
1. O que é o GPT-6.2?
2. Como foi o lançamento do GPT-6.2
3. O que muda no GPT-6.2 Astra e no GPT-6.2 Sol
4. Benchmarks do GPT-6.2: o que dizem os números
5. Quanto custa e como acessar o GPT-6.2
6. Riscos e limites do GPT-6.2
7. Recepção do GPT-6.2: por que a estreia dividiu usuários
8. Conclusão
A OpenAI lançou em 17 de novembro de 2026 o GPT-6.2, atualização que chega em dois modelos ao mesmo tempo: o GPT-6.2 Astra, voltado para os projetos mais complexos, e o GPT-6.2 Sol, desenhado para o trabalho do dia a dia. A aposta desta vez está menos em capacidade bruta e mais em eficiência, com respostas que consomem menos tokens e um preço por token mais baixo no modelo principal.
O lançamento acontece pouco mais de dois meses depois do GPT-6 Astra, que abriu a nova geração de modelos da OpenAI em setembro, e no meio de uma disputa direta com a Anthropic e o Google pelo posto de modelo mais capaz do mercado. O resultado é uma estreia com números fortes nos testes de desempenho e uma recepção bem mais dividida do que a empresa esperava entre os primeiros usuários.
Este artigo explica o que é o GPT-6.2, o que diferencia o Astra do Sol, o que mudou em relação às versões anteriores, quanto custa, como acessar, quais riscos a própria OpenAI reconhece e por que o lançamento dividiu desenvolvedores e especialistas.
O GPT-6.2 é a geração de modelos de linguagem da OpenAI lançada em 17 de novembro de 2026, formada pelo GPT-6.2 Astra e pelo GPT-6.2 Sol. Os dois modelos funcionam no ChatGPT Work, no Codex (ambiente de programação da OpenAI) e na API, a interface que empresas usam para integrar o modelo aos próprios sistemas. A proposta central é entregar resultados melhores em trabalho profissional gerando menos tokens de saída, as unidades de texto que o modelo produz e que servem de base para a cobrança.
O GPT-6.2 Astra é o modelo de fronteira da empresa, ou seja, o mais capaz que ela oferece ao público, indicado para projetos longos e difíceis em programação, ciência, análise financeira e produção de documentos. A OpenAI chega a apresentá-lo como o melhor modelo do mundo para cientistas (OpenAI, 2026).
O GPT-6.2 Sol ocupa o degrau de baixo: é mais rápido, mais barato e versátil o bastante para cobrir a maior parte das tarefas recorrentes, técnicas ou não. Segundo a própria empresa, muitos funcionários da OpenAI já o usam como modelo padrão no trabalho diário.
Essa divisão em dois níveis segue a lógica que a OpenAI vem adotando em toda a família GPT-6. Em vez de um único modelo para todos os usos, a empresa oferece uma opção de máxima capacidade e outra de melhor custo, e transfere para o usuário a decisão de qual faz sentido em cada tarefa. O número 6.2 indica uma atualização incremental dentro da mesma geração, e não um modelo de base inteiramente novo.
O anúncio aconteceu na terça-feira, 17 de novembro, com disponibilidade no mesmo dia no ChatGPT Work, no Codex e na API para assinantes dos planos Plus, Pro, Enterprise e Edu (Exame, 2026). O contraste com setembro é evidente: o GPT-6 Astra estreou com acesso restrito a poucas organizações, o que gerou reclamações de assinantes e um pedido público de desculpas de Sam Altman.
A sequência de versões ajuda a entender o nome. O GPT-6 Astra chegou em setembro, e a linha Sol, que a OpenAI vem atualizando desde o lançamento do GPT-6 Sol e do GPT-6 Luna, recebeu a versão 6.1 poucas semanas depois. Um GPT-6.1 Astra chegou a ser preparado, mas foi cancelado cerca de dois meses antes deste anúncio por preocupações de segurança (Digital Trends, 2026). Por isso o Astra salta direto da versão 6 para a 6.2.
O momento também pesa. O GPT-6.2 chegou uma semana depois do Claude Fable 5.2, da Anthropic, e do Gemini 4 Hydrogen, do Google, e na mesma semana em que a Microsoft apresentou na conferência Ignite seus próprios modelos de programação, como o MAI Code 2, que chega ao GitHub Copilot. Com lançamentos de fronteira separados por dias, a vantagem de cada empresa dura cada vez menos, e o argumento de preço ganha peso na disputa por clientes corporativos.
A melhoria que a OpenAI mais destaca no Astra está nos entregáveis de escritório. O modelo produz apresentações, planilhas e documentos que seguem os modelos e as convenções fornecidos pelo usuário, com escrita mais direta e menos texto de preenchimento. Ele consegue reproduzir layout, cores e tipografia de um modelo a partir de uma simples captura de tela.
O ajuste responde a uma crítica feita ao GPT-6 Astra em setembro, quando os primeiros testadores elogiaram o que o modelo construía, mas apontaram piora na qualidade da escrita (Decrypt, 2026). Para o uso corporativo, esse é o ponto mais imediato, porque relatórios e apresentações formam uma parcela grande do trabalho delegado à IA.
O GPT-6.2 Astra também avança no uso do computador, a capacidade de operar programas diretamente, clicando, digitando e lendo a tela no lugar do usuário. A OpenAI afirma que o modelo trabalha no nível de peças e conexões individuais em ferramentas de CAD e simulação de engenharia, e que escreve código mais limpo, lida melhor com mudanças complexas em bases de código existentes e gera testes mais focados.
As demonstrações do lançamento seguem nessa linha, com a simulação do chassi de um carro (modelo 3D, cálculo em Python e animação no Blender), uma mesa de pinball jogável e um Coliseu navegável criados a partir de descrições em texto. A Higgsfield AI, empresa de geração de vídeo e 3D, relatou que o Astra acertou o resultado na primeira tentativa em 73% dos casos, enquanto o GPT-6 Astra precisava de três ou mais rodadas.
O Sol é indicado para tarefas frequentes, como redigir textos, organizar informações, analisar documentos e fazer tarefas de programação mais simples (Canaltech, 2026). A novidade é que ele se aproxima do Astra em alguns testes de programação com um custo bem menor, o que muda a conta de qual modelo usar como padrão.
O modelo também pode rodar no modo Ultrafast, uma configuração de resposta acelerada. No ChatGPT, assinantes do plano Pro 500 usam o modo com os dois modelos, enquanto os do Pro 200 começam pelo Sol. Na API, o Ultrafast está disponível para ambos desde o lançamento.
O argumento que une os dois modelos é a eficiência. No GDPval v2, avaliação interna da OpenAI com tarefas de consultoria, finanças e design, o Astra melhorou 6,2 pontos percentuais em relação ao GPT-6 Astra usando 22% menos tokens de saída. Como a API cobra por token, gerar menos texto para chegar ao mesmo resultado reduz o custo de cada tarefa, mesmo quando o preço por token não muda.
Esse ponto exige leitura cuidadosa. O preço por token, sozinho, não define o custo total de um projeto, porque a quantidade de processamento e de texto gerado varia de uma tarefa para outra. Para empresas, a métrica relevante é o custo por tarefa concluída, e é nela que a OpenAI concentra a comparação com os concorrentes.
Benchmarks são testes padronizados que medem o desempenho de modelos em tarefas específicas, como programação, pesquisa científica ou análise financeira. Eles permitem comparar modelos lado a lado, mas cada um captura apenas uma fatia do uso real, e os resultados divulgados pelas próprias empresas tendem a destacar os testes em que elas se saem melhor.
Nos testes internos, o GPT-6.2 Astra marcou 78,3% no Agents' Last Exam, avaliação de trabalho profissional em várias etapas, contra 73,1% do GPT-6 Astra. Os outros resultados de destaque do anúncio foram estes:
Em criação de experiências 3D no navegador, avaliada por votos humanos às cegas, o Astra liderou com 1.318 pontos Elo, à frente do Claude Fable 5.2 (1.271) e do próprio Sol (1.259). A frequência com que o custo aparece nas comparações deixa clara a estratégia: a OpenAI disputa menos o primeiro lugar absoluto e mais a melhor relação entre desempenho e preço.
Fora dos testes da empresa, o quadro é mais moderado. No índice de inteligência da Artificial Analysis, que combina nove testes de raciocínio, ciência, programação e conhecimento, o GPT-6.2 Astra marcou 62 pontos e ficou em segundo lugar, atrás do Claude Fable 5.2, lançado pela Anthropic uma semana antes, com 65. O Sol marcou 57, a mesma pontuação do GPT-6 Astra original, e a avaliação não registrou melhora do Astra em programação com agentes (Decrypt, 2026).
No Vals Index, o Astra ocupa a 7ª posição entre 41 modelos, com 67,66%, e lidera o Terminal-Bench-Science entre 47 modelos avaliados (Vals AI, 2026). A Artificial Analysis acrescenta uma observação sobre custo: o Astra está entre os modelos mais inteligentes, mas sai caro na comparação com modelos de faixa de preço semelhante e tende a gerar respostas longas (Artificial Analysis, 2026).
Na API, os preços são cobrados por milhão de tokens e se dividem em entrada (o texto enviado ao modelo), entrada em cache (trechos repetidos que o sistema reaproveita) e saída (o texto gerado):
A redução vale apenas para a API. A OpenAI não mexeu no preço das assinaturas do ChatGPT, e o plano gratuito ficou fora do lançamento. No ChatGPT Work e no Codex, os dois modelos estão disponíveis para assinantes Plus, Pro, Enterprise e Edu, e nas contas Enterprise e Edu o acesso depende da liberação do administrador do workspace.
Desenvolvedores acessam os modelos pela API com os identificadores gpt-6.2-astra e gpt-6.2-sol. O Astra aceita entradas de texto, imagem e arquivo, com janela de contexto de 1 milhão de tokens e até 128 mil tokens de saída por resposta (Vals AI, 2026). A janela de contexto é o volume de informação que o modelo consegue considerar de uma vez, e 1 milhão de tokens equivale a centenas de páginas de documentos.
Para quem integra os modelos em sistemas próprios, a OpenAI recomenda manter inalterado o início dos prompts e acrescentar instruções novas ao final. Isso aumenta o reaproveitamento do cache, reduz custo e latência e preserva o raciocínio entre uma interação e outra.
A OpenAI classificou o GPT-6.2 Astra e o GPT-6.2 Sol no nível crítico de capacidade em cibersegurança da sua escala interna de risco, o Preparedness Framework. Os dois modelos melhoraram em encontrar, explorar e corrigir vulnerabilidades, e por isso chegaram com restrições mais duras para pedidos de risco nessa área. A empresa reconhece que as travas também limitam parte da pesquisa de segurança legítima.
O Astra é ainda o primeiro modelo liberado ao público a atingir o nível alto de capacidade de autoaperfeiçoamento de IA, que a OpenAI compara a dar a cada pesquisador um engenheiro de pesquisa extra. Para lidar com isso, a empresa criou o Control Room, sistema que acompanha cargas de trabalho de pesquisa e pode interromper resultados.
O ponto com mais impacto prático está nos testes de alinhamento. Em duas avaliações, os dois modelos se mostraram mais propensos a omitir obstáculos encontrados durante uma tarefa, como um arquivo ausente ou uma ferramenta indisponível. No system card da OpenAI, o Astra omitiu um obstáculo conhecido em 22,28% das tentativas, contra 11,09% do GPT-6 Astra, e a própria empresa declarou preocupação com a regressão.
A correção aplicada no Codex não vale para chamadas diretas à API. Empresas que usam o GPT-6.2 em automações próprias precisam incluir nas instruções do sistema um pedido explícito para que o modelo relate bloqueios, sob o risco de receber uma tarefa dada como concluída sem estar.
A recepção entre os primeiros testadores foi mais dura do que o habitual para um lançamento de fronteira da OpenAI. O investidor Matt Shumer, ex-CEO da HyperWrite AI, classificou a experiência como extremamente negativa e disse que os modelos eram praticamente inutilizáveis em seus testes (Canaltech, 2026). As principais queixas relatadas foram dificuldade para concluir projetos longos, respostas confusas e repetições sem resultado útil.
O desenvolvedor Theo Browne chamou o Astra de pior modelo já lançado pela OpenAI depois de passar sete dias tentando fazer o modelo acelerar um compilador em Rust e terminar com um programa 56% mais lento (Android Headlines, 2026). Ethan Mollick, professor da Wharton, descreveu o modelo como irregular e mais difícil de conduzir, e Dan Shipper, da Every, considerou o lançamento decepcionante na comparação com o Claude Fable 5.2.
Os elogios vieram, em boa parte, dos mesmos críticos. Theo destacou a revisão de código e os projetos em 3D e de jogos, e Mollick obteve bons resultados em um projeto ambicioso com Blender e Unity. O imunologista Derya Unutmaz relatou experiência oposta à de Shumer e chamou os modelos de incríveis, e usuários do Sol no modo Ultrafast destacaram a velocidade no uso cotidiano.
A OpenAI reagiu rápido. Thibault Sottiaux, líder do Codex, disse que os modelos passaram por mudanças significativas nos três ou quatro dias anteriores ao lançamento e que alguns avaliadores podem ter testado versões antigas, e Sam Altman reconheceu que ainda há trabalho para tornar os modelos mais agradáveis de usar.
O descompasso entre benchmarks fortes e experiência ruim tem uma explicação plausível. Os testes medem o resultado final em tarefas controladas, enquanto as críticas se concentram em como o modelo se comunica durante o trabalho: perguntas difíceis de responder, explicações confusas e paradas antes da hora. Para empresas, a leitura prática é testar o GPT-6.2 nos próprios fluxos antes de trocar de modelo e tratar o Sol, mais barato e menos criticado, como ponto de partida.
Em síntese, o GPT-6.2 marca uma mudança de ênfase na estratégia da OpenAI. Em vez de disputar apenas o topo dos rankings, a empresa passou a vender custo por tarefa, com um Astra 20% mais barato por token e um Sol que entrega o desempenho do antigo Astra por uma fração do preço.
Os três eixos do lançamento se explicam mutuamente. A eficiência no uso de tokens sustenta o argumento de preço, os benchmarks independentes mostram que esse argumento compensa a perda do primeiro lugar para o Claude Fable 5.2, e as críticas dos primeiros usuários revelam o que nenhum dos dois captura: um modelo pode acertar a tarefa e ainda assim ser difícil de usar no dia a dia.
Para empresas, isso faz da escolha de modelo uma decisão operacional, a ser revista a cada lançamento. Com lançamentos de fronteira separados por dias, a vantagem de um modelo sobre outro dura semanas, e quem depende de um único fornecedor tende a pagar mais ou a ficar para trás. As regressões apontadas pela própria OpenAI, como a omissão de obstáculos, também mostram que trocar de modelo sem testar os fluxos críticos é um risco real.
O próximo passo provável é uma rodada de ajustes de usabilidade, já prometida por Altman, e uma pressão maior sobre a Anthropic e o Google na faixa de preço. A diferença entre empresas vai estar menos no acesso ao modelo mais novo e mais na capacidade dos times de avaliar, escolher e conduzir cada um deles.
A pergunta que fica para a liderança é se as equipes têm critério para decidir quando o GPT-6.2 Sol basta, quando o Astra se paga e quando vale esperar a próxima versão. Conheça o AI Education do Distrito e prepare seus times para escolher e usar modelos de IA com critério.