GPT-6 Astra: tudo o que você precisa saber sobre o novo modelo da OpenAI

O que é o GPT-6 Astra?

O GPT-6 Astra é um modelo multimodal de raciocínio fechado lançado pela OpenAI em 3 de setembro de 2026. Sua principal diferença em relação ao GPT-5.6 Sol é um trabalho agêntico visivelmente mais forte e mais eficiente.

Segundo os benchmarks de lançamento da OpenAI e os testes independentes da Artificial Analysis, os resultados confirmados mais fortes do Astra incluem:

No Artificial Analysis Intelligence Index, que é independente, o Astra tem a mesma nota do Sol e fica cinco pontos atrás do Fable 5.1, o que sugere que os ganhos estão concentrados em matemática, uso de ferramentas e raciocínio.

Com esse contexto de desempenho em mente, vale esclarecer exatamente o que a OpenAI lançou e como a empresa posiciona o modelo.

Se ainda havia alguma confusão, agora sabemos com certeza que o Astra é mesmo o GPT-6. Antes do lançamento, "Astra" era usado como nome do próximo grande modelo, o que levou a especulações iniciais de que poderia ser o GPT-5.7 ou uma família de modelos separada. Depois do lançamento oficial, porém, não há mais ambiguidade—o GPT-6 chegou oficialmente.

A documentação oficial do modelo GPT-6 Astra lista as seguintes especificações técnicas:

O que há de novo no GPT Astra?

As orientações de API da OpenAI descrevem vários recursos novos do Astra que os desenvolvedores vão apreciar:

1. Chamadas de ferramentas assíncronas. O modelo pode continuar raciocinando ou trabalhar em uma parte independente da tarefa enquanto a aplicação executa uma ferramenta.
2. Redirecionamento no meio do turno. O usuário pode mudar os requisitos durante a execução; com uma conexão WebSocket, o trabalho já concluído é preservado.
3. Mudança do esforço de raciocínio sem zerar o cache.configuration_update altera o esforço de raciocínio dentro de uma conversa em andamento.
4. Memória de longo prazo no Codex. Um mecanismo experimental de notas e recuperação ao longo de janelas de contexto anteriores reduz a perda de informação causada pela compactação repetida.
5. Monitoramento em produção. As trajetórias de uso de ferramentas do Astra são verificadas de forma assíncrona em busca de ações potencialmente não autorizadas.

Esses recursos só importam quando você consegue de fato chegar ao modelo, e a liberação ainda está em andamento.

Onde acessar o GPT Astra

Em 4 de setembro de 2026, o GPT Astra está em liberação gradual nos produtos ChatGPT—para saber se ele já está disponível para você, entre na sua conta do ChatGPT ou no console de desenvolvedor da OpenAI. De modo geral, o Astra já está sendo liberado para:

• Chat padrão do ChatGPT: o Astra aparece como GPT-6 Pro. O acesso foi anunciado para os planos Pro de US$ 100 e US$ 200, Business e Enterprise. O Plus não recebe o GPT-6 Pro no Chat padrão.
• ChatGPT Work e Codex: o Astra está ficando disponível aos poucos para usuários Plus, Pro, Business e Enterprise. Plus e Business Standard recebem uso limitado; Pro e Business Premium usam a cota compartilhada que já têm.
• Enterprise: um administrador precisa habilitar o modelo separadamente. Ele vem desativado por padrão no lançamento, e as configurações anteriores de Early Model Access não são transferidas automaticamente.
• API: o ID do modelo é gpt-6-astra; o nível gratuito da API não é compatível.
• Plataformas de nuvem:Microsoft Foundry/Azure e Amazon Bedrock anunciaram suporte. A Microsoft começou a liberação por um Limited Access Program.

O Astra não está incluído nos planos ChatGPTFree e Go.

Os limites do GPT-6 Pro no Chat são separados dos limites do Work e do Codex e podem mudar. No momento deste relatório, o Pro de US$ 200 inclui 200 mensagens por semana, o Pro de US$ 100 tem um limite compartilhado de 50 mensagens por semana junto com o GPT-5.6 Sol Pro, e o Business Standard inclui 15 mensagens por mês. O Business Premium inclui 50 por semana.

Para desenvolvedores e equipes, a disponibilidade é só metade da decisão. O preço por token mais alto do Astra determina quais cargas de trabalho justificam usá-lo.

Preços e limites de taxa da API do GPT-6 Astra

Segundo a documentação oficial da API do GPT-6 Astra, o Astra é 2,5× mais caro por token do que o GPT-5.6 Sol, que custa US$ 4 por milhão de tokens de entrada e US$ 20 por milhão de tokens de saída. Veja a tabela completa de preços:

Quando a entrada passa de 272.000 tokens, a requisição inteira é cobrada ao dobro da tarifa padrão para entrada e cache, e a 1,5× para saída. Batch e Flex custam 50% do Standard. O modo Fast da API custa 2× e promete até 2× mais velocidade; no Work e no Codex, o multiplicador de créditos listado para o modo Fast é de 2,5×. O modo Fast não está disponível para o Astra com residência de dados na UE.

Os limites de taxa publicados para a API são estes:

O preço define a régua. Os benchmarks mostram o quanto o Astra chega perto de superá-la.

Como o GPT-6 Astra se sai nos benchmarks?

O GPT Astra é melhor que o Sol ou o Fable? Em alguns casos sim, em outros o desempenho é parecido ou até um pouco pior. Vamos ver o desempenho do GPT Astra em programação, uso do computador, ciência e mais.

Programação agêntica

Nas avaliações oficiais da OpenAI, o Astra marcou 57,9% no Terminal-Bench 4.0, contra 37,3% do GPT-5.6 Sol, e 74,1% no DeepSWE v1.1, contra 72,7%. No FrontierCode 1.1 Extended, ele marcou 64,5% contra 60,6%; na versão Main, 53,3% contra 47,5%.

A Artificial Analysis deu ao Astra, de forma independente, uma nota de 67 no seu Coding Agent Index. Isso indica um desempenho parecido com o do Claude Opus 5 e o do Fable 5, mas abaixo do Fable 5.1, que marcou 70 pontos. Por outro lado, o Astra usa cerca de um terço dos tokens que o GPT-5.6 Sol usa no harness do Codex. No esforço máximo de raciocínio, o custo por tarefa ficou aproximadamente igual ao do Sol, com o Astra marcando dois pontos a mais.

Uso do computador e do navegador

As avaliações de uso de computador da OpenAI mostram outra área de melhora, o que significa que o modelo é melhor em concluir tarefas automaticamente em nome do usuário:

Na simulação do OSWorld, o Astra concluiu as tarefas em cerca de 40 minutos, contra 75 minutos do Sol—cerca de 47% mais rápido. No harness atualizado do Codex, a OpenAI relata um ganho de velocidade de 1,9× no Mind2Web.

Trabalho profissional

A OpenAI afirma que o Astra é treinado para trabalhar com documentos, planilhas e apresentações, seguir modelos e estilos visuais e extrair apenas as informações relevantes de um contexto grande.

Ciência e matemática

Os benchmarks de matemática e ciência da OpenAI são outra área em que o Astra se destaca frente a outros modelos de ponta:

Esses ganhos são substanciais, mas estão concentrados em tipos específicos de trabalho. A comparação mais ampla com o GPT-5.6 Sol é mais sutil.

O GPT Astra é melhor que o GPT-5.6 Sol?

Isso depende da aplicação, mas o Astra não supera o Sol em todas as tarefas. A Artificial Analysis, por exemplo, dá ao Astra uma nota máxima de 61 no seu Intelligence Index—a mesma do GPT-5.6 Sol. Isso fica um pouco abaixo do Claude Fable 5.1 e do Meta Muse Spark 1.3. Vale observar, porém, que o Astra usa aproximadamente 10% menos tokens de saída. No conjunto, seu preço por token é 2,5× maior que o do Sol, o que torna a tarefa média do Intelligence Index cerca de 75% mais cara.

Em alguns testes, o Astra fica até abaixo do GPT-5.6 Sol:

• uma regressão de aproximadamente 80 Elo no GDPval-AA v2;
• uma queda de dois a três pontos no tau3-Banking, no SciCode e no AA-LCR;
• qualidade de apresentação menor que a do Sol na avaliação da Artificial Analysis.

O Astra faz sentido para tarefas agênticas longas, programação, pesquisa e uso do computador. Mas para chat simples, classificação, extração de dados e requisições em grande volume, há pouca razão para usá-lo no lugar de modelos mais baratos e rápidos.

Essa distinção fica mais clara quando os resultados dos benchmarks são mapeados para cargas de trabalho reais.

Quando usar o GPT-6 Astra

O Astra é mais indicado para tarefas complexas e longas, especialmente aquelas em que é difícil se recuperar de um erro do modelo. Ele é, por exemplo, um forte candidato para:

• Refatorações grandes.
• Análises complexas.
• Programação agêntica.
• Controle de aplicativos e ferramentas.
• Criação de conjuntos completos de documentos.
• Trabalho com contextos muito grandes.
• Tarefas de segurança defensiva em que erros trazem risco relevante.

Usar o Astra provavelmente é exagero para responder perguntas simples, classificação, extração, roteamento, geração de código curto e trabalho rotineiro de suporte—tudo isso normalmente se encaixa melhor no GPT-5.6 Terra, no GPT-5.6 Luna ou em outro modelo de custo mais baixo.

As equipes que decidirem que o Astra se encaixa na sua carga de trabalho também precisam considerar algumas diferenças na configuração da API e no design dos prompts.

Como configurar e criar prompts para o GPT-6 Astra

Se você está migrando do GPT-5.6 para o Astra, a OpenAI recomenda algumas mudanças tanto na configuração da API quanto no design dos prompts.

Configuração da API

O Astra não aceita reasoning.effort: none; o menor valor disponível é low. Se uma integração existente usa none ou minimal, a OpenAI recomenda começar com low e aumentar o esforço quando a tarefa se beneficiar de mais raciocínio.

Alguns controles de amostragem também devem ser removidos. O Astra não aceita temperature, top_p nem top_logprobs, e logprobs não é compatível no Chat Completions.

Para aplicações que usam ferramentas, prefira a Responses API em vez de construir novas integrações em torno do Chat Completions.

Design de prompts

O Astra em geral é melhor em seguir instruções longas e detalhadas, mas isso também torna as instruções contraditórias mais problemáticas. Antes de migrar um agente, revise AGENTS.md, skills, instruções de sistema, orientações do repositório e outros contextos injetados em busca de regras duplicadas ou conflitantes. O Astra pode seguir os conflitos mais ao pé da letra, em vez de simplesmente ignorar um deles.

Também vale ser mais explícito sobre a saída desejada. O Astra tende a respostas detalhadas, estruturadas e com muita formatação, a não ser que você diga o contrário. Se você quer uma resposta curta, prosa simples, um esquema fixo ou nenhum título, diga isso diretamente.

Por exemplo:

• "Responda em no máximo cinco frases."
• "Use prosa simples, sem títulos nem tópicos."
• "Devolva apenas o objeto JSON solicitado."
• "Faça a menor alteração de código necessária."

O Astra também está mais disposto a fazer uma pergunta de esclarecimento quando uma informação faltando pode afetar o resultado de forma relevante. Em trabalho interativo isso costuma ser útil. Já em fluxos automatizados, pode ser melhor especificar o que o modelo deve fazer quando a informação for ambígua—por exemplo, adotar a suposição razoável mais segura, preservar o comportamento existente ou parar em vez de chutar.

Agentes de programação

Em tarefas de programação pequenas, o Astra às vezes verifica mais do que o necessário: roda suítes de teste grandes, inspeciona arquivos sem relação com o pedido ou faz checagens extras depois que a mudança solicitada já está pronta.

Se latência ou uso de ferramentas importa, limite o escopo de forma explícita. Por exemplo:

• "Rode apenas os testes diretamente relacionados ao módulo alterado."
• "Não rode a suíte de testes completa a menos que os testes direcionados falhem."
• "Inspecione apenas os arquivos necessários para fazer esta alteração."
• "Não refatore código sem relação com a tarefa."

Em resumo, o Astra se beneficia de limites mais claros.

Esses limites importam não só para custo e confiabilidade, mas também porque o uso de ferramentas mais forte do Astra muda o perfil de segurança dele.

GPT-6 Astra e cibersegurança

Para a maioria dos usuários, a classificação Critical não significa que o Astra vai tentar atacar sistemas. Ela explica por que algumas solicitações de cibersegurança são restritas, por que o acesso avançado é controlado e por que sessões que usam ferramentas podem receber monitoramento adicional. Segundo o System Card do GPT-6 Astra, o Astra é o primeiro modelo da OpenAI classificado como Critical em capacidade de cibersegurança. Em avaliações sem as proteções de produção, ele:

• marcou 100% no ExploitBench mesmo no menor esforço de raciocínio verificado;
• chegou a 42,4% no ExploitGym, contra 30,3% do Sol;
• resolveu 88,0% das tarefas do SRE-Bench na primeira tentativa e 99,2% em até quatro tentativas;
• encontrou e explorou duas vulnerabilidades zero-day até então desconhecidas em um conjunto interno de vulnerabilidades recentes criado depois do seu corte de conhecimento;
• construiu uma cadeia de exploração de navegador com escape de sandbox em uma avaliação de laboratório com acesso à web e até 64 subagentes, e depois a adaptou para uma versão estável em 41 horas no total;
• criou um exploit de escalonamento de privilégios local para um kernel de sistema operacional endurecido em 12 horas;
• resolveu 86 das 226 tarefas do FrontierCyber em uma avaliação externa da Irregular, contra 34 do Sol, mas não resolveu nenhuma das sete tarefas Elite e não conseguiu atacar alvos totalmente endurecidos.

Sem proteções, esse perfil de capacidade tornaria o Astra excepcionalmente poderoso para trabalho de segurança ofensiva.

Para ser justo, o resultado do ExploitBench pode estar inflado porque vulnerabilidades antigas apareceram nos dados de treinamento, e em casos específicos o modelo pode ter simplesmente lembrado de um CVE. Ainda assim, as avaliações mais amplas explicam por que as capacidades de cibersegurança mais fortes do Astra não ficam expostas sem proteções. Na configuração padrão, o Astra recusa pedidos de provas de conceito avançadas de exploits, enquanto um acesso defensivo mais amplo fica disponível para organizações verificadas por meio do Daybreak Blue.

Com que confiabilidade o GPT-6 Astra segue instruções?

Para os usuários, o alinhamento determina se o Astra segue instruções, resiste a comandos maliciosos escondidos em páginas web ou arquivos e se mantém dentro dos limites definidos ao usar ferramentas. Nesses quesitos, as avaliações de segurança da OpenAI indicam que o Astra se sai substancialmente melhor que o GPT-5.6 Sol, especialmente quando as restrições são declaradas com clareza.

Em testes feitos para ver se o modelo tentaria contornar o Codex Auto-Review, o Astra nunca tentou burlar a restrição, enquanto o Sol fez isso em 5% das execuções no esforço máximo. Em mais de 54.000 tarefas internas simuladas do Codex, o Astra também produziu cerca de metade dos alertas graves de desalinhamento. Sua resistência à injeção indireta de prompt subiu de 96,23% para 99,79%, enquanto o desempenho em um teste de hierarquia de instruções chegou a 99,99%.

A conclusão prática é que o Astra tem menos chance de ignorar, reinterpretar ou contornar uma regra que recebeu. Mas as avaliações também mostram que limites claros importam.

Houve, porém, uma regressão em monitorabilidade. O raciocínio interno do Astra tende a ser mais curto e mais comprimido, o que significa que um revisor extrai menos informação útil ao inspecionar a cadeia de pensamento dele. Quando o Astra recebeu instruções explícitas para esconder que estava rendendo menos de propósito, um monitor de cadeia de pensamento detectou o comportamento em menos de 11% dos casos.

Em um teste, o Astra cumpriu instruções para controlar o que aparecia na sua cadeia de pensamento em 93% dos exemplos, contra 48% do Sol. Na avaliação de API do UK AI Security Institute, os resumos de raciocínio estavam ausentes em até 80% das trajetórias longas de cibersegurança.

Isso não significa que o Astra esteja escondendo rotineiramente objetivos secretos ou planos enganosos. Mas, mesmo seguindo regras de forma mais confiável, ele ficou mais difícil de avaliar pela leitura dos rastros de raciocínio. Para execuções autônomas longas, permissões, registros de ações e etapas de revisão passam a importar mais do que apenas os resumos de raciocínio.

Depois das capacidades práticas e dos riscos de implantação, o que resta de contexto é como a OpenAI treinou o modelo e quais detalhes técnicos ela ainda mantém em sigilo.

Como o GPT-6 Astra foi treinado

Graças à divulgação da OpenAI exigida pelo AI Act da UE, temos um retrato excepcionalmente detalhado dos dados usados para treinar o Astra.

O Astra foi treinado do zero. A OpenAI diz que seu corpus de treinamento continha mais de 10 trilhões de tokens de texto, mais de 1 bilhão de imagens e mais de 1 milhão de horas de áudio e de vídeo, cada. O conjunto de dados é multilíngue, com cobertura especialmente forte em inglês, além de representação substancial de idiomas da UE e de outros países.

O material de treinamento veio de uma mistura ampla de fontes: dados da web publicamente disponíveis, incluindo o Common Crawl; conjuntos de dados de parceiros e privados; dados sintéticos; código; documentos científicos e técnicos; obras de referência; e material produzido por funcionários, prestadores de serviço e outros profissionais. A OpenAI também afirma que, quando as configurações do usuário e os controles de exclusão permitem, as interações com o ChatGPT e o Codex podem alimentar os dados de treinamento.

Para montar esse corpus, o GPTBot coletou conteúdo web acessível de aproximadamente março de 2013 até maio de 2026, respeitando as configurações de GPTBot no robots.txt dos sites, enquanto outros conjuntos de dados foram coletados até 6 de agosto de 2026. Essas datas de coleta não devem ser lidas como o corte de conhecimento do modelo: a OpenAI define separadamente o corte de conhecimento do Astra como 30 de abril de 2026.

Os dados sintéticos de treinamento foram gerados em parte com o GPT-5.4, o GPT-5.5, o GPT-5.6 e modelos internos e de terceiros especializados.

A OpenAI, porém, não divulga a arquitetura do Astra, a contagem de parâmetros, o número de especialistas ou de parâmetros ativos, o tamanho do vocabulário, a computação exata de treinamento, a duração do treinamento nem um detalhamento de quanto do corpus veio de cada fonte de dados.

O Axios, citando a OpenAI, noticiou separadamente que o Astra foi a maior rodada de treinamento da empresa até hoje e usou mais de 100.000 GPUs no site Stargate, no Texas.

Conclusão

O GPT-6 Astra é o novo melhor modelo de IA da OpenAI e um avanço relevante para trabalho agêntico complexo. Mas ele foi ajustado especificamente para tarefas agênticas, científicas e de longo prazo, então o ganho que você vai ter ao migrar depende de como pretende usá-lo. Estes são os pontos principais:

• O Astra está sendo liberado nos produtos ChatGPT, na API da OpenAI, no Codex e em plataformas de nuvem selecionadas.
• Os benchmarks da OpenAI mostram que o Astra supera o GPT-5.6 Sol principalmente em programação agêntica, uso do computador, matemática avançada e fluxos profissionais de várias etapas.
• O Astra empata com o Sol no Artificial Analysis Intelligence Index e continua atrás do Claude Fable 5.1.
• O Astra custa 2,5 vezes mais por token que o GPT-5.6 Sol, o que o torna mais adequado a trabalhos de alto valor do que a requisições rotineiras e de grande volume.
• O Astra é o primeiro modelo de ampla distribuição da OpenAI com classificação Critical em capacidade de cibersegurança, então controles de acesso e monitoramento são centrais na implantação dele.