GPT 5.2: benchmarks, visão geral do modelo e desempenho no mundo real

Atualização: desde que publicamos este artigo, a OpenAI lançou vários modelos novos. Para se manter atualizado, confira também nossos guias sobre GPT-5.4, GPT-5.3-Codex e GPT-5.3-Instant.

Faz só um mês desde o lançamento do GPT-5.1. Mas um mês é uma eternidade no mundo da IA. Nesse meio-tempo, o Google lançou o Gemini 3, que assumiu a liderança na maioria dos benchmarks mais acompanhados, e a Antropic lançou o Claude Opus 4.5, que novamente ficou no topo em engenharia de software.

A OpenAI quer se posicionar como a empresa mais preparada para gerar valor nos negócios. Mas, após cair em rankings-chave, pode ter temido perder usuários ou até clientes corporativos. Segundo relatos, essa pressão acionou um “código vermelho” e fez o time acelerar o lançamento do GPT-5.2.

Neste artigo, vou te ajudar a entender tudo o que foi anunciado com o lançamento do GPT-5.2, incluindo o que as empresas têm a ganhar com os três novos modelos, que estão chegando ao ChatGPT para todos os usuários pagos (e já estão disponíveis na API). Você também pode conferir nosso guia da ferramenta ChatGPT Images e dos dois modelos mais novos, GPT-5.3 Codex e GPT-5.2 Instant.

Mantemos nossos leitores por dentro do que há de mais recente em IA com a The Median, nossa newsletter gratuita de sexta-feira que destrincha as principais notícias da semana. Assine e fique por dentro em poucos minutos por semana:

O que há de novo no GPT-5.2?

O GPT-5.2 traz melhorias específicas e direcionadas em raciocínio, memória e uso de ferramentas. Na visão da OpenAI, esses aprimoramentos se traduzem em melhores fluxos de trabalho corporativos e menos pontos de falha no seu dia a dia. Cada um dos três modelos da série adota uma abordagem diferente para gerar esse valor.

GPT‑5.2 Instant

O GPT-5.2 Instant prioriza baixa latência e respostas rápidas. É vendido como o “pau para toda obra” do dia a dia para buscar informações, redigir textos e traduzir. É o modelo com que a maioria das pessoas vai interagir por padrão, e sua vantagem é a produtividade, não a profundidade. Na prática, ele cobre o gap quando você precisa de respostas rápidas ou automações leves sem pagar por um raciocínio mais pesado.

GPT‑5.2 Thinking

O GPT-5.2 Thinking incorpora recursos de raciocínio estendido que permitem ao modelo percorrer problemas complexos passo a passo antes de entregar a resposta.

Nos próprios benchmarks da OpenAI, é o modelo que estabelece novos patamares em tarefas de trabalho do conhecimento, programação e longo contexto, especialmente quando pode usar ferramentas como planilhas e apresentações.

É a aposta da OpenAI em um motor de trabalho do conhecimento de uso geral, e é o modelo que você escolhe quando a precisão melhora com pensamento deliberado. Para muitas organizações, esta será a escolha para análise, fluxos de trabalho em múltiplas etapas e tarefas agentivas.

GPT‑5.2 Pro

Este é o carro-chefe, criado com clientes corporativos em mente.

Também é a opção mais cara da linha porque mira cenários de alto risco, em que ganhos incrementais em qualidade de raciocínio, precisão factual e solução de problemas abstratos justificam o custo maior por token.

O Pro é voltado a ambientes onde erros custam caro e onde as equipes precisam de um modelo que mantenha coerência em contextos muito longos. É o modelo para sistemas de apoio à decisão, planejamento complexo e qualquer workload em que confiabilidade importa tanto quanto capacidade bruta.

Quando o GPT-5.2 estará disponível?

O GPT-5.2 já está sendo disponibilizado. A OpenAI lançou o modelo oficialmente em 11 de dezembro de 2025, com os planos pagos do ChatGPT recebendo acesso primeiro, e a disponibilidade se expandindo gradualmente entre regiões e plataformas. Os usuários podem acessar os três modelos GPT-5.2 diretamente no ChatGPT, e desenvolvedores podem usá-los via API da OpenAI pelos endpoints Responses e Chat Completions.

Benchmarks do GPT-5.2

O lançamento do GPT 5.1 trouxe poucos resultados de benchmark porque focou na experiência do usuário. Não é surpresa que o GPT 5.2 tente corrigir a rota com mais foco em resultados.

Tarefas de trabalho

GDPval é o benchmark mais destacado neste lançamento. Mas ele só foi apresentado no arXiv no começo de outubro de 2025, então dar destaque a esse benchmark revela bastante sobre a natureza do lançamento.

O GDPval avalia tarefas que profissionais realizam no dia a dia, como montar relatórios e fazer apresentações. As questões vêm de 44 ocupações nos nove principais setores que mais contribuem para o PIB dos EUA. Isso inclui de tudo: de enfermeira a cientista de dados e professor universitário. As tarefas exigem entregáveis reais, como planilhas, livros contábeis, vídeos e apresentações.

Programação

O segundo benchmark mais destacado neste lançamento é o SWE-Bench Pro, uma avaliação difícil de engenharia de software na qual o GPT-5.2 marcou 55,6%. O SWE-Bench Pro exige resolver issues de longo alcance em repositórios reais, problemas que envolvem, por exemplo, múltiplas alterações de arquivos. 

Você talvez já tenha ouvido falar do SWE-bench Verified, que é uma versão mais fácil do teste. Nele, o GPT 5.2 marcou 80%. Para contexto, nós reportamos recentemente que o Claude Opus 4.5 marcou 80,9% nesse teste, então os dois modelos são aproximadamente comparáveis.

Raciocínio de longo contexto

O GPT 5.2 também se destaca em outro benchmark chamado MRCR v2 (Multi-Round Coreference Resolution, versão 2). Ele chega perto da pontuação perfeita, e a OpenAI quer que a gente entenda isso como sinal verde para usar o GPT 5.2 com documentos longos.

Com mérito, ele atinge quase 100% de acurácia até 256k tokens. Isso dá algo como duzentas mil palavras, mais ou menos o tamanho de um romance.

Exemplos do GPT-5.2: testando as novas capacidades 

A OpenAI afirmou com confiança que o GPT 5.2 traz grandes melhorias em inteligência, entendimento de longo contexto, uso agentivo de ferramentas e visão, então faz sentido avaliar cada ponto.

Entendimento de longo contexto

Para testar o entendimento de longo contexto do GPT-5.2, eu enviei uma versão online do romance Disgrace, de J.M. Coetzee. Em seguida, pedi ao modelo que encontrasse um detalhe pequeno e fácil de esquecer, perdido em um trecho longo.

Fiz a seguinte pergunta ao GPT-5.2: 

What did David serve Melanie for supper in one of their early encounters?Tecnologia

O GPT-5.2 encontrou a resposta certa, mesmo sendo um detalhe agulha-no-palheiro. Esse jantar é mencionado uma única vez no livro e não tem importância narrativa real.

Esse teste me mostrou que a recuperação do GPT-5.2 não se baseia em adivinhação de padrões, mas em retenção genuína ao longo de uma sequência longa.

Esse tipo de retenção importa porque o desempenho em longo contexto depende de manter um estado granular ao longo de grandes blocos de texto. Se um modelo consegue lembrar uma receita de jantar passageira escondida em 90 páginas, ele pode acompanhar variáveis em um codebase, cláusulas de um contrato ou detalhes financeiros em um relatório de 200 páginas.

Uso agentivo de ferramentas

Teste 1

Para testar as capacidades agentivas do GPT-5.2, dei a ele uma tarefa que exige navegação e cliques. Pedi que se comportasse como um agente autônomo de busca de apartamentos. Isso seria útil para quem quer se mudar, mas não tem tempo de vasculhar sites de aluguel.

O modelo teve que usar um navegador, aplicar filtros, entrar nos anúncios, extrair detalhes e montar um relatório comparativo.

Em essência, o prompt foi:

You are my autonomous apartment-hunting agent.

Find apartments for rent in Queens.
 
Open a rental site, apply a price and neighborhood filter, scroll through the results, 
click into each relevant listing, and extract structured details (price, address, 
beds/baths, square footage, amenities, pet policy, parking, fees, lease terms, and a 
short description of the layout/photos). 

Then assemble everything into a table, rank the units by overall value, and write a brief 
report naming the best-value pick, the cheapest acceptable unit, and the one with the 
best amenities. Save the table as a CSV in the VM and show the ranked table in chat.Tecnologia

Esse setup de prompt foi pensado para testar, de uma vez, raciocínio de longo alcance, uso de ferramentas e interação com a interface.

O GPT-5.2 navegou até um site de anúncios, definiu filtros e percorreu os resultados sozinho. Entrou em unidades individuais, extraiu campos estruturados, escolheu tanto um bairro quanto uma faixa de preço (eu poderia ter pedido esses filtros, mas não estou realmente procurando mudar), e então compilou uma short-list ranqueada. 

Imagino que a pesquisa não tenha sido perfeita. Vi no trace do modelo que alguns sites bloquearam scraping, mas o agente se recuperou trocando de site e, no fim, ainda produziu um conjunto utilizável de recomendações. 

Uma coisa que notei na tabela final é que o modelo não forneceu URLs reais; em vez disso, deu referências no estilo de screenshots. Isso acontece porque a maioria dos sites de aluguel bloqueia acesso automatizado, e a ferramenta de navegação não pode extrair ou compartilhar os links dos anúncios. Quando isso ocorre, ela insere um apontador para a captura de tela gerada no sandbox. Isso foi um pouco chato.

Teste 2

Quis ver até onde essas capacidades agentivas chegariam em um domínio com bem menos fontes de dados limpas, então tentei um segundo experimento em genealogia.

Pedi ao GPT-5.2 para investigar se membros da família Waples aparecem em registros paroquiais ingleses e se poderia haver algum vínculo histórico ou genealógico com Herefordshire.

O GPT-5.2 tomou ações específicas, como acessar um site gratuito de genealogia e clicar por páginas para localizar e baixar registros.

O modelo dividiu o problema em subtarefas, fez buscas em recursos como FreeBMD e Forebears e até redigiu um e-mail de consulta direcionado para buscar registros não digitalizados.

Ao mesmo tempo, aprendi que genealogia como domínio de pesquisa impõe limites duros. Muitas fontes-chave, como registros paroquiais ou presentment rolls, existem apenas em arquivos físicos ou atrás de catálogos restritos. O FreeBMD impõe um limite de 50 registros por download, o catálogo do HARC não pode ser acessado sem cookies de sessão e documentos historicamente relevantes são obtidos, na prática, por serviços de pesquisa pagos. 

O modelo reconhece essas barreiras e sugere próximos passos, mas não consegue ultrapassá-las. Este teste não gerou nada muito útil — e a culpa não foi do modelo.

Tudo isso mostra por que a OpenAI foca em casos de uso de negócios — é onde está a oportunidade. Mas serve de lembrete: muito dado ainda está offline, fragmentado, atrás de paywalls ou trancado atrás de portas de verdade.

Visão + inteligência geral

No teste final, enviei um Sudoku para avaliar tanto visão quanto inteligência geral.

Sudoku não é “matemática pesada” porque é um problema limitado. Mas quando o quebra-cabeça vem como imagem, e não como texto estruturado, o modelo precisa usar várias habilidades ao mesmo tempo: ler a grade, preservar os “givens” e aplicar lógica para resolver.

can you fill out this sudoku for meTecnologia

A imagem não estava perfeitamente desenhada, mas isso fazia parte do teste:

O GPT-5.2 me devolveu um quebra-cabeça válido, mas substituiu pelo menos um dos números fixos que não deveria. Dá para dizer que “trapaceou” sem querer.

Esse tipo de erro não é falha de raciocínio. É mais uma quebra na visão e na fidelidade. O modelo ou leu errado uma célula fixa, ou não entendeu quais eram posições imutáveis, ou perdeu as restrições ao converter a imagem em uma grade interna.

Custos do GPT-5.2 e acesso via API

Os testes acima mostram o que dá para fazer dentro do ChatGPT, mas a flexibilidade real vem quando você parte para a API, onde controla o esforço de raciocínio, os orçamentos de tokens e as integrações de ferramentas por conta própria.

Os três modelos já estão disponíveis via Responses API e Chat Completions API da OpenAI:

Aqui está a precificação:

• Para o GPT-5.2 Thinking: US$ 1,75 por milhão de tokens de entrada e US$ 14 por milhão de tokens de saída no modelo Thinking base, com 90% de desconto em entradas em cache.
• GPT-5.2 Pro: o modelo topo de linha é bem mais caro: US$ 21 por entrada e US$ 168 por saída.

Duas adições para power users: a configuração de esforço de raciocínio 1xhigh1 e um endpoint /compact que estende a janela de contexto efetiva para fluxos de trabalho longos.

GPT-5.2 vs. concorrentes

Vamos ver como o GPT-5.2 se compara a outros lançamentos recentes: 

GPT-5.2 vs. Gemini 3

Gemini 3, lançado em meados de novembro, arrebentou nas notas de muitos dos benchmarks mais acompanhados. Ele ocupa o topo no Humanity's Last Exam e também supera o GPT-5.2 Pro no GPQA Diamond, mas por pouco (93,8% vs. 93,2%). 

O grande salto de desempenho do Gemini provavelmente reflete melhorias tanto na implementação de mixture-of-experts quanto na infraestrutura de treinamento. O Gemini 3 usa roteamento esparso em nível de token e foi treinado na infraestrutura customizada de TPUs do Google. Onde o GPT-5.2 vai bem agora é nos benchmarks de trabalho profissional, como o GDPval, e nas avaliações de uso de ferramentas para empresas. É aí que a OpenAI claramente concentrou seus esforços.

GPT-5.2 vs. Claude Opus 4.5

Claude Opus 4.5, lançado no fim de novembro, seguiu outro caminho. A Anthropic focou no que chamou de “raciocínio híbrido” — combinando pensamento estendido com inteligência-base mais forte — e o resultado foi um modelo que se destaca em engenharia de software e tarefas abertas. No SWE-bench Verified, o Opus 4.5 marca 80,9%, um tiquinho acima dos 80% do GPT-5.2.

Onde os modelos divergem é no estilo: o Opus 4.5 tende a respostas mais longas e deliberadas, enquanto o GPT-5.2 Thinking enfatiza o uso de ferramentas e saídas estruturadas como planilhas e apresentações. Para agentes de código e refatorações complexas, eles estão praticamente empatados; para fluxos de trabalho corporativos envolvendo slides e relatórios, a OpenAI aposta que o GPT-5.2 leva vantagem.

Conclusão

Resultados de benchmarks de GPT têm recebido muita atenção, e deve haver bastante pressão sobre a OpenAI para entregar. Um mês atrás, o lançamento do GPT 5.1 foi ofuscado pelo Gemini 3. Agora, com o GPT 5.2, a OpenAI fica em segundo lugar — colado — no GPQA atrás do Gemini 3 e em segundo, também por pouco, no SWE-Bench Verified atrás do Claude Opus 4.5, o que deve ser frustrante para o time.

A OpenAI, em vez disso, destacou a alta performance no GDPval e no SWE-Bench Pro, mas o primeiro, especialmente, é obscuro comparado aos padrões da indústria que geram manchetes. Dá a impressão de que a OpenAI tenta contar uma história vencedora sem chamar atenção para os leaderboards em que está perdendo no momento.

Mas a disputa está apertadíssima, e essas empresas ainda têm muito espaço para provar seu valor. Um ponto que vamos acompanhar de perto é o desempenho dos novos modelos no próximo benchmark ARC-AGI-3, ainda em desenvolvimento.