GPT-6 Astra: o que muda de verdade para a sua empresa

Em 3 de setembro de 2026 a OpenAI lançou o GPT-6 Astra, que ela mesma apresenta como “o modelo mais inteligente e mais alinhado do mundo”. Começou por um grupo limitado de organizações e, segundo o anúncio, chega nos próximos dias a todos os planos ChatGPT Plus, Pro, Business e Enterprise, além da API da OpenAI, do Microsoft Azure e do AWS Bedrock.

O presidente da empresa, Greg Brockman, disse a jornalistas que “não é irrazoável sentir que estamos agora na era da AGI”. É a frase que virou manchete. Abaixo dela há três coisas que mudam a decisão de quem usa IA para trabalhar: o que a máquina passou a fazer, o que os números realmente significam e quanto isso custa.

O que ele faz que o anterior não fazia

O salto que a OpenAI destaca é uso de computador: preencher formulário na tela, atualizar ficha de cliente no CRM, organizar agenda, pesquisar e redigir resumo dentro do editor de texto, montar um site e depois conferir se os botões funcionam. É o modelo operando a interface, não devolvendo texto para você executar.

Os números que ela publicou, todos comparando com o GPT-5.6 Sol, a geração anterior:

OSWorld 2.0 (tarefas reais de computador): 72,6% contra 65,7%, em cerca de 47% menos tempo por tarefa — aproximadamente 40 minutos contra 75.
ScreenSpot-Pro (achar e clicar no elemento certo em interface cheia): 92,7% contra 76,9%.
Agents’ Last Exam (trabalho profissional em software real): 59,3%, contra 55,5% do Claude Opus 5 e 53,6% do Sol.

Ficha técnica: janela de contexto de 1.050.000 tokens, saída de até 128.000 tokens e corte de conhecimento em 30 de abril de 2026.

O mesmo teste, dois números: 62,7% e 99,9%

No anúncio, a OpenAI escreve que o Astra “satura o ARC-AGI-3 com 99,9%”. O ARC-AGI-3 é um teste de raciocínio em ambientes inéditos, mantido pela ARC Prize Foundation — uma organização de fora da OpenAI. E a ARC Prize publicou, no mesmo dia, dois resultados para o mesmo modelo:

62,7% no arreio padrão, a interface mínima e igual para todos os modelos, ao custo de US$ 26.098 em chamadas.
99,9% com um “provider adapter”, um arreio específico do fornecedor que preserva o estado de raciocínio entre as chamadas e comprime a conversa, permitindo ao modelo reaproveitar o trabalho já feito. Custou US$ 18.817.

Não é fraude e não é detalhe. Nas 167 partidas que os dois arreios resolveram, a versão com adaptador foi cerca de 3,66 vezes mais rápida e gastou 49% menos tokens. E os 62,7% do arreio padrão já são, sozinhos, o melhor resultado que a ARC Prize mediu: o Claude Opus 5 fez 30,2% e o GPT-5.6 Sol, 7,8%. A própria ARC Prize escreve que saturar esse teste não seria prova de AGI, porque o escopo dele é estreito perto do mundo real. Para completar a confusão, parte da imprensa publicou 98,6%, que é ainda outra configuração da mesma medição.

A lição prática vale para qualquer fornecedor. O número de um teste de IA não é uma propriedade do modelo: é o resultado do modelo somado ao andaime em que ele roda. Quando alguém lhe mostrar uma porcentagem, as duas perguntas que separam informação de propaganda são “medido com qual arreio?” e “com qual nível de esforço?”. Escrevemos sobre esse tipo de armadilha em como avaliar uma IA.

O preço subiu de patamar, e a conta não é por token

Na API, o Astra custa US$ 10 por milhão de tokens de entrada e US$ 50 por milhão de saída, com entrada em cache a US$ 1. O modo Fast sai pelo dobro, Batch e Flex pela metade, e acima de 272 mil tokens de entrada a conta muda de novo. Isso é cerca de 2,5 vezes o preço do GPT-5.6 Sol.

Brockman respondeu à alta dizendo que “o que você quer de verdade é o preço por tarefa”. O argumento é legítimo: se a tarefa termina com menos tokens e em menos tempo, o custo total cai mesmo com o token mais caro. A OpenAI mostra um caso assim no Terminal-Bench Science, onde o Astra marca 64,6% contra 52,6% do Claude Fable 5.1 com custo estimado de API cerca de 31% menor.

Só que a Artificial Analysis, que mede por fora, chegou ao resultado oposto no índice geral: o Astra usa menos tokens que o Sol para desempenho parecido, e ainda assim sai mais caro, porque o aumento de preço supera a economia. No índice de inteligência dessa casa, o Astra marca 61 contra 66 do Claude Fable 5.1.

Ou seja: “preço por tarefa” é o critério certo, e é exatamente por isso que ele não pode ser respondido pelo fornecedor. Preço por tarefa se mede na sua tarefa. Se você já paga por token em produção, este lançamento é motivo para refazer a planilha, não para trocar o modelo por padrão. O raciocínio de custo está detalhado em o preço da IA caiu 80%.

Primeira vez no nível “Crítico” de segurança

O Astra é o primeiro modelo da OpenAI a atingir o nível Crítico em capacidade cibernética dentro do próprio Preparedness Framework da empresa. Testado sem as travas de produção, ele marcou 100% no ExploitBench (contra 78,5% do Sol) e 42,4% no ExploitGym (contra 30,3%). No SRE-Bench, que mede engenharia reversa de binários, resolveu 88,0% das tarefas na primeira tentativa e 99,2% em até quatro — contra 55,9% e 68,7% do Sol.

O dado mais concreto: numa avaliação montada com falhas dos três meses anteriores, o modelo descobriu e usou duas vulnerabilidades zero-day até então desconhecidas. A OpenAI diz estar comunicando as duas aos mantenedores dos softwares afetados.

A versão que está sendo liberada recusa tarefa ofensiva — criar exploit de prova de conceito, por exemplo — e aceita trabalho defensivo, como revisão de código e aplicação de correção. Pelo programa Daybreak, a empresa pretende afrouxar essas travas para equipes de defesa nas próximas semanas.

Para uma empresa comum, o efeito não é abstrato: achar falha ficou muito mais barato e corrigir continua dependendo de gente e de fila de manutenção. É o descompasso que já tínhamos medido em IA acha falhas mais rápido do que empresas corrigem.

O que a OpenAI não pôs na manchete

O modelo ficou mais difícil de vigiar. A própria empresa escreve que o raciocínio escrito do Astra é mais difícil de monitorar do que o do Sol, porque ele controla melhor o que escreve e resolve problemas com menos passos visíveis. Ela classifica isso como uma piora que leva a sério.
Nem toda tabela é favorável. No Humanity’s Last Exam com ferramentas, o Astra faz 57,2% contra 65,0% do Claude Fable 5.1. Em codificação agêntica no DeepSWE, o Muse Spark 1.3, da Meta, aparece à frente com 75,4% contra 74,1%.
Um dos testes de destaque tem histórico de conflito. O FrontierMath, onde o Astra marca 98%, foi criado pela Epoch AI com financiamento da OpenAI — arranjo revelado só no fim de 2024 e que gerou críticas públicas de matemáticos que colaboraram sem saber disso.
Quase todo número saiu em esforço máximo, configuração que levanta a pontuação e não é a que você usa no dia a dia.

Nada disso desmonta o lançamento. Serve para lembrar que quem publica a maior parte dos números é a parte interessada — e que a checagem independente, quando existe, costuma chegar depois.

O que fazer nesta semana

Não troque o modelo por padrão. Separe as dez tarefas que a sua equipe mais repete e rode as mesmas dez no modelo atual e no novo, medindo custo por tarefa concluída e quantas voltaram para retrabalho.
Reveja o orçamento se você paga por token. Uma alta de 2,5 vezes no preço de tabela muda projeção, mesmo que o consumo caia.
Comece pelo trabalho de tela. É onde o ganho medido é maior: preencher formulário, atualizar cadastro, conferir planilha, checar se um site continua funcionando depois de uma alteração. Escolha uma tarefa chata, repetitiva e que você já saiba cronometrar.
Trate segurança como fila, não como notícia. Se a descoberta de falhas acelerou, o gargalo passa a ser a sua rotina de atualização e correção.
Exija registro. Agente que opera sistema precisa deixar rastro do que fez, com aprovação humana nas ações que gastam dinheiro ou apagam dados.

É esse tipo de recorte — tarefa medida, custo por tarefa, aprovação humana no lugar certo — que fazemos em implementação de IA para empresas. A pergunta útil não é qual modelo é o melhor do mundo, e sim qual tarefa da sua empresa vale a pena entregar a uma máquina esta semana.

Fontes

Anúncio oficial e página de segurança do GPT-6 Astra (OpenAI, 3 de setembro de 2026); documentação de modelos e preços da API da OpenAI; análise do ARC-AGI-3 publicada pela ARC Prize Foundation; medições independentes da Artificial Analysis; cobertura da Fortune, da Engadget e do The New Stack; comentário de Gary Marcus; e o histórico de financiamento do FrontierMath publicado pela Epoch AI.

Perguntas frequentes

O que é o GPT-6 Astra e quando foi lançado?

É o novo modelo de ponta da OpenAI, anunciado em 3 de setembro de 2026 como “o modelo mais inteligente e mais alinhado do mundo”. Começou por um grupo limitado de organizações e, pelo anúncio, chega nos dias seguintes aos planos ChatGPT Plus, Pro, Business e Enterprise, além da API da OpenAI, do Microsoft Azure e do AWS Bedrock.

O GPT-6 é AGI?

Não há essa declaração formal. O presidente da OpenAI, Greg Brockman, disse que “não é irrazoável sentir que estamos agora na era da AGI”, o que é uma impressão, não uma medida. A ARC Prize Foundation, que mantém o teste de raciocínio em que o modelo se saiu melhor, escreve explicitamente que saturar esse teste não seria prova de AGI, porque o escopo dele é estreito perto do mundo real.

Por que o mesmo teste aparece com 62,7% e com 99,9%?

Porque são arreios diferentes. No arreio padrão da ARC Prize, igual para todos os modelos, o Astra fez 62,7%. Com um adaptador específico do fornecedor, que preserva o estado de raciocínio entre as chamadas e deixa o modelo reaproveitar trabalho anterior, fez 99,9%. Os dois números são reais e medem coisas diferentes: o segundo inclui o andaime, não só o modelo.

Quanto custa usar o GPT-6 Astra?

Na API, US$ 10 por milhão de tokens de entrada e US$ 50 por milhão de saída, com entrada em cache a US$ 1. O modo Fast custa o dobro e os modos Batch e Flex, a metade. É cerca de 2,5 vezes o preço da geração anterior, o GPT-5.6 Sol.

Vale a pena trocar de modelo agora?

Só depois de medir. Rode as tarefas que a sua equipe mais repete nos dois modelos e compare custo por tarefa concluída e taxa de retrabalho, não preço por token. Um modelo mais caro por token pode sair mais barato por tarefa se terminar em menos passos, e o contrário também acontece.

O que muda na segurança da minha empresa?

É o primeiro modelo da OpenAI classificado no nível Crítico de capacidade cibernética pelo critério da própria empresa, e ele chegou a descobrir duas vulnerabilidades inéditas durante uma avaliação. A versão pública recusa tarefas ofensivas e aceita defensivas. Na prática, achar falha ficou mais barato para os dois lados, e o gargalo passa a ser a sua rotina de correção e atualização.