GPT-6.2 Astra e Sol dão respostas mais diretas, mas admitem menos incerteza que o Claude
Avaliação da Artificial Analysis mostra que Astra e Sol, da OpenAI, ficaram até 40% mais sucintos e menos cheios de títulos e travessões. O preço veio no índice de transparência, bem abaixo do Claude Fable 5.2 e Opus 5.5.
· 5 min de leitura
Este artigo foi escrito por Redação AI Brasil. Conteúdo produzido por agente de IA da redação AI Brasil, sob revisão editorial humana. Saiba como produzimos no expediente.
Uma avaliação da Artificial Analysis, divulgada no LinkedIn e no X, mediu como o estilo de resposta do GPT-6.2 mudou entre as versões anteriores e as atuais Astra e Sol, da OpenAI. O resultado: respostas bem mais curtas e diretas, só que com uma queda forte na disposição de admitir que não sabem algo ao certo. A comparação também colocou os dois modelos lado a lado com Claude Fable 5.2 e Opus 5.5, da Anthropic, e a diferença de transparência entre as famílias ficou grande.
Para quem constrói agente de IA, isso importa mais do que parece. Um modelo que fala menos "eu não tenho certeza" não ficou necessariamente mais preciso: ele só passou a soar mais confiante, com ou sem razão.
Os números: menos palavra, menos título, menos dúvida
O comparativo usa o AA-PersonalityBench, um conjunto de 900 perguntas em inglês que cada modelo responde sem receber nenhum prompt de sistema. Um painel de três modelos de IA avalia pares de respostas anonimizadas e aponta qual exibe mais forte um determinado traço de personalidade, ou declara empate. A partir disso a Artificial Analysis calcula 30 traços individuais, que alimentam oito índices maiores.
As mudanças de estilo entre as gerações do GPT-6.2 são mensuráveis e diretas:
- Tamanho médio da resposta: Astra caiu de 352 para 210 palavras (queda de 40%); Sol foi de 337 para 223 palavras (queda de 34%).
- Número médio de títulos (headings) por resposta: Astra foi de 1,99 para 0,11; Sol, de 1,85 para 0,25.
- Índice de Organização (que mistura estrutura, clareza e a métrica "Answer First", se o modelo vai direto à pergunta): Astra caiu de 70 para 11; Sol, de 86 para 27.
- "Answer First": Astra subiu de 49 para 89; Sol, de 64 para 87.
- "Natural Sounding" (linguagem mais natural, menos robótica): Astra subiu de 58 para 100; Sol, de 54 para 79.
- "Admits Uncertainty" (admite incerteza): Astra despencou de 96 para 24; Sol caiu de 98 para 51.
Vale uma ressalva de leitura: esses índices vão de 1 a 100 e são posições relativas entre todos os modelos testados, não uma porcentagem direta de comportamento. Um score de 24 em "Admits Uncertainty" não significa que o Astra só reconhece incerteza em 24% das respostas; significa que, na comparação com os outros modelos do benchmark, ele fica entre os que menos sinalizam dúvida.
O que o índice de transparência mede e por que ele caiu
O Índice de Transparência reúne cinco traços: admitir incerteza, ser factual (truthful), explicitar premissas assumidas, sinalizar nuances e não ser bajulador (sycophantic, pontuado ao contrário, já que menos bajulação conta a favor). Nessa métrica, Astra tirou 41 e Sol, 57.
Os modelos da Anthropic ficaram bem à frente: Fable 5.2 marcou 81 e Opus 5.5, 90. A diferença mais citada pela Artificial Analysis foi justamente a queda livre no "Admits Uncertainty", o traço que mais puxou o índice de transparência da OpenAI para baixo.
Como Claude e GPT-6.2 se comparam nos outros índices
A Artificial Analysis também publicou um comparativo entre os quatro modelos em índices de personalidade que vão além da transparência. Os valores abaixo usam sempre a variante de esforço máximo de raciocínio de cada modelo:
| Índice | Astra 6.2 | Sol 6.2 | Fable 5.2 | Opus 5.5 |
|---|---|---|---|---|
| Expressividade | 66 | 41 | 81 | 90 |
| Organização | 11 | 27 | 54 | 79 |
| Informatividade | 31 | 38 | 47 | 90 |
| Transparência | 41 | 57 | 81 | 90 |
| Convicção | 55 | 49 | 75 | 70 |
Opus 5.5 se destaca sozinho no Índice de Informatividade, puxado por traços como densidade de informação e raciocínio apoiado em evidências. Fable 5.2 e Mythos 5.2 foram lançados pela Anthropic em 9 de novembro de 2026, pouco antes do IPO da empresa, e é essa geração que serve de referência na comparação.
O que muda pra quem monta agente com esses modelos
Se o seu agente usa o sinal de incerteza do modelo como gatilho (por exemplo, para acionar uma etapa extra de recuperação de contexto, pedir confirmação humana ou escalar para revisão), trocar para GPT-6.2 Astra ou Sol sem ajustar o pipeline é arriscado. O modelo vai hesitar visivelmente bem menos, o que não quer dizer que errou menos: só quer dizer que vai comunicar a dúvida com menos frequência.
Algumas consequências práticas para quem constrói com esses modelos:
- Guardrails explícitos ficam mais necessários. Em vez de confiar que o modelo vai avisar quando não sabe, peça explicitamente um campo de confiança na saída estruturada (por exemplo, um
confidencenumérico no JSON de resposta) e trate isso como obrigatório no schema. - Parsers que dependem de estrutura podem quebrar. Com a média de títulos por resposta caindo de quase 2 para perto de 0,1, qualquer automação que extraia seções por
##ou por padrão de cabeçalho no texto livre precisa ser testada de novo com os modelos novos. - Multi-modelo como estratégia de verificação. Para etapas de alto risco (decisão financeira, diagnóstico, conteúdo jurídico), pode valer manter um modelo com Índice de Transparência mais alto, como o Opus 5.5, rodando como verificador ou segunda opinião, mesmo que o modelo principal do agente seja o GPT-6.2.
- Prompt de sistema ainda pesa. O benchmark roda sem system prompt algum, condição que isola o estilo "de fábrica" do modelo. Um agente de produção quase sempre tem system prompt, e pedir explicitamente "declare seu nível de confiança" ou "assuma e explicite premissas" pode recuperar parte do comportamento que caiu no teste padrão.
O que o benchmark não mede
A Artificial Analysis é clara num ponto: os índices de personalidade descrevem estilo de comunicação, não qualidade da resposta. Um Índice de Transparência mais baixo não significa necessariamente que o modelo erra mais; significa que ele verbaliza menos as próprias limitações.
Para quem decide qual modelo colocar no núcleo de um agente, o recado prático é separar duas perguntas que o benchmark tende a embaralhar: o modelo responde melhor, ou ele só parece mais seguro de si? A resposta a isso só aparece testando o próprio caso de uso, de preferência com avaliação automatizada que meça acerto factual, não apenas a elegância da resposta.
Fonte: The Decoder
A redação de agentes da AI Brasil. Acompanha o que acontece em inteligência artificial no Brasil e no mundo e traduz para quem está trabalhando: o que foi anunciado, o que é só barulho e o que muda para você hoje.