GPT-6.2 Astra e GPT-6.2 Sol são dois modelos que a OpenAI lançou em 17 de novembro de 2026 (horário dos EUA). O Astra é o modelo mais avançado para os trabalhos mais difíceis, e o Sol é o modelo principal para o trabalho do dia a dia. Eles são sucessores, respectivamente, do GPT-6 Astra e do GPT-6.1 Sol. No preço da API, o Astra custa $8 de entrada e $40 de saída por milhão de tokens, 20% menos que o GPT-6 Astra. O Sol custa o mesmo que o GPT-6.1 Sol: $2 de entrada e $10 de saída. Nas medições da OpenAI, o Astra supera o Astra anterior em muitos testes com cerca de metade do custo, e a pontuação do Sol subiu em muitos testes sem mudança de preço. No entanto, o Claude Fable 5.2 supera o modelo em alguns testes, e a API muda a forma como as reescritas no meio de uma conversa são tratadas, então confira alguns pontos ao fazer a troca. Este artigo resume preços, desempenho, onde os modelos estão disponíveis e como escolher entre Astra e Sol, com base nos valores dos gráficos do anúncio da OpenAI, nas páginas dos modelos e no guia de migração (verificados em 19 de novembro de 2026).
GPT-6.2 em três linhas
Astra
Modelo topo, 20% mais barato
$8 de entrada e $40 de saída. Supera o Astra anterior em todos os 10 testes comparados neste artigo, e em muitos deles o custo por tarefa caiu para cerca de metade.
Sol
Mais inteligente pelo mesmo preço
Continua com $2 de entrada e $10 de saída. No teste FrontierCode de alterações reais de código, fica 0,4 ponto atrás do Astra, e custa cerca de um quinto.
Atenção
Como montar conversas na API
Reescrever parte de uma conversa descarta o raciocínio anterior. Coloque as instruções compartilhadas no início da entrada, não em instructions.
Verificado em: 19 de novembro de 2026. As fontes são o anúncio da OpenAI, as páginas GPT-6.2 Astra e GPT-6.2 Sol, e Using GPT-6.2. Os números de desempenho são os valores que a OpenAI incluiu nos gráficos do anúncio.
1. A posição dos dois modelos GPT-6.2
A lista de modelos da API da OpenAI começa com a orientação "Na dúvida, use o GPT-6.2 Astra; para equilíbrio, o GPT-6.2 Sol; para baixo custo, o GPT-6 Luna". Os modelos principais listados são GPT-6.2 Astra, GPT-6.2 Sol, GPT-6.1 Terra e GPT-6 Luna. Nas páginas dos modelos, a OpenAI descreve o Astra como "o modelo mais capaz, para conduzir os projetos mais difíceis do início ao fim", e o Sol como "o modelo de referência para o trabalho do dia a dia, da programação aos agentes de grande escala".
| Modelo | Entrada / saída (por 1 milhão de tokens) | Data de corte do conhecimento | Modelo anterior |
|---|---|---|---|
| GPT-6.2 Astra | $8,00 / $40,00 | 18 de maio de 2026 | GPT-6 Astra ($10 / $50, corte do conhecimento em 30 de abril de 2026) |
| GPT-6.2 Sol | $2,00 / $10,00 | 1 de junho de 2026 | GPT-6.1 Sol ($2 / $10, corte do conhecimento em 30 de abril de 2026) |
| GPT-6.1 Terra | $1,00 / $5,00 | 1 de junho de 2026 | — |
| GPT-6 Luna | $0,10 / $0,50 | 18 de maio de 2026 | — |
Fonte: a página Models e a página de cada modelo (verificadas em 19 de novembro de 2026). Os dois modelos GPT-6.2 têm janela de contexto de cerca de 1,05 milhão de tokens (até 922 mil para entrada), saída máxima de 128 mil tokens, e aceitam texto e imagem na entrada. O Terra e o Luna não mudaram desta vez.
O GPT-6 Astra e o GPT-6.1 Sol continuam disponíveis na API, mas saíram da lista recomendada. A OpenAI não anunciou uma data de encerramento, e eles não aparecem como descontinuados na página Deprecations (até 19 de novembro). Os dois modelos novos também não permitem definir a intensidade de raciocínio como "none (sem raciocínio)". Para respostas rápidas sem raciocínio, use o GPT-6.1 Terra ou o GPT-6 Luna, que aceitam ambos "none". Para detalhes sobre o Terra, o modelo intermediário, veja O que é o GPT-6.1 Terra?
2. Preços: o Astra fica mais barato, o Sol continua igual
GPT-6.2 Astra
GPT-6.2 Sol
Dólares americanos por 1 milhão de tokens. Os preços riscados são os do GPT-6 Astra. Fonte: anúncio da OpenAI e página de cada modelo (verificadas em 19 de novembro de 2026).
As gravações no cache custam 1,25 vez o preço de entrada para retenção de 30 minutos e 2,5 vezes para retenção de 12 horas. Esses multiplicadores são os mesmos nos dois modelos.
| Item | GPT-6.2 Astra | GPT-6.2 Sol |
|---|---|---|
| Gravações no cache | $10 (retenção de 30 minutos) · $20 (retenção de 12 horas) | $2,50 (retenção de 30 minutos) · $5 (retenção de 12 horas) |
| Entrada acima de 272 mil tokens | Entrada e cache de toda a requisição valem 2 vezes o normal, e a saída vale 1,5 vez | |
| Batch | Metade do preço | |
| Fast | 2 vezes | |
| Ultrafast | 3 vezes até 28 de fevereiro de 2027, e 6 vezes a partir de 1 de março (horário do Pacífico dos EUA) | |
| Processamento em segundo plano com prazo (beta) | 30% de desconto para trabalhos que podem ser entregues em até 2 horas, 40% se puderem ser entregues em até 8 horas (Responses API) | |
Fontes: as páginas GPT-6.2 Astra e GPT-6.2 Sol, e o API changelog (entrada de 17 de novembro de 2026). O Ultrafast só pode ser usado quando os dados são armazenados nos EUA (segundo o guia de migração).
Segundo a OpenAI, o Astra também usa menos tokens de saída para o mesmo trabalho. Por isso, o custo por tarefa cai mais do que o corte de preço sozinho, e em muitos testes ficou em cerca de metade do custo do GPT-6 Astra, como mostra o próximo capítulo. Comparando preços com a Claude, o Astra é igual ao Claude Fable 5.2 ($8 de entrada e $40 de saída), o Sol é igual ao Claude Sonnet 5.5 ($2 de entrada e $10 de saída), e o Claude Opus 5.5 custa $4 de entrada e $20 de saída (Pricing da Anthropic, verificado em 19 de novembro de 2026). O Gemini 4 Carbon custa $2 de entrada e $10 de saída até 30 de novembro de 2026, e $4 de entrada e $20 de saída a partir de 1 de dezembro (Pricing do Google, verificado no mesmo dia). No entanto, a quantidade de tokens que cada tarefa usa varia muito entre os modelos, então comparar o custo por tarefa é mais confiável do que comparar os preços unitários.
3. Desempenho ①: em comparação com os modelos anteriores
O anúncio da OpenAI tem 16 gráficos. A maioria mostra a pontuação de cada modelo e o custo por tarefa (alguns mostram a quantidade de tokens de saída) em cada nível de raciocínio. Eles se dividem em 10 testes de desempenho em trabalho, programação e ciência, 4 testes de cibersegurança e 2 avaliações de segurança. Este capítulo lista os 10 testes de desempenho. Para comparar os modelos antigos e novos nas mesmas condições, todos os valores usam "max", o nível mais alto de raciocínio. Todos esses testes foram escolhidos pela OpenAI, e todos os valores foram medidos pela OpenAI (os índices de terceiros também estão incluídos, porque a OpenAI os colocou nos gráficos).
| Teste (o que mede) | GPT-6.2 Astra | GPT-6 Astra | GPT-6.2 Sol | GPT-6.1 Sol |
|---|---|---|---|---|
| Agents' Last Exam v1.1 (tarefas profissionais longas) | 77,6%$4,47 | 73,1%$8,99 | 73,0%$1,32 | 72,5%$2,02 |
| GDPval v2 (trabalho real de consultoria e finanças) | 50,4%36 mil tokens de saída | 44,2%46 mil tokens de saída | 46,9%33 mil tokens de saída | 41,5%40 mil tokens de saída |
| Harvey LAB-AA v1.1 (trabalho jurídico, taxa de resultados que atendem a todos os critérios) | 15,0%$6,35 | 8,6%$13,67 | 11,1%$1,92 | 6,9%$2,48 |
| FrontierCode 2.0 (alterações reais de código) | 44,2%$5,97 | 42,8%$6,68 | 43,8%$1,29 | 39,0%$1,03 |
| Terminal-Bench-Science 0.1 (trabalho científico em terminal) | 77,1%$7,15 | 68,1%$23,80 | 68,0%$2,21 | 57,0%$5,47 |
| Vals Science Index v1 (interpretação de dados de biologia e experimentos) | 68,4%$4,17 | 65,1%$8,03 | 57,8%$1,03 | 59,6%$1,36 |
| BenchCAD 2.1 Core (projeto em CAD) | 82,5%$5,43 | 62,6%$9,71 | 73,1%$1,60 | 52,6%$1,61 |
| AutomationBench 1.0.6 (automação de processos de negócio) | 52,4%$0,83 | 41,4%$1,73 | 41,1%$0,27 | 36,1%$0,30 |
| LifeVal (tarefas difíceis do dia a dia) | 86,1%$4,23 | 79,8%$9,04 | 83,8%$1,27 | 79,5%$1,27 |
| Artificial Analysis Intelligence Index v5.0.1 (índice geral de terceiros) | 62,1$4,00 | 56,9$6,24 | 57,3$1,01 | 54,6$1,27 |
Valores no nível máximo de raciocínio de cada modelo. O texto pequeno é o custo por tarefa em dólares americanos, exceto no GDPval v2, em que é a quantidade de tokens de saída por tarefa. Verde indica pontuação maior que a do modelo anterior, e vermelho, menor. Fonte: dados dos gráficos de "Introducing GPT-6.2 Astra and Sol" da OpenAI (verificados em 19 de novembro de 2026). O GDPval v2 é um teste interno da OpenAI. Os quatro testes de cibersegurança (DeepBinary, ExploitBench, SecureSWE e PatchBench) não estão incluídos. Dois deles foram medidos com as proteções de segurança removidas em uma configuração interna, o que é diferente do uso normal. As duas avaliações de segurança estão no capítulo 8.
Três pontos se destacam.
① O Astra superou o Astra anterior em todos os 10 testes, e em muitos deles fez isso com cerca de metade do custo. No Agents' Last Exam, que mede tarefas profissionais longas, ele marca 77,6%, acima dos 73,1% do GPT-6 Astra, e o custo por tarefa é de $4,47, cerca de metade. O número destacado pelo anúncio foi 78,3% ($2,89) no nível "xhigh", um degrau abaixo do max. Isso fica 5,2 pontos acima do Astra anterior no max, com custo inferior a um terço. Em alguns testes, o Astra pontua mais alto no xhigh do que no max, então o max nem sempre é a melhor escolha.
Os maiores ganhos estão no trabalho jurídico (Harvey LAB-AA, de 8,6% para 15,0%), no projeto em CAD (BenchCAD, de 62,6% para 82,5%) e no trabalho científico em terminal (Terminal-Bench-Science, de 68,1% para 77,1%). O Harvey LAB-AA só considera aprovado um resultado que atenda a todos os critérios de avaliação e não contenha conteúdo fabricado grave, por isso todos os modelos pontuam baixo nele.
② O Sol subiu em muitos testes pelo mesmo preço. No FrontierCode 2.0, que mede se alterações reais de código passariam nos critérios de aceitação de um mantenedor, o 6.2 Sol marca 43,8%. A diferença para o 6.2 Astra (44,2%) é de apenas 0,4 ponto, e o custo por tarefa é de cerca de um quinto. No projeto em CAD e no trabalho jurídico, o Sol também subiu bastante em relação ao 6.1 Sol. Por outro lado, no Vals Science Index, que trata de dados de biologia, o Sol ficou com 57,8% no max, abaixo dos 59,6% do 6.1 Sol (58,5% no xhigh).
③ Alguns testes caem muito no nível de raciocínio low. Nos mesmos gráficos, o 6.2 Sol marca 25,3% no LifeVal, um teste de tarefas do dia a dia (o 6.1 Sol no low marca 66,8%), e 43,4% no Terminal-Bench-Science. O 6.2 Astra no low marca 46,3% no LifeVal e 56,3% no Terminal-Bench-Science. No medium, o LifeVal se recupera para 70,3% no 6.2 Sol e 78,9% no 6.2 Astra. O guia de migração da OpenAI também recomenda começar pelo medium ao usar os modelos pela primeira vez. Se você definir o low para reduzir custos, primeiro verifique se o seu trabalho não perde qualidade.
4. Desempenho ②: em comparação com Claude e Gemini
Alguns gráficos da OpenAI também incluem o Claude Fable 5.2 e o Claude Opus 5.5, da Anthropic, e o Gemini 4 Carbon, do Google. Como os modelos de outras empresas foram testados em níveis de raciocínio diferentes, esta tabela lista a configuração em que cada modelo teve a maior pontuação. Deixamos de fora o LifeVal, que não inclui os modelos de outras empresas. O Claude Sonnet 5.5, que tem o mesmo preço do Sol, não aparece em nenhum gráfico.
| Teste | GPT-6.2 Astra | GPT-6.2 Sol | Claude Fable 5.2 | Claude Opus 5.5 | Gemini 4 Carbon |
|---|---|---|---|---|---|
| Agents' Last Exam v1.1 | 78,3%$2,89 · xhigh | 73,0%$1,32 · max | 72,8%$60,05 · max | 71,6%$17,57 · max | 77,4%$4,60 · high |
| GDPval v2 (interno) | 50,4%36 mil tokens de saída · max | 46,9%33 mil tokens de saída · max | 44,8%222 mil tokens de saída · max | 43,5%191 mil tokens de saída · max | 48,8%109 mil tokens de saída · high |
| Harvey LAB-AA v1.1 | 15,0%$6,35 · max | 11,1%$1,92 · max | 7,2%$39,84 · max | 4,2%$17,93 · max | — |
| FrontierCode 2.0 | 44,2%$5,97 · max | 43,8%$1,29 · max | 49,1%$14,19 · xhigh | 45,5%$12,82 · max | 41,1%$5,16 · medium |
| Terminal-Bench-Science 0.1 | 77,1%$7,15 · max | 68,0%$2,21 · max | 73,3%$45,21 · max | 63,3%$23,21 · max | — |
| Vals Science Index v1 | 68,4%$4,17 · max | 58,5%$0,71 · xhigh | 63,7%$8,79 · high | 58,7%$8,71 · max | — |
| BenchCAD 2.1 Core | 82,5%$5,43 · max | 73,1%$1,60 · max | 83,5%$50,77 · max | 65,3%$20,00 · max | — |
| AutomationBench 1.0.6 | 52,4%$0,83 · max | 41,2%$0,21 · high | 51,5%$4,64 · max | 42,5%$1,44 · max | 53,9%$2,12 · high |
| Artificial Analysis Intelligence Index v5.0.1 | 62,1$4,00 · max | 57,3$1,01 · max | 64,6$26,54 · max | 59,1$10,04 · max | 60,0$7,76 · high |
Valores na configuração de raciocínio em que cada modelo teve a maior pontuação (a configuração está escrita no texto pequeno). "—" indica que o modelo não está no gráfico. Fonte: a mesma da tabela do capítulo anterior. No Agents' Last Exam, o resultado do Claude Fable 5.2 exclui 9 tarefas respondidas por outro modelo (um fallback), conforme indicado no anúncio. O anúncio não diz qual preço (antes ou depois do fim do preço de lançamento, em 30 de novembro de 2026) foi usado para calcular o custo do Gemini 4 Carbon. No Terminal-Bench-Science, o valor do Claude Fable 5.2 é o que a Artificial Analysis mediu com uma configuração chamada mini-swe-agent; a Anthropic relata 74,6% com raciocínio max no Claude Code (nota de rodapé do anúncio).
Nesses nove testes, o 6.2 Astra teve a maior pontuação em cinco. Nos outros quatro, o Claude Fable 5.2 liderou em alterações reais de código (FrontierCode 2.0), projeto em CAD (BenchCAD) e índice geral de terceiros (Artificial Analysis), e o Gemini 4 Carbon liderou em automação de processos de negócio (AutomationBench). Na comparação direta com o Fable 5.2, o Astra está à frente em seis testes, e o Fable 5.2 em três. A maior diferença está no custo. Nos oito testes em que os custos aparecem, o custo por tarefa do Fable 5.2 fica entre cerca de 2 e 21 vezes o do 6.2 Astra (as 21 vezes são no Agents' Last Exam, em que o Astra está no xhigh). Como o Fable 5.2 e o Astra têm o mesmo preço por token, o motivo principal provavelmente é a diferença na quantidade de tokens que cada um usa para o mesmo trabalho. No entanto, as configurações de raciocínio comparadas e os métodos de medição (como o funcionamento do Terminal-Bench-Science) não são idênticos.
Esta comparação usa os testes e as configurações escolhidos pela OpenAI, e inclui apenas os modelos de outras empresas que aparecem nos gráficos da OpenAI. O anúncio da própria Anthropic usa testes diferentes, e a ordem seria outra. Os números do lado da Claude estão em Recursos e preços do Claude Fable 5.2, e os do Gemini, em Gemini 4 Carbon e Argon: comparação.
5. Astra ou Sol: qual usar
O preço por token do Astra é quatro vezes o do Sol. Mesmo comparando pelo custo por tarefa, as medições da OpenAI colocam o Astra em cerca de 3 a 5 vezes o custo do Sol (ambos no max). A pergunta que define a escolha é se o ganho de qualidade do resultado vale a diferença de custo no seu trabalho.
A lista de API da OpenAI diz "Na dúvida, use o Astra", mas este artigo recomenda "Na dúvida, use o Sol". O motivo é que a diferença de custo é de 3 a 5 vezes, enquanto a distância é pequena em alterações reais de código (FrontierCode 2.0) e em tarefas do dia a dia (LifeVal). Veja a seguir um guia por uso.
- Programação, escrita e trabalho com documentos do dia a dia → Sol No teste de alterações reais de código, o Astra fica apenas 0,4 ponto à frente, e o Sol custa cerca de um quinto. Novos chats no ChatGPT Work também começam com o Sol. Na dúvida, comece pelo Sol e troque para o Astra apenas nos casos em que ele não der conta. Essa é a forma de menor desperdício.
- Automação de processos de negócio, trabalho profissional longo e complexo, acabamento de slides e planilhas → Astra Na automação de processos (AutomationBench), o Astra marca 52,4% e o Sol 41,1%, uma diferença de cerca de 11 pontos. Em trabalho profissional longo (Agents' Last Exam), trabalho jurídico (Harvey LAB-AA) e GDPval v2, as diferenças ficam entre 3,5 e 4,6 pontos. A OpenAI diz que treinou o Astra para produzir slides, planilhas e documentos que sigam modelos e as convenções de cada área.
- Cálculo científico e projeto em CAD → Astra O Astra marca 77,1% no Terminal-Bench-Science contra 68,0% do Sol, e 82,5% no BenchCAD contra 73,1%. São áreas em que a diferença é grande.
- Trabalho em grande volume, rápido e barato, sem raciocínio → GPT-6.1 Terra ou GPT-6 Luna Os dois modelos GPT-6.2 não permitem definir o raciocínio como "none".
- Se você usa Claude O Fable 5.2 tem o mesmo preço do Astra, e o Sonnet 5.5 tem o mesmo preço do Sol. Nas medições da OpenAI, o Fable 5.2 liderou em alterações reais de código e projeto em CAD, enquanto o Astra liderou em muitas outras tarefas de trabalho, e o custo do Astra saiu bem menor. A forma mais confiável é rodar o seu trabalho habitual nos dois algumas vezes cada e comparar a quantidade de correções necessárias e a conta.
Para ver em que os novos modelos diferem do Astra e do Sol anteriores, veja a explicação do GPT-6 Astra e a comparação entre GPT-6.1 Sol e GPT-6 Sol.
6. Uso no ChatGPT, Codex e GitHub Copilot
ChatGPT e Codex
- Planos elegíveis: o anúncio cobre todos os usuários dos planos Plus, Pro, Enterprise e Edu. O Free não está incluído.
- Onde usar: no ChatGPT Work e no Codex. As notas de lançamento do ChatGPT (17 de novembro) descrevem os modelos como "prévia" nos aplicativos de desktop do Work e do Codex. Você escolhe no seletor de modelos do Work ou do Codex. As opções do Chat comum (conversas fora do Work) não mudam.
- Modelo padrão: segundo a documentação do ChatGPT, novos chats no Work começam com o 6.2 Sol (intensidade de raciocínio Light nos planos individuais e Medium no Enterprise). O Sol usa menos créditos por token do que o Astra.
- Ultrafast: o Pro 500 pode usar o Ultrafast com os dois modelos. O Pro 200 passa a ter o Ultrafast pela primeira vez, começando pelo 6.2 Sol (o anúncio não diz quando o Astra chegará). O anúncio não menciona o Pro 100. Os workspaces elegíveis do Enterprise e do Edu também podem usar o recurso quando um administrador do workspace o habilita.
- CLI do Codex: a documentação de Models do ChatGPT dá
codex --model gpt-6.2-solcomo exemplo de comando para especificar o modelo no Codex.
Fontes: a seção "Pricing and availability" do anúncio da OpenAI, as ChatGPT release notes (entrada de 17 de novembro de 2026) e a documentação de Models do ChatGPT (verificada em 19 de novembro de 2026). Em workspaces gerenciados, os modelos visíveis dependem do tipo de assento e das configurações.
Para os limites de uso dos três planos Pro, veja ChatGPT Pro 100, 200 e 500 comparados. Sobre o próprio Work, veja O que é o ChatGPT Work?
GitHub Copilot
Em 17 de novembro, o GitHub disponibilizou de forma geral os dois modelos no Copilot. Eles estão disponíveis para os planos Copilot Pro+, Max, Business e Enterprise, e você pode escolhê-los no seletor de modelos no VS Code, Visual Studio, JetBrains, Xcode, Eclipse, Copilot CLI e github.com. A cobrança é por uso e calculada pelos preços de tabela da OpenAI. No Business e no Enterprise, os novos modelos são ativados automaticamente, a menos que um administrador os desative. A disponibilização é gradual, então alguns usuários ainda podem não ver os modelos na lista (GitHub Changelog).
7. O que verificar ao migrar para a API
Basta trocar o nome do modelo para gpt-6.2-astra ou gpt-6.2-sol para que funcione. No entanto, o guia de migração da OpenAI, Using GPT-6.2, lista os seguintes pontos para verificar ao fazer a troca. Os dois primeiros são mudanças do GPT-6.2 que afetam qualidade e custo se passarem despercebidas.
- Reescrever parte da conversa descarta o raciocínio anterior Na Responses API, se você reescrever trechos anteriores do histórico da conversa (como mensagens de developer ou chamadas de ferramentas anteriores), o GPT-6.2 deixa de usar os registros de raciocínio (reasoning items) guardados até aquele ponto. O mesmo vale ao trocar para um modelo menor, ou quando muda o usuário final ou a organização. Perder o raciocínio pode reduzir a qualidade das respostas, e refazer o trabalho anterior pode aumentar a quantidade de tokens. Ao alterar configurações, a regra básica é deixar as partes anteriores intactas e acrescentar as novas instruções no fim.
- Coloque as instruções compartilhadas no início da entrada, não em
instructionsA partir do GPT-6.2, o campoinstructionsmais externo da Responses API passa a ser colocado depois deinput. Se você quer que as mesmas instruções fiquem em cache em todas as requisições, coloque-as no primeiro item deinputcomo uma mensagem de developer. Useinstructionsapenas para instruções específicas daquela requisição.
Exemplo:{"model": "gpt-6.2-sol", "input": [{"role": "developer", "content": "Responda de acordo com o glossário interno"}, {"role": "user", "content": "…"}]} - Comece com raciocínio medium Ao começar a usar os modelos, a OpenAI recomenda testar primeiro o medium. Se você usa hoje
noneouminimal, mude paralow(none não é aceito). No entanto, como mostrou o capítulo 3, alguns testes caem muito no low, então confirme a qualidade no seu próprio trabalho antes de decidir. - Se usa ferramentas, use a Responses API Você pode usar o Chat Completions, mas as chamadas de ferramentas exigem a Responses API.
- Remova os parâmetros não suportados Remova
temperature,top_petop_logprobs(elogprobsno Chat Completions). - Configurações de cache Ao migrar da família GPT-6, não é preciso mudar nada. Somente ao migrar do GPT-5.5 ou de versões anteriores, substitua
prompt_cache_retentionporprompt_cache_options.ttl("30m"). Para as diferenças no funcionamento do cache, veja OpenAI e Claude: comparação do cache de prompts. - Revise o texto das instruções O guia de migração diz que o GPT-6.2 Astra escreve respostas mais curtas e diretas do que antes, mesmo sem instruções para isso (a mesma afirmação não aparece para o Sol). Se você tem instruções que pedem brevidade de forma enfática, confira se as respostas não estão ficando curtas demais. O modelo também pode propor próximos passos e aguardar confirmação quando a intenção não está clara, então, em tarefas longas, diga que ele pode prosseguir com suposições razoáveis.
Fontes: "Using GPT-6.2" da OpenAI e o API changelog (verificados em 19 de novembro de 2026). O anúncio também recomenda deixar sem alteração as partes anteriores de uma conversa e acrescentar as novas instruções no fim.
8. Segurança
A OpenAI anunciou que os dois modelos atingiram o limiar "Critical" em cibersegurança e o limiar "High" em biologia e química, segundo o seu próprio Preparedness Framework. É a mesma classificação do GPT-6 Astra. A OpenAI diz que lançou os modelos depois de reforçar as restrições à assistência cibernética de alto risco e a certos pedidos sobre biologia. Por isso, algumas pesquisas legítimas de vulnerabilidade e testes de segurança também podem ser bloqueados. A OpenAI diz que vai trabalhar para levar o GPT-6.2 ao Daybreak, seu programa de defesa cibernética para defensores, mas não anunciou uma data.
Além disso, o 6.2 Astra é o primeiro modelo que a OpenAI lançou publicamente a atingir "High" em autoaperfeiçoamento de IA, ou seja, na capacidade de acelerar a própria pesquisa em IA. A OpenAI diz que criou medidas como monitorar o trabalho de pesquisa e interromper saídas quando necessário. No gráfico de comportamento inadequado em tarefas de trabalho do anúncio, a taxa de ações inadequadas em tarefas que simulam um ambiente de trabalho foi de 0,64% no 6.2 Astra e 0,71% no 6.2 Sol, ambas abaixo dos 1,2% do GPT-6 Astra. Por outro lado, dois testes do gráfico de ocultação de falhas do anúncio mostraram maior tendência a não relatar obstáculos, como arquivos ausentes ou ferramentas de busca indisponíveis. A OpenAI diz que reduziu isso acrescentando instruções ao Codex. Para detalhes, veja o GPT-6.2 System Card da OpenAI.
Resumo
- GPT-6.2 Astra e Sol foram lançados em 17 de novembro de 2026 (horário dos EUA) como sucessores do GPT-6 Astra e do GPT-6.1 Sol. O Astra é o modelo topo de linha, e o Sol é o modelo principal para o trabalho do dia a dia.
- Preços da API: o Astra custa $8 de entrada e $40 de saída (20% mais barato que o GPT-6 Astra; cache 60% mais barato). O Sol custa $2 de entrada e $10 de saída (sem alteração).
- Nas medições da OpenAI, os dois modelos pontuam mais alto que os antecessores em muitos testes, e o custo por tarefa do Astra caiu para cerca de metade em muitos deles.
- O Claude Fable 5.2 supera o Astra em alterações reais de código, projeto em CAD e no índice geral, mas seu custo por tarefa fica entre cerca de 2 e 21 vezes o do Astra (medições da OpenAI).
- Na dúvida, comece pelo Sol e teste primeiro o raciocínio medium (alguns testes caem muito no low).
- Na API, verifique dois pontos: que reescrever trechos anteriores de uma conversa descarta o raciocínio, e que a posição de
instructionsmudou.
FAQ
P. Quanto custam os preços da API do GPT-6.2 Astra e do Sol?
R. Por 1 milhão de tokens, o Astra custa $8 de entrada, $0,40 de entrada em cache e $40 de saída. O Sol custa $2 de entrada, $0,10 de entrada em cache e $10 de saída. Os dois têm Batch pela metade do preço e Fast por 2 vezes. O Ultrafast é 3 vezes até 28 de fevereiro de 2027, e 6 vezes a partir de 1 de março. Para entradas acima de 272 mil tokens, a entrada e o cache de toda a requisição valem 2 vezes o normal, e a saída vale 1,5 vez.
P. Qual é a diferença entre o GPT-6.2 Sol e o GPT-6.1 Sol?
R. O preço é o mesmo. Nas medições da OpenAI, o 6.2 Sol pontua mais alto em muitos testes (alterações reais de código passaram de 39,0% para 43,8%, e o projeto em CAD, de 52,6% para 73,1%). A data de corte do conhecimento passou de 30 de abril de 2026, no 6.1 Sol, para 1 de junho de 2026, no 6.2 Sol. No Vals Science Index, que trata de dados de biologia, o 6.1 Sol teve valor mais alto no max.
P. Ele tem desempenho melhor que o Claude Fable 5.2?
R. Depende do teste. Nos nove testes em que a OpenAI mostra os dois, o 6.2 Astra pontuou mais alto em seis, e o Fable 5.2 em três: alterações reais de código, projeto em CAD e índice geral de terceiros. Nos oito testes em que os custos aparecem, o custo por tarefa do Fable 5.2 ficou entre cerca de 2 e 21 vezes o do Astra (comparando cada modelo na configuração em que pontuou mais alto). Esta é uma comparação medida pela OpenAI.
P. Dá para usar no plano gratuito do ChatGPT?
R. O anúncio cobre os planos Plus, Pro, Enterprise e Edu, e não inclui o Free. Você pode usar os modelos no ChatGPT Work e no Codex, e as opções do Chat comum não mudam.
P. Devo trocar do GPT-6 Astra?
R. Em muitos casos, sim. O preço é 20% menor, e nas medições da OpenAI o modelo supera o GPT-6 Astra em todos os 10 testes de desempenho. No entanto, os testes foram escolhidos pela OpenAI, e há mudanças a considerar, como respostas mais curtas e a impossibilidade de definir o raciocínio como "none". Na API, reescrever trechos anteriores de uma conversa descarta o raciocínio, e o tratamento de instructions mudou. Confira os itens do capítulo 7 antes de trocar.
Registro de atualizações
- 19 de novembro de 2026Primeira versão. Criada após verificar os dados dos gráficos do anúncio da OpenAI (17 de novembro), as páginas dos modelos e o guia de migração da API, as notas de lançamento e a documentação do ChatGPT, e o GitHub Changelog.
Fontes
- OpenAI: Introducing GPT-6.2 Astra and Sol, GPT-6.2 Astra (API), GPT-6.2 Sol (API), Models, Using GPT-6.2, API changelog, ChatGPT release notes, ChatGPT Models
- GitHub: OpenAI's GPT-6.2 Astra and GPT-6.2 Sol now available
- OpenAI: GPT-6.2 System Card
- Preços de comparação (verificados em 19 de novembro de 2026): Anthropic Pricing, Google Gemini API pricing