GPT-6.2 Astra e Sol: recursos, benchmarks, testes e preços
GPT-6.2 Astra e Sol da OpenAI reduzem drasticamente o custo por tarefa. Veja o que há de novo, os benchmarks, qual nível usar, os preços e um teste prático contra o GPT-6 Astra.
Novembro foi um mês movimentado para modelos de fronteira. A Anthropic lançou o Claude Fable 5.2, o Google já tem o Gemini 4 Carbon em campo e, hoje, depois de uma semana de especulações, a OpenAI respondeu com dois modelos de uma vez: GPT-6.2 Astra e GPT-6.2 Sol.
GPT-6.2 Astra é o novo modelo de fronteira da OpenAI para trabalhos profissionais exigentes, como apresentações, planilhas financeiras, peças jurídicas, CAD e execuções longas de agentes. GPT-6.2 Sol é o modelo mais barato para o dia a dia — ótimo para código, escrita e loops de agentes — e chega perto do Astra em programação por cerca de um quarto do preço por token.
Acabei de falar sobre as diferenças, mas ambos custam o mesmo ou menos por tarefa do que os modelos que substituem: na API, os preços de entrada e saída do Astra são 20% menores do que os do GPT-6 Astra, e o Sol mantém os preços do GPT-6.1 Sol.
Neste artigo, eu detalho tudo que há de novo no GPT-6.2 Astra e Sol: os recursos, os benchmarks e dois testes práticos colocando o Astra à prova contra o GPT-6 Astra.
Como dá para ver, novos modelos estão saindo num ritmo acelerado. Para se manter por dentro de IA e dados, assine nossa newsletter semanal, The Median.
Resumo
GPT-6.2 Astra é o novo carro-chefe da OpenAI para trabalhos profissionais exigentes; GPT-6.2 Sol é o modelo para o dia a dia.
O grande ganho está no custo por tarefa: o Astra faz mais por muito menos que o GPT-6 Astra.
Sol chega perto do Astra em programação por uma fração do preço, então deve ser seu padrão.
Claude Fable 5.2 ainda lidera vários benchmarks de código e raciocínio, então a OpenAI não leva tudo.
Nos nossos testes práticos, o Astra foi muito mais barato que o GPT-6 Astra, mas o GPT-6 Astra interpretou melhor um dataset bagunçado.
Troque se você paga pelo GPT-6 Astra hoje; só a economia já compensa.
O que são GPT-6.2 Astra e Sol?
GPT-6.2 Astra substitui o GPT-6 Astra no topo e o Sol substitui o GPT-6.1 Sol um nível abaixo. Duas coisas os diferenciam da geração anterior:
Um pouco mais inteligentes, muito mais baratos por tarefa. No índice de capacidade da própria OpenAI, o Astra fica apenas 1,7 ponto acima do GPT-6 Astra, mas seu custo por tarefa caiu mais da metade em vários benchmarks.
Uma nova classificação de risco. Astra é o primeiro modelo lançado pela OpenAI que atinge o limiar High para autoaperfeiçoamento de IA, então vem com as salvaguardas mais rígidas até agora.
Aqui está o resumo de custo em um slide, feito pelo GPT-6.2 Astra. (Slides melhores são um dos novos recursos. Já chegamos lá.)
Principais recursos de GPT-6.2 Astra e Sol
A maior parte das novidades mira na qualidade de entrega profissional e eficiência, não apenas em inteligência bruta. Estes são os quatro pontos que importam.
Crie slides, planilhas e documentos que seguem seu template
GPT-6.2 Astra consegue pegar um template de slide, como arquivo original ou mesmo uma captura de tela, e replicar layout, cores e tipografia, inclusive o tamanho da fonte. A OpenAI treinou o modelo com convenções de áreas como jurídico, vendas, finanças e contabilidade, com títulos que entregam o insight principal e menos texto de enfeite no corpo.
Eu testei esse recurso ao longo do artigo, incluindo o slide acima. O Astra escreveu cada slide em HTML, que eu renderizei em imagem sem alterações.
O mesmo treinamento aparece em planilhas. No AA-AnalystAgent da Artificial Analysis, que pede aos modelos para encontrar números em planilhas e relatórios reais, o Astra acertou 62,5% das perguntas em todas as cinco tentativas independentes — um novo recorde, segundo a OpenAI. A ClickUp relata que, em testes cegos, o Astra superou seu modelo de produção na qualidade de apps, dashboards e slides gerados pelo ClickUp Brain, com cerca de 30% menos rodadas de revisão.
Trabalhe em CAD e ferramentas de simulação com uso de computador
O uso de computador do GPT-6.2 Astra agora funciona no nível de peças e conexões em ferramentas de CAD e simulação. Isso deve ser um grande avanço para engenheiros mecânicos e de produto. As demos da OpenAI incluem a dinâmica do chassi de um carro simulada com um solver em Python e animada no Blender, um carrinho RC na escala 1:8 modelado peça a peça a partir de fotos públicas e manuais de montagem, e uma luminária de papel desenhada a partir de fotos de referência com revisões em CAD.
Não dá para montar facilmente um projeto CAD próprio para testar, então aqui vai a demo de simulação de direção da OpenAI. O Astra construiu o carro em 3D, escreveu o solver em Python para pneus e suspensão e animou o resultado no Blender:
Ambos os modelos chegam a resultados melhores usando menos tokens de saída — daí vem a maior parte da economia. No GDPval v2 interno da OpenAI, o GPT-6.2 Astra marca 6,2 pontos a mais que o GPT-6 Astra usando 22% menos tokens de saída. O Astra também escolhe melhor as ferramentas, inclusive quando usar um plugin em vez de uso de computador, e a Basis relata que o tempo médio para trabalhos contábeis de longo prazo caiu pela metade.
O system card também traz boas notícias sobre injeção de prompt, quando instruções ocultas em um e-mail ou página web tentam sequestrar o agente. O slide do Astra resume os trade-offs de segurança:
Slide do GPT-6.2 Astra
Escreva código mais seguro, com salvaguardas mais rígidas
GPT-6.2 Astra e Sol identificam e exploram vulnerabilidades com mais eficácia, e a OpenAI adicionou sinais de treinamento para escrever código seguro e patches que preservam o comportamento desejado. Ambos atingem o limiar Critical em cibersegurança no Preparedness Framework da OpenAI, assim como o GPT-6 Astra.
O trade-off são mais recusas. A OpenAI lançou os dois modelos com salvaguardas mais rígidas que também restringem algumas pesquisas legítimas de vulnerabilidades e testes de segurança. Defensores aprovados continuam usando GPT-6 Astra e GPT-6 Cyber, disponibilizado há duas semanas, via OpenAI Daybreak.
Como GPT-6.2 Astra e Sol se saem nos benchmarks?
GPT-6.2 Astra lidera os benchmarks de trabalho profissional e ciência da OpenAI, mas o Claude Fable 5.2 lidera vários resultados de programação e raciocínio.
Nas tabelas a seguir, todas as pontuações são reportadas pelos fornecedores. Eu deixei em negrito a melhor pontuação de cada linha.
Trabalho profissional e fluxos agentivos
No Agents' Last Exam v1.1, que testa fluxos de trabalho profissionais longos e com múltiplas etapas, o GPT-6.2 Astra marca 78,3% a $2,89 por tarefa. O GPT-6 Astra marca 73,1% a $8,99 por tarefa, e o Claude Fable 5.2 marca 72,8% a $60,05.
O Gemini 4 Carbon chega mais perto com 77,4%, mas custa $4,60 por tarefa. O restante dos resultados de trabalho profissional segue o mesmo padrão:
Benchmark
O que mede
GPT-6.2 Astra
GPT-6.2 Sol
GPT-6 Astra
GPT-6.1 Sol
Claude Fable 5.2
Agents' Last Exam v1.1
Fluxos profissionais de longo prazo
78,3%
73,0%
73,1%
72,5%
72,8%
GDPval v2 (OpenAI interno)
Projetos de consultoria, finanças e design em múltiplas etapas
50,4%
46,9%
44,2%
41,5%
44,8%
Harvey LAB-AA v1.1
Entregáveis jurídicos que atendem a todos os critérios
15,0%
11,1%
8,6%
6,9%
7,2%
AutomationBench 1.0.6
Automação de processos de negócio
52,4%
41,2%
41,4%
36,1%
51,4%
LifeVal (OpenAI)
Tarefas desafiadoras do dia a dia
86,1%
83,8%
79,8%
79,5%
n/a
O Astra lidera todas as linhas aqui entre os modelos da tabela e dobra o Fable 5.2 no benchmark jurídico da Harvey. O Gemini 4 Carbon ainda passa à frente no AutomationBench com 53,9%, e no GDPval v2 os 48,8% do Carbon ficam entre Astra e Sol.
O gráfico do GDPval v2 da OpenAI mostra de onde vem a economia: para o mesmo número de tokens de saída, os novos modelos pontuam mais do que os que substituem.
Programação e segurança
Programação é onde o Sol brilha: no FrontierCode 2.0, ele marca 43,8% a $1,29 por tarefa, contra 44,2% do Astra a $5,97.
Benchmark
O que mede
GPT-6.2 Astra
GPT-6.2 Sol
GPT-6 Astra
GPT-6.1 Sol
Claude Fable 5.2
FrontierCode 2.0
Mudanças de código que atendem ao padrão de merge dos mantenedores
44,2%
43,8%
42,8%
39,0%
49,1%
SecureSWE (OpenAI interno)
Código funcional e seguro para componentes sensíveis
65,7%
55,6%
48,7%
49,7%
n/a
PatchBench
Patches de segurança
79,7%
75,6%
70,9%
71,0%
n/a
ExploitBench Internal Port
Taxa de execução arbitrária de código em V8 e Chrome
53,5%
50,5%
31,5%
21,5%
n/a
Claude Fable 5.2 mantém a liderança no FrontierCode 2.0, e o Claude Opus 5.5 no esforço máximo (45,5%) também supera os dois modelos GPT-6.2 ali. As linhas de segurança mostram o salto geracional com mais clareza, embora a OpenAI não tenha reportado o Fable 5.2 nessas métricas.
O gráfico do FrontierCode da OpenAI defende o Sol: no esforço máximo, ele chega na pontuação do Astra por cerca de um quinto do custo por tarefa.
Ciência, CAD e raciocínio geral
No Terminal-Bench-Science 0.1, que testa trabalho científico em um terminal, o GPT-6.2 Astra marca 77,1% — 9 pontos acima do GPT-6 Astra — a menos de um terço do custo por tarefa.
Benchmark
O que mede
GPT-6.2 Astra
GPT-6.2 Sol
GPT-6 Astra
GPT-6.1 Sol
Claude Fable 5.2
Terminal-Bench-Science 0.1
Fluxos de pesquisa científica em terminal
77,1%
68,0%
68,1%
57,0%
73,3%*
Vals Science Index v1
Interpretação de dados biológicos e execução de experimentos
68,4%
58,5%
65,1%
59,6%
63,7%
BenchCAD 2.1 Core
Tarefas de modelagem CAD
82,5%
73,1%
62,6%
52,6%
83,5%
Artificial Analysis Intelligence Index v5.0.1
Composto de 9 avaliações (pontuação do índice)
62,1
57,3
56,9
54,6
64,6
GPQA Diamond (sem ferramentas)
Perguntas de ciência em nível de pós-graduação
97,0%
96,0%
96,0%
n/a
n/a
O Fable 5.2 ainda lidera o Intelligence Index e o BenchCAD, mas a $26,54 e $50,77 por tarefa, contra $4,00 e $5,43 do Astra. Se você precisa do melhor resultado absoluto em CAD, o Fable ainda é a escolha; se precisa disso várias vezes por dia, o Astra entrega 99% do resultado por cerca de um décimo do preço.
No Terminal-Bench-Science, o Astra atinge a maior pontuação a $7,15 por tarefa no esforço máximo, contra $23,80 do GPT-6 Astra e $45,21 do Claude Fable 5.2.
Qual nível usar?
GPT-6.2 Sol deve ser seu padrão, e GPT-6.2 Astra o modelo para o qual você escala. O Sol custa um quarto do preço por token do Astra e, em programação, perde menos de um ponto.
O próprio GPT-6.2 Astra defendeu essa tese em seu deck:
Slide do GPT-6.2 Astra
Ambos os modelos expõem cinco níveis de esforço de raciocínio nos gráficos da OpenAI, de baixo a máximo, e o ajuste de esforço importa tanto quanto o nível. No Agents' Last Exam, o Sol em esforço alto (72,0% a $0,69 por tarefa) fica cerca de um ponto atrás do GPT-6 Astra no esforço máximo (73,1% a $8,99) por um décimo terceiro do custo. O modo Ultrafast está disponível para ambos os modelos na API e para assinantes Pro 500 no ChatGPT.
Caso de uso
Nível
Por quê
Programação diária, refatorações e code review
Sol
Fica a 0,5 ponto do Astra no FrontierCode 2.0 por cerca de um quinto do custo
Loops de agentes e automações em alto volume
Sol
$2 / $10 por milhão de tokens, igual ao GPT-6.1 Sol
Apresentações para clientes, planilhas financeiras e memorandos
Astra
Correspondência de template e liderança no GDPval v2 são específicas do Astra
Redação e pesquisa jurídicas
Astra
15,0% no Harvey LAB-AA contra 11,1% do Sol
CAD, simulação e análise científica
Astra
Cerca de 9 pontos à frente do Sol no BenchCAD e no Terminal-Bench-Science
Testando o GPT-6.2 Astra: exemplos práticos
Os benchmarks acima são da própria OpenAI, então rodei dois testes contra o GPT-6.2 Astra e seu antecessor, GPT-6 Astra, com prompts e ferramentas idênticos. Para o teste de dashboard, ambos os modelos rodaram no OpenCode com uma superfície de ferramentas fixa (ler, buscar e editar arquivos), o mesmo esforço alto de raciocínio, uma tentativa e sessão limpa.
Teste 1: um dashboard honesto a partir de dados bagunçados
A tarefa: construir um dashboard HTML em arquivo único a partir de um CSV de renda e empregabilidade para 173 cursos universitários nos EUA, para um orientador de carreira comparar áreas para seus clientes. Ele precisava comparar categorias por renda e emprego, destacar os cursos com maiores e menores rendas, incorporar os dados em vez de buscá-los e caber em uma tela 1440×900.
O verdadeiro teste está nos dados, que têm problemas que o prompt não menciona:
O curso no topo, Petroleum Engineering com $110.000, se baseia em uma amostra de 36 pessoas; 76 dos 173 cursos têm amostras abaixo de 100.
O de menor renda, Library Science com $22.000, se baseia em uma amostra de 2.
Food Science não tem totais de formados.
As categorias variam de um único curso (Interdisciplinar, 12.296 formados) a 13 cursos com 1,3 milhão de formados (Negócios), então a forma de calcular as médias importa.
Isso testa dois argumentos de lançamento ao mesmo tempo: os melhores workbooks analíticos do Astra e sua eficiência, com menos tokens de saída para melhores resultados. Eis o que o GPT-6.2 Astra produziu:
Principais achados:
Ambos os modelos entregaram um dashboard funcional na primeira tentativa. Cada um incorporou os 173 cursos, desenhou seus próprios gráficos em SVG sem biblioteca de charts, cabendo em uma tela e carregando sem erros.
Eles leram os mesmos dados de formas diferentes, o que muda a ordem das categorias. O GPT-6.2 Astra ranqueou cada categoria pela mediana das medianas de seus cursos, o que faz um curso com alguns milhares de formados valer o mesmo que um com 200.000. O GPT-6 Astra ponderou cada curso pelo número de formados. Resultado: Health fica em 10º com $35.000 no dashboard do GPT-6.2 Astra e em 4º com $40,6k no do GPT-6 Astra, porque enfermagem, com 209.394 formados e mediana de $48.000, pesa o que deve pesar.
O GPT-6 Astra também trouxe os tamanhos de amostra para a frente. Sua tabela principal mostra que os 4 cursos do topo se baseiam em amostras de 36, 7, 3 e 16. O GPT-6.2 Astra só exibe isso depois que você seleciona um curso, com um aviso de uma linha sobre rankings instáveis.
O GPT-6.2 Astra foi mais barato e enxuto. Custou $1,79 contra $2,93 do GPT-6 Astra, com 27.821 tokens de saída contra 35.298.
Vamos olhar mais de perto a versão do GPT-6 Astra. Compare o gráfico de categorias dele com o do GPT-6.2 Astra acima: Health fica em 4º aqui e 10º lá, e Biology & Life Science cai de 6º para 11º.
Nenhum método está matematicamente errado, e o GPT-6.2 Astra rotula seu gráfico como mediana das medianas dos cursos. Mas um orientador de carreira quer saber onde os formados de fato chegam — e só a versão ponderada por formados responde isso.
Teste 2: um deck de slides a partir de uma captura de template
A tarefa: transformar as notas de pesquisa deste artigo em um deck de 5 slides para gestores de engenharia decidirem se vale a pena migrar, no estilo de um slide de template. Os modelos receberam o template apenas como captura de tela, e o prompt pediu para replicá-lo "até o tamanho das fontes" sem citar a fonte ou tamanhos.
Isso testa diretamente a promessa de slides da OpenAI. Como os modelos precisavam ver uma imagem, cada um rodou em uma única chamada de API pelo OpenRouter no mesmo esforço alto de raciocínio, e eu incluí o GPT-6.2 Sol, já que decks são trabalho do dia a dia. Este é o template que eles viram, que eu projetei para o teste:
Principais achados:
Os 3 modelos reconstruíram o template só pela captura de tela. Cada um identificou a fonte como Poppins e manteve a barra verde, a linha de kicker, o cartão cinza de estatística, a linha de fonte e a numeração. Todo título traz um takeaway, como no template.
Os 3 ficaram tão próximos do template que, a olho nu, não dá para diferenciar. No navegador, apenas o GPT-6.2 Sol acertou exatamente os tamanhos de fonte do template. O Astra, o modelo que a OpenAI diz replicar templates "até o tamanho da fonte", errou por um ou dois pixels.
O GPT-6.2 Astra foi o mais econômico entre os dois Astras. Custou $0,22 e 4.968 tokens de saída, contra $0,59 e 11.247 do GPT-6 Astra. O Sol custou $0,07.
Os 5 slides do Astra são os legendados que você viu ao longo do artigo, e todos os números batem com minhas notas. O deck do GPT-6 Astra foi igualmente utilizável, então nessa tarefa as gerações não se separam.
Então, o GPT-6.2 Astra é mesmo um salto? Em custo, sim: ele concluiu os dois testes por 39% a 63% menos, o que bate com a alegação de eficiência da OpenAI. Em critério, nem tanto: o modelo antigo foi o que ponderou os dados do jeito que um orientador de carreira precisa, enquanto os slides saíram equivalentes.
Uma execução por tarefa não ranqueia dois modelos, mas combina com o achado de Blocker Deception da própria OpenAI: veja o que o GPT-6.2 Astra deixa de fora, não só o que ele constrói.
Preços e disponibilidade do GPT-6.2 Astra e Sol
O GPT-6.2 Astra é 20% mais barato que o GPT-6 Astra em tokens de entrada e saída e 60% mais barato em entrada em cache, enquanto o GPT-6.2 Sol mantém os preços do GPT-6.1 Sol. Tarifas padrão da API por milhão de tokens:
Modelo
Entrada
Entrada em cache
Saída
GPT-6.2 Astra
$8,00
$0,40
$40,00
GPT-6.2 Sol
$2,00
$0,10
$10,00
Os preços menores são só parte da economia. Como ambos os modelos usam menos tokens de saída, o custo por tarefa cai ainda mais — por isso a execução do Astra no Agents' Last Exam custa menos de um terço do GPT-6 Astra. A OpenAI também recomenda manter prefixos de prompt inalterados e acrescentar novas instruções ao final, para aumentar acertos de cache e preservar o raciocínio entre turnos.
Resumo dos novos preços feito pelo próprio Astra:
Slide do GPT-6.2 Astra
No ChatGPT, ambos os modelos estão disponíveis para usuários Plus, Pro, Enterprise e Edu no ChatGPT Work e no Codex desde o lançamento. Usuários Enterprise e Edu têm acesso quando o admin do workspace ativa.
O Ultrafast está disponível com qualquer um dos modelos para assinantes Pro 500, e assinantes Pro 200 recebem pela primeira vez, começando pelo GPT-6.2 Sol. O anúncio da OpenAI não menciona o plano Free.
Como obter acesso ao GPT-6.2 Astra e Sol?
Ambos os modelos estão disponíveis de forma geral na API da OpenAI como gpt-6.2-astra e gpt-6.2-sol, com Ultrafast disponível para ambos no lançamento. Uma requisição mínima com o SDK Python da OpenAI ficaria assim:
from openai import OpenAI
client = OpenAI()
response = client.responses.create(
model="gpt-6.2-sol",
reasoning={"effort":"high"},input="Summarize this quarterly report in 5 bullet points: ...",)print(response.output_text)Tecnologia
Os dois modelos também estão listados no OpenRouter (openai/gpt-6.2-astra e openai/gpt-6.2-sol) e no catálogo de modelos do OpenCode.
GPT-6.2 é um corte de preço que a OpenAI transformou em um lançamento de capacidades. O Astra supera o GPT-6 Astra em todos os benchmarks de trabalho profissional reportados pela OpenAI, a um terço do custo por tarefa, e o Sol chega perto o bastante em programação para que a maioria dos times comece por ele.
Isso não encerra a disputa geral. O Claude Fable 5.2 ainda lidera no FrontierCode e no Intelligence Index, o Gemini 4 Carbon lidera o AutomationBench e, nos nossos testes, o Astra antigo leu um dataset bagunçado de forma mais sensata. Mas eu trocaria do GPT-6 Astra hoje pela economia.
Slide do GPT-6.2 Astra
Se você quer se aprofundar em como construir com os modelos da OpenAI, recomendo o nosso curso Working with the OpenAI API.
Autor
Josef Waples
FAQs
O que é o GPT-6.2 Astra e como ele é diferente do GPT-6.2 Sol?⌄
GPT-6.2 Astra é o modelo de fronteira da OpenAI para trabalhos profissionais exigentes, como apresentações, planilhas financeiras, peças jurídicas e CAD. GPT-6.2 Sol é o modelo mais barato para o dia a dia, voltado a programação, escrita e loops de agentes. O Sol custa um quarto do preço por token do Astra e fica a 0,5 ponto do Astra no FrontierCode 2.0, enquanto o Astra lidera em benchmarks profissionais e de ciência.
Quanto custa o GPT-6.2 Astra na API?⌄
O GPT-6.2 Astra custa $8 por milhão de tokens de entrada, $0,40 por milhão de tokens de entrada em cache e $40 por milhão de tokens de saída. Isso é 20% abaixo do GPT-6 Astra em entrada e saída e 60% abaixo em entrada em cache. O GPT-6.2 Sol custa $2, $0,10 e $10, os mesmos valores do GPT-6.1 Sol.
O GPT-6.2 Astra é melhor do que o GPT-6 Astra?⌄
Nos benchmarks da OpenAI, sim: o GPT-6.2 Astra supera o GPT-6 Astra em todos os resultados de trabalho profissional, como o Agents' Last Exam (78,3% vs 73,1%), por cerca de um terço do custo por tarefa. Nos nossos 2 testes práticos ele também foi mais barato, mas o GPT-6 Astra ponderou um dataset bagunçado de forma mais sensata.
Onde posso acessar o GPT-6.2 Astra e o GPT-6.2 Sol?⌄
Ambos os modelos estão disponíveis no ChatGPT Work e no Codex para usuários Plus, Pro, Enterprise e Edu, com acesso Enterprise e Edu habilitado pelo admin do workspace. Desenvolvedores podem chamar gpt-6.2-astra e gpt-6.2-sol na API da OpenAI, e ambos estão listados no OpenRouter.
Devo usar o GPT-6.2 Sol ou o GPT-6.2 Astra para programar?⌄
Use o GPT-6.2 Sol para a maioria das tarefas de programação. No FrontierCode 2.0 ele marca 43,8% contra 44,2% do Astra no esforço máximo, por $1,29 por tarefa em vez de $5,97. Mude para o Astra em código sensível à segurança, onde ele lidera o Sol no SecureSWE, ou para CAD e trabalho científico.
Descubra a atualização mais recente da OpenAI, GPT-4 Turbo com visão, e seus principais recursos, incluindo o corte de conhecimento aprimorado, uma janela de contexto expandida, preço acessível e muito mais.
GPT-4 alternativas de código aberto que podem oferecer desempenho semelhante e exigem menos recursos computacionais para serem executadas. Esses projetos vêm com instruções, fontes de código, pesos de modelos, conjuntos de dados e interface de usuário do chatbot.
Saiba como o GPT-5 evoluirá para um sistema unificado com recursos avançados, visando um lançamento no verão de 2025, com base no mais recente roteiro da OpenAI e no histórico do GPT.
Saiba como OpenAI e Anthropic lideram o desenvolvimento de IA com abordagens únicas. Explore produtos como o ChatGPT e os modelos inovadores que elas oferecem.
Explore os melhores GPTs personalizados que vimos até agora na loja GPT, desde ferramentas de ciência de dados até assistentes de SEO e geração de imagens.
Este tutorial apresentará tudo o que você precisa saber sobre o GPT-4 Vision, desde o acesso a ele, passando por exemplos práticos do mundo real, até suas limitações.
Novembro foi um mês movimentado para modelos de fronteira. A Anthropic lançou o Claude Fable 5.2, o Google já tem o Gemini 4 Carbon em campo e, hoje, depois de uma semana de especulações, a OpenAI respondeu com dois modelos de uma vez: GPT-6.2 Astra e GPT-6.2 Sol.
GPT-6.2 Astra é o novo modelo de fronteira da OpenAI para trabalhos profissionais exigentes, como apresentações, planilhas financeiras, peças jurídicas, CAD e execuções longas de agentes. GPT-6.2 Sol é o modelo mais barato para o dia a dia — ótimo para código, escrita e loops de agentes — e chega perto do Astra em programação por cerca de um quarto do preço por token.
Acabei de falar sobre as diferenças, mas ambos custam o mesmo ou menos por tarefa do que os modelos que substituem: na API, os preços de entrada e saída do Astra são 20% menores do que os do GPT-6 Astra, e o Sol mantém os preços do GPT-6.1 Sol.
Neste artigo, eu detalho tudo que há de novo no GPT-6.2 Astra e Sol: os recursos, os benchmarks e dois testes práticos colocando o Astra à prova contra o GPT-6 Astra.
Como dá para ver, novos modelos estão saindo num ritmo acelerado. Para se manter por dentro de IA e dados, assine nossa newsletter semanal, The Median.
Resumo
O que são GPT-6.2 Astra e Sol?
GPT-6.2 Astra substitui o GPT-6 Astra no topo e o Sol substitui o GPT-6.1 Sol um nível abaixo. Duas coisas os diferenciam da geração anterior:
Aqui está o resumo de custo em um slide, feito pelo GPT-6.2 Astra. (Slides melhores são um dos novos recursos. Já chegamos lá.)
Principais recursos de GPT-6.2 Astra e Sol
A maior parte das novidades mira na qualidade de entrega profissional e eficiência, não apenas em inteligência bruta. Estes são os quatro pontos que importam.
Crie slides, planilhas e documentos que seguem seu template
GPT-6.2 Astra consegue pegar um template de slide, como arquivo original ou mesmo uma captura de tela, e replicar layout, cores e tipografia, inclusive o tamanho da fonte. A OpenAI treinou o modelo com convenções de áreas como jurídico, vendas, finanças e contabilidade, com títulos que entregam o insight principal e menos texto de enfeite no corpo.
Eu testei esse recurso ao longo do artigo, incluindo o slide acima. O Astra escreveu cada slide em HTML, que eu renderizei em imagem sem alterações.
O mesmo treinamento aparece em planilhas. No AA-AnalystAgent da Artificial Analysis, que pede aos modelos para encontrar números em planilhas e relatórios reais, o Astra acertou 62,5% das perguntas em todas as cinco tentativas independentes — um novo recorde, segundo a OpenAI. A ClickUp relata que, em testes cegos, o Astra superou seu modelo de produção na qualidade de apps, dashboards e slides gerados pelo ClickUp Brain, com cerca de 30% menos rodadas de revisão.
Trabalhe em CAD e ferramentas de simulação com uso de computador
O uso de computador do GPT-6.2 Astra agora funciona no nível de peças e conexões em ferramentas de CAD e simulação. Isso deve ser um grande avanço para engenheiros mecânicos e de produto. As demos da OpenAI incluem a dinâmica do chassi de um carro simulada com um solver em Python e animada no Blender, um carrinho RC na escala 1:8 modelado peça a peça a partir de fotos públicas e manuais de montagem, e uma luminária de papel desenhada a partir de fotos de referência com revisões em CAD.
Não dá para montar facilmente um projeto CAD próprio para testar, então aqui vai a demo de simulação de direção da OpenAI. O Astra construiu o carro em 3D, escreveu o solver em Python para pneus e suspensão e animou o resultado no Blender:
Fonte: OpenAI
Faça mais por token em fluxos de agentes
Ambos os modelos chegam a resultados melhores usando menos tokens de saída — daí vem a maior parte da economia. No GDPval v2 interno da OpenAI, o GPT-6.2 Astra marca 6,2 pontos a mais que o GPT-6 Astra usando 22% menos tokens de saída. O Astra também escolhe melhor as ferramentas, inclusive quando usar um plugin em vez de uso de computador, e a Basis relata que o tempo médio para trabalhos contábeis de longo prazo caiu pela metade.
O system card também traz boas notícias sobre injeção de prompt, quando instruções ocultas em um e-mail ou página web tentam sequestrar o agente. O slide do Astra resume os trade-offs de segurança:
Slide do GPT-6.2 Astra
Escreva código mais seguro, com salvaguardas mais rígidas
GPT-6.2 Astra e Sol identificam e exploram vulnerabilidades com mais eficácia, e a OpenAI adicionou sinais de treinamento para escrever código seguro e patches que preservam o comportamento desejado. Ambos atingem o limiar Critical em cibersegurança no Preparedness Framework da OpenAI, assim como o GPT-6 Astra.
O trade-off são mais recusas. A OpenAI lançou os dois modelos com salvaguardas mais rígidas que também restringem algumas pesquisas legítimas de vulnerabilidades e testes de segurança. Defensores aprovados continuam usando GPT-6 Astra e GPT-6 Cyber, disponibilizado há duas semanas, via OpenAI Daybreak.
Como GPT-6.2 Astra e Sol se saem nos benchmarks?
GPT-6.2 Astra lidera os benchmarks de trabalho profissional e ciência da OpenAI, mas o Claude Fable 5.2 lidera vários resultados de programação e raciocínio.
Nas tabelas a seguir, todas as pontuações são reportadas pelos fornecedores. Eu deixei em negrito a melhor pontuação de cada linha.
Trabalho profissional e fluxos agentivos
No Agents' Last Exam v1.1, que testa fluxos de trabalho profissionais longos e com múltiplas etapas, o GPT-6.2 Astra marca 78,3% a $2,89 por tarefa. O GPT-6 Astra marca 73,1% a $8,99 por tarefa, e o Claude Fable 5.2 marca 72,8% a $60,05.
O Gemini 4 Carbon chega mais perto com 77,4%, mas custa $4,60 por tarefa. O restante dos resultados de trabalho profissional segue o mesmo padrão:
O Astra lidera todas as linhas aqui entre os modelos da tabela e dobra o Fable 5.2 no benchmark jurídico da Harvey. O Gemini 4 Carbon ainda passa à frente no AutomationBench com 53,9%, e no GDPval v2 os 48,8% do Carbon ficam entre Astra e Sol.
O gráfico do GDPval v2 da OpenAI mostra de onde vem a economia: para o mesmo número de tokens de saída, os novos modelos pontuam mais do que os que substituem.
Programação e segurança
Programação é onde o Sol brilha: no FrontierCode 2.0, ele marca 43,8% a $1,29 por tarefa, contra 44,2% do Astra a $5,97.
Claude Fable 5.2 mantém a liderança no FrontierCode 2.0, e o Claude Opus 5.5 no esforço máximo (45,5%) também supera os dois modelos GPT-6.2 ali. As linhas de segurança mostram o salto geracional com mais clareza, embora a OpenAI não tenha reportado o Fable 5.2 nessas métricas.
O gráfico do FrontierCode da OpenAI defende o Sol: no esforço máximo, ele chega na pontuação do Astra por cerca de um quinto do custo por tarefa.
Ciência, CAD e raciocínio geral
No Terminal-Bench-Science 0.1, que testa trabalho científico em um terminal, o GPT-6.2 Astra marca 77,1% — 9 pontos acima do GPT-6 Astra — a menos de um terço do custo por tarefa.
O Fable 5.2 ainda lidera o Intelligence Index e o BenchCAD, mas a $26,54 e $50,77 por tarefa, contra $4,00 e $5,43 do Astra. Se você precisa do melhor resultado absoluto em CAD, o Fable ainda é a escolha; se precisa disso várias vezes por dia, o Astra entrega 99% do resultado por cerca de um décimo do preço.
No Terminal-Bench-Science, o Astra atinge a maior pontuação a $7,15 por tarefa no esforço máximo, contra $23,80 do GPT-6 Astra e $45,21 do Claude Fable 5.2.
Qual nível usar?
GPT-6.2 Sol deve ser seu padrão, e GPT-6.2 Astra o modelo para o qual você escala. O Sol custa um quarto do preço por token do Astra e, em programação, perde menos de um ponto.
O próprio GPT-6.2 Astra defendeu essa tese em seu deck:
Slide do GPT-6.2 Astra
Ambos os modelos expõem cinco níveis de esforço de raciocínio nos gráficos da OpenAI, de baixo a máximo, e o ajuste de esforço importa tanto quanto o nível. No Agents' Last Exam, o Sol em esforço alto (72,0% a $0,69 por tarefa) fica cerca de um ponto atrás do GPT-6 Astra no esforço máximo (73,1% a $8,99) por um décimo terceiro do custo. O modo Ultrafast está disponível para ambos os modelos na API e para assinantes Pro 500 no ChatGPT.
Testando o GPT-6.2 Astra: exemplos práticos
Os benchmarks acima são da própria OpenAI, então rodei dois testes contra o GPT-6.2 Astra e seu antecessor, GPT-6 Astra, com prompts e ferramentas idênticos. Para o teste de dashboard, ambos os modelos rodaram no OpenCode com uma superfície de ferramentas fixa (ler, buscar e editar arquivos), o mesmo esforço alto de raciocínio, uma tentativa e sessão limpa.
Teste 1: um dashboard honesto a partir de dados bagunçados
A tarefa: construir um dashboard HTML em arquivo único a partir de um CSV de renda e empregabilidade para 173 cursos universitários nos EUA, para um orientador de carreira comparar áreas para seus clientes. Ele precisava comparar categorias por renda e emprego, destacar os cursos com maiores e menores rendas, incorporar os dados em vez de buscá-los e caber em uma tela 1440×900.
O verdadeiro teste está nos dados, que têm problemas que o prompt não menciona:
Isso testa dois argumentos de lançamento ao mesmo tempo: os melhores workbooks analíticos do Astra e sua eficiência, com menos tokens de saída para melhores resultados. Eis o que o GPT-6.2 Astra produziu:
Principais achados:
Vamos olhar mais de perto a versão do GPT-6 Astra. Compare o gráfico de categorias dele com o do GPT-6.2 Astra acima: Health fica em 4º aqui e 10º lá, e Biology & Life Science cai de 6º para 11º.
Nenhum método está matematicamente errado, e o GPT-6.2 Astra rotula seu gráfico como mediana das medianas dos cursos. Mas um orientador de carreira quer saber onde os formados de fato chegam — e só a versão ponderada por formados responde isso.
Teste 2: um deck de slides a partir de uma captura de template
A tarefa: transformar as notas de pesquisa deste artigo em um deck de 5 slides para gestores de engenharia decidirem se vale a pena migrar, no estilo de um slide de template. Os modelos receberam o template apenas como captura de tela, e o prompt pediu para replicá-lo "até o tamanho das fontes" sem citar a fonte ou tamanhos.
Isso testa diretamente a promessa de slides da OpenAI. Como os modelos precisavam ver uma imagem, cada um rodou em uma única chamada de API pelo OpenRouter no mesmo esforço alto de raciocínio, e eu incluí o GPT-6.2 Sol, já que decks são trabalho do dia a dia. Este é o template que eles viram, que eu projetei para o teste:
Principais achados:
Os 5 slides do Astra são os legendados que você viu ao longo do artigo, e todos os números batem com minhas notas. O deck do GPT-6 Astra foi igualmente utilizável, então nessa tarefa as gerações não se separam.
Então, o GPT-6.2 Astra é mesmo um salto? Em custo, sim: ele concluiu os dois testes por 39% a 63% menos, o que bate com a alegação de eficiência da OpenAI. Em critério, nem tanto: o modelo antigo foi o que ponderou os dados do jeito que um orientador de carreira precisa, enquanto os slides saíram equivalentes.
Uma execução por tarefa não ranqueia dois modelos, mas combina com o achado de Blocker Deception da própria OpenAI: veja o que o GPT-6.2 Astra deixa de fora, não só o que ele constrói.
Preços e disponibilidade do GPT-6.2 Astra e Sol
O GPT-6.2 Astra é 20% mais barato que o GPT-6 Astra em tokens de entrada e saída e 60% mais barato em entrada em cache, enquanto o GPT-6.2 Sol mantém os preços do GPT-6.1 Sol. Tarifas padrão da API por milhão de tokens:
Os preços menores são só parte da economia. Como ambos os modelos usam menos tokens de saída, o custo por tarefa cai ainda mais — por isso a execução do Astra no Agents' Last Exam custa menos de um terço do GPT-6 Astra. A OpenAI também recomenda manter prefixos de prompt inalterados e acrescentar novas instruções ao final, para aumentar acertos de cache e preservar o raciocínio entre turnos.
Resumo dos novos preços feito pelo próprio Astra:
Slide do GPT-6.2 Astra
No ChatGPT, ambos os modelos estão disponíveis para usuários Plus, Pro, Enterprise e Edu no ChatGPT Work e no Codex desde o lançamento. Usuários Enterprise e Edu têm acesso quando o admin do workspace ativa.
O Ultrafast está disponível com qualquer um dos modelos para assinantes Pro 500, e assinantes Pro 200 recebem pela primeira vez, começando pelo GPT-6.2 Sol. O anúncio da OpenAI não menciona o plano Free.
Como obter acesso ao GPT-6.2 Astra e Sol?
Ambos os modelos estão disponíveis de forma geral na API da OpenAI como
gpt-6.2-astraegpt-6.2-sol, com Ultrafast disponível para ambos no lançamento. Uma requisição mínima com o SDK Python da OpenAI ficaria assim:Os dois modelos também estão listados no OpenRouter (
openai/gpt-6.2-astraeopenai/gpt-6.2-sol) e no catálogo de modelos do OpenCode.Para um build completo com a geração anterior, veja nosso tutorial da API do GPT-6 Astra e o tutorial do GPT-6.1 Sol; a principal mudança é trocar o ID do modelo.
Considerações finais
GPT-6.2 é um corte de preço que a OpenAI transformou em um lançamento de capacidades. O Astra supera o GPT-6 Astra em todos os benchmarks de trabalho profissional reportados pela OpenAI, a um terço do custo por tarefa, e o Sol chega perto o bastante em programação para que a maioria dos times comece por ele.
Isso não encerra a disputa geral. O Claude Fable 5.2 ainda lidera no FrontierCode e no Intelligence Index, o Gemini 4 Carbon lidera o AutomationBench e, nos nossos testes, o Astra antigo leu um dataset bagunçado de forma mais sensata. Mas eu trocaria do GPT-6 Astra hoje pela economia.
Slide do GPT-6.2 Astra
Se você quer se aprofundar em como construir com os modelos da OpenAI, recomendo o nosso curso Working with the OpenAI API.