GPT-6 Astra vs. Claude Opus 5.5: qual modelo usar

Quando a OpenAI lançou o GPT-6 Astra no começo de setembro, a empresa apresentou o modelo como algo que consegue fazer "tudo o que você faz em um computador".

No mesmo mês, a Anthropic respondeu com o Claude Opus 5.5, um modelo que, segundo a empresa, atua no nível do seu topo de linha Claude Fable 5.1. (Já fizemos a comparação entre GPT-Astra e Claude Fable 5.1 antes.)

Hoje, esses dois modelos são escolhas padrão para trabalhos agentivos de verdade. Eles já estão no mercado há alguns meses, e tivemos tempo suficiente para praticar com ambos. Neste artigo, vou comparar GPT-6 Astra e Claude Opus 5.5 em benchmarks, recursos e preços. Para ir além, também vou colocá-los no mesmo teste prático de código e fazer uma recomendação direta sobre qual eu prefiro.

O que é o GPT-6 Astra?

GPT-6 Astra é o modelo carro-chefe da OpenAI anunciado em setembro. Ele está disponível no ChatGPT Plus, Pro, Business e Enterprise, no Codex, via API da OpenAI e no Amazon Bedrock. 

A OpenAI construiu o Astra com foco em uso de computador. Ele consegue operar um desktop de ponta a ponta, inclusive apps sem API, e foi treinado para concluir tarefas com menos tokens e menos tentativas.

A OpenAI também chama o GPT-6 Astra de seu modelo mais alinhado até agora, e é o primeiro da empresa a alcançar o nível "Crítico" de capacidade em cibersegurança no Preparedness Framework.

O que é o Claude Opus 5.5?

Claude Opus 5.5 é o mais novo modelo Opus da Anthropic, também lançado em setembro. Está disponível nos apps do Claude, no Claude Code, na Claude Platform API (como claude-opus-5-5), no Amazon Bedrock, no Google Cloud Vertex AI e no Microsoft Foundry.

A Anthropic posiciona o Opus 5.5 como atuando no nível do Claude Fable 5.1 na maior parte dos trabalhos, sendo 20% mais barato por token que o Opus 5 e cerca de 40% mais barato em workloads típicos, já que também usa menos tokens. A Anthropic afirma que a geração de saída é mais de 30% mais rápida que no Opus 5. 

O lançamento da Anthropic destaca fortemente trabalhos de engenharia de longa duração: um early tester concluiu uma migração de 680 mil linhas de código em menos de um dia e, em uma tradução interna de C para Rust do HAProxy, o Opus 5.5 terminou em 9,5 horas, contra 12 do Fable 5.1.

GPT-6 Astra vs. Claude Opus 5.5: comparação direta

Os dados lado a lado mais limpos vêm do post de lançamento do Opus 5.5 da Anthropic, que lista o GPT-6 Astra junto com seus próprios modelos. Lembre que os números do Astra ali são pontuações reportadas pela OpenAI ou resultados públicos de leaderboards, não execuções feitas pela própria Anthropic.

Codificação e engenharia de software

É aqui que o Opus 5.5 faz seu argumento mais forte. No Terminal-Bench 4.0, que testa agentes operando em um terminal real, o Opus 5.5 marca 66,4% contra 57,9% do Astra, uma vantagem de 8,5 pontos. 

O FrontierCode é muito mais equilibrado: 54,4% para o Opus 5.5 versus 53,3% para o Astra, praticamente um empate. 

Mas o Astra tem seus pontos fortes em código. A OpenAI reporta 74,1% no DeepSWE v1.1, que chama de novo recorde, e afirma que o Astra no harness do Codex conclui tarefas mais rápido que o antecessor. A Anthropic não publica pontuação do DeepSWE para o Opus 5.5.

Trabalho do conhecimento e raciocínio

No GDPval-AA v2.1, que avalia tarefas profissionais em 44 ocupações, o Opus 5.5 marca 1846 de Elo contra 1542 do Astra. É uma margem grande. O Opus 5.5 também lidera no Humanity's Last Exam com ferramentas, com 67,7% versus 57,2%.

O Astra assume a frente em trabalho científico no terminal, com 64,6% no Terminal-Bench-Science, contra 58,7% do Opus 5.5. A OpenAI também reporta resultados muito fortes em matemática e ciências para o Astra, incluindo 97,6% no FrontierMath Tier 4 v2 e 96,0% no GPQA Diamond. A Anthropic não publica esses benchmarks para o Opus 5.5, então, se seu foco for raciocínio pesado em matemática, o Astra tem as evidências publicadas mais fortes.

Uso de computador e automação de negócios

Uso de computador é o recurso de destaque do Astra. A OpenAI reporta 72,6% no OSWorld 2.0 e 92,7% no ScreenSpot-Pro, além de controles corporativos para isso: admins podem restringir sites e apps de desktop, exigir aprovação antes de ações relevantes e revisar automaticamente chamadas de ferramentas potencialmente arriscadas.

A Anthropic reporta 81,8% no OSWorld 2.1 (crédito parcial) para o Opus 5.5. É uma versão diferente do benchmark, com pontuação diferente, então não dá para comparar diretamente com os 72,6% do Astra. No AutomationBench, o benchmark de workflows de negócios do Zapier, os dois ficam próximos, com o Astra um pouco à frente: 41,4% contra 40,0%.

Janela de contexto e saída

Ambos os modelos lidam com entradas muito longas. O Astra tem janela de contexto de 1,05 milhão de tokens, e o Opus 5.5 tem 1 milhão. Ambos permitem até 128 mil tokens de saída, e o Opus 5.5 pode chegar a 300 mil tokens de saída via Message Batches API (em beta).

Segurança e disponibilidade

Ambos os laboratórios controlam suas capacidades mais sensíveis. O Astra é classificado como "Crítico" para cibersegurança, então trabalhos avançados de exploit exigem o programa de acesso confiável da OpenAI. O Opus 5.5 redireciona a maior parte das tarefas de cibersegurança para o Claude Opus 4.8 e usa as mesmas salvaguardas de biologia do Fable 5.1, com programas de verificação para organizações credenciadas. 

Preços: o que você realmente paga

Pelo preço de tabela, o Opus 5.5 é 60% mais barato que o Astra tanto em entrada quanto em saída, e 80% mais barato em leituras de cache. Uma requisição com 100 mil tokens de entrada e 10 mil de saída custa cerca de US$ 0,60 no Opus 5.5 e US$ 1,50 no Astra.

Só que preço por token não é tudo. A OpenAI treinou o Astra para terminar tarefas com menos tokens, e o Opus 5.5, no esforço máximo, pode gerar muito raciocínio na saída, o que reduz a diferença em alguns workloads. 

Teste prático: construindo um relógio movido a engrenagens

Agora a parte divertida: dei aos dois modelos a mesma tarefa de construção, com o mesmo prompt, no mesmo agente de código.

A tarefa: uma página web de arquivo único mostrando um relógio analógico movido inteiramente por um trem de engrenagens visível. A página lê a hora uma vez ao carregar; depois disso, só as engrenagens podem mover os ponteiros.

Escolhi esse teste porque qualquer leitor consegue conferir o resultado a olho nu. Os dentes engrenam? Engrenagens vizinhas giram em sentidos opostos?

A configuração

Ambos os modelos rodaram no OpenCode no mesmo Mac, um após o outro, com configurações padrão e uma única tentativa cada. Usei as versões padrão de cada modelo (gpt-6-astra via OpenRouter e claude-opus-5-5 via API da Anthropic), não as variantes Pro ou de modo rápido. Aqui está o prompt, colado na íntegra:

Build a single-file web page, index.html, with inline CSS and JavaScript. Use canvas or SVG. No external libraries, no network requests, no build step.

The page shows an analog clock driven entirely by a visible mechanical gear train.

Requirements:

One driving gear (the "motor") turns at a constant rate. Everything else moves only because gears mesh: the second, minute, and hour hands must be driven through the gear train, with the minute hand turning exactly 1/60 as fast as the second hand and the hour hand exactly 1/12 as fast as the minute hand. Do not compute hand angles from Date() each frame; read the current local time once at load to set the starting position, then let the gears drive the hands.
Show at least six gears with visible teeth. Gears that mesh must have matching tooth size, teeth that visibly interlock without overlapping, and opposite directions of rotation. Each pair's speed ratio must equal the inverse of its tooth-count ratio. Compound gears (two gears fixed on one axle) are allowed and should look like they share an axle.
Hovering over any gear shows its tooth count and its current speed in RPM.
Controls: a speed slider from 1x to 3600x real time, a pause/resume button, and a "reset to now" button.
After running at any speed for several minutes and then returning to 1x, the clock must still show the correct time for the simulated elapsed time (no drift from floating-point accumulation).
It should look like a well-made piece of clockwork, readable at both desktop and phone widths.

When you're done, briefly explain your gear train: the tooth counts and how they produce the 60:1 and 12:1 ratios.Tecnologia

Os resultados

Aqui estão os dois relógios rodando lado a lado a 10x. Nessa velocidade, a primeira roda grande em cada relógio gira uma vez a cada seis segundos e os ponteiros de minuto avançam lentamente.

O que eu notei observando

Eles leram "relógio analógico" de jeitos diferentes. O Astra construiu o que relojoeiros chamam de regulator: segundos, minutos e horas têm seus próprios mostradores, montados em rodas separadas espalhadas pelo painel. O Opus fez um mostrador tradicional, com hora e minuto no centro, um pequeno subdial de segundos acima e o trem de engrenagens visível por um recorte no mostrador.

As engrenagens do Astra são mais fáceis de seguir, e o tempo do Opus é mais fácil de ler. No Astra, cada roda fica exposta, e você consegue rastrear o movimento do motor até o mostrador de horas. Mas, para ver a hora, você precisa checar três mostradores. No Opus, você lê a hora num olhar, mas algumas engrenagens ficam atrás do aro do mostrador, então nem todas as engrenagens em malha são visíveis. 

A primeira roda grande parece rápida demais, mas não é. Quando acelerei os relógios, a primeira roda grande em cada um parecia disparada, especialmente no Astra. Em ambos os designs, essa roda carrega o ponteiro de segundos, então gira uma vez por minuto no tempo real e uma vez por segundo a 60x. Em velocidade normal, dá para ver que ela se move exatamente no ritmo do ponteiro de segundos.

Algumas rodas do Astra se sobrepõem. Em alguns pontos, o Astra desenha uma roda grande por cima de outra, como onde a roda das horas cruza a roda verde ao lado. Isso não está errado, já que mecanismos reais empilham rodas em camadas, mas dificulta ver quais dentes estão realmente engrenando.

Ambos mantiveram a hora certa. Adiantei os dois relógios em 10 horas, o que leva cerca de 10 segundos na velocidade máxima, e ambos pararam em 20:10:30, exatamente onde deveriam.

Qual eu gostei mais

Os dois relógios funcionam. Se eu quisesse algo para observar, escolheria o do Astra: todo o mecanismo fica à mostra e tem cara de engenharia de verdade. Dito isso, o que o Opus montou fica mais perto do que o prompt pediu: um único mostrador analógico.

Quando escolher GPT-6 Astra vs Claude Opus 5.5

A construção do relógio é só um projeto divertido. Não tive chance de testar todos os casos de uso. Aqui vão diretrizes úteis:

Escolha o Claude Opus 5.5 se...

• Você está criando ou executando agentes de código, especialmente migrações longas, refatorações e trabalho em terminal.
• Seu workload é trabalho profissional do conhecimento, como pesquisa, análise e documentos. Digo isso porque o Opus 5.5 lidera no GDPval-AA.
• Custo importa em escala, ou você envia prompts regularmente com mais de 272 mil tokens.
• Você precisa do modelo no Google Cloud ou no Microsoft Foundry.

Escolha o GPT-6 Astra se...

• Seu principal caso de uso é uso de computador: controlar apps de desktop e navegadores, preencher formulários e fazer QA em ferramentas sem API.
• Você precisa do raciocínio publicado mais forte em matemática e ciências. Digo isso porque o Astra lidera no Terminal-Bench-Science e reporta pontuações de topo no FrontierMath e GPQA.
• Seu time já usa o ChatGPT Enterprise e o Codex, e você quer os controles de admin e plugins corporativos do Astra.

Considerações finais

No papel, o Claude Opus 5.5 tem melhor custo-benefício. Ele supera o GPT-6 Astra na maioria dos benchmarks em que ambos têm pontuação, incluindo uma liderança clara em codificação agentiva e trabalho do conhecimento, e faz isso custando 40% do preço de tabela do Astra.

Mas o Astra não fica para trás. Ele é a escolha mais forte para uso de computador, tem os melhores resultados publicados em matemática e ciências e, graças à eficiência de tokens, a diferença real de custo é menor do que a tabela sugere.