
- Leitura
- 9 min
- Tabelas
- 1
- Código
- 1
- Fontes
- 1
GPT-6.2 Astra chega 20% mais barato que o antecessor e empata no preço com a Claude Fable 5.2; GPT-6.2 Sol mantém o mesmo preço das duas gerações anteriores, metade do valor de três gerações atrás. Para quem roda agentes em produção, a conta muda mais no cache do que no token bruto.
A OpenAI anunciou nesta terça-feira, 17 de novembro de 2026, dois modelos novos: GPT-6.2 Astra e GPT-6.2 Sol. O lançamento foi registrado por Simon Willison em seu blog, que também já atualizou sua ferramenta de linha de comando llm (versão 0.38) para suportar os dois modelos via API, com os identificadores gpt-6.2-astra e gpt-6.2-sol.
O que está em disputa e pra quem
A OpenAI descreve os dois modelos como pontas opostas do mesmo catálogo. Em comunicado, a empresa definiu os papéis assim:
Estamos apresentando o GPT-6.2 Astra, nosso novo modelo de fronteira para seus projetos mais difíceis, e o GPT-6.2 Sol, nosso modelo eficiente e versátil para o trabalho do dia a dia.
OpenAI, comunicado de lançamentoWe're introducing GPT‑6.2 Astra, our new frontier model for your hardest projects, and GPT‑6.2 Sol, our efficient, versatile model for everyday work.
Essa divisão não é nova: a linhagem Astra/Sol já vinha do GPT-6 Astra e do GPT-6.1 Sol, com o GPT-5.6 Sol como geração anterior da linha mais barata. O que muda agora é o preço, não só a capacidade.
Para quem decide o que rodar em produção, o critério de escolha raramente é "qual modelo é mais inteligente" isoladamente. É quanto custa manter uma sessão de agente rodando por horas, com múltiplas chamadas e muito contexto reaproveitado via cache, contra quanto custa resolver tarefas simples e repetitivas em volume. Astra e Sol respondem a essas duas perguntas de formas diferentes, e é aí que mora a disputa real.
Critérios de comparação
| Critério | GPT-6.2 Astra | GPT-6.2 Sol |
|---|---|---|
| Papel no catálogo | Modelo de fronteira para tarefas difíceis | Modelo eficiente para uso cotidiano |
| Nome na API | gpt-6.2-astra | gpt-6.2-sol |
| Preço de input | $8 / MTok | $2 / MTok |
| Preço de output | $40 / MTok | $10 / MTok |
| Preço de input em cache | $0.40 / MTok | não informado |
| Variação de preço vs. antecessor direto | 80% do preço do GPT-6 Astra ($10/$50) | Igual ao GPT-6.1 Sol e ao GPT-6 Sol; metade do GPT-5.6 Sol ($4/$20) |
| Equivalente direto da concorrência | Claude Fable 5.2, também a $8/$40 | não informado |
| Desempenho no teste informal (três.js "Yonkers mech") | Não superou Claude Fable 5.2 nem Gemini 4 Carbon | Não superou Claude Fable 5.2 nem Gemini 4 Carbon |
| Percepção inicial da comunidade | Mista; estilo de comunicação criticado por Theo Browne | não informado |
Análise por critério
O corte de preço do Astra é o dado mais concreto do anúncio. O GPT-6 Astra custava $10 por milhão de tokens de entrada e $50 por milhão de saída; o GPT-6.2 Astra caiu para $8 e $40, exatamente 80% do valor anterior. Willison nota que o mesmo movimento aconteceu do lado da Anthropic: a Claude Fable 5.2 também ficou em 80% do preço da Fable 5, chegando ao mesmo patamar de $8/$40. Ou seja, os dois modelos de fronteira mais cotados do mercado hoje custam exatamente o mesmo por token.

O corte no preço de cache é proporcionalmente maior e, para quem constrói agentes, é o número que mais importa. O token de entrada em cache caiu de $1 para $0.40 por milhão, uma redução de 60%, contra os 20% do token comum. Em sessões agênticas longas, onde o mesmo contexto (histórico de conversa, arquivos do repositório, instruções de sistema) é reenviado a cada chamada, é o cache que domina a fatura. Um agente que reprocessa 50 mil tokens de contexto a cada iteração paga uma fração muito menor por essa repetição do que pagava há uma geração.
Já o GPT-6.2 Sol não mexeu no preço: $2 de entrada e $10 de saída por milhão de tokens, o mesmo valor do GPT-6.1 Sol e do GPT-6 Sol. A fonte não traz o preço de cache do Sol, então essa célula fica como não informado. O dado comparativo relevante aqui é histórico: esse preço é metade do que custava o GPT-5.6 Sol ($4/$20), o que significa que o preço do tier barato está estável nas duas últimas gerações (6.1 Sol e 6 Sol), depois de ter caído pela metade na transição anterior, saindo do GPT-5.6 Sol, sem repasse de custo para o desenvolvedor que usa o tier básico.
Em resumo: quem paga mais caro (tier Astra) viu o preço cair; quem já pagava pouco (tier Sol) não viu mudança, porque já estava no piso da faixa.
Estamos apresentando o GPT-6.2 Astra, nosso novo modelo de fronteira para seus projetos mais difíceis, e o GPT-6.2 Sol, nosso modelo eficiente e versátil para o trabalho do dia a dia.
No original: We're introducing GPT‑6.2 Astra, our new frontier model for your hardest projects, and GPT‑6.2 Sol, our efficient, versatile model for everyday work.
Fonte: Simon WillisonSobre capacidade, o material disponível não traz benchmarks formais com números, só um teste informal e qualitativo que Willison já usa há tempos: pedir para o modelo desenhar um pelicano andando de bicicleta, e agora também um teste mais elaborado com animação em três.js. O prompt usado foi:

Make a three js animation where yonkers stands up as a big mech (cool stand up motion) and stomps around manhattan and queens and Brooklyn, use openstreetmap mapping dataRodando esse prompt nos dois modelos, usando o nível de esforço "Ultra" no Codex CLI, Willison relata que nem Astra nem Sol conseguiram transformar Yonkers de forma convincente num mecha gigante, e que o resultado ficou atrás do que Claude Fable 5.2 e Gemini 4 Carbon entregaram no mesmo teste. Não há pontuação numérica nessa comparação, apenas o julgamento qualitativo do autor, o que é importante deixar claro: não é benchmark reproduzível, é impressão de uso.
Para ilustrar a diferença entre os dois modelos lado a lado, Willison gerou um vídeo comparativo usando o próprio GPT-6.2 Astra (modo Ultra) dentro do aplicativo desktop do Codex. O processo, descrito por ele, foi direto: pediu ao modelo para pegar as duas gravações (uma do Astra, outra do Sol) e montar um vídeo quadrado de 2000x2000 pixels com a gravação do Astra na metade de cima e a do Sol na de baixo, cada uma com um rótulo sobreposto identificando o modelo.
Em uma segunda instrução, pediu para estender a duração para 20 segundos. O resultado é um exemplo concreto de uso do próprio Astra como ferramenta de edição de vídeo, não só de geração de código.
Sobre a recepção da comunidade, o retorno mais citado até agora é de Theo Browne, que testou o Astra antes do lançamento e mandou uma devolutiva direta para a OpenAI:
Quando esse modelo está trabalhando em tarefas longas, ele consegue acionar muitos subagentes e gerenciá-los razoavelmente bem. Só que, em algum momento, ele vai te perguntar algum detalhe de implementação interno totalmente sem sentido, que você não tem a menor condição de entender, muito menos de opinar sobre.
Theo Browne, carta de feedback pré-lançamentoWhen this model is working on long tasks, it can pull in a lot of subagents and manage them pretty well. It will then proceed to randomly ask you some weird internal implementation detail bullshit that you could not under any earthly circumstance understand, much less have input on.
Browne dá um exemplo concreto: pediu ao modelo, via comando /goal, para criar uma nova fase para o jogo Outer Wilds. Duas horas depois, a tarefa estava "bloqueada" porque o modelo queria saber se o revisor do arquivo r24 grava seus clipes em 24_g521.mp4 ou em 24_p11.mp4. É um detalhe de implementação interno que nenhum usuário tem contexto para responder, e que travou uma tarefa longa até alguém decidir arbitrariamente.
Veredito por caso de uso
Para quem mantém agentes de IA↳Agentes de IA42 conteúdosOpera passa a integrar ChatGPT, Claude e outros agentes de IADev (Back & Front) · mar 2026Operações mais inteligentes, decisões mais rápidas: o impacto da IA agêntica na rotina de TIAI · abr 2026Adobe aposta em orquestração de agentes de IA: o que muda para devsDev (Back & Front) · abr 2026Ver tudo em AI → rodando por horas em produção, com muito contexto reaproveitado a cada chamada, o GPT-6.2 Astra é a escolha que faz sentido financeiro agora: a queda de 60% no preço do token em cache pesa mais na fatura mensal do que a diferença de 20% no token comum, e o modelo compete de igual para igual em preço com a Claude Fable 5.2.
Quando esse modelo está trabalhando em tarefas longas, consegue acionar muitos subagentes e gerenciá-los razoavelmente bem. Depois vai te perguntar aleatoriamente um detalhe de implementação interna completamente sem sentido que você não tem como entender.
No original: When this model is working on long tasks, it can pull in a lot of subagents and manage them pretty well. It will then proceed to randomly ask you some weird internal implementation detail bullshit that you could not under any earthly circumstance understand, much less have input on.
Para tarefas cotidianas, volumosas e previsíveis (geração de texto simples, resumo, classificação, scripts pequenos), o GPT-6.2 Sol segue sendo a opção mais previsível: preço estável nas últimas duas gerações, metade do que custava o GPT-5.6 Sol, sem exigir orçamento extra para rodar em escala.
Quem já roda produção em cima de Claude Fable 5.2 e está satisfeito não tem motivo técnico forte para migrar: o teste informal de Willison sugere que o Astra ainda fica atrás da Fable 5.2 em tarefas criativas complexas, e o preço dos dois ficou igual. A migração, nesse caso, teria que ser justificada por outro fator (latência, integração, contrato), não por custo ou capacidade.
Para times pequenos ou projetos em prototipagem com orçamento apertado, o Sol continua sendo o ponto de entrada mais barato dentro do catálogo OpenAI, mas vale rodar o mesmo teste informal do Yonkers mech (ou um equivalente mais simples) antes de comprometer a arquitetura, porque nem Astra nem Sol se saíram bem nesse teste específico de geração de código criativo complexo.
E para quem constrói fluxos agênticos autônomos de longa duração, o relato de Theo Browne é um alerta prático: o Astra pode travar uma tarefa longa pedindo decisões de implementação interna que o usuário não tem como responder. Isso pede supervisão humana mais ativa do que o esperado para um modelo vendido como "gerencia subagentes pretty well".
O que ainda não dá pra afirmar
O material disponível não traz benchmarks formais com números reproduzíveis, apenas impressões qualitativas de um teste informal (o pelicano de bicicleta e a animação do mecha de Yonkers) e o relato de um único revisor pré-lançamento. Não há dados sobre latência, tamanho de janela de contexto, taxa de acerto em tarefas de código real medidas por suíte de testes, nem o preço de cache do GPT-6.2 Sol, que a fonte simplesmente não menciona.
Também não há comparação direta entre o GPT-6.2 Sol e um concorrente equivalente (como um modelo de custo baixo da Anthropic ou do Google), então qualquer veredito sobre o Sol frente à concorrência direta fica em aberto até que apareçam esses números. O material recebido não trouxe nenhuma URL de vídeo do YouTube, Vimeo ou do canal oficial da OpenAI que coubesse nas regras de mídia deste texto, nem imagem do banco do próprio veículo, por isso este artigo não traz player embutido.
Fonte: Simon Willison
Highlights
- GPT-6.2 Astra cai para $8/$40 por milhão de tokens, 20% mais barato que antecessor
- Cache de Astra reduz 60%, de $1 para $0.40 por milhão de tokens para agentes longos
- GPT-6.2 Sol mantém $2/$10, preço estável há três gerações, metade do GPT-5.6 Sol
- Astra fica atrás de Claude Fable 5.2 em teste criativo de geração de código
- Astra pode travar tarefas longas pedindo decisões de implementação interna que usuário não consegue responder
Este artigo foi escrito por Alan Andrade, colunista de inteligência artificial. Conteúdo produzido por agente de IA da redação iMasters, sob revisão editorial humana. Saiba como produzimos no expediente.
Cimed e Enter: quando o rosto do founder vira o canal de confiança da marca
No BRASA Summit Europa, Brunno Matias ouviu como Cimed e Enter usam a voz de quem faz o trabalho para construir confiança.















