A OpenAI anunciou o GPT-6 Sol e o GPT-6 Luna, dois modelos voltados a ampliar o acesso a recursos avançados de inteligência artificial com preços menores e diferentes níveis de desempenho. A novidade complementa o GPT-6 Astra, apresentado anteriormente pela empresa como seu modelo mais capaz.
A proposta central é atender tarefas que variam em complexidade, velocidade e orçamento. Enquanto o Astra continuaria indicado para trabalhos que exigem o máximo de capacidade, Sol e Luna foram posicionados como alternativas mais eficientes para uso cotidiano, automação de processos, programação e agentes capazes de operar softwares.
Preços menores na API
Segundo a OpenAI, os preços de uso da API caíram 50% em relação aos valores promocionais dos modelos GPT-5.6 correspondentes. A cobrança é feita por 1 milhão de tokens, unidades que representam partes do texto processado pelo modelo.
No caso do Sol, o preço de entrada caiu de US$ 4 para US$ 2 por 1 milhão de tokens, enquanto a saída passou de US$ 20 para US$ 10. Para o Luna, a entrada foi reduzida de US$ 0,20 para US$ 0,10, e a saída, de US$ 1,20 para US$ 0,50.
Essa diferença é importante porque, em aplicações de uso intenso, o custo de cada interação pode determinar se um projeto é economicamente viável. Uma empresa que utiliza IA para classificar documentos, revisar código, atender clientes ou executar tarefas em vários sistemas pode realizar mais tentativas, manter conversas mais longas e testar novas automações antes de atingir seu limite de orçamento.
Ainda assim, o preço por token não representa necessariamente o custo total de uma aplicação. Também entram na conta infraestrutura, armazenamento, integração com outros serviços, supervisão humana, tratamento de dados e eventuais chamadas a ferramentas externas. Portanto, a redução anunciada não garante, por si só, economia proporcional em todos os projetos.
Onde os modelos pretendem avançar
A OpenAI afirma que Sol e Luna foram treinados com métodos semelhantes aos usados no GPT-6 Astra e incorporam melhorias em trabalho profissional, factualidade, programação, uso de computadores e estilo de colaboração.
Nos testes apresentados pela empresa, o GPT-6 Sol teria obtido 33,2% no AutomationBench, avaliação de fluxos de trabalho empresariais que utiliza 47 ferramentas. O resultado superaria modelos concorrentes citados no anúncio em determinadas configurações, com custo por tarefa declarado de US$ 0,27. O Luna, por sua vez, teria melhorado 5,4 pontos percentuais em relação ao antecessor em uma configuração de alto esforço, com custo 58% menor por tarefa.
A OpenAI também cita o Agents’ Last Exam, que avalia tarefas profissionais de longo prazo em 55 subindústrias. Nesse teste, o Sol teria alcançado 56,4% na configuração de esforço máximo. Em programação, a empresa relata resultados de 68,8% para o Sol no DeepSWE e de 66,6% para o Luna, também em condições de esforço máximo.
Em uso de computadores, o anúncio menciona o OSWorld 2.0 offline. O Sol teria alcançado 60,5%, resultado próximo ao de um modelo concorrente citado, com custo aproximadamente 80% menor por tarefa. O Luna teria superado o GPT-5.6 Sol em uma configuração de esforço médio por cerca de um décimo do custo.
Esses números devem ser lidos com cautela. São resultados divulgados pela própria OpenAI, em avaliações específicas, com versões, níveis de esforço e condições que podem não reproduzir o uso real de cada empresa. Além disso, comparar preços por tarefa exige conhecer exatamente a quantidade de tokens, as ferramentas acionadas e os modelos de fallback — isto é, sistemas chamados quando o modelo principal não resolve uma tarefa. Desempenho em benchmark não equivale automaticamente a qualidade em atendimento, pesquisa, programação ou operação empresarial.
Factualidade e comunicação
A companhia afirma que o Sol comete cerca de metade dos erros do modelo predecessor em uma avaliação interna de factualidade. O teste foi construído a partir de conversas desidentificadas do ChatGPT nas quais usuários haviam apontado erros. A própria OpenAI ressalva que esse conjunto concentra situações que provocaram falhas e não representa necessariamente o uso típico.
A empresa também promete um estilo de comunicação mais claro, com menos jargão, menos detalhes de baixo valor e respostas ligeiramente mais curtas. Para usuários, isso pode facilitar a leitura e a revisão de respostas. Para negócios, pode reduzir retrabalho em tarefas que dependem de instruções, documentação ou colaboração técnica. Porém, clareza de texto não elimina a necessidade de verificar informações, sobretudo em contextos jurídicos, financeiros, médicos ou operacionais.
O que ainda precisa ser observado
O anúncio não detalha, no material analisado, a disponibilidade por região, limites de uso, condições comerciais para todos os clientes ou diferenças completas entre as modalidades dos modelos. Esses pontos serão relevantes para desenvolvedores que precisam estimar capacidade, latência, estabilidade e custo antes de migrar sistemas em produção.
Também permanece essencial avaliar privacidade, retenção de dados, segurança e governança. A redução de preço pode estimular o uso de agentes que executam ações em aplicativos, mas quanto maior a autonomia, maior a importância de permissões restritas, registros de atividade, testes e aprovação humana para decisões sensíveis.
Na prática, o GPT-6 Sol e o GPT-6 Luna representam, conforme a apresentação da OpenAI, uma tentativa de deslocar a competição da inteligência máxima para a relação entre capacidade e custo. Para pessoas, isso pode significar ferramentas mais acessíveis e respostas mais úteis em tarefas rotineiras. Para empresas, pode abrir espaço para experimentar automações com maior volume. O próximo passo, entretanto, é validar os resultados no ambiente real de cada organização — e não assumir que um desempenho anunciado em laboratório substituirá testes independentes, controles e supervisão.
Fontes