Sede de realidade: uma análise do GPT-6 Astra

A arquitetura Transformer sobre a qual todos os modelos de linguagem modernos foram construídos foi inventada no Google em 2017. A OpenAI apostou em escalar essa arquitetura quando poucos acreditavam nela e, desde então, lança um modelo de topo por ano. A questão é onde exatamente acontece o progresso em cada novo lançamento.

Em 3 de setembro de 2026 a OpenAI lançou o GPT-6 Astra e anunciou a chegada da era AGI. O presidente da empresa, Greg Brockman, resumiu o lançamento numa frase: o teste ARC-AGI-3 foi completamente resolvido.

Algumas horas depois, a organização que constrói esse mesmo teste publicou a sua própria medição. Ela diferia do número da OpenAI em quase quarenta pontos percentuais.

A seguir, quatro números que dizem mais sobre este lançamento do que todo o marketing à sua volta.

O ARC-AGI-3 testa a capacidade de se orientar num ambiente interativo desconhecido. O modelo cai em algo que não estava nos dados de treino e precisa deduzir as regras enquanto avança. É essa habilidade que costuma ser chamada de fronteira entre uma pessoa e um modelo estatístico. A OpenAI reportou 99.9%. A ARC Prize, organização autora do teste, mediu 62.71%. Ambos os números são reais, e a diferença está em como o modelo foi executado.

Aqui é importante falar do harness: não é a rede neural em si, é o andaime, o código em volta do modelo, um programa externo que executa o modelo, guarda as suas notas, entrega a tarefa em partes e recolhe a resposta. A OpenAI usou o seu próprio harness: ele preservava o raciocínio interno do modelo entre passos e comprimia de forma inteligente um diálogo longo. O da ARC Prize é padrão, igual para todos os modelos.

O veredito da ARC Prize: a diferença vem do tratamento da memória, mas a rede neural é a mesma nos dois casos. Trinta e sete pontos percentuais de ganho vieram do código em volta do modelo, ou seja, do harness.

O ExploitBench verifica se o modelo sabe encontrar vulnerabilidades em programas. O Astra marcou 100%.

O mesmo teste, refeito sem vulnerabilidades históricas, isto é, sem as falhas já descritas na internet e absorvidas pelos dados de treino, deu 39%.

É exatamente a discussão que se arrasta há anos, mostrada num número. Onde a tarefa já foi resolvida antes, o resultado é quase perfeito. Onde a tarefa é realmente nova, ele cai duas vezes e meia.

Sim, 39% na procura de vulnerabilidades desconhecidas continua a ser muito. Não foi por acaso que a OpenAI atribuiu ao modelo um nível crítico de capacidades cibernéticas e fechou parte das funções ao acesso público. Mas a diferença entre 100% e 39% fala sobretudo de uma boa memória do sistema para o que já é conhecido. Sobre a capacidade de encontrar algo essencialmente novo, ela diz bem menos.

A Artificial Analysis, plataforma independente de comparação de modelos, deu ao Astra 61.2 pontos no índice geral de inteligência. Ao modelo anterior, GPT-5.6 Sol, deu 60.9. Três décimos de ponto por geração. Em codificação agêntica, ou seja, tarefas em que o modelo trabalha sozinho por muito tempo: escreve código, executa, vê o erro e corrige, também há diferença: 67.0 contra 65.1. Há progresso, e ele está de novo onde o modelo trabalha em ciclo com ferramentas externas.

Segundo os preços oficiais, o Astra custa 10 dólares por milhão de tokens de entrada e 50 por milhão de saída. É duas vezes e meia mais caro do que o modelo de topo anterior.

Ou seja: ganho quase nulo no índice geral de inteligência com um preço que subiu duas vezes e meia.

O ganho aparece onde o andaime melhorou: memória entre passos, uso do computador, cadeias longas de ações. Onde se mede o modelo puro, o ganho cabe dentro da margem de erro, e o preço multiplicou-se.

O progresso mudou-se da rede neural para a engenharia à sua volta.

Para a gestão de memória, para as sandboxes de execução de código, para os ciclos de tentei, vi o erro, corrigi, para os protocolos de trabalho com ferramentas externas.

É uma fase normal de qualquer tecnologia. O motor a jato foi inventado uma vez, e os quarenta anos seguintes foram dedicados à fuselagem, ao combustível, aos instrumentos e à manutenção.

François Chollet, autor do ARC-AGI e um dos críticos mais duros da sobrevalorização dos modelos de linguagem, aproximou a sua previsão para o surgimento da AGI depois do Astra. A formulação dele: o progresso corre cerca de duas vezes mais rápido do que ele esperava. Notou ainda que, em eficiência de ação, o Astra igualou pela primeira vez uma pessoa. Uma pessoa média marca cerca de 48% neste teste, o Astra 62.71%. A Epoch AI colocou o Astra em primeiro lugar no seu índice de capacidades com recordes 169 pontos. Ou seja, as pessoas que profissionalmente apanham modelos a decorar dizem que aconteceu algo fundamental.

O salto de 7.8% do GPT-5.6 Sol e 30.2% do Claude Opus 5 para 62.71% é um facto, o progresso existe. Mas o contexto importa: o próprio Chollet sublinhou que os resultados do teste não provam a chegada da AGI e apontou a diferença de harness como causa dessa divergência de números, chamando incorreta a comparação direta entre 99.9% e 62.7%. Uma situação em que o criador do teste precisa esclarecer como um gigante de IA usa os seus resultados é rara e reveladora.

A distância entre o que os modelos já sabem fazer e o que está realmente implementado nos processos de negócio é hoje bem maior do que a distância entre gerações de modelos. Enquanto o mercado discute se a era AGI chegou, o trabalho por fazer está dois níveis abaixo: integrações, memória, acessos, tratamento de erros, verificação humana do resultado.

O ganho pelo qual a OpenAI cobra duas vezes e meia mais pode, em boa parte, ser obtido por vocês mesmos. Ele está concentrado no andaime em volta do modelo, e esse andaime já é escrito por engenheiros de IA comuns.

Boa notícia para quem constrói sistemas. Má para quem espera que o próximo modelo resolva tudo por ele.