AI Brasil
Comece aqui

OpenAI lança GPT-6.2 Astra e Sol com API mais barata e ganhos em benchmarks

Astra e Sol chegaram em 17 de novembro de 2026 com preço de API menor e resultados mistos em benchmarks independentes: forte em ciência e automelhoria, estagnado em código.

Redação AI BrasilRedação

· 7 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.

Imagem gerada por IA

O que mudou em 17 de novembro

A OpenAI lançou em 17 de novembro de 2026 dois modelos novos: GPT-6.2 Astra, voltado a trabalho especializado em ciência, direito e finanças, e GPT-6.2 Sol, pensado para tarefas do dia a dia, segundo a cobertura do The Decoder. Ambos já estão disponíveis para assinantes Plus, Pro, Enterprise e Edu dentro do ChatGPT Work e do Codex, a ferramenta de agente de código da OpenAI.

Assinantes do plano Pro-500 ganham acesso ao modo Ultrafast nos dois modelos. Pela primeira vez, quem está no Pro-200 também recebe esse modo acelerado, começando pelo Sol. Para quem integra via API, o acesso é imediato: não há lista de espera anunciada.

Quanto custa rodar Astra e Sol pela API

O corte de preço é o gancho comercial do lançamento. A OpenAI diz que a API do Astra ficou 20% mais barata que a do antecessor, enquanto o Sol manteve o preço do GPT-6.1 Sol:

ModeloEntrada (1M tokens)Entrada em cacheSaída (1M tokens)
GPT-6.2 AstraUS$ 8US$ 0,40US$ 40
GPT-6.2 SolUS$ 2US$ 0,10US$ 10

Para quem cobra por volume de chamadas, o número que mais pesa costuma ser o de saída, e é ali que a diferença entre os dois modelos aparece: Astra custa quatro vezes mais por token gerado que Sol. A conta troca de figura dependendo da tarefa, como os benchmarks de custo por tarefa mostram adiante.

Em benchmark de inteligência geral, Astra fica atrás da Claude Fable 5.2

No Artificial Analysis Intelligence Index, um índice que combina nove avaliações de conhecimento, código, ciência e raciocínio geral, o GPT-6.2 Astra marcou 62 pontos, cinco a mais que o antecessor, e ficou em segundo lugar, atrás apenas da Claude Fable 5.2 da Anthropic (65 pontos). O Sol chegou a 57 pontos, empatando com o nível do antigo Astra, mas gastando cerca de 15% do custo por tarefa, segundo a Artificial Analysis.

A OpenAI também divulgou números próprios de benchmarks específicos, sempre destacando a relação custo-benefício:

  • No Agents' Last Exam, que testa fluxos de trabalho profissionais em várias etapas, Astra ganhou 5,2 pontos sobre o GPT-6 Astra gastando menos de um terço do custo, e superou a Claude Fable 5.2 em 5,5 pontos usando 5% do custo dela.
  • No Harvey LAB-AA, benchmark jurídico de análise de cláusulas contratuais, Astra mais que dobrou a taxa de acerto da Claude Fable 5.2 por cerca de um sexto do custo.
  • No GDPval-v2, que mistura tarefas de consultoria, finanças e design, Astra ganhou 6,2 pontos percentuais sobre o antecessor usando 22% menos tokens de saída.

A Artificial Analysis confirma a liderança em ciência: Astra fica em primeiro no Terminal-Bench-Science 0.1 e em segundo, atrás da Fable 5.2, nos testes de raciocínio físico (CritPt v2) e conhecimento factual (AA-Omniscience, HLE-Diamond).

Código estagnou e a taxa de alucinação é alta em perguntas difíceis

Nem todo indicador subiu. No Coding Agent Index, medido com o Codex, a ferramenta de agente de código da própria OpenAI, em modo de computação máxima, o Astra ficou no mesmo patamar do antecessor e o Sol caiu três pontos em relação ao GPT-6.1 Sol. A queda vem de uma perda de 14 pontos no SWE-Atlas-QnA-AA, onde o modelo passou a omitir fatos relevantes nas respostas com mais frequência.

A Artificial Analysis também mediu a AA-Omniscience Hallucination Rate, métrica que verifica com que frequência um modelo chuta uma resposta em vez de admitir que não sabe. No esforço máximo, Astra alucinou em 59% dos casos e Sol em 55%. São perguntas propositalmente difíceis, então o número não reflete o comportamento em uso cotidiano, mas é um sinal de que confiar cegamente na resposta de um modelo de ponta continua arriscado.

A Epoch AI, organização de pesquisa independente, testou o Astra antes do lançamento e chegou a 174 pontos no seu Epoch Capabilities Index, empatando com a Claude Fable 5.2. Em tarefas de pesquisa do mundo real, porém, Astra ficou atrás da Fable 5.2 e avançou pouco sobre o GPT-6 Astra: em um projeto sobre data centers de IA, o modelo evitou estimativas centrais que, segundo a Epoch AI, nenhum contratado conseguiria escapar de entregar.

O Vals AI colocou Astra em 7º lugar e Sol em 9º no seu índice geral, com apenas 1,6 ponto de diferença entre eles, mas custo bem distinto: Sol roda a US$ 3,18 por tarefa, menos de um terço do US$ 10,68 do Astra, o que o torna o modelo mais barato do top 10.

Em direito, porém, os dois patinam: no benchmark HLAB dobraram a nota dos antecessores mas ficaram só em 11º e 21º lugar, e no Legal Research Benchmark caíram para 30º e 52º. A OpenAI já vende um produto separado, o Astra for Law, lançado em setembro de 2026, que sobe para 6º lugar nesse mesmo teste jurídico.

Astra é o primeiro modelo liberado a bater o nível alto de automelhoria

O ponto que mais chama atenção técnica é outro: segundo a OpenAI, o GPT-6.2 Astra é o primeiro modelo lançado publicamente a atingir o nível "High" (alto) de automelhoria de IA no Preparedness Framework da empresa, seu sistema interno de classificação de risco. Na prática, a OpenAI diz que o modelo consegue acelerar de forma relevante a própria pesquisa em IA, equivalente a dar a cada pesquisador da empresa um engenheiro de pesquisa extra e qualificado.

Esse tipo de capacidade é discutido na indústria sob a sigla RSI (recursive self-improvement, ou automelhoria recursiva): a preocupação é que um modelo capaz de ajudar a construir a próxima geração de IA empurre o campo para frente mais rápido do que as medidas de segurança e a supervisão humana conseguem acompanhar. Como contrapartida, a OpenAI diz ter reforçado controles em seus ambientes de pesquisa e criado o Control Room, um sistema de monitoramento que acompanha tarefas de pesquisa e pode interrompê-las, além de ampliar a vigilância sobre como o modelo raciocina e age para sinalizar automaticamente comportamento não autorizado.

A Epoch AI documentou um detalhe técnico ligado a esse avanço: o Astra consegue fazer 12,3 passos de raciocínio em série dentro de um único token de saída, sem mostrar a cadeia de pensamento, contra 10,5 do GPT-6 Astra e 4,2 da Claude Fable 5.1. Modelos que raciocinam assim, sem exibir o processo, são mais difíceis de monitorar, um risco que já havia sido levantado com a primeira versão do Astra. No FrontierMath Erdős, um banco de problemas matemáticos não resolvidos verificados formalmente no assistente de prova Lean, o Astra resolveu 7 de 68 problemas, contra o recorde anterior de 3, estabelecido pelo GPT-6.1 Sol.

Os dois modelos também ficaram melhores em achar falhas de segurança

A OpenAI diz que Astra e Sol melhoraram em encontrar e explorar vulnerabilidades, escrever código mais seguro e corrigir bugs, com ganho de eficiência de tokens em vários testes. No teste interno ExploitBench, em que o modelo precisa transformar vulnerabilidades conhecidas de navegador em exploits funcionais, o Astra passou de 50% de sucesso, bem acima do antecessor, com as salvaguardas desligadas para o teste.

Os dois modelos cruzaram o patamar "Critical" (crítico) de cibersegurança no Preparedness Framework, o mesmo nível já alcançado pelo GPT-6 Astra. Em resposta, a OpenAI diz estar adicionando salvaguardas mais rígidas para pedidos potencialmente arriscados de segurança, o que deve dificultar o abuso mas também vai limitar pesquisa legítima de vulnerabilidades e testes de segurança. A empresa planeja oferecer os modelos sem essas travas, com mais liberdade, através do programa OpenAI Daybreak, voltado a pesquisadores de segurança previamente verificados.

O que muda para quem escolhe modelo de IA no Brasil

Para times de desenvolvimento que pagam pela API, o corte de 20% no Astra reduz o custo de workflows pesados em agente, já que a tarifa de saída costuma dominar a conta em tarefas longas de raciocínio. O Sol, com preço igual ao antecessor mas ganho de dois pontos no índice geral, vira a opção natural para volume alto de chamadas simples, como atendimento, triagem ou geração de texto curto.

A estagnação (e no caso do Sol, a queda) em benchmarks de código é o dado que merece mais atenção de quem constrói produto: escolher o modelo pelo índice geral de inteligência pode esconder que, para a tarefa específica de revisar ou gerar código em produção, o ganho real foi zero ou negativo. Vale testar o modelo na tarefa concreta do seu produto antes de trocar, em vez de confiar só no placar do anúncio.

A taxa de alucinação de quase 60% em perguntas difíceis e os resultados fracos em benchmarks jurídicos também são um alerta prático: para aplicações de alto risco, como análise de contrato ou laudo técnico, o modelo genérico ainda erra bastante, e a própria OpenAI resolveu isso com um produto separado (Astra for Law) em vez de confiar no modelo base. Quem constrói um agente jurídico ou regulatório no Brasil deveria considerar a mesma lógica: camada de verificação humana, ou um produto especializado, continua sendo necessária.

Fonte: The Decoder

Compartilhar
Quem escreveuRedação AI BrasilRedação

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.

Leia também

Mais de Redação AI Brasil

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)