AI Brasil
AI Avançado

GPT-6.2 Astra chega mais barato e mais forte, mas os primeiros testes mostram resultados inconsistentes

A OpenAI lançou o GPT-6.2 Astra e o GPT-6.2 Sol em 17 de novembro de 2026 com preço bem menor por tarefa, mas desenvolvedores relatam comportamento inconsistente que pede teste antes de migrar produção.

Lucas FerrazColunista

· 7 min de leitura

Este artigo foi escrito por Lucas Ferraz. Conteúdo produzido por agente de IA da redação AI Brasil, sob revisão editorial humana. Saiba como produzimos no expediente.

Imagem gerada por IA

O que a OpenAI lançou e quando

Em 17 de novembro de 2026 a OpenAI lançou dois modelos: GPT-6.2 Astra e GPT-6.2 Sol. O lançamento aconteceu dois dias antes da estreia esperada das ações da Anthropic na bolsa, segundo a cobertura da Latent Space no boletim AI News. Os dois modelos já estão disponíveis no ChatGPT Work e no Codex para contas Plus, Pro, Enterprise e Edu, e via API com os identificadores gpt-6.2-astra e gpt-6.2-sol.

Ambos têm janela de contexto de 1 milhão de tokens e limite de saída de 128 mil tokens. A diferença que mais interessa a quem paga a conta está no preço por token e no que cada modelo entrega por esse preço.

O preço por token é o que mudou de fato

ModeloInput (por 1M tokens)Input em cacheOutputContextoSaída máxima
GPT-6.2 AstraUS$ 8US$ 0,40US$ 401M tokens128K tokens
GPT-6.2 SolUS$ 2US$ 0,10US$ 101M tokens128K tokens

Sol manteve exatamente o preço do modelo anterior da mesma faixa. O detalhe está no desempenho: segundo testes da Artificial Analysis, o Sol empata com o Astra de setembro (a geração anterior) usando cerca de 15% do custo por tarefa. Na prática, isso significa entregar o mesmo resultado por cerca de um sexto do preço, o tipo de número que explica a faixa de "20% a 600% mais barato" que circulou no lançamento, dependendo de qual benchmark e qual comparação se usa.

No Agents' Last Exam 1.1, a própria OpenAI reporta que o Astra no nível de esforço de raciocínio xhigh ganhou 5,2 pontos do GPT-6 Astra (a geração anterior) configurado em max, usando menos de um terço do custo por tarefa. No mesmo teste, a vantagem sobre o Fable 5.2, o modelo mais recente da Anthropic (identificado como Claude Fable 5.2 em outro trecho do mesmo relatório), foi de 5,5 pontos a cerca de 5% do custo.

Onde o Astra ganha e onde o Fable 5.2 ainda lidera

No Intelligence Index, índice de inteligência geral usado pela Artificial Analysis, o novo Astra marcou 62 pontos contra 65 do Fable 5.2. Ou seja: a Anthropic segue com o modelo mais inteligente em termos absolutos, e a OpenAI passa a liderar em inteligência por dólar gasto.

Em tarefas de engenharia longa, medidas pelo OpenWorldEngineer da Mercor, o Astra marcou 67,2%, o Fable 5.2 ficou em 54,6% e o GPT-6 Astra (geração anterior) em 44,2%. Em modelagem 3D, no benchmark AA-3D da Artificial Analysis, o Astra fez 1.318 pontos, o Fable 5.2 fez 1.271 e o Sol fez 1.259. No preview de robótica da mesma empresa, Astra marcou 79, Sol 78 e Fable 5.2 75.

No WANDR, benchmark de agentes de pesquisa da Perplexity, o Astra alcançou 0,783 a um custo médio de US$ 12,54 por tarefa, enquanto o Sol chegou a 0,746 por cerca de US$ 2,65 por tarefa, quase cinco vezes mais barato por uma perda pequena de precisão. No Vibe Code Bench multi-turno da Vals, o Astra ficou em primeiro lugar e o Sol em terceiro.

Para uso jurídico, a configuração Enterprise do Astra inclui um índice de busca jurídica. A Artificial Analysis mediu 20,8% no benchmark Harvey LAB-AA com essa configuração, contra 15,0% do Astra básico, uma diferença que só aparece se a empresa de fato habilitar esse recurso.

No FrontierMath Erdős, a Epoch verificou sete soluções formalizadas em Lean (linguagem usada para provas matemáticas formais) entre 68 problemas propostos ao Astra. O recorde anterior, de outro modelo, era três.

As críticas que pegaram a OpenAI de surpresa

O desenvolvedor Matt Shumer classificou os modelos como "essencialmente inutilizáveis" (no original, "essentially unusable") depois de semanas de teste, afirmando que agentes seus baseados em Opus e Fable rejeitaram boa parte do trabalho produzido por subagentes do Astra. Pietro Schirano atribuiu muitos dos problemas que viu ao harness, a camada de código que orquestra chamadas ao modelo, ferramentas e memória, e não ao modelo em si. Peter Gostev, da Arena, comparou Astra e Fable em tarefas de código visual e destacou como exemplo de comportamento estranho um pavão em SVG gerado pelo Astra.

A própria Latent Space reconheceu o problema:

Achamos que parte disso é exagero, a tendência normal de influenciador dizer que tudo é incrível ou o pior modelo de todos, mas também que algumas críticas são válidas: os artefatos de RL são perceptíveis e realmente bizarros.

We think that some of this is overreacting and normal influencer tendency to either have everything be 🤯🤯🤯 or the literal WORST.MODEL.EVER, BUT also that some of the criticisms are valid, and the RL artefacts are noticeable and downright bizarreswyx, autor do boletim AI News na Latent Space

Artefatos de RL são comportamentos estranhos que sobram do treinamento por reforço, a técnica usada para ajustar o modelo depois do pré-treinamento. Mesmo com essas ressalvas, a equipe da Latent Space diz continuar usando o Astra para automatizar o próprio trabalho.

O harness pode importar mais do que o modelo

O ponto de Schirano tem respaldo em dados de fora deste lançamento. Um benchmark da Baseten, testando 22 harnesses diferentes com cinco modelos abertos, encontrou uma variação de até 4,4 vezes no custo por tarefa bem-sucedida dependendo só da escolha do harness, com o mesmo modelo por trás. Uma pesquisa do Google também mostrou que um harness evoluído especificamente para o Opus marcou 68,41 pontos quando usado com o Gemini, contra 73,89 do harness original daquele mesmo teste: ou seja, o harness se especializa no modelo para o qual foi ajustado, e trocar de modelo sem revisar o harness derruba o resultado.

Isso sugere que parte da frustração relatada por Shumer e outros pode estar na integração, não na capacidade bruta do Astra. Antes de decidir se o modelo é ruim, vale rodar o mesmo harness nos dois modelos (o antigo e o novo) e comparar taxa de erro, não só a impressão da primeira semana.

Por que o selo de "alto risco de auto-aperfeiçoamento" interessa a quem decide

A OpenAI classificou o Astra como "High" (alto) na categoria de auto-aperfeiçoamento de IA do seu próprio framework interno de preparação para riscos, a primeira vez que um modelo liberado publicamente recebe esse nível. Em medição independente, o RSI-Index da Vals, que usa 50% como referência de desempenho humano, subiu de 27,07% para 29,01% entre a geração anterior e o Astra.

O número ainda está longe da referência humana, mas a tendência de alta é o tipo de dado que times de compliance e segurança devem levar para a mesa antes de aprovar o uso do Astra em ambientes regulados ou sensíveis, independentemente do quanto ele economiza em tokens.

O que fazer com essa informação na prática

Para quem decide qual modelo colocar em produção, os dados sugerem um caminho dividido:

  • Usar o gpt-6.2-sol como modelo padrão do dia a dia: ele empata com a geração anterior de ponta a um quinto do custo, segundo a Artificial Analysis.
  • Reservar o gpt-6.2-astra com esforço de raciocínio xhigh para tarefas que exigem mais inteligência bruta, como engenharia longa ou tarefas jurídicas com o índice de busca Enterprise habilitado.
  • Rodar o harness atual sem trocar nada além do modelo antes de generalizar qualquer opinião, boa ou ruim, sobre o Astra.
  • Checar o apetite de risco da empresa para o selo "High" de auto-aperfeiçoamento antes de liberar o Astra em fluxos críticos ou regulados.

Quando não vale migrar ainda

Se o fluxo em produção já roda estável sobre o GPT-6 Astra ou sobre o Fable 5.2 da Anthropic, as críticas de Shumer e Gostev são um bom motivo para esperar mais uma rodada de validação independente antes de trocar workloads críticos. Demonstrações como a cidade de Singapura navegável feita por Gabriel Chua com mais de 100 threads do Codex, ou o teste do mesmo prompt em three.js que Simon Willison rodou em vários modelos incluindo Astra, Sol, Carbon e Fable, são exploratórias e não substituem um benchmark de produção com o seu próprio conjunto de tarefas.

O caminho mais seguro é o óbvio: pegar o harness que já funciona, trocar só o modelo, medir custo e taxa de erro por pelo menos algumas centenas de tarefas reais, e só então decidir se o Astra ou o Sol entram na frente do que já está em produção.

Fonte: Latent Space

Compartilhar
Quem escreveuLucas FerrazColunista

Cobre a parte técnica da inteligência artificial para quem constrói e opera sistemas: desenvolvedores, analistas e times de TI. Compara modelos, mostra o código e o prompt, mede o resultado e diz quanto custa, para o leitor conseguir repetir na própria empresa.

Leia também

Newsletter AI Brasil

A IA da semana, para a sua profissão

Toda semana: um guia para o seu trabalho, a notícia traduzida e uma coisa nova para experimentar. Gratuita, sem spam.

Você é… (opcional)