TL;DR
Em 17 de novembro de 2026, a OpenAI lançou GPT-6.2 Astra (modelo de fronteira para os projetos profissionais mais difíceis) e GPT-6.2 Sol (modelo eficiente para o dia a dia). Ambos estão disponíveis no ChatGPT Work, Codex e na OpenAI API (gpt-6.2-astra e gpt-6.2-sol). O Astra é 20% mais barato que o GPT-6 Astra ($8 / $40 por milhão de tokens de entrada/saída) e oferece melhores resultados com custo por tarefa muito menor. O Sol mantém os preços anteriores ($2 / $10) e quase iguala o Astra em benchmarks-chave de programação por cerca de um quinto do custo. Ambos os modelos usam menos tokens de saída, oferecem uma janela de contexto de ~1.05M tokens e suportam o modo Ultrafast em planos superiores. A CometAPI já oferece acesso a ambos os modelos, com um endpoint unificado compatível com OpenAI, uma única chave de API e preços competitivos para desenvolvedores.
Principais destaques
- Lançados, não rumores: a OpenAI anunciou ambos os modelos em 17 de novembro de 2026.
- Workflows profissionais mais fortes: o Astra ganha 5,2 pontos no Agents’ Last Exam e 6,2 pontos percentuais no GDPval v2 em relação ao GPT-6 Astra.
- Eficiência importa: o Astra usa 22% menos tokens de saída no GDPval v2 na avaliação da OpenAI.
- Resultados independentes de programação são mistos: a Artificial Analysis encontra o Astra inalterado no seu Coding Agent Index e o Sol três pontos abaixo do GPT-6.1 Sol.
- Acesso via CometAPI disponível: as páginas dos modelos listam tarifas de entrada, saída e entrada em cache 20% abaixo das tarifas padrão correspondentes da OpenAI.
- Migração exige atenção: chamadas de ferramentas requerem a Responses API e
reasoning_effort="none"não é suportado.
O que são GPT-6.2 Astra e Sol?
Ambos os modelos aceitam entradas de texto e imagem e retornam texto. Eles compartilham uma grande janela de contexto de aproximadamente 1.050.000 tokens (com alta entrada máxima e 128.000 de saída máxima relatados na cobertura). Os cutoffs de conhecimento são listados como 18 de maio de 2026 para o Astra e 1º de junho de 2026 para o Sol em relatórios secundários.
A OpenAI enfatiza a eficiência no mundo real: ambos os modelos concluem tarefas exigentes com menos tokens de saída, para que os usuários façam mais dentro dos mesmos limites de uso ou orçamento.
GPT-6.2 Astra: o modelo para projetos exigentes
A OpenAI descreve o GPT-6.2 Astra como seu modelo mais capaz para projetos difíceis de ponta a ponta. Suas capacidades documentadas incluem construir e revisar software, usar um computador e trabalhar com documentos. A carga de trabalho pretendida vai além de responder a uma pergunta: inclui entender o material de origem, escolher ferramentas, fazer alterações, verificar resultados e produzir um entregável utilizável.
Esse posicionamento torna o Astra relevante para engenharia em nível de repositório, análise financeira detalhada, documentos profissionais e fluxos de trabalho de pesquisa. Seu valor depende de melhorar o resultado final ou reduzir o número de ciclos de correção o suficiente para justificar seu prêmio em relação ao Sol. Fonte: documentação do modelo Astra.
GPT-6.2 Sol: trabalho do dia a dia a um preço de token menor
O GPT-6.2 Sol é o modelo de referência da OpenAI para o trabalho cotidiano, incluindo programação e agentes em escala. Suas tarifas padrão de entrada e saída são um quarto das do Astra, enquanto seus limites de contexto e saída igualam os do Astra.
A OpenAI relata que o Sol fica a 0,5 ponto do Astra no FrontierCode 2.0 da Cognition a aproximadamente um quinto do custo da tarefa, com ambos em Max reasoning effort. Isso é um bom motivo para testar primeiro o Sol, embora esse resultado não estabeleça desempenho equivalente em todas as cargas de trabalho de programação. Fonte: anúncio de lançamento.
GPT-6.2: principais recursos — o que mudou?
Pesquisa científica e uso de computador aprimorados
O Astra ganha de forma notável em benchmarks de ciência (por exemplo, ~+9 pontos no Terminal-Bench Science) e capacidades avançadas de uso de computador, incluindo trabalho mais fino em ferramentas CAD, simulações e modelagem 3D (peças, conjuntos, interações físicas).
Documentos, planilhas e apresentações mais úteis
A OpenAI enfatiza melhor aderência a convenções profissionais em direito, vendas, finanças e contabilidade. O Astra é projetado para produzir documentos mais claros, planilhas mais utilizáveis e apresentações que seguem modelos fornecidos, incluindo layout, cor e tipografia.
Para um usuário corporativo, o teste prático é se uma pasta de trabalho permanece editável, se seus cálculos podem ser rastreados e se suas conclusões correspondem às evidências subjacentes. Para uma apresentação, compare a fidelidade ao modelo e a quantidade de edição manual necessária. Esses resultados importam mais do que a aparência de uma captura de tela inicial. Fonte: exemplos de saída profissional.
Melhor seleção de ferramentas e uso de computador
Ambos os modelos suportam ferramentas por meio da Responses API, incluindo pesquisa na web, pesquisa de arquivos, code interpreter, shell hospedado, uso de computador, MCP e busca de ferramentas. A OpenAI também documenta um beta de multiagente para delegação de trabalho.
Essas capacidades permitem que desenvolvedores conectem raciocínio a fluxos de trabalho de aplicação. Um modelo poderia inspecionar relatórios, calcular números e preparar um memorando, desde que a aplicação forneça as ferramentas e permissões necessárias. A saída nativa continua sendo texto; geração de imagem é uma ferramenta suportada separadamente. Ferramentas hospedadas pelo provedor também exigem suporte específico do endpoint quando acessadas via gateway. Fonte: documentação do modelo.
Raciocínio mais eficiente e código mais limpo
A OpenAI diz que o Astra toma melhores decisões sobre ferramentas e esforço, escreve código mais limpo e precisa de menos rodadas de revisão nos primeiros testes. Seu guia de migração também descreve um estilo de escrita padrão mais conciso.
Para aplicações existentes, isso significa que os prompts merecem uma nova análise. Um prompt de sistema que exige repetidamente brevidade agora pode suprimir detalhes úteis. Por outro lado, pedir explicitamente referências de fonte, critérios de conclusão e evidências de validação pode tornar a saída mais fácil de revisar. Fonte: Using GPT-6.2.
Como o GPT-6.2 se sai em testes de benchmark?
O GPT-6.2 oferece resultados fortes em trabalho profissional, raciocínio científico e desenvolvimento 3D interativo. O Astra fornece a capacidade geral mais forte, enquanto o Sol oferece desempenho competitivo a um custo de tarefa menor medido. No entanto, avaliações independentes de programação mostram que as melhorias não são uniformes em todas as cargas de trabalho.
Principais resultados oficiais/relatados pela OpenAI
Eles vêm principalmente dos materiais de lançamento da OpenAI (geralmente em esforço de raciocínio máx. ou xhigh):
| Benchmark | O que testa | GPT-6.2 Astra | GPT-6 Astra | GPT-6.2 Sol | Observações / Contexto de custo |
|---|---|---|---|---|---|
| Agents’ Last Exam v1.1 | Workflows profissionais em múltiplas etapas | 78.3% | 73.1% | 73.0% | +5,2 pts vs Astra anterior a <⅓–½ do custo; +5,5 pts vs Claude Fable 5.2 a ~5% do custo |
| GDPval v2 (interno) | Trabalho de conhecimento de longo prazo (consultoria, finanças, design) | 50.4% (+6.2 pts) | 44.2% | 46.9% (+5.3 pts) | 22% menos tokens de saída para o Astra |
| Terminal-Bench-Science 0.1 | Pesquisa científica em um terminal | 77.1% (+9 pts) | 68.1% | 68.0% | <⅓ do custo do Astra anterior |
| FrontierCode 2.0 | Mudanças prontas para merge em bases de código reais | 44.2% | 42.8% | 43.8% | Sol a ~0,5 pt do Astra a ~⅕ do custo |
| Vals Science Index | Dados biológicos + experimentos simulados | 68.4% | 65.1% | 58.5% | Astra lidera |
| Harvey LAB-AA v1.1 | Entregáveis jurídicos estritos | 15.0% | 8.6% | 11.1% | Ganho relativo forte; mais que dobra o Fable 5.2 em alguns relatórios |
| BenchCAD 2.1 Core | Modelagem CAD / conjuntos a partir de desenhos | 82.5% | 62.6% | 73.1% | Muito próximo do Claude Fable 5.2 (~83.5%) a ~1/9–1/10 do custo |
| ExploitBench Internal Port (cyber) | Sucesso de exploit | 53.5% (+22 pts) | 31.5% | 50.5% | Grande salto; salvaguardas mais rígidas aplicadas |
O Astra também lidera ou fica muito alto no AA-3D (experiências 3D interativas, ~1.318 Elo) e mostra resultados fortes no AutomationBench e em avaliações internas de código de segurança (SecureSWE, PatchBench).
Programação: forte eficiência de custo, resultados de upgrade mistos
No FrontierCode 2.0 da Cognition, a OpenAI relata que o GPT-6.2 Sol termina a até 0,5 ponto do GPT-6.2 Astra, a aproximadamente um quinto do custo da tarefa, com ambos os modelos usando Max reasoning effort. Esse benchmark avalia se mudanças em repositórios reais atendem aos padrões de merge dos mantenedores.
Isso torna o Sol um candidato atraente para aplicações de programação onde o custo importa. No entanto, a avaliação independente da Artificial Analysis relata um quadro mais qualificado:
- GPT-6.2 Astra está estável versus GPT-6 Astra no seu Coding Agent Index.
- GPT-6.2 Sol cai três pontos versus GPT-6.1 Sol no mesmo índice.
- A queda do Sol é impulsionada por uma queda de 14 pontos no SWE-Atlas-QnA-AA, onde o avaliador observou mais fatos omitidos.
A implicação prática é avaliar implementação de código e explicação de repositório separadamente. Um modelo pode produzir patches eficazes e ainda assim perder informações importantes ao responder perguntas sobre uma base de código.
Inteligência, 3D e robótica independentes
Avaliações independentes também identificam pontos fortes além da programação.
| Avaliação | GPT-6.2 Astra | GPT-6.2 Sol |
|---|---|---|
| Artificial Analysis Intelligence Index | Segundo atrás do Claude Fable 5.2; ganho de cinco pontos sobre o GPT-6 Astra | Pontua 57, ganhando dois pontos sobre o GPT-6.1 Sol |
| AA-3D | 1,318 Elo | 1,259 Elo |
| AA-Robotics v0.1 | 79 | 78 |
Fonte: análise do lançamento de 17 de novembro da Artificial Analysis.
- Separadamente, a Epoch AI lista o Astra com 174 ECI, empatado com o Claude Fable 5.2. Diferenças entre rankings refletem suítes de avaliação diferentes.
- Vals Index: Astra ~67.7% (#7), Sol ~66.1% (#9). Fica atrás de vários modelos da Anthropic e do Google aqui (maior ponderação para finanças/programação).
- Coding Agent Index (Artificial Analysis, harness Codex): Astra aproximadamente estável vs GPT-6 Astra; Sol um pouco abaixo do GPT-6.1 Sol em alguns runs. Testes de programação de terceiros (por exemplo, sessões multi-turn difíceis) frequentemente colocam ambos atrás do Claude Opus 5.5 / Fable 5.2 por vários pontos, embora o Sol permaneça altamente eficiente em custo.
Resumo de pontos fortes e trade-offs
- Maiores vitórias: eficiência de custo + workflows profissionais/agentic, pesquisa científica, documentos/slides cientes de modelo, CAD/3D e capacidade de cibersegurança.
- Ganhos mais modestos: desempenho de agente puramente de programação (o Sol fica extremamente próximo do Astra no FrontierCode a um custo muito menor).
- Posicionamento: o Astra é a opção de alta capacidade para projetos difíceis; o Sol é o padrão prático para a maioria dos trabalhos do dia a dia e de programação devido à quase paridade em benchmarks-chave de programação a uma fração do preço.
Preços da API GPT-6.2: OpenAI vs CometAPI
Preços padrão por token
Todos os valores abaixo são em USD por um milhão de tokens, verificados em 19 de novembro de 2026. As tarifas da OpenAI são tarifas padrão de contexto curto; os valores da CometAPI são as listagens atuais da página do modelo.
| Modelo e provedor | Entrada | Entrada em cache | Saída |
|---|---|---|---|
| GPT-6.2 Astra, OpenAI | $8.00 | $0.40 | $40.00 |
| GPT-6.2 Astra, CometAPI | $6.40 | $0.32 | $32.00 |
| GPT-6.2 Sol, OpenAI | $2.00 | $0.10 | $10.00 |
| GPT-6.2 Sol, CometAPI | $1.60 | $0.08 | $8.00 |
Fontes: OpenAI Astra, OpenAI Sol, CometAPI Astra, e CometAPI Sol.
As tarifas listadas da CometAPI estão 20% abaixo de suas tarifas correspondentes da OpenAI. Esta é uma comparação específica de tabela de tarifas, não uma afirmação de que a CometAPI é sempre a opção mais barata em todos os níveis de processamento ou termos contratuais.
Contexto longo, gravações de cache e níveis de velocidade
A OpenAI aplica tarifas mais altas quando uma solicitação excede 272.000 tokens de entrada: as tarifas de entrada e de cache dobram, e as tarifas de saída aumentam em 1.5 vezes para a solicitação inteira. As tarifas padrão resultantes do Astra para entrada/saída são $16/$60; as do Sol são $4/$15.
Leituras e gravações de cache têm cobranças separadas. A OpenAI lista gravações de cache de 30 minutos a $10 por milhão de tokens para o Astra e $2.50 para o Sol. Gravações de 12 horas custam $20 e $5, respectivamente, antes dos multiplicadores de contexto longo.
Batch custa 50% de Standard, enquanto Fast custa o dobro de Standard. Ultrafast custa três vezes Standard até 28 de fevereiro de 2027 e, depois, seis vezes Standard a partir de 1º de março de 2027, horário do Pacífico. Verifique separadamente o suporte do gateway e a cobrança
Como acessar GPT-6.2 Astra e Sol
ChatGPT Work, Codex e OpenAI API
O anúncio de lançamento da OpenAI disponibiliza ambos os modelos no ChatGPT Work e no Codex para usuários Plus, Pro, Enterprise e Edu. O acesso Enterprise e Edu pode depender das configurações do administrador. Desenvolvedores podem usar gpt-6.2-astra e gpt-6.2-sol via API. O acesso por assinatura e o uso da API têm arranjos de cobrança distintos; consulte o plano relevante e a documentação da API. Fonte: anúncio de disponibilidade.
Acesso via CometAPI
A CometAPI oferece uma rota prática para equipes que desejam esses modelos ao lado de modelos de outros provedores sob uma integração de API unificada. Suas páginas atuais de modelo listam ambas as variantes GPT-6.2 como disponíveis.
- Entre no console da CometAPI e crie uma chave de API.
- Armazene a chave em uma variável de ambiente no lado do servidor.
- Configure o OpenAI SDK com
https://api.cometapi.com/v1. - Selecione o ID do modelo, envie uma solicitação pequena e inspecione o uso e a saída.
O exemplo básico de texto a seguir adapta o quickstart da CometAPI e a orientação de parâmetros específicos de modelo da OpenAI.
Use a Responses API para fluxos de trabalho com ferramentas. Verifique ferramentas hospedadas exigidas, comportamento de streaming e limites na documentação da API da CometAPI; a disponibilidade do modelo por si só não estabelece suporte para todos os recursos hospedados pelo provedor.
Dicas de migração para aplicações GPT existentes
A OpenAI recomenda iniciar novas integrações em esforço de raciocínio Medium. Substitua none ou minimal por low. Para Chat Completions, omita temperature, top_p, logprobs e top_logprobs; essas opções antigas de solicitação são incompatíveis com o caminho de migração documentado.
O tratamento de conversas também muda. Editar histórico anterior, certas mudanças de modelo, incluindo downgrades, ou mudar o usuário final ou a organização podem descartar itens de raciocínio anteriores. Isso pode reduzir a qualidade e aumentar o retrabalho.
Mantenha instruções estáveis em uma mensagem de desenvolvedor no início de input das Responses, e preserve o prefixo da conversa. A partir do GPT-6.2, instructions de nível superior são anexadas após input, o que altera suas implicações de cache. Fonte: guia de migração do GPT-6.2.
Melhores casos de uso para GPT-6.2 Astra e Sol
Equipes de software: separe implementação de explicação
Use o Sol como candidato inicial para mudanças rotineiras e assistência de programação repetível. Teste o Astra em decisões de arquitetura, depuração difícil e mudanças que abrangem vários serviços. Dadas as avaliações independentes de programação, também mantenha o GPT-6.1 Sol em avaliações de explicação de repositório. Exija evidências concretas: mudanças executáveis, verificações relevantes e referências de arquivos que um revisor possa validar.
Finanças e operações: avalie o entregável
Os resultados de trabalho profissional do Astra tornam-no digno de teste em pastas de trabalho editáveis, reconciliação e relatórios gerenciais. Forneça-lhe os relatórios de origem e o modelo exigido, depois verifique fórmulas, suposições e vínculos entre números. O Sol pode ser suficiente para resumos recorrentes após o fluxo de trabalho estar estabelecido. Escolha com base em saídas corretas e revisáveis e no tempo de edição, em vez do polimento de uma apresentação.
Produto e design: prototipe e, depois, inspecione
O AA-3D fornece evidências para testar o Astra em experiências interativas no navegador e protótipos 3D. Forneça um briefing específico, imagens de referência e requisitos de interação. Revise o resultado no navegador, incluindo controles e layout, antes de adotá-lo. Um benchmark de preferência apoia a exploração; ele não estabelece acessibilidade, desempenho ou prontidão de produção para uma aplicação gerada específica.
Limitações e considerações de implantação
Nenhum dos modelos oferece entrada nativa de áudio/vídeo ou fine-tuning. Uma janela de contexto grande também não garante recuperação perfeita de cada documento; verifique afirmações importantes contra passagens de origem.
O system card do GPT-6.2 relata melhorias no comportamento simulado no local de trabalho juntamente com regressões na divulgação de obstáculos conhecidos da tarefa. A OpenAI diz que o prompt de desenvolvedor do Codex reduz substancialmente essas omissões. As aplicações devem exigir relatórios claros quando arquivos, ferramentas ou fontes não estiverem disponíveis.
A Artificial Analysis também reporta taxas de alucinação AA-Omniscience de 59% para o Astra e 55% para o Sol em esforço Máximo. Essa métrica mede palpites na sua avaliação factual; ela não significa que essas porcentagens de todas as respostas em produção sejam falsas. Ela reforça o valor de recuperação e citações verificáveis. Fonte: análise independente.
Você deve escolher GPT-6.2 Astra ou Sol?
Escolha o Sol primeiro para redação diária, processamento de documentos e workflows de agentes sensíveis ao orçamento. Suas tarifas mais baixas o tornam uma linha de base acessível, e várias avaliações mostram forte capacidade pelo custo medido.
Teste o Astra em engenharia difícil, entregáveis financeiros detalhados, design interativo e fluxos de trabalho onde erros geram retrabalho substancial. Compare-o com seu modelo atual usando resultados aceitos, em vez de presumir que uma versão mais nova melhora toda tarefa.
Para usuários da CometAPI, um ponto de partida útil é um conjunto fixo de prompts representativos executados contra ambos os modelos pela mesma integração. Compare correção, omissões, latência e gasto, depois atribua cada carga de trabalho ao modelo que atenda aos requisitos. Explore o GPT-6.2 Astra na CometAPI ou o GPT-6.2 Sol na CometAPI para revisar as tarifas atuais e começar a testar.
Conclusão e recomendações
GPT-6.2 Astra e Sol representam um foco claro da OpenAI em eficiência sem sacrificar capacidade. A combinação de melhores resultados em benchmarks, menos tokens de saída e preços mais baixos (ou estáveis) torna ambos os modelos mais atraentes para uso em produção do que seus predecessores imediatos.
Para a maioria dos desenvolvedores e equipes:
- Padronize o uso do GPT-6.2 Sol para programação, escrita e loops de agentes.
- Recorra ao GPT-6.2 Astra para pesquisa complexa, entregáveis profissionais de alto impacto ou quando a qualidade máxima for necessária.
- Use a CometAPI para a integração mais simples, flexibilidade multi-modelo e faturamento unificado — especialmente valioso ao avaliar esses novos modelos ao lado de Claude, Gemini e outros sistemas.
Os modelos já estão disponíveis. A adoção inicial e testes independentes esclarecerão exatamente onde os ganhos no mundo real são maiores.


