"Bem-vindos à era da AGI": OpenAI lança o GPT-6 Astra

Por Tencent Tech, Xiao Jing

"Bem-vindos à era da AGI."

O cofundador e presidente da OpenAI, Greg Brockman, usou esta frase para resumir o lançamento do GPT-6 Astra.

Em 3 de setembro, hora local dos EUA, a OpenAI lançou oficialmente o GPT-6 Astra. Em comparação com os modelos anteriores, que se focavam principalmente em responder, gerar e invocar ferramentas, o Astra vai mais longe: consegue executar tarefas completas de forma contínua, desde receber instruções e operar software até ajustar as ações seguintes com base nos resultados. Esta é também uma das razões pelas quais a OpenAI voltou a propor a "era da AGI".

A OpenAI posiciona o Astra como "o modelo de uso de computador mais poderoso do mundo". Esta capacidade já se estendeu de tarefas simples, como navegação, e-mail e folhas de cálculo, para software profissional como Power BI, KiCad e FreeCAD, começando a entrar em fluxos de trabalho mais complexos, como análise de dados, design de engenharia, testes de software e resolução de problemas.

Nos vídeos apresentados pela OpenAI, o Astra consegue começar com um gráfico simples e completar continuamente tarefas como jogos 3D e páginas de produtos. A OpenAI também forneceu exemplos de design de placas de circuitos, modelação em Blender, documentos jurídicos, Excel e análise científica.

Os resultados de vários benchmarks divulgados pela OpenAI mostram que a melhoria das capacidades se concentra em tarefas que exigem ação contínua, como operação de computadores, codificação de longa duração, design de engenharia e investigação científica. O Astra atinge 100% no ExploitBench e supera significativamente o modelo da geração anterior em testes relacionados com operação de computadores e CAD.

Atualmente, o Astra já está disponível para algumas instituições e será gradualmente disponibilizado nos próximos dias para utilizadores do ChatGPT Plus, Pro, Business e Enterprise. Também pode ser utilizado através da API da OpenAI e do Amazon Bedrock. O preço padrão da API é de 10 dólares por milhão de tokens de entrada e 50 dólares por milhão de tokens de saída, o que representa 2,5 vezes o preço do GPT-5.6 Sol.

01 Primeiro, ensinar a IA a "usar o computador"

A maior mudança enfatizada pelo Astra é a "utilização do computador". No passado, os utilizadores precisavam de ligar a IA a software específico para concluir tarefas. As empresas precisavam de desenvolver APIs, plugins, sistemas de recuperação e vários conectores para que o modelo pudesse invocar ferramentas internas.

O Astra tenta contornar parte desse trabalho. Consegue ver diretamente a interface do computador e utilizar o rato, o teclado e o navegador para realizar operações. Os exemplos fornecidos pela OpenAI incluem preencher formulários online, atualizar registos de clientes no CRM, agendar compromissos no calendário, pesquisar na web e organizar os resultados da pesquisa em e-mails ou documentos.

Também pode abrir um notebook Python para analisar dados científicos, processar dados no Power BI, utilizar o KiCad e o FreeCAD para design de engenharia, criar websites e realizar testes de front-end, bem como instalar software, verificar erros e lidar com problemas que aparecem no ecrã.

A OpenAI demonstrou o Astra a concluir o layout de uma PCB no KiCad. O modelo começa com um esquema eletrónico, coloca componentes na placa de circuito e depois conclui o encaminhamento das pistas de cobre. Todo o processo foi comprimido em 15 segundos. Para os engenheiros, este tipo de trabalho que antes exigia execução manual pode agora ser realizado pelo modelo.

Outra demonstração foi a modelação 3D no Blender e no Unreal Engine 5. O Astra primeiro cria uma casa no Blender e depois converte o modelo num cenário navegável no Unreal Engine 5, permitindo que designers e clientes entrem antecipadamente no cenário para visualizar o espaço.

A OpenAI também apresentou cenários de desenvolvimento de jogos, Excel, Power BI, caixas de velocidades automóveis, documentos jurídicos e formulários 1040.

No teste do subconjunto offline do OSWorld 2.0, o Astra obteve 72,6% e o GPT-5.6 Sol obteve 65,7%. Após simular a latência real, a OpenAI descobriu que o Astra demora em média cerca de 40 minutos a concluir cada tarefa, enquanto o GPT-5.6 Sol demora cerca de 75 minutos, uma redução de aproximadamente 47% no tempo.

No Agents' Last Exam, o Astra obteve 59,3%, o GPT-5.6 Sol obteve 53,6% e o Claude Opus 5 obteve 55,5%. Além disso, na configuração de pontuação máxima, o Astra utilizou cerca de 65% menos tokens de saída do que o Claude Opus 5.

A pontuação no ScreenSpot-Pro atingiu 92,7%, enquanto o GPT-5.6 Sol obteve 76,9%.

A velocidade também melhorou. A OpenAI atualizou simultaneamente a framework Codex e, com o Astra, a velocidade de conclusão de tarefas no teste Mind2Web atingiu 1,9 vezes a experiência atual do GPT-5.6 Sol.

As demonstrações oficiais também incluíram vários cenários do quotidiano: procurar um pediatra, encontrar um apartamento, marcar uma consulta no DMV, procurar snacks com baixo teor de hidratos de carbono e analisar jardins de infância. Numa demonstração, o Astra concluiu uma tarefa em 2 minutos e 54 segundos.
 

O investidor e profissional de IA Matt Shumer partilhou uma experiência no X. Pediu ao Astra para criar um mundo no Unreal Engine e depois adicionar agentes humanos controlados pelo Astra, permitindo que esses agentes coexistissem. 

Um dia depois, ouviu sons vindos da sala enquanto estava no quarto e inicialmente pensou que alguém tinha entrado no apartamento. Mais tarde, descobriu que os sons vinham daqueles agentes do Astra, que tinham começado a comunicar entre si.

Esta experiência ainda não é totalmente estável, mas Shumer considera que o efeito de vários agentes de IA entrarem no mesmo mundo virtual e interagirem de forma autónoma já foi suficientemente surpreendente.

O vice-presidente sénior de investigação da Cognition, Silas Alberti, afirmou que a empresa planeia integrar o Astra na framework Devin no dia do lançamento. Nos testes internos, o Astra mostrou melhorias significativas na utilização de computadores, na escrita e na compreensão de bases de código, com uma compreensão de vídeo mais clara e relatórios mais concisos.

02 De escrever código a concluir tarefas completas

Com o reforço da capacidade de utilização de computadores, o âmbito de trabalho do Astra expandiu-se ainda mais. A OpenAI posiciona-o como um modelo para engenharia de software, trabalho profissional e investigação científica. Consegue lidar com tarefas mais longas e ajustar a direção do trabalho de acordo com as mudanças na tarefa.

Esta capacidade é particularmente evidente nos testes de codificação.

No teste Terminal-Bench 4.0, o Astra obteve 57,9%, o GPT-5.6 Sol obteve 37,3% e o Claude Fable 5.1 obteve 55,8%.

No DeepSWE v1.1, o Astra obteve 74,1% e o GPT-5.6 Sol obteve 72,7%. Em tarefas internas de migração de bases de dados, o Astra atingiu 63,9% e o GPT-5.6 Sol obteve 42,7%.

O Astra também introduziu melhorias para tarefas longas no Codex.

No passado, quando tarefas longas atingiam o limite da janela de contexto, o modelo normalmente precisava de comprimir o trabalho anterior num resumo, o que muitas vezes levava à perda de detalhes, como a razão pela qual uma determinada correção falhou ou que problemas um componente tinha encontrado anteriormente.

O Astra consegue reter informações importantes durante o processo de trabalho do Codex e recuperá-las em contextos posteriores. As mensagens e saídas de ferramentas anteriores continuam a poder ser pesquisadas, permitindo que o modelo redescubra requisitos anteriores, resultados de testes e registos de operações de ferramentas.

Mudanças semelhantes também ocorrem no trabalho profissional. No teste BenchCAD, o Astra obteve uma pontuação de sobreposição geométrica de 95,9%, o GPT-5.6 Sol obteve 83,3% e o Claude Fable 5.1 obteve 84,3%. No BrowseComp, o Astra obteve 91,5% e o GPT-5.6 Sol obteve 90,4%. No teste OpenScore String Quartets, o Astra atingiu 0,84 e o GPT-5.6 Sol obteve 0,19.

A OpenAI também demonstrou a capacidade do Astra para criar apresentações, folhas de cálculo e documentos.

Quando são fornecidos alguns diapositivos de um modelo de apresentação da OpenAI, ele consegue criar uma nova apresentação seguindo o tom, o layout e a estrutura originais. Também lida com a seleção de informações nas tarefas. A OpenAI afirma que o Astra foi especialmente treinado para trazer contexto importante para o resultado final, reduzindo a repetição de trabalho já concluído.

Quando as instruções da tarefa estão incompletas, o Astra também avalia quando deve perguntar ao utilizador. Se a informação em falta afetar o resultado final, faz perguntas direcionadas. Se a informação em falta não afetar a direção principal, pode continuar a trabalhar e fazer suposições razoáveis. No Codex, mesmo que o utilizador não responda temporariamente, o modelo pode continuar a processar outras partes; quando se depara com decisões importantes, aguarda a confirmação do utilizador.

O diretor de investigação aplicada da Harvey, Niko Grupen, afirmou que, nos primeiros testes de tarefas jurídicas, o Astra distinguiu mais claramente entre documentos e registos existentes, identificou mais facilmente suposições não fundamentadas e transformou lacunas de informação em sugestões concretas de redação.

John Crepezzi, da equipa de assistentes de IA da Jane Street, salientou que o Astra teve um desempenho excelente nos testes internos de codificação. Quando utilizado para codificação agêntica, o seu estilo de comunicação é mais fácil de compreender para os programadores e o código gerado requer menos modificações para atingir qualidade de produção.

A área científica é outro foco. No FrontierMath Tier 4 v2, o Astra obteve 80,5% com uma precisão de 97,6%, enquanto o GPT-5.6 Sol obteve 83,0%; no GPQA Diamond atingiu 96,0% e o GPT-5.6 Sol obteve 94,6%.

O teste Terminal-Bench Science 0.1 avalia fluxos de trabalho de investigação científica, incluindo análise de dados, simulação e ajuste de modelos. O Astra obteve 64,6%, o Claude Fable 5.1 obteve 52,6% e o GPT-5.6 Sol obteve 22,4%.

Nas aplicações científicas demonstradas pela OpenAI, o Astra consegue entrar em software científico profissional, verificar a qualidade do sequenciamento, visualizar variações genéticas e decidir a direção da análise seguinte com base nos dados.

Combinando raciocínio científico e operação de computadores, o modelo pode trabalhar diretamente no ambiente de software originalmente utilizado pelos investigadores.

Greg Burnham, da Epoch AI, especializada em avaliação de capacidades, resumiu esta mudança na apresentação como o fim de uma era e o início de outra. A OpenAI sublinhou que o valor do Astra já se estendeu de responder a questões científicas para participar diretamente em fluxos de trabalho científicos.

03 Quanto maior a capacidade, maior o limiar de segurança

O Astra também tem um aspeto muito especial desta vez: a cibersegurança.

No ExploitBench, o Astra atingiu 100% e o GPT-5.6 Sol obteve 78,5%; no ExploitGym, o Astra obteve 42,4% e o GPT-5.6 Sol obteve 30,3%. 

A OpenAI também criou um teste interno que abrange vulnerabilidades recentes de junho a agosto de 2026. Nesse teste, a taxa de execução arbitrária de código do Astra foi significativamente superior à do GPT-5.6 Sol, utilizando menos tokens de saída. Durante o teste, o Astra também descobriu duas vulnerabilidades de dia zero anteriormente desconhecidas, que a OpenAI afirma ter divulgado aos respetivos responsáveis pela manutenção.

O teste SRE-Bench avalia a capacidade de fazer engenharia inversa de binários de software e compreender a sua lógica central sem o código-fonte. O Astra resolveu 88,0% das tarefas numa única tentativa e atingiu 99,2% após quatro tentativas, enquanto o GPT-5.6 Sol obteve 55,9% e 68,7%, respetivamente.

O aumento das capacidades também trouxe novos requisitos de segurança. A OpenAI afirma que o Astra atingiu um limiar crítico no seu quadro de preparação para a cibersegurança. O modelo consegue descobrir vulnerabilidades de software anteriormente desconhecidas e pode potencialmente formar cadeias de exploração.

Por conseguinte, a versão atual do Astra recusará executar tarefas de cibersegurança de nível superior, como a criação de provas de conceito de vulnerabilidades. A OpenAI planeia expandir gradualmente o acesso de defensores de confiança através do Daybreak, para validação de vulnerabilidades, análise de malware e engenharia de deteção.

Em termos de alinhamento, a OpenAI também forneceu dados dignos de nota. Nos testes internos de segurança na utilização de computadores, a taxa de comportamento inadequado do Astra foi de 2,4%, contra 22,0% do GPT-5.6 Sol; com a adição do AutoReview, o Astra obteve 1,8% e o GPT-5.6 Sol 4,5%. Nos testes internos de evasão, o Astra obteve 0,00% e o GPT-5.6 Sol obteve 0,29%.

No teste honeypot do ExploitGym, o Astra obteve 0% e o GPT-5.6 Sol obteve 48,2%. Este teste observa principalmente se o modelo tenta contornar restrições devido à dificuldade da tarefa. Nos testes internos de alucinação, o Astra obteve 4,2% e o GPT-5.6 Sol obteve 12,2%.

A OpenAI afirma que o Astra melhorou na compreensão dos limites das tarefas, no tratamento de instruções ambíguas e na explicação das suas capacidades aos utilizadores. A probabilidade de alucinação de capacidades é cerca de um terço da do GPT-5.6 Sol.
 

No entanto, a OpenAI também reconhece um problema: quanto mais forte for a capacidade do modelo, mais difícil pode ser monitorizar o processo de raciocínio. O cientista-chefe Jakub Pachocki considera que a capacidade do modelo de resolver problemas mais complexos com menos tokens de raciocínio em linguagem natural também significa que é cada vez mais difícil para os humanos avaliarem o que o modelo está realmente a fazer através do seu processo de raciocínio textual.

Por isso, a OpenAI incluiu a monitorização de desalinhamento na implementação do Astra. O sistema verifica o raciocínio e as ações do modelo e pode pausar a tarefa se detetar comportamentos não autorizados.

Este mecanismo também pode ter impacto prático. Tarefas legítimas podem por vezes tornar-se mais lentas, ser pausadas ou até interrompidas. No ChatGPT ou no Codex, o utilizador pode precisar de confirmar para continuar; em fluxos de trabalho de API, as tarefas sinalizadas podem ser diretamente interrompidas.

Assim, com o lançamento do Astra, surgiu uma mudança muito real: quando a IA começa a obter mais permissões no computador, a preocupação das empresas passa de "o modelo vai responder mal?" para "o que é que o modelo pode operar, a que pode aceder e quando deve parar?".

A OpenAI também mencionou que o Astra é o seu primeiro modelo pré-treinado com mais de 100.000 DBUs na infraestrutura Stargate. O vice-presidente de investigação da OpenAI, Aidan Clark, afirmou que, de acordo com os resultados da avaliação da fase de pré-treino, o salto de capacidade do Astra superou o do GPT-5.6 Sol em relação ao seu antecessor.

A OpenAI atribui esta mudança à combinação de pré-treino em grande escala e aprendizagem por reforço, com o foco do treino a deslocar-se ainda mais para a ligação de informações, a execução de tarefas mais longas e o trabalho contínuo em ambientes complexos.

04 Mais caro, mas "mais capaz"

O preço do Astra também sofreu alterações significativas.

O preço padrão da API da OpenAI é de 10 dólares por milhão de tokens de entrada e 50 dólares por milhão de tokens de saída. Anteriormente, o GPT-5.6 Sol custava 4 dólares por milhão de tokens de entrada e 20 dólares por milhão de tokens de saída. Tanto os preços de entrada como de saída aumentaram 2,5 vezes.

A leitura e a escrita em cache são faturadas separadamente. A OpenAI também oferece um modo rápido, com velocidade até 2,5 vezes superior ao processamento padrão, ao dobro do preço do modo padrão.
 

Olhando apenas para o preço dos tokens, o Astra é claramente mais caro. No entanto, a OpenAI espera que as empresas calculem os custos de forma diferente. Brockman considera que, à medida que os modelos se tornam mais parecidos com agentes, o custo por token é cada vez menos capaz de refletir com precisão o custo real. Um modelo pode ter tokens baratos, mas se exigir tentativas repetidas e correções manuais, o custo final da conclusão da tarefa pode ser mais elevado.

Os dados da OpenAI também apoiam esta avaliação. No teste Terminal-Bench Science 0.1, o Astra obteve 64,6% e o Claude Fable 5.1 obteve 52,6%, com uma redução estimada de 31% no custo da API. Numa configuração de baixo custo, o Astra obteve 61,1% e o melhor resultado do GPT-5.6 Sol foi de 22,4%, com uma redução estimada de 27% no custo da API.

No BenchCAD, o Astra obteve 95,9%, com um custo de API estimado cerca de 43% inferior ao do GPT-5.6 Sol e cerca de 86% inferior ao do Claude Fable 5.1. No Terminal-Bench 4.0, o Astra obteve 57,9%, o GPT-5.6 Sol obteve 37,3% e o Claude Fable 5.1 obteve 55,8%. A OpenAI estima que o custo por tarefa seja cerca de 9% e 63% inferior, respetivamente.

Os dados da entidade avaliadora independente Artificial Analysis apresentam outra perspetiva. 

O GPT-6 Astra obteve 61,2 no Artificial Analysis Intelligence Index, próximo dos 60,9 do GPT-5.6 Sol, mas com cerca de 10% menos tokens de saída. Devido ao aumento de preço de 2,5 vezes, o custo por tarefa é, na verdade, cerca de 75% superior ao do GPT-5.6 Sol.

No Artificial Analysis Coding Agent Index, o Astra obteve 67,0, próximo dos 67,2 do Claude Fable 5 e dos 68,1 do Claude Opus 5. A Artificial Analysis considera que, no ambiente Codex, o Astra reduziu significativamente os tokens necessários para concluir tarefas e, no nível de esforço máximo, o custo por tarefa aproxima-se do do GPT-5.6 Sol; em comparação com o Claude Fable 5, o custo para concluir tarefas semelhantes é menos de metade.

No entanto, o Astra não lidera em todos os testes. Os dados da Artificial Analysis mostram que desceu cerca de 80 Elo no GDPval-AA v2 e também registou alguns recuos em testes como τ³-Banking, SciCode e AA-LCR. No Humanity's Last Exam, melhorou cerca de 6 pontos.

Este é também um ponto digno de nota no lançamento do Astra. Desta vez, a OpenAI não divulgou a pontuação do Astra no GDPval. O próprio GDPval é um teste utilizado pela OpenAI para medir o desempenho económico no mundo real, abrangendo 44 profissões e 1.320 tarefas, incluindo resumos jurídicos, design de engenharia, folhas de cálculo, apresentações, apoio ao cliente e planos de cuidados.

Pelas capacidades demonstradas pelo Astra, o GDPval tem uma forte correlação com os cenários de trabalho profissional que ele enfatiza, mas a OpenAI não incluiu esta pontuação nos principais dados de lançamento.

Por isso, a capacidade de trabalho no mundo real do Astra é atualmente mais refletida pelos resultados do Agents' Last Exam, BenchCAD, AutomationBench, tarefas internas de design e tarefas de ciência de dados. 

Em última análise, se o Astra se tornará um funcionário de IA que as empresas realmente queiram utilizar a longo prazo dependerá do custo, da velocidade, da precisão e do número de intervenções humanas na conclusão de tarefas reais.

Quanto a saber se o Astra é AGI, Brockman não evita a questão. Considera que não existe um padrão universalmente aceite para AGI e que se pode continuar a discutir se o Astra cumpre os critérios. No entanto, se um sistema já consegue assumir um grande número de tarefas em navegação, operação de computadores, programação, matemática, ciência, direito e outros trabalhos profissionais, então não é irrazoável dizer que já entrámos na era da AGI.

O CEO da OpenAI, Sam Altman, também descreveu o Astra como um modelo que abre uma nova geração de empreendedorismo, descoberta científica e criação.
 

O colaborador especial Jin Lu também contribuiu para este artigo.