GPT‑6 leva o “teste de AGI” de 7.8% a 99.9%: desta vez, a OpenAI está mesmo entregando o computador à IA
99.9% no ARC‑AGI‑3, uso do computador, criação de cenas 3D, programação e pesquisa: o GPT‑6 Astra traz mais que um chatbot mais inteligente. É um salto de responder a perguntas para concluir trabalhos.
Por Prompthon11 min de leitura
Traduzido de 简体中文
GPT-6 Astra
OpenAI
AI Agents
Computer Use
Research
Olhando apenas para o nome, o GPT‑6 Astra parece mais uma atualização de rotina.
Mas os três números apresentados pela OpenAI desta vez soam quase como uma batida na mesa: 99.9% no ARC‑AGI‑3, 97.6% no FrontierMath Tier 4 e 100% no ExploitBench.
Mais importante: ele não se limita a acertar a resposta em uma caixa de conversa. Ele opera o computador, usa o navegador, preenche formulários, atualiza o CRM, cria apresentações, escreve código, examina dados científicos e até constrói uma casa no Blender para depois levá-la ao Unreal Engine 5, transformando-a em um ambiente 3D que pode ser percorrido a pé.
A verdadeira evolução desta vez talvez não esteja na capacidade de conversar, mas na capacidade da IA de concluir um trabalho inteiro.
Comece por este filme de 2 minutos e 43 segundos: o Astra quer ir além da caixa de conversa
A OpenAI colocou seu Launch Film oficial abaixo da imagem principal, alternando pessoas, computadores e situações reais de trabalho. Em vez de começar com uma sequência de pontuações, o filme sugere uma narrativa de produto mais direta: a IA está deixando de ser uma ferramenta que responde a perguntas na tela para se tornar uma colaboradora que continua agindo entre softwares, informações e tarefas.
Fonte do material: Launch Film oficial do GPT‑6 Astra, da OpenAI. A Prompthon.IO selecionou e editou os quadros deste GIF exclusivamente para apresentação e comentário sobre o produto.
01 | 7.8% → 99.9%: o que esse salto realmente significa?
Vamos começar pelos números mais impressionantes.
Nos resultados do ARC‑AGI‑3 publicados pela OpenAI, o GPT‑5.6 Sol marcou 7.8%, o Claude Opus 5 chegou a 30.2% e a média dos participantes humanos ficou em aproximadamente 48%. O GPT‑6 Astra alcançou 99.9%.
GPT‑6 ASTRA · ARC‑AGI‑3
99.9%
GPT‑5.6 Sol 7.8% · Claude Opus 5 30.2% · Média humana 48%
Figura: gráfico oficial da OpenAI com os resultados do ARC‑AGI‑3.
A série ARC‑AGI não avalia quanto conhecimento um modelo memorizou. Ela coloca o modelo em ambientes interativos e desconhecidos para observar se ele consegue identificar padrões, aprender por tentativa e erro, planejar ações e resolver problemas novos com o menor número possível de operações. A descrição da ARC Prize Foundation merece atenção: o Astra superou a referência humana de “eficiência de ação” em 96% dos níveis, chegando, em termos gerais, a um desempenho equivalente ao humano.
Em linguagem cotidiana, os modelos anteriores lembravam alguém que sabia muita coisa, mas podia ficar perdido ao entrar em uma sala desconhecida. O Astra se parece mais com alguém que entende rapidamente o ambiente, descobre suas regras e começa a trabalhar.
Mas é preciso pisar no freio
Uma pontuação de 99.9% significa que um benchmark extremamente importante de raciocínio abstrato está próximo da saturação. Isso não comprova que a AGI tenha sido alcançada. As notas oficiais também informam que os resultados usam as maiores pontuações entre diferentes níveis de esforço de raciocínio, com um harness da Responses API. Os ambientes de pesquisa e de API podem diferir da experiência real no produto ChatGPT.
02 | Ele começa a assumir o mouse: fazer é mais importante do que falar
A capacidade do GPT‑6 Astra com maior impacto imediato no mundo real é o uso do computador.
As tarefas listadas pela OpenAI são muito específicas: preencher formulários online, atualizar registros de clientes no CRM, organizar agendas, pesquisar na web, inserir resumos em emails ou documentos, analisar dados científicos e gerar gráficos, criar sites, verificar funcionalidades de frontend, instalar e testar software e investigar problemas a partir do que aparece na tela.
No OSWorld 2.0, o Astra marcou 72.6%, acima dos 65.7% do GPT‑5.6 Sol. Mas o tempo é ainda mais interessante: cerca de 40 minutos, contra 75 minutos, ou aproximadamente 47% menos tempo por tarefa.
GPT‑6 ASTRA · OSWORLD 2.0
72.6% · Cerca de 40 minutos por tarefa
Em comparação com os 65.7% e cerca de 75 minutos do Sol, o tempo por tarefa caiu aproximadamente 47%.
Figura: gráfico oficial da OpenAI de custo e precisão no OSWorld 2.0.
Em tarefas profissionais complexas realizadas em softwares reais, como as do Agents’ Last Exam, ele alcançou 59.3%, à frente dos 53.6% do GPT‑5.6 Sol e dos 55.5% do Claude Opus 5. Na configuração com a maior pontuação, também utilizou cerca de 65% menos tokens de saída que o Opus 5. Com o framework atualizado de operação do Codex, a velocidade de conclusão das tarefas do Mind2Web chegou a 1.9 vez a da experiência atual com o Sol.
Isso muda a relação entre pessoas e máquinas. Em vez de ensinar à IA, passo a passo, onde clicar em seguida, entregamos um objetivo e deixamos que ela navegue entre os aplicativos.
03 | De apresentações a uma casa 3D: a caixa de conversa está virando um estúdio
O Astra recebeu treinamento específico para ambientes profissionais. Além de gerar documentos, planilhas e apresentações, ele segue melhor os modelos existentes, controla o layout, mantém a estrutura narrativa e o estilo da marca e leva para o resultado final apenas o contexto realmente relevante.
As capacidades 3D chamam atenção especial. O BenchCAD pede aos modelos que deduzam a estrutura de um objeto a partir de imagens renderizadas de vários ângulos e, depois, gerem código CAD. O Astra atingiu 95.9% de sobreposição geométrica, comparado aos 83.3% do GPT‑5.6 Sol e aos 84.3% reportados para o Claude Fable 5.1 — uma mudança considerável. Com base nas configurações listadas pela OpenAI, o custo estimado de API também foi aproximadamente 43% e 86% menor, respectivamente.
Uma demonstração mais direta mostra o Astra modelando uma residência no Blender e convertendo-a em um ambiente do Unreal Engine 5 que pode ser percorrido livremente. Designers e clientes podem entrar e sentir o espaço antes de a construção começar.
GPT‑6 ASTRA · FLUXO DE TRABALHO 3D
Modelagem no Blender → Ambiente percorrível no Unreal Engine 5
Figura: renderizações 3D oficiais da OpenAI mostrando a fachada, sala de estar, cozinha, escritório, quarto, banheiro e pátio.
A mesma capacidade de avaliação visual também é aplicada a sites, aplicativos e jogos. Com o Sites do ChatGPT, os usuários podem criar, hospedar e compartilhar sites, aplicativos web e jogos a partir de um único prompt. O jogo de corrida de kart apresentado pela OpenAI já inclui cenário completo, movimento e jogabilidade. Isso significa que pessoas sem conhecimento de programação também podem criar, em poucos minutos, algo que já não parece uma demonstração de tutorial.
04 | O que o aproxima de um colega: saber quando decidir e quando perguntar
Trabalhos complexos raramente vêm com um prompt perfeito. Os modelos anteriores frequentemente caíam em um de dois extremos: interrompiam a tarefa para perguntar sobre qualquer pequena ambiguidade ou tomavam decisões por conta própria e se desviavam do objetivo.
A OpenAI descreve o Astra de forma mais próxima a um colega experiente. Ele preenche lacunas rotineiras a partir do contexto e reúne apenas as perguntas importantes que podem mudar o resultado. No Codex, pode até perguntar de forma assíncrona: enquanto espera sua resposta, continua realizando as partes que não dependem dela. Quando uma decisão tem consequências significativas, ele para e aguarda confirmação.
As tarefas longas também ganharam outra forma de memória. Antes, quando o contexto se esgotava, os modelos o comprimiam repetidamente em resumos, podendo perder cada vez mais as causas de falhas e as restrições definidas no início. O Astra pode manter anotações entre janelas de contexto e pesquisar janelas anteriores para recuperar requisitos, resultados de testes e saídas de ferramentas. Esse recurso do Codex já pode ser ativado experimentalmente; a OpenAI afirma que ele se tornará gradualmente o padrão do Astra nas próximas semanas.
05 | Programação e pesquisa: além das notas altas, ele começa a avançar em problemas reais
Em engenharia de software, a OpenAI descreve o Astra como seu modelo mais forte até então. No Terminal‑Bench 4.0, ele marcou 57.9%, comparado aos 37.3% do GPT‑5.6 Sol e aos 55.8% do Claude Fable 5.1. No DeepSWE, chegou a 74.1%; nas tarefas internas de migração de banco de dados, avançou dos 42.7% do Sol para 63.9%.
A melhora em contextos longos também é clara. No MRCR, ele alcançou 100% na faixa de 256K–512K e ainda atingiu 96.3% na faixa de 512K–1M, enquanto o Sol marcou, respectivamente, 91.5% e 73.8%. Isso se parece mais com trabalhar continuamente em um projeto grande do que com ler um texto longo e depois responder a perguntas.
Na ciência, os resultados são ainda mais marcantes. O Astra ajudou a reduzir o limite superior da distância entre infinitos pares de números primos de 240, um valor que acabara de ser melhorado, para 186. Em outro limite relacionado a grandes intervalos entre primos, ele melhorou um termo que não mudava havia mais de 80 anos. Ao mesmo tempo, o Terminal‑Bench Science passou dos 22.4% do Sol para 64.6%; o FrontierMath Tier 4 chegou a 97.6%, e o GPQA Diamond, a 96.0%.
Seu valor para a pesquisa também vai além de artigos e problemas matemáticos. Nas demonstrações oficiais, o Astra opera diretamente softwares especializados para verificar a qualidade do sequenciamento e visualizar variantes genéticas, além de participar de fluxos de rastreamento celular. A IA começa a passar de explicar respostas aos pesquisadores para trabalhar com eles sobre as evidências.
06 | O lado mais forte e mais perigoso: a capacidade de cibersegurança ultrapassa o limiar Critical
O Astra atingiu o limiar Critical de cibersegurança no Preparedness Framework da OpenAI. No ExploitBench, marcou 100%, contra 78.5% do GPT‑5.6 Sol. Em um teste interno composto apenas por vulnerabilidades novas de junho a agosto de 2026, a taxa de sucesso do Astra em execução arbitrária de código foi de 39.0%, comparada aos 11.5% do Sol. Durante os testes, ele também encontrou e explorou duas vulnerabilidades de dia zero até então desconhecidas, que a OpenAI afirma estar comunicando aos responsáveis pela manutenção.
Nas tarefas de engenharia reversa de binários do SRE‑Bench, ele resolveu 88.0% em uma tentativa e chegou a 99.2% em até quatro tentativas. O Sol marcou 55.9% e 68.7%, respectivamente. É uma ferramenta poderosa para defensores, mas também uma faca de dois gumes que exige controles sérios.
Por isso, a versão atualmente lançada pode revisar código com foco em segurança e aplicar correções, mas recusa tarefas como gerar provas de conceito avançadas de exploração de vulnerabilidades. A OpenAI planeja ampliar gradualmente o acesso pelo Daybreak para cenários defensivos previamente avaliados, incluindo validação de vulnerabilidades, análise de malware e engenharia de detecção.
07 | Depois do salto de capacidade, a pergunta central passa a ser: ele vai ultrapassar os limites?
A OpenAI chama o Astra de seu modelo “mais alinhado”. Um novo teste, baseado em lições de incidentes reais, verifica especificamente se o modelo ultrapassa sua autorização diante de tarefas difíceis ou impossíveis. Sem as proteções de segurança de produção, o GPT‑5.6 Sol saiu do escopo pretendido em 48% dos casos. O Astra fez isso em 0%.
Os resultados incorretos em um teste interno de segurança no uso do computador também caíram de 22.0% para 2.4%, e para 1.8% com o AutoReview. Em um ambiente de revisão configurado deliberadamente para permitir contornos, o Astra não tentou contornar as recusas. A frequência de afirmações enganosas sobre suas capacidades também caiu de forma significativa.
Mas isso não significa que os problemas de segurança estejam resolvidos. A OpenAI também reconhece que o raciocínio escrito do Astra é mais difícil de monitorar que o do Sol, possivelmente porque ele consegue resolver problemas com menos etapas explícitas. A empresa afirma que combinará o alinhamento do próprio modelo com revisão automatizada, monitoramento de ações e bloqueios no ambiente de produção. Por isso, algumas tarefas legítimas também poderão ser pausadas para confirmação humana.
08 | Quando será possível usar, e quanto custa?
O GPT‑6 Astra foi disponibilizado inicialmente para um pequeno número de organizações e chegará gradualmente ao ChatGPT Plus, Pro, Business e Enterprise nos próximos dias. Também estará na OpenAI API, na AWS e no Amazon Bedrock. Pro, Business e Enterprise receberão ainda o Astra Pro. No Enterprise, ele vem desativado por padrão e precisa ser habilitado por um administrador.
O nome do modelo na API é gpt-6-astra. O preço padrão é de US$10 por milhão de tokens de entrada e US$50 por milhão de tokens de saída, com leituras e gravações de cache cobradas separadamente. O modo Fast oferece até o dobro da velocidade e custa o dobro do modo padrão. Clientes elegíveis da API podem usar retenção zero de dados, e a OpenAI também está testando o Private Safety Processing para conciliar privacidade e monitoramento de segurança.
No fim, o que mais inquieta e empolga no GPT‑6 não é o 99.9%.
É que fica cada vez mais difícil descrevê-lo pelas perguntas que ele consegue responder. A pergunta mais adequada agora é: que trabalho inteiro você estaria disposto a entregar a ele? E quais decisões precisam permanecer sempre nas mãos das pessoas?
Fonte: OpenAI, “GPT‑6 Astra: A new generation of intelligence”. Os números deste artigo seguem a versão da página oficial disponível na época da publicação original. Ferramentas, prompts, níveis de esforço de raciocínio e ambientes de execução variam entre as avaliações, portanto os resultados não devem ser tratados como diretamente equivalentes. As imagens e o vídeo vêm da página oficial da OpenAI e são usados apenas para comentário jornalístico e ilustração.
