Ao vivo 18/11 · Turma 318 nov às 19:00 MSK — aula prática gratuita de agentes de IA · Turma 3 ao vivo começa 23/11Aula 18/11 →Turma 3 (23/11)
LançamentoAnálise · No radarArtificial Analysis→ original

OpenAI lança o GPT-6.2 Astra: segundo lugar no ranking e preço 20% menor

A OpenAI lançou o GPT-6.2 Astra e o Sol, e o ranking independente da Artificial Analysis colocou o Astra em segundo lugar: só o Claude Fable 5.2, da Anthropic, aparece à frente. O Astra ganhou 5 pontos e ficou 20% mais barato: $8 por milhão de tokens de entrada e $40 por milhão de tokens de saída. O Sol manteve o preço anterior ($2/$10), mas empata em pontos com o antigo carro-chefe GPT-6 Astra, com ~15% do custo por tarefa. Para agentes de código não há ganho, então teste o modelo primeiro nas suas próprias tarefas.

Processado por IA de Artificial Analysis; editado por Hamidun News
OpenAI lança o GPT-6.2 Astra: segundo lugar no ranking e preço 20% menor
Fonte: Artificial Analysis. Colagem: Hamidun News.
Ouvir artigo
Ficha técnica e números-chave
ParâmetroDados
Fonte originalArtificial Analysis ↗
Editor-chefe
AA-3Do Astra tem 1318 pontos, o Claude Fable 5.2 tem 1271 e o Sol tem 1259
Dado-chave #2O Sol perdeu 3 pontos no índice de agentes de código e, em um dos testes, caiu 14
Dado-chave #3Quando não sabe a resposta, o Astra chuta em 59% dos casos e o Sol, em 55%

A OpenAI lançou dois modelos atualizados: o GPT-6.2 Astra, seu carro-chefe, e o GPT-6.2 Sol, mais barato.

O laboratório independente Artificial Analysis rodou os dois no seu Intelligence Index, uma pontuação consolidada de um conjunto de testes difíceis, e comparou quanto custa resolver uma tarefa. O resultado: o Astra ficou em segundo lugar, atrás apenas do Claude Fable 5.2, da Anthropic, e ficou 20% mais barato.

Imagine que você tem em produção um chatbot de suporte rodando no GPT-6 Astra. Ao migrar para o 6.2, ele passa a responder melhor e a fatura pelos mesmos tokens diminui.

Mas, se você desenvolve um agente de código que edita o repositório sozinho, o ganho no ranking não se confirmou, e ainda é cedo para trocar de modelo só por causa do número da versão.

O que mudou no preço e na posição no ranking

O GPT-6.2 Astra custa $8 por milhão de tokens de entrada e $40 por milhão de tokens de saída, 20% menos que o GPT-6 Astra. A entrada em cache, ou seja, a parte repetida da requisição, como uma instrução de sistema ou um documento longo, caiu de $1,00 para $0,40 por milhão de tokens. Para bots e agentes com muito contexto fixo, a economia é significativa.

O GPT-6.2 Sol continua em $2 e $10 por milhão de tokens. Em compensação, fez 57 pontos, 2 a mais que o GPT-6.1 Sol. Isso equivale ao nível do antigo carro-chefe GPT-6 Astra, mas por cerca de 15% do custo por tarefa.

O Astra ganhou 5 pontos em relação ao GPT-6 Astra e superou o Gemini 4 Carbon (60) e o Claude Opus 5.5 (59) nas configurações máximas de raciocínio. Além disso, os modelos da OpenAI ocupam a maior parte da fronteira de Pareto de custo por tarefa. Esse é o conjunto de opções em que não dá para obter qualidade melhor sem pagar mais. Apenas Anthropic e Meta dividem essa fronteira com a OpenAI. Já na fronteira de tokens de saída por tarefa, quase tudo pertence à OpenAI: entre os demais laboratórios, só o Claude Fable 5.2 aparece nela.

Onde os modelos se destacam

O resultado mais expressivo está em ciência e conhecimento. A OpenAI lidera o Terminal-Bench-Science 0.1, que avalia fluxos de trabalho agênticos de pesquisa científica. No CritPt v2 (parte difícil, raciocínio em física), fica em segundo, atrás do Claude Fable 5.2. No teste de conhecimento factual AA-Omniscience v1.1 e no HLE-Diamond, que avalia raciocínio e conhecimento, o Astra também perde apenas para o modelo da Anthropic.

Há mais dois resultados. No AA-3D, em que especialistas humanos avaliam cenas 3D interativas criadas pelo modelo, o Astra fez 1318, o Claude Fable 5.2 fez 1271 e o Sol fez 1259. No AA-Robotics v0.1, um teste em fase inicial em que modelos de linguagem precisam entender o ambiente, planejar e executar ações no mundo real, Astra e Sol marcaram 79 e 78, contra 75 do Claude Fable 5.2. Os próprios autores fazem ressalvas: é uma versão preliminar de pesquisa, e os modelos da OpenAI e da Anthropic já dão conta da maioria das tarefas simples. O laboratório está adicionando tarefas mais difíceis.

Os pontos fracos: código e respostas inventadas

No Artificial Analysis Coding Agent Index (com o harness Codex em esforço máximo), o Astra ficou no mesmo nível do GPT-6 Astra, e o Sol perdeu 3 pontos em relação ao GPT-6.1 Sol. O motivo é uma queda de 14 pontos no SWE-Atlas-QnA-AA, teste em que o modelo responde a perguntas sobre a base de código: ele omite fatos importantes com mais frequência que o antecessor. Ainda assim, em custo por tarefa, vários modos de esforço do Astra e do Sol continuam na fronteira de Pareto.

A segunda ressalva diz respeito a respostas inventadas. A métrica AA-Omniscience Hallucination Rate mostra com que frequência o modelo chuta uma resposta quando não sabe a correta para uma pergunta factual. No Astra, o índice é de 59%; no Sol, de 55%, em esforço máximo. Se você precisa de fatos verificáveis, não dá para dispensar a busca em fontes e a conferência do resultado.

O que fazer na prática

Se o seu serviço roda no GPT-6 Astra, migrar para o 6.2 traz mais qualidade e um desconto de 20%, e a economia é maior quando há muito contexto em cache. Se o nível do GPT-6 Astra já basta, teste o Sol: em pontos, ele é comparável, e custa cerca de 15% do custo por tarefa. Para cenários de ciência, 3D e robótica, vale testar o novo Astra primeiro.

Com agentes de código, não há motivo para pressa. O ganho no índice não se confirmou, e o Sol tem uma regressão nas respostas sobre a base de código. Rode o modelo nas suas próprias tarefas antes de trocá-lo em produção. Todos os números vêm de um índice independente, mas ele trabalha com médias, e os seus dados podem mostrar um quadro diferente.

História

Perguntas frequentes sobre a notícia

O que mudou no preço e na posição no ranking?

O GPT-6.2 Astra custa $8 por milhão de tokens de entrada e $40 por milhão de tokens de saída, 20% menos que o GPT-6 Astra. A entrada em cache, ou seja, a parte repetida da requisição, como uma instrução de sistema ou um documento longo, caiu de $1,00 para $0,40 por milhão de tokens. Para bots e agentes com muito contexto fixo, a economia é significativa. O GPT-6.2 Sol continua em $2 e $10 por milhão de tokens. Em compensação, fez 57 pontos, 2 a mais que o GPT-6.1 Sol.

Onde os modelos se destacam?

O resultado mais expressivo está em ciência e conhecimento. A OpenAI lidera o Terminal-Bench-Science 0.1, que avalia fluxos de trabalho agênticos de pesquisa científica. No CritPt v2 (parte difícil, raciocínio em física), fica em segundo, atrás do Claude Fable 5.2. No teste de conhecimento factual AA-Omniscience v1.1 e no HLE-Diamond, que avalia raciocínio e conhecimento, o Astra também perde apenas para o modelo da Anthropic. Há mais dois resultados.

O que se sabe sobre Os pontos fracos: código e respostas inventadas?

No Artificial Analysis Coding Agent Index (com o harness Codex em esforço máximo), o Astra ficou no mesmo nível do GPT-6 Astra, e o Sol perdeu 3 pontos em relação ao GPT-6.1 Sol. O motivo é uma queda de 14 pontos no SWE-Atlas-QnA-AA, teste em que o modelo responde a perguntas sobre a base de código: ele omite fatos importantes com mais frequência que o antecessor. Ainda assim, em custo por tarefa, vários modos de esforço do Astra e do Sol continuam na fronteira de Pareto.

ZK
Zhemal Khamidun — CPO da Alpina Digital, gerente de produto do AlpinaGPT. Cria produtos de IA desde 2019. O Hamidun News é um projeto pessoal que virou um agregador em produção com mais de 6.000 leitores.
✦ Unified AI Workspace · Nomad

Test Frontier LLMs & Autonomous Agents in One Workspace

Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.

Try Nomad AI →Launch Nomad Agent
O que você acha?
Carregando comentários…