A OpenAI anunciou o lançamento de seu novo modelo de IA, o GPT-6 Astra, alegando ser um sistema revolucionário e não uma mera atualização; o presidente da empresa, Greg Brockman, chegou a insinuar o advento da era da IA avançada (AGI), mas testes independentes não demonstraram nada de extraordinário a seu respeito.
Fonte da imagem: Brecht Corbeel / unsplash.com
De acordo com uma série de testes conduzidos pela Artificial Analysis, o OpenAI GPT-6 Astra teve um desempenho equivalente ao de seu antecessor, ficou abaixo dos principais modelos antropogênicos e até mesmo do recém-lançado Meta✴Muse Spark 1.3. A Artificial Analysis testa modelos usando uma metodologia unificada e aberta, sem a intervenção de desenvolvedores, e gera rankings com base nesses testes. O Índice de Inteligência inclui tarefas em matemática, ciências, programação, análise de documentos longos e conhecimento factual; o Índice de Agentes de Codificação reflete o desempenho dos modelos nos sistemas de agentes correspondentes: Codex, Claude Code ou Muse Code. O consumo de tokens, o custo da tarefa e a velocidade de execução são registrados.
No Índice de Inteligência, o OpenAI GPT-6 Astra obteve 61 pontos — a mesma pontuação de seu antecessor, o GPT-5.6 Sol. Para comparação, o modelo antropogênico Claude Fable 5.1 obteve 66 pontos e o Meta✴Muse Spark 1.3, 62 pontos. No Índice de Agentes de Codificação, o novo GPT-6 Astra obteve 67 pontos no ambiente Codex, apresentando desempenho semelhante ao do Claude Opus 5 e do Fable 5 no ambiente Claude Code, bem como ao do Muse Spark 1.3 no ambiente Muse Code. O Fable 5.1 manteve a liderança no Claude Code com 70 pontos. Comparado ao GPT-5.6 Sol, o preço do novo GPT-6 Astra aumentou 2,5 vezes: de US$ 4 para US$ 10 por 1 milhão de tokens de entrada e de US$ 20 para US$ 50 por 1 milhão de tokens de saída; o desconto de 90% para leituras em cache e o acréscimo de 25% para gravações em cache permaneceram inalterados.
Fonte da imagem: artificialanalysis.ai
O aumento de preço compensou um salto significativo na eficiência dos tokens: o GPT-6 Astra gera aproximadamente um terço da produção do GPT-5.6 Sol e aproximadamente um quinto da do Claude Opus 5. Ao trabalhar com código de programa, isso significa que, com o máximo esforço, executá-lo custa o mesmo que seu antecessor, enquanto o novo modelo ocupa duas posições acima no ranking e, com o mesmo esforço, custa metade do preço do Claude Fable 5. O Índice de Inteligência mostra um cenário ligeiramente diferente: o Astra economiza apenas 10% de tokens de produção em comparação com seu antecessor, compensando apenas parcialmente a diferença de preço; por tarefa, ele é 75% mais caro que o Claude Fable 5.
O teste AA-Omniscience mostrou uma redução na frequência de alucinações de 92% para 51%. No teste AA-Briefcase, o modelo GPT-6 Astra melhorou seu desempenho em grandes projetos envolvendo milhares de arquivos-fonte, ganhando aproximadamente 80 pontos Elo. No entanto, ainda fica atrás do GPT-5.6 Sol em termos de qualidade de apresentação. Contudo, no teste GDPval-AA v2, que avalia problemas práticos em 44 profissões, perdeu 80 pontos Elo. No teste Humanity’s Last Exam, que se concentra em matemática, programação e humanidades, o modelo ganhou seis pontos. Também apresentou uma queda de dois a três pontos nos testes τ³-Banking (suporte ao cliente), SciCode (problemas em Python nas ciências naturais) e AA-LCR (análise de documentos extensos).
Assim, o novo OpenAI GPT-6 Astra melhorou seu desempenho em tarefas de programação, mas ainda não conseguiu superar os concorrentes do Anthropic em inteligência pura.