A OpenAI publicou um guia da família GPT-6 em 2 de outubro de 2026. O guia reúne escolha de modelos, instruções, tarefas longas e verificações de implantação. Uma equipe de software ainda precisa encontrar a combinação que passe em seus próprios testes de tarefa dentro dos limites de custo e tempo de resposta.
As opções atuais da família apresentadas no guia são GPT-6 Astra, GPT-6.1 Sol e GPT-6 Luna. Consultamos a documentação da API e os preços da OpenAI em 3 de outubro. O método de seleção e a planilha abaixo são propostas; não executamos os modelos nem medimos uma carga de trabalho em produção.
A grande mudança
- O que mudou: A OpenAI agora apresenta a família GPT-6 como um conjunto de opções de acordo com a carga de trabalho, com esforço de raciocínio ajustável e ferramentas para tarefas que se estendem por várias etapas. As equipes podem configurar cada parte de um fluxo em vez de usar uma única configuração de modelo para todas as tarefas.
- Por que isso importa: Uma equipe pode medir se uma etapa de extração focada precisa do Luna, se uma etapa de programação ou pesquisa justifica o Sol e em que casos a capacidade adicional do Astra compensa o preço. A resposta depende das tarefas concluídas, da latência e do custo total do fluxo, incluindo o uso de ferramentas e tentativas malsucedidas.
- O que acompanhar: Execuções longas precisam de transferências de contexto e verificações explícitas. É possível atualizar as instruções durante uma execução, enquanto resultados assíncronos de ferramentas e trabalho delegado ainda precisam ser conciliados antes da aprovação da resposta final.
Escolha por tarefa e avalie o fluxo inteiro
Comece com um conjunto representativo de tarefas reais e um critério de aceitação para cada uma. A OpenAI recomenda a Responses API para o comportamento atual dos modelos, chamadas de ferramentas e tarefas com estado. São necessários um projeto de API, credenciais, acesso à cobrança e um modelo disponível para esse projeto. As páginas dos modelos não indicam suporte a uma camada gratuita; os limites de requisição dependem do nível de uso. Verifique o acesso e os limites efetivos da conta antes de dimensionar a implantação.
Trabalho atribuído ao modelo | Modelo inicial recomendado | Esforço inicial | Promova ou altere quando |
|---|---|---|---|
Extração, classificação ou resumo estruturado recorrente com resposta bem definida | | Low para tarefas rotineiras; compare com o padrão Medium | A taxa de erro ou o tempo de revisão ultrapassar o limite da equipe |
Programação, pesquisa, uso de ferramentas ou uma etapa de avaliação profissional | | padrão Medium; teste High nos casos difíceis | Tarefas representativas falharem mesmo com dados de entrada e instruções adequados |
A etapa mais difícil de raciocínio ou revisão, quando a qualidade é decisiva | | Compare Medium e High nos mesmos casos | Mantenha apenas se o ganho medido justificar o custo e o tempo adicionais |
A tabela transforma as orientações de modelos e as páginas dos modelos da OpenAI em pontos de partida para a avaliação. Confira os IDs dos modelos de API e as configurações de esforço compatíveis: Astra e GPT-6.1 Sol oferecem de Low a Max; Luna também oferece None. GPT-6.1 Sol não oferece None nem Minimal. A OpenAI recomenda testar Extra High ou Max, quando disponíveis, se o nível High não for suficiente. Compare as configurações de esforço no mesmo conjunto de tarefas, pois qualidade, duração e uso de tokens podem variar ao mesmo tempo.
Para o processamento Padrão e prompts com até 272.000 tokens de entrada, as tarifas atuais por milhão de tokens são:
Modelo | Entrada | Entrada em cache | Gravação em cache | Saída |
|---|---|---|---|---|
GPT-6 Luna | US$ 0,10 | US$ 0,01 | US$ 0,125 | US$ 0,50 |
GPT-6.1 Sol | US$ 2,00 | US$ 0,10 | US$ 2,50 | US$ 10,00 |
GPT-6 Astra | US$ 10,00 | US$ 1,00 | US$ 12,50 | US$ 50,00 |
Fontes: as páginas de modelo do Luna, GPT-6.1 Sol e Astra. Uma solicitação com mais de 272.000 tokens de entrada tem tarifas mais altas para toda a solicitação. Outros modos de processamento, processamento regional quando disponível e algumas ferramentas alteram a cobrança. As três páginas indicam uma janela de contexto de 1.050.000 tokens e saída máxima de 128.000 tokens; uma janela grande é um limite de capacidade, não um motivo para enviar todos os documentos disponíveis.
Estime o custo do fluxo completo: entrada, entrada em cache, gravações em cache, saída, cobranças por ferramentas, novas tentativas e qualquer adicional por contexto longo. Divida o total pelo número de tarefas aceitas segundo o mesmo critério de revisão. Depois, compare a latência na etapa voltada ao usuário e no fluxo inteiro. Os preços por unidade, sozinhos, não mostram qual opção tem o menor custo por resultado bem-sucedido para uma equipe.
Especifique a tarefa e a saída antes de adicionar ferramentas
Defina para cada etapa uma entrada clara, o leitor ou consumidor subsequente, as fontes e ferramentas permitidas, as restrições e a condição de conclusão. O guia da OpenAI também recomenda especificar quais decisões o modelo pode tomar e quais exigem aprovação humana. Mantenha as instruções do projeto, as habilidades e os prompts coerentes quanto a esses limites.
Para saídas legíveis por máquina, defina antecipadamente os campos e os valores válidos; depois, use o guia de Saídas Estruturadas quando um esquema for adequado à tarefa. Considere o formato válido uma das verificações: um campo pode obedecer ao esquema e ainda conter um erro factual. Se a saída for uma transferência para uma pessoa, exija o resultado, as evidências usadas, as verificações realizadas e os itens não resolvidos. Confira o resultado em relação às entradas originais e ao critério de aceitação da equipe.
Ao avaliar o cache de prompts, coloque instruções estáveis e material de referência compartilhado antes de alterar os detalhes da tarefa. O reaproveitamento pode reduzir o custo recorrente de entrada, mas as gravações em cache e o contexto usado depois também devem entrar na estimativa. O guia anterior da BIG CHANGE sobre cache de prompts detalha o diagnóstico do cache.
Mantenha as tarefas longas inspecionáveis
O guia de 2 de outubro descreve a orientação durante uma execução, as chamadas assíncronas de ferramentas e os subagentes paralelos para trabalhos independentes. Uma correção enviada pela API WebSocket da Responses fica na fila; ela não desfaz ações concluídas nem interrompe uma ferramenta que já esteja em execução. Uma ferramenta assíncrona permite que trabalhos sem dependência entre si continuem, mas as etapas dependentes precisam aguardar o resultado. O suporte multiagente do GPT-6.1 Sol na API Responses está atualmente em versão beta.
Em uma execução com várias etapas, persista o ID da tarefa, o modelo e o nível de esforço escolhidos, a etapa atual, os IDs de chamadas e resultados de ferramentas, as aprovações e as evidências que fundamentam a resposta final. Decida antecipadamente o que fazer em caso de tempo limite, falha de ferramenta, mudança de instrução ou resultado duplicado. Quando o contexto aumenta, a compactação pode reduzir o conteúdo levado adiante; inspecione o que a execução continuada realmente preserva. O modo em segundo plano é outra opção documentada para tarefas que ultrapassam uma única solicitação. Escolha esses controles conforme a duração do trabalho e as necessidades de recuperação.
O guia da OpenAI recomenda uma API direta ou uma ferramenta conectada quando ela puder executar a etapa, e interação com a tela quando isso for necessário. O guia da BIG CHANGE sobre tarefas de navegador pela Agents API aborda a interface de uso do computador e como supervisioná-la.
Uma planilha para decisões que a equipe possa reproduzir
Use os mesmos casos e critérios de revisão para cada opção. Esta planilha é um método de avaliação proposto; a BIG CHANGE não inseriu nem testou resultados.
Registre para cada caso e opção | Informação a registrar |
|---|---|
Tarefa e resultado esperado | ID da entrada real, requisitos da saída, ferramentas permitidas e critério de aceitação |
Configuração | ID do modelo de API, esforço, modo de processamento, versão do prompt e esquema ou contrato de saída |
Resultado | Aceito, rejeitado ou requer revisão; motivo da falha; revisor |
Tempo | Duração de ponta a ponta e duração na etapa voltada ao usuário |
Uso e custo | Tokens de entrada, entrada em cache, gravação em cache e saída; tarifas de ferramentas; novas tentativas; adicional por contexto longo ou processamento regional |
Decisão | Tarefas aceitas divididas pelo total de tentativas; custo total dividido pelo número de tarefas aceitas; tipos de falha não resolvidos |
Inclua casos fáceis e difíceis, entradas malformadas e etapas interrompidas de ferramentas que ocorram no fluxo real. Mantenha os casos fixos ao comparar modelos e repita a avaliação após alterar prompts ou permissões das ferramentas. Analise as falhas por tipo: evidência ausente, campo incorreto, erro de ferramenta, instrução ignorada ou resposta que exige correção humana. Só transfira uma etapa para outro modelo depois que o mesmo critério de aceitação demonstrar um ganho útil. Um modelo mais barato que gere retrabalho pode custar mais por tarefa aceita; um modelo mais lento pode servir em uma etapa em segundo plano, mas ser inadequado para uma etapa interativa.
Antes do lançamento, confira os limites reais de tarifas e gastos do projeto, controles de dados, tempos limite, comportamento de novas tentativas, monitoramento e limites de aprovação humana à luz da lista de verificação de implantação da OpenAI. Mantenha uma amostra para revisão após o lançamento e repita a avaliação quando mudarem um alias de modelo, prompt, ferramenta ou carga de trabalho. Use os dados de tarefas resultantes para decidir o roteamento.
Fontes e leituras complementares
- Guia da família GPT-6 da OpenAI, de 2 de outubro, com recomendações do fornecedor sobre modelos, esforço, instruções e fluxos de trabalho longos. Não apresenta resultados de testes da BIG CHANGE nem indica o melhor modelo para a carga de trabalho de uma equipe específica.
- GPT-6 Luna, GPT-6.1 Sol e GPT-6 Astra documentam os IDs da API, o esforço compatível, o contexto, os preços e os limites por nível usados aqui. Ainda é preciso verificar o acesso e a cobrança da conta atual.
- Lista de verificação de implantação da API da OpenAI, que fundamenta as recomendações de avaliar tarefas representativas, configurar a Responses API e planejar controles de produção. A planilha acima é um método proposto pela BIG CHANGE, não um benchmark do fornecedor.
- Saídas Estruturadas, compactação e modo em segundo plano explicam as interfaces específicas mencionadas no fluxo.
