A OpenAI publicou em 2 de outubro de 2026 um guia para escolher entre os modelos GPT-6 e preparar aplicações para produção. O documento separa a família em três opções: GPT-6 Astra para trabalhos que exigem a maior capacidade disponível, GPT-6.1 Sol para tarefas complexas com menor custo e GPT-6 Luna para operações focadas e de grande volume. A escolha também depende do nível de raciocínio, da velocidade contratada e da forma como o contexto é administrado.
O guia não apresenta um modelo como substituto universal dos demais. A orientação é testar cada carga representativa e medir sucesso da tarefa, latência e custo por resultado concluído. Esse recorte difere de comparar apenas preços por token: uma execução barata que falha ou exige várias tentativas pode custar mais que uma chamada melhor direcionada.
Astra, Sol e Luna ocupam posições diferentes
O catálogo oficial dos modelos descreve o GPT-6 Astra como a opção mais capaz para raciocínio complexo, programação e trabalho profissional. O GPT-6.1 Sol busca desempenho próximo ao Astra em tarefas complexas por um preço menor. O GPT-6 Luna prioriza eficiência em operações focadas e repetidas em grande escala.
Os três aceitam texto e imagem como entrada, geram texto, oferecem janela de contexto de 1,05 milhão de tokens e saída máxima de 128 mil tokens. Essas semelhanças não significam que entreguem a mesma qualidade em todas as tarefas. Capacidade de planejamento, uso de ferramentas, precisão e quantidade de tentativas precisam ser avaliadas com o fluxo real da aplicação.
| Modelo | Posição indicada pela OpenAI | Exemplos de uso inicial |
|---|---|---|
| GPT-6 Astra | Maior capacidade para trabalhos exigentes | raciocínio difícil, pesquisa, programação complexa e uso de computador |
| GPT-6.1 Sol | Equilíbrio entre capacidade e custo | engenharia de software, análise, pesquisa e fluxos com ferramentas |
| GPT-6 Luna | Eficiência para tarefas focadas e volumosas | extração, classificação, resumos estruturados e rotinas bem delimitadas |
A tabela serve como ponto de partida, não como benchmark independente. Uma classificação simples pode funcionar bem no Luna, mas exigir outro modelo quando as categorias forem ambíguas ou dependerem de contexto extenso. Da mesma forma, nem todo trabalho de programação precisa do Astra: uma alteração localizada e coberta por testes pode ser atendida pelo Sol ou pelo Luna.
A diferença de preço altera o desenho da aplicação
Na tabela comparativa observada em 4 de outubro, a OpenAI cobrava, por milhão de tokens e para entradas de até 272 mil tokens, US$ 10 de entrada e US$ 50 de saída no Astra. O GPT-6.1 Sol custava US$ 2 de entrada e US$ 10 de saída. No Luna, os valores eram US$ 0,10 e US$ 0,50, respectivamente. Entradas maiores, processamento regional e modos de velocidade podem seguir multiplicadores próprios.
Essa diferença torna inadequado escolher um único modelo para todas as etapas de um sistema. Um fluxo pode usar o Luna para triagem e extração, o Sol para investigar casos mais difíceis e o Astra apenas quando a avaliação mostrar ganho suficiente. O roteamento deve se apoiar em critérios observáveis, como confiança, complexidade, risco e custo máximo, não em uma tentativa de adivinhar qual solicitação “parece difícil”.
O custo final inclui mais que a primeira chamada. Entram na conta os tokens de contexto, respostas, tentativas, ferramentas, pesquisas, execução de código e revisão humana. O artigo sobre custo e valor de agentes de IA mostra por que o denominador útil é o resultado aceito, e não a quantidade de chamadas feitas.
Nível de raciocínio não substitui a escolha do modelo
Os modelos GPT-6 permitem ajustar quanto esforço de raciocínio será dedicado à solicitação. A documentação usa níveis baixos para tarefas rotineiras, níveis intermediários para trabalho com julgamento e níveis altos para depuração, análise profunda ou revisão cuidadosa. Astra e GPT-6.1 Sol começam em low; o Luna também aceita none em cenários compatíveis.
Aumentar o esforço pode melhorar uma tarefa difícil, mas também elevar tempo e consumo. O procedimento recomendado é testar o nível padrão e comparar um nível abaixo ou acima em casos representativos. Se a qualidade permanecer estável com menos esforço, o sistema reduz latência e custo. Se o erro se concentrar em uma classe específica, o roteamento pode elevar o esforço apenas para essa classe.
Velocidade é outro eixo. O modo Fast prioriza resposta mais rápida mediante preço maior, enquanto o Ultrafast está disponível para o Astra em cenários nos quais a velocidade de geração compensa o custo adicional. Mudar o modo de serviço não transforma um modelo em outro e não corrige instruções incompletas ou ferramentas mal definidas.
Cache e compactação tratam custos diferentes
O guia recomenda manter instruções, definições de ferramentas e material de referência estáveis no início do contexto. O prompt caching reaproveita o estado de prefixos iguais em chamadas posteriores. Nos preços observados, a leitura de entrada em cache custava uma fração da entrada normal, enquanto a escrita inicial tinha valor próprio.
O cache depende de correspondência do prefixo renderizado. Alterar a ordem das ferramentas, uma instrução inicial ou um esquema de saída pode interromper o reaproveitamento a partir do ponto modificado. Conteúdo variável, como data, identificador de cliente e solicitação atual, tende a funcionar melhor depois da parte estável.
Compactação resolve outro problema: conversas longas acumulam histórico até que custo e tamanho do contexto se tornem inadequados. O processo substitui parte do histórico por uma representação menor que preserva o estado necessário. Isso reduz tokens futuros, mas pode diminuir o reaproveitamento do cache logo depois da mudança. A comparação correta considera o custo total do fluxo, não apenas a taxa de acerto do cache.
Prompts, skills e instruções precisam declarar o resultado
O guia publicado pela OpenAI orienta a informar resultado esperado, público, contexto relevante, restrições e critério de conclusão. Também recomenda que arquivos de instrução, como AGENTS.md, deixem claro quais documentos e testes importam, quais rotinas seguras podem avançar de forma autônoma e quais decisões exigem aprovação.
O documento chama atenção para instruções excessivamente rígidas. Modelos mais capazes conseguem lidar com julgamento e nuance; uma receita longa pode bloquear caminhos válidos ou criar conflitos. Isso não elimina controles. Limites de segurança, acesso, dados e ações externas continuam explícitos, enquanto escolhas de organização e implementação podem ficar abertas quando o risco for baixo.
Skills reutilizáveis devem ter gatilho claro e carregar detalhes apenas quando necessários. Uma instrução que tenta cobrir todos os casos aumenta contexto, dificulta manutenção e reduz o cache compartilhado. A separação entre orientação geral e referência específica também facilita testar o efeito de cada mudança.
Trabalho longo exige direção durante a execução
A família GPT-6 foi apresentada para fluxos que podem durar horas ou dias. Na API, o guia destaca atualização de instruções durante a execução, chamadas assíncronas de ferramentas e delegação de tarefas independentes. O GPT-6.1 Sol oferece fluxo multiagente em beta pela Responses API.
Uma atualização durante a execução pode redirecionar as próximas etapas sem cancelar automaticamente ferramentas já iniciadas. Ferramentas assíncronas permitem que o sistema continue trabalho independente enquanto aguarda uma operação lenta. A dependência entre etapas ainda precisa ser respeitada: uma decisão que usa o resultado de um teste não deve começar antes de o teste terminar.
No uso de computador, os modelos podem operar páginas e aplicativos quando não há API apropriada. A recomendação continua sendo usar APIs ou ferramentas conectadas quando elas resolvem a tarefa diretamente e reservar interação visual para interfaces que realmente exigem leitura de tela, cliques ou preenchimento de formulários.
Essas capacidades aumentam a necessidade de limites de autorização, registros e validação. O post sobre OpenAI Dots detalha como agentes contínuos combinam ambiente próprio, acesso a aplicações e aprovações para ações sensíveis.
A avaliação precisa representar produção
O melhor modelo não pode ser definido apenas por um benchmark genérico. A equipe precisa montar um conjunto de tarefas representativas, critérios de aceitação e casos de falha. O teste deve registrar modelo, versão, esforço, ferramentas, prompt, contexto, latência, tokens, custo e necessidade de correção humana.
Uma avaliação por tarefa evita médias que escondem diferenças. Extração pode ser medida por campos corretos; programação, por testes e revisão; atendimento, por resolução sem informação inventada; pesquisa, por cobertura e fidelidade às fontes. O artigo sobre avaliação de modelos de IA apresenta a separação entre qualidade, custo e supervisão.
Também é necessário testar falhas das ferramentas, respostas incompletas e entradas que ultrapassam o padrão. Um modelo mais capaz pode compensar parte da ambiguidade, mas não corrige contrato ausente, fonte desatualizada ou permissão excessiva.
Como fechar a escolha para produção
A comparação deve terminar com uma matriz por carga de trabalho. Para cada tarefa, registre a menor configuração que alcança a qualidade exigida, a latência observada, o custo por execução e os casos encaminhados para revisão humana. Como preços, disponibilidade, limites e recursos beta podem mudar, esses valores precisam ser lidos da documentação vigente e revistos sempre que o modelo ou o fluxo for atualizado.
Os modelos GPT-6 ocupam posições diferentes nessa matriz. Astra atende o trabalho mais exigente; GPT-6.1 Sol busca equilibrar capacidade e custo; Luna reduz o preço de tarefas focadas e volumosas. Raciocínio, velocidade, cache, compactação e ferramentas completam a configuração, que deve ser aprovada com o mesmo conjunto de testes usado para acompanhar o sistema depois da entrada em produção.
