OpenAI lança o GPT-5.4 Pro: novos recordes no ARC-AGI-2, no FrontierMath e em lógica

A OpenAI apresentou o GPT-5.4 Pro, nova versão principal que dá um passo à frente claro não só nas métricas frias, mas também no comportamento do modelo em tarefas complexas. Se antes o sufixo Pro costumava ser visto como um plano mais caro, agora ele parece um nível de qualidade à parte.

Salto nos testes

O número principal da análise é 83,3% no ARC-AGI-2, contra 54% da versão anterior. Para uma classe de tarefas em que os modelos não devem adivinhar um padrão, mas realmente deduzir a regra a partir de exemplos, é um aumento muito brusco. O resultado importa não por si só, mas como sinal: a OpenAI reforçou a capacidade do modelo de funcionar onde as heurísticas superficiais falham e onde é preciso manter a estrutura do problema até a resposta final.

O progresso no FrontierMath é igualmente revelador, um conjunto de problemas que por muito tempo foi considerado quase território proibido para modelos de IA populares. Antes, testes assim serviam mais para demonstrar limites; agora, cada vez mais servem para comparar quão bem o modelo constrói uma longa cadeia de raciocínio sem perder o fio. Nesse contexto, o GPT-5.4 Pro parece não apenas mais rápido ou mais prático, mas visivelmente mais profundo em seu perfil intelectual.

Avaliação além das tabelas

Os autores da análise não se limitaram aos benchmarks e submeteram o modelo a cenários mais aplicados. Em vez de percentuais abstratos, observaram como o GPT-5.4 Pro lida com tarefas que exigem combinar lógica, planejamento e atenção aos detalhes. Esse formato é mais interessante que uma tabela comum porque mostra não uma habilidade isolada, mas o comportamento do modelo sob pressão, quando um erro no meio da cadeia estraga todo o resultado na primeira falha.

• Um quebra-cabeça lógico com servidores e dependências entre nós
• Tarefas que exigem manter várias condições ao mesmo tempo
• Cenários que pedem a busca de um caminho não óbvio até a solução
• Um simulador de stealth completo em canvas, em que importam o plano e a sequência de ações

Pela descrição dos testes, o ponto forte da nova versão não é só a resposta final correta, mas a estabilidade ao longo da resolução. O modelo perde o contexto com menos frequência, respeita melhor as restrições e demora mais a cair em palpites aleatórios quando a tarefa foge dos exemplos padrão do corpus de treinamento. Para os usuários, isso importa mais que um número recorde em um ranking: é assim que se sente um ganho real de qualidade no trabalho diário.

O que surpreendeu no comportamento

Um dos episódios mais reveladores da análise não envolve matemática, mas o comportamento investigativo do modelo. Durante a resolução, o GPT-5.4 Pro encontrou na internet um artigo científico esquecido de 2011 e o usou como atalho para a resposta. Por um lado, impressiona: o modelo não apenas percorre padrões decorados, mas sabe buscar apoio externo onde isso de fato ajuda. Por outro, um episódio assim levanta de imediato a questão dos limites da autonomia e da verificação das fontes encontradas.

É uma mudança importante no próprio tipo de interação com a IA. O usuário trabalha cada vez menos com uma enciclopédia falante e mais com um sistema que combina raciocínio, busca e adaptação da estratégia à tarefa. Por isso, comparar apenas por número de tokens ou velocidade de resposta já explica mal o valor real de um modelo. O que passa a ser decisivo é outra coisa: com que confiabilidade ele sabe pensar, buscar e não quebrar em um caminho fora do padrão.

O que isso significa

O nível exigido dos modelos de ponta subiu de novo, e o GPT-5.4 Pro mostra que a próxima etapa da concorrência já não gira em torno da coerência básica do texto, mas da profundidade do raciocínio e da estabilidade em cenários complexos. Para o mercado, isso significa acelerar a transição do "chatbot inteligente" para uma ferramenta de trabalho para análise, matemática, programação e tarefas de várias etapas, em que antes a pessoa ainda precisava dar respaldo ao modelo quase a cada passo.