GPT 5.6 chegou e trouxe uma mudança de postura. Em vez de um modelo único para todo mundo, a OpenAI liberou uma família com três níveis. Sol é o carro chefe, Terra equilibra capacidade e custo para o trabalho diário, e Luna entrega desempenho pelo menor preço da linha.

Antes de tudo, vale entender a lógica do nome. O número indica a geração, enquanto Sol, Terra e Luna identificam camadas de capacidade que evoluem no próprio ritmo. Ou seja, a versão deixou de ser um degrau único. Agora ela virou uma grade de opções.

Para quem escreve código, isso importa. Afinal, a decisão de arquitetura passou a incluir uma pergunta que antes ficava no fim da fila: qual camada de inteligência este endpoint realmente precisa?

GPT 5.6 transforma escolha de modelo em decisão de arquitetura

Durante anos, a pergunta era simples. Você pegava o modelo mais forte disponível e seguia. Hoje, porém, o cálculo mudou.

O preço por 1 milhão de tokens ficou assim: Sol custa 5 dólares na entrada e 30 na saída, Terra custa 2,50 e 15, e Luna custa 1 e 6. Portanto, a diferença entre a camada mais alta e a mais baixa chega a cinco vezes.

Além disso, todas compartilham a mesma base técnica. Os três modelos têm janela de contexto de 1 milhão de tokens, saída máxima de 128 mil tokens e corte de conhecimento em 16 de fevereiro de 2026. Dessa forma, a escolha entre elas raramente é sobre contexto. Ela é sobre esforço de raciocínio e sobre orçamento.

Na prática, o resultado é direto. Você deixa de ter um modelo padrão e passa a ter uma política de roteamento.

Um roteador simples resolve boa parte dos casos

Primeiro, mapeie suas rotas por criticidade. Depois, atribua camadas.

• Luna: classificação, extração, sumarização curta, testes de regressão de prompt.
• Terra: revisão de código, geração de testes, refatoração de escopo médio.
• Sol: migrações longas, depuração de bugs difíceis, tarefas agênticas multiarquivo.

Em seguida, meça. Sobretudo, meça custo por tarefa concluída, jamais custo por token.

Programmatic Tool Calling coloca o modelo escrevendo o orquestrador

Este é o recurso que mais deve mexer com pipelines existentes. O Programmatic Tool Calling executa JavaScript escrito pelo modelo dentro de um runtime V8 isolado e sem acesso à rede.

Pense no que isso substitui. Antes, o modelo pedia uma ferramenta por vez. O seu backend recebia a chamada, executava, devolvia o resultado e esperava a próxima decisão. Consequentemente, cada passo custava uma ida e volta completa ao modelo.

Agora o modelo pode compor a orquestração em código. Ele escreve JavaScript que coordena as chamadas de ferramenta em uma única rodada. Logo, o número de turnos cai. E, quando o número de turnos cai, o custo de tokens de raciocínio cai junto.

Ainda assim, mantenha o ceticismo de engenheiro. O sandbox sem rede reduz a superfície de ataque, porém não elimina a necessidade de validar saídas. Nesse sentido, trate o código gerado como entrada de usuário. Sempre.

Multiagentes e modo ultra: paralelismo virou recurso nativo da API

O padrão de subagentes saiu dos frameworks e entrou no núcleo da plataforma. O recurso multiagente permite que o modelo abra subagentes para trabalho focado e paralelo, em beta na Responses API.

Os números ajudam a dimensionar o ganho. O modo ultra roda quatro agentes em paralelo e eleva o Terminal Bench 2.1 de 88,8% para 91,9%. Com ultra, o Sol também chega a 92,2% no BrowseComp.

Por outro lado, paralelismo cobra o preço de sempre. Quatro agentes consomem quatro vezes mais contexto. Portanto, use ultra onde o custo do erro é alto, não onde o custo do erro é um retrabalho de dois minutos.

Cache com breakpoints explícitos muda a matemática de custo

Esta parte passa despercebida e deveria estar no topo da sua lista. O GPT 5.6 introduziu cache de prompt mais previsível, com breakpoints explícitos e vida mínima de cache de 30 minutos.

A cobrança também mudou. A partir do GPT 5.6, a escrita de cache é faturada a 1,25 vez a taxa de entrada não cacheada, enquanto a leitura mantém o desconto de 90%.

Ou seja, você paga um pouco mais para gravar e continua economizando muito para ler. Assim, prompts de sistema longos, esquemas de ferramentas e trechos de repositório finalmente compensam. Basta marcar o breakpoint no lugar certo.

Um erro comum aparece aqui. Muita gente grava cache de conteúdo que muda a cada requisição. Nesse caso, o custo sobe sem retorno. Antes de tudo, separe o que é estável do que é volátil.

Benchmarks do GPT 5.6: onde ele lidera e onde ainda apanha

A OpenAI abriu a disputa com números. O Sol lidera o Artificial Analysis Coding Agent Index com 80 pontos, 2,8 acima do Claude Fable 5. No Agents’ Last Exam, que avalia fluxos profissionais longos em 55 áreas, o Sol marcou 53,6.

Sam Altman também afirmou que o Sol é 54% mais eficiente em tokens em tarefas agênticas de código. Eficiência de token, aliás, virou métrica de marketing tão relevante quanto acurácia.

Contudo, existe um ponto sensível. No SWE Bench Pro, o Sol fica em 64,6%, enquanto o Claude Mythos 5 marca 80,3% e o Fable 5 marca 80%. A distância passa de 15 pontos em um benchmark que a comunidade acompanha de perto.

Curiosamente, a OpenAI publicou uma auditoria do próprio benchmark. A empresa estima que cerca de 30% das tarefas do SWE Bench Pro estejam quebradas e recomenda cautela na leitura dos resultados. Cabe a você decidir o peso desse argumento.

Há mais nuance nos dados. No Toolathlon, o Sol marca 58%, contra 61,7% do Fable 5 e 59,9% do Opus 4.8, e o Luna supera o Terra, invertendo a ordem das camadas. Em contexto longo, o Luna cai para 41,3% no OpenAI MRCR v2 com oito agulhas.

Em resumo, camada mais cara nem sempre significa resultado melhor na sua tarefa. Por isso, benchmark público serve como hipótese. O teste real acontece no seu repositório.

Cibersegurança: mais capacidade ofensiva contida por salvaguardas em camadas

A OpenAI foi explícita sobre risco. Segundo a empresa, o Sol chegou com a pilha de segurança mais robusta até hoje, com semanas dedicadas a encontrar fraquezas e resistir a ataques reais.

As salvaguardas foram configuradas por capacidade de cada modelo, preservando trabalho legítimo como revisão de código, pesquisa de vulnerabilidade, desenvolvimento de patch, depuração e testes defensivos. A meta declarada é tornar a atividade ofensiva proibida mais difícil, mais incerta e mais detectável.

Para times de AppSec, isso abre espaço concreto. Modelagem de ameaças, revisão de código, correção e exercícios de blue team estão entre os usos citados.

Ainda assim, mantenha o mesmo rigor de sempre. Modelo capaz continua sendo modelo probabilístico. Portanto, nenhum achado entra em produção sem verificação humana.

Velocidade também virou parte do produto

Um detalhe fácil de ignorar merece atenção. A OpenAI anunciou o Sol rodando na Cerebras a até 750 tokens por segundo em julho.

Quando a latência despenca, padrões de uso mudam. Autocomplete agêntico, revisão inline e correção em tempo de digitação deixam de parecer luxo. Consequentemente, decisões de UX que dependiam de espera passam a caber no fluxo.

O que fazer com o GPT 5.6 ainda nesta semana

Grandes lançamentos geram muito texto e pouca ação. Então, vá direto ao que produz sinal.

1. Monte um conjunto de avaliação com 20 tarefas do seu domínio. Use bugs reais, PRs reais e tickets reais.
2. Rode as três camadas no mesmo conjunto. Depois, compare custo por tarefa resolvida.
3. Ative breakpoints de cache no seu prompt de sistema. Em seguida, meça a variação de gasto em uma semana.
4. Teste Programmatic Tool Calling em um fluxo com três ou mais ferramentas. Assim, o ganho de turnos fica visível.
5. Reserve o modo ultra para tarefas caras de errar. Migrações e incidentes qualificam. Renomear variável, jamais.
6. Registre tokens de raciocínio, não apenas tokens totais. Afinal, é ali que o custo escapa.

A conclusão desconfortável para times de engenharia

GPT 5.6 empurra o dev para um papel novo. Escrever o prompt virou a parte fácil. Escolher a camada, desenhar o cache, isolar a ferramenta e auditar o agente formam o trabalho real.

Além disso, a plataforma absorveu abstrações que ontem viviam no seu código. Subagentes, orquestração e cache explícito agora moram na API. Por isso, frameworks intermediários vão precisar justificar a existência.

Por fim, resta a pergunta que nenhum benchmark responde. Você tem contexto organizado, testes confiáveis e critérios claros de aceite? Quando a resposta é sim, GPT 5.6 acelera. Quando a resposta é não, ele apenas acelera a bagunça.