OpenAI mostra por dentro como usa agentes de código na própria pesquisa

A OpenAI publicou um material chamado Research acceleration: The view inside OpenAI, comentado por Simon Willison em seu weblog no dia 6 de setembro de 2026. O texto descreve como o próprio time de pesquisa da empresa passou a usar agentes de código (coding agents) no dia a dia. E, segundo Willison, o mesmo dia trouxe outro ensaio da casa, An Alien Mind, do cientista-chefe Jakub Pachocki, ambos girando em torno de RSI, sigla de Recursive Self-Improvement, que o material sequer se dá ao trabalho de expandir.

Para quem constrói software, o detalhe importante não é a retórica sobre auto-aprimoramento. É a admissão, vinda de dentro, de que 2026 foi o ano em que a engenharia agêntica "decolou de verdade" na OpenAI, nas palavras de Willison. Ou seja: a empresa que vende as ferramentas está, ela mesma, reorganizando seu fluxo de pesquisa em torno delas. Isso muda a régua de expectativa para qualquer time que ainda trata agente de código como brinquedo de fim de semana.

O que o gráfico realmente diz

O ponto que Willison destaca é um gráfico de gasto de IA↳Inteligência artificial440 conteúdosUX e IA: Transformando Experiências Digitais com Inteligência ArtificialProduto & UX · jan 2025MCP: O que é e por que você vai ouvir falar disso em breve?AI · jul 2025IA generativa e a urgência de reconstruir nossa relação com a verdadeAI · jun 2025Ver tudo em AI → por pesquisador. Houve uma aceleração significativa no fim de julho de 2026. A leitura dele, apresentada explicitamente como especulação, é que esse é o momento em que funcionários internos ganharam acesso ao modelo depois lançado como GPT-6 Astra.

I'm intrigued at what caused that significant acceleration in AI spend per researcher in late July, my best guess is that's when internal employees gained access to the model later released as GPT-6 Astra.

Simon Willison

Vale separar o fato da inferência. O fato reportado é a curva de gasto por pesquisador subindo. A associação com o Astra é hipótese de Willison, não anúncio oficial da OpenAI. Mas a hipótese é plausível e diz algo concreto sobre a economia da coisa: quando um modelo melhor entra em cena, o custo por pessoa sobe, não desce. Modelos mais capazes são usados de forma mais intensa (mais tokens, mais chamadas, mais loops de agente), e o ganho aparece na velocidade de pesquisa, não na conta menor.

Na prática, isso é o oposto da intuição de quem espera que "o modelo novo vai baratear meu pipeline". Quem adota agentes de forma séria tende a gastar mais em inferência, porque o gargalo deixa de ser o custo do token e passa a ser o tempo humano economizado.

Por que isso importa para quem escolhe stack

O ângulo prático para o desenvolvedor brasileiro é a decisão de arquitetura: usar um modelo de fronteira como o Astra via API, apostar em modelos open-source rodados em infra própria, ou misturar os dois. O material da OpenAI não resolve essa escolha, mas oferece um sinal de mercado útil: o próprio dono do modelo topa gastar mais por cabeça para acelerar entrega. Isso reforça um trade-off que já aparece em qualquer projeto com agente:

O caso híbrido é o que a curva da OpenAI, indiretamente, sugere como caminho maduro: modelo forte não é para tudo, é para o loop que realmente destrava trabalho. Num fluxo agêntico típico, dá para reservar o modelo caro para etapas de raciocínio e planejamento, e delegar tarefas mecânicas (formatação, extração, testes triviais) a modelos menores ou locais.

Como um loop de agente de pesquisa se parece

O material não publica o código interno da OpenAI, então o esboço abaixo é uma reconstrução do padrão que times de engenharia agêntica vêm adotando, não um trecho da fonte. Serve para tornar concreta a ideia de "gasto por pesquisador":

# Padrão de agente que explica por que o custo por pessoa sobe:
# cada tarefa vira múltiplas chamadas em loop até passar nos testes
for task in research_tasks:
    plan = model_forte.plan(task)          # raciocínio caro
    code = model_forte.write_code(plan)    # geração
    while not tests_pass(code):
        feedback = run_tests(code)         # execução real
        code = model_forte.fix(code, feedback)  # iteração cara
    commit(code)

Cada while que não converge de primeira multiplica o gasto. É por isso que um modelo melhor, que resolve em menos iterações, pode ao mesmo tempo elevar o gasto total (porque é usado em mais tarefas) e reduzir o custo por tarefa concluída. Medir custo por token isolado engana; o número honesto é custo por tarefa entregue.

O que fica em aberto

Há limites claros no que a fonte entrega. Willison é o primeiro a marcar o tom: ele chama o dia de "RSI day" na OpenAI com ironia, apontando que o material trata Recursive Self-Improvement quase como novo rótulo de AGI, sem sequer explicar a sigla. Ou seja, boa parte do texto é posicionamento institucional, não engenharia reproduzível. Não há benchmark público de Astra nesse post específico, não há custo em dólar por tarefa, nem detalhe de qual agente interno a OpenAI usa.

Para o dev, a conclusão prática é sóbria: o sinal de que engenharia agêntica virou padrão até na fronteira é real e vale calibrar expectativa por ele. Mas a decisão entre Astra, open-source ou híbrido continua sendo um exercício de medir o seu custo por tarefa, no seu fluxo, com seus dados de latência e privacidade. O caminho que faz sentido seguir é rodar a mesma tarefa nas três configurações, cronometrar iterações até convergir e comparar custo por entrega, não por token. É esse número, e não a curva interna da OpenAI, que paga a conta no fim do mês.

Quem quiser acompanhar a leitura crítica desse tipo de material, o próprio Willison mantém uma cobertura contínua de lançamentos de LLM em simonwillison.net, e vale ler o post original para ver o gráfico citado na íntegra.

Fonte: Simon Willison