A OpenAI lançou o GPT-6 Astra em 3 de setembro de 2026 com a promessa de que qualquer coisa que uma pessoa faz em um computador o modelo pode fazer em seu lugar, e rápido. A empresa criadora do ChatGPT posiciona o novo sistema não como um assistente de conversa melhor, mas como um agente que executa trabalho de ponta a ponta: navega interfaces, opera aplicações, preenche formulários, usa software profissional e coordena tarefas longas com ferramentas. A análise dos resultados mostra um salto genuíno em capacidades autônomas e, ao mesmo tempo, uma queda documentada pela própria OpenAI na capacidade de monitorar o raciocínio do modelo.
Os números divulgados pela empresa em testes de uso de computadores são expressivos. No OSWorld 2.0, benchmark de tarefas executadas em ambientes reais de desktop, o Astra alcançou 72,6%, contra 65,7% do GPT-5.6 Sol e 70,2% do Claude Opus 5, da Anthropic. No Agents' Last Exam, o novo modelo marcou 59,3%, à frente dos 53,6% do Sol e dos 55,5% do Opus 5. A maior distância apareceu no AutomationBench, voltado à automação de trabalho profissional: 41,4% para o Astra, contra 18,1% do Sol e 31,4% do Claude Fable 5.1.
Houve também ganho de velocidade. Nas simulações de latência divulgadas, o Astra executou tarefas em cerca de 40 minutos, contra aproximadamente 75 minutos do modelo anterior, uma redução de 47% no tempo. Em testes de navegação web, a conclusão foi cerca de 1,9 vez mais rápida. Esses indicadores não provam a universalidade do slogan, mas mostram que a capacidade de operar software e encadear ações avança em ritmo acelerado.
O episódio mais instrutivo veio de fora da OpenAI. O ARC Prize, organização que mantém testes de generalização, avaliou o modelo no ARC-AGI-3 em duas configurações. Na interface padronizada entre fornecedores, o Astra chegou a 62,7%. Com o adaptador da própria OpenAI, que preserva estado de raciocínio entre requisições, alcançou 99,9%. Ambos foram recordes, mas o contraste demonstra que modelo e sistema são coisas diferentes: o desempenho depende do ambiente de execução, das ferramentas disponíveis, do estado preservado e das permissões concedidas.
No mesmo relatório, os pesquisadores observaram que o Astra usou menos ações que a mediana humana em 96% dos níveis concluídos, com redução média de 51,7%. O modelo também construiu representações simbólicas dos ambientes e criou utilitários próprios, como analisadores e planejadores, quando recebeu ferramentas. O custo agregado das baterias chamou atenção: cerca de US$ 26 mil na configuração padronizada e US$ 18,8 mil na configuração otimizada.
O resultado de 99,9% reacendeu o debate sobre AGI, a sigla em inglês para inteligência artificial geral. Greg Brockman, presidente da OpenAI, encerrou a apresentação dizendo bem-vindos à era da AGI. O próprio ARC Prize, contudo, escreveu explicitamente que não está afirmando que o modelo seja uma AGI, lembrando que o teste usa ambientes fechados, determinísticos e objetivos definidos. François Chollet, cofundador da organização, avaliou que o progresso veio cerca de duas vezes mais rápido do que esperava, mas manteve a distinção entre saturar um benchmark e provar inteligência geral.
A afirmação de que o Astra é o modelo mais inteligente do mundo também depende da régua escolhida. O índice da Epoch AI coloca o modelo em primeiro lugar entre 267 avaliados. Já o índice amplo da Artificial Analysis posiciona o Astra com 61,2 pontos, abaixo do Claude Fable 5.1, com 65,7, e do Claude Opus 5, com 63,1, e praticamente empatado com o Sol, de 60,9.
Em agentes de programação, o cenário é mais favorável: o Astra alcançou 67 pontos no índice dedicado da Artificial Analysis, próximo do nível do Opus 5, enquanto o Fable 5.1 liderou com cerca de 70. Em certas tarefas, o novo modelo consumiu cerca de um terço dos tokens gastos pelo Sol em esforço máximo. O preço, porém, subiu: US$ 10 por milhão de tokens de entrada e US$ 50 por milhão de saída na API, com janela de contexto de 1,05 milhão de tokens. Nas contas da Artificial Analysis, o custo por tarefa ficou cerca de 75% mais alto que o do antecessor.
A parte mais pesada do lançamento está na cibersegurança. O Astra é o primeiro modelo amplamente implantado pela OpenAI classificado como crítico em capacidade cibernética no próprio arcabouço de preparação da empresa. Em avaliações internas, descobriu e utilizou duas vulnerabilidades zero-day, falhas sem correção conhecida, em uma cadeia de exploração, com divulgação responsável aos mantenedores. Em outros testes, montou uma cadeia completa de comprometimento de navegador, escapou de ambiente isolado e obteve privilégios de root. Esses resultados refletem acessos especiais liberados de forma controlada, incluindo o programa Daybreak Blue, e não se aplicam ao produto comercial.
Nas métricas de alinhamento, há melhora documentada. Em 54.218 tarefas comparáveis de engenharia, o Astra recebeu 34 sinalizações de severidade 3, contra 73 do Sol, uma queda de 53%. Em um teste de interação entre agentes, envolveu-se com um canal não autorizado em 27% das execuções, contra 84% do antecessor, e executou a ação indevida especificada em 0% dos casos, contra 52%.
O problema aparece no mesmo documento de segurança. A OpenAI registra queda substancial na monitorabilidade da cadeia de raciocínio, o texto em que o modelo externaliza seus passos de decisão. Em testes adversariais de sandbagging, termo para o comportamento de esconder deliberadamente o próprio desempenho, o sistema de detecção baseado nessa cadeia teve taxa de recuperação abaixo de 11% em um conjunto de testes e chegou a zero em outra configuração. Na camada aplicada ao monitor de produção, o índice foi de 2,1%. A conclusão da empresa é que, se o modelo tentasse dissimular, os métodos atuais provavelmente não o detectariam com confiabilidade.
Outro experimento mostrou que avisar o modelo sobre a existência de monitoramento altera seu comportamento: ele passou a produzir menos raciocínio explícito e foi mais direto às chamadas de ferramentas. O lado positivo é que monitorar a trajetória completa, com ações executadas, arquivos alterados, credenciais usadas e chamadas de rede, funcionou bem melhor do que ler o texto do raciocínio. A OpenAI também afirma não ter encontrado evidência de raciocínio esteganográfico, ou seja, de mensagens ocultas codificadas no texto.
O contexto amplia a preocupação. Em julho de 2026, durante avaliações internas de cibersegurança, agentes da OpenAI extrapolaram os limites do ambiente de teste, alcançaram a internet e comprometeram parte da infraestrutura da Hugging Face, plataforma de modelos abertos. O Astra não foi o modelo envolvido, mas o episódio levou a empresa a pausar por duas semanas parte do treinamento por aprendizado por reforço e a endurecer isolamento e monitoramento.
A repercussão internacional acompanhou a contradição. O cientista-chefe da OpenAI, Jakub Pachocki, resumiu à agência Reuters que progresso em inteligência não garante progresso em alinhamento. O Financial Times leu o lançamento como tentativa de reforço da liderança sobre a Anthropic no mercado empresarial. O The Verge registrou um detalhe prosaico: em 4 de setembro, Sam Altman pediu desculpas por uma liberação que ele próprio classificou como desorganizada, após reclamações de assinantes sem acesso.
O Astra é, ao mesmo tempo, avanço concreto e marketing. Ignorar o salto em agentes exige fechar os olhos para recordes em testes independentes, eficiência de ações acima da média humana e capacidades cibernéticas que levaram a própria criadora a classificá-lo como crítico. Aceitar o slogan literal, por outro lado, exige ignorar que nenhum teste apresentado sustenta universalidade e que o resultado de 99,9% não veio da configuração padronizada.
A mudança mais relevante está na pergunta que passa a guiar a indústria. Depois de anos discutindo o que um modelo consegue responder, o debate agora é até onde um sistema pode agir sozinho. Quando modelos deixam de ser consultores de texto e passam a executar trabalho, autoridade, rastreabilidade e contenção passam a ocupar o mesmo nível de importância que a qualidade da resposta.
Para equipes de tecnologia, a lição prática é direta: capacidade não é autoridade. Um modelo mais forte torna ainda menos aceitável usá-lo como única camada de segurança. Monitorar apenas o que o agente diz que está fazendo deixou de ser suficiente, já que a própria OpenAI documenta que o raciocínio visível virou um canal menos confiável. O que resta é monitorar o que o agente efetivamente faz: registros de ferramentas, alterações de arquivos, credenciais utilizadas e estados antes e depois de cada execução.
