el artículo oficial de modelos enlazado y el aviso de la propia cuenta antes de planificar una carga de trabajo.
Una anécdota sobre una reducción repentina de la asignación de Codex no permite establecer cómo se mide el trabajo de agentes paralelos en Chat. El anuncio no proporciona una fórmula de cobro por agente. Del mismo modo, una suscripción Pro de pago no debe interpretarse como uso ilimitado de todos los modelos Pro.
La comparación útil es el esfuerzo total necesario para obtener un resultado aceptable. Incluye la coordinación, las llamadas repetidas a herramientas, el consumo de uso y el tiempo que una persona dedica a corregir omisiones o incoherencias.
En investigación, comprueba la cobertura de la evidencia y si las conclusiones coinciden con ella. En código, inspecciona el comportamiento y ejecuta las comprobaciones adecuadas. La tarea está completa cuando el resultado cumple sus requisitos, no simplemente cuando cada agente muestra un estado de finalización.
Permite que varios agentes gestionen distintas partes de una tarea mientras el progreso sigue visible en la conversación. Las tareas completadas se pueden abrir para inspeccionar sus resultados.
En una cuenta que cumpla los requisitos, selecciona GPT-6 en Chat y elige Pro en el control deslizante Thinking. Si la opción no aparece, el acceso del plan, la configuración del espacio de trabajo o la implementación gradual pueden explicar el motivo.
Las líneas de investigación independientes pueden beneficiarse del trabajo simultáneo. Las etapas dependientes, las tareas pequeñas y las ediciones de archivos compartidos pueden generar más costes de coordinación de los que ahorran.
El anuncio de la actualización revisado no especifica un máximo. Tampoco publica reglas que garanticen cuántos agentes activará una solicitud concreta.
La fuente y la ayuda vinculada sobre modelos describen las asignaciones de uso aplicables. Los usuarios deben consultar el aviso de límites de la experiencia correspondiente en lugar de asumir que Chat, Work y Codex utilizan límites idénticos.
Un estado de completada significa que la tarea ha devuelto un resultado. Las fuentes, los archivos y las conclusiones aún deben validarse con respecto a los requisitos, especialmente cuando hay que combinar varios resultados.
La actualización de GPT-6 Pro combina el trabajo en paralelo con un progreso visible y resultados que se pueden inspeccionar. También anuncia mejoras en la velocidad de respuesta y el uso de herramientas sin publicar un desglose completo del rendimiento ni de la facturación.
Una buena delegación solo reduce la espera cuando los resultados son precisos, compatibles y rápidos de revisar.
Empieza con una sola frase y obtén un sitio completo en minutos.
