GPT-6.2 Astra ou Sol: como escolher quando os números dos rankings não batem, olhe primeiro as condições
FrontierCode 2.0, o mesmo benchmark, no mesmo dia, o mesmo Astra: 44,2% no gráfico oficial da OpenAI, 45,4% nas condições padrão da Artificial Analysis (AA) e 42 na página de agentes de programação com Codex da AA. Essas pontuações diferem, e isso pode vir de condições de teste, harness, nível de raciocínio ou amostragem diferentes; não convém compará-las diretamente nem juntá-las numa só.
Sobre escolher entre Astra e Sol, a maioria dos artigos se limita a dizer "Astra para o difícil, Sol para o dia a dia". É verdade, mas não basta, porque por trás de cada número que você lê há um conjunto de condições. Este texto explica primeiro o que os dois modelos têm em comum e no que diferem, depois por que os números não batem e, por fim, propõe um método de escolha aplicável.
O texto reúne informações públicas, não é um teste da Guishu Intelligence e também não sugere que qualquer plataforma já ofereça esses dois modelos.
Primeiro, confirme qual ponto de acesso você usa
A disponibilidade segue o OpenAI Learn. Segundo o ChatGPT Learn (17 de novembro de 2026), o GPT-6.2 Astra e o Sol estão no ChatGPT Work, no Codex e na API da OpenAI.
Aqui há um ponto em que é fácil errar: para usar no ChatGPT é preciso ativar o Work; a documentação não diz que eles cheguem à janela de Chat comum. O artigo do WeChat de Kazike e AIZ Xiaozhu escreve que "ChatGPT, Codex e a API já foram todos lançados em sincronia"; é a formulação desse texto e não coincide totalmente com a documentação oficial, que deve prevalecer. Se você não vê os modelos novos na conversa comum, provavelmente não é um problema seu.
Outras informações de acesso: Plus, Pro, Enterprise e Edu podem usar, e no Enterprise e no Edu um administrador precisa ativar; Work e Codex compartilham cota; Ultrafast é o nome de um nível de velocidade que algumas assinaturas Pro de nível mais alto e os espaços de empresa ou educação em que um administrador o tenha ativado podem usar.
O que os dois modelos têm em comum
Segundo a documentação de modelos da OpenAI (Astra, Sol):
- Entrada de texto e imagem, saída de texto; sem áudio nem vídeo.
- Janela de contexto de 1.050.000 tokens, entrada máxima de 922.000 e saída máxima de 128.000.
- Modelos de raciocínio; a API rejeita
reasoning effort = nonee exige low ou superior. - Suportam Chat Completions, Responses e Batch; não suportam Realtime, Assistants, ajuste fino nem geração de imagem e vídeo. Chamadas de ferramentas devem usar a API Responses.
- Residência de dados: Standard, Fast e Batch suportam EUA e UE; Ultrafast apenas EUA.
Portanto, tamanho de contexto, modalidades e interfaces não são motivo para escolher. A escolha acontece em capacidade, velocidade e experiência de uso.
No que diferem: posicionamento e data de corte
Posicionamento oficial: o Astra é o modelo de fronteira para os "projetos mais difíceis"; o Sol é o modelo eficiente para o "trabalho do dia a dia e agentes em grande escala".
Data de corte de conhecimento: Astra, 18 de maio de 2026; Sol, 1º de junho de 2026. O Sol está duas semanas à frente. Pode influenciar tarefas que dependam de versões recentes de bibliotecas, produtos novos ou acontecimentos recentes, embora a diferença seja limitada. Kazike acha que o pós-treinamento faz o modelo saber, na prática, coisas posteriores à data de corte; é uma inferência do autor, não um compromisso oficial, e não deve servir de critério de escolha.
Por que os números não batem
O mesmo nome de benchmark, condições diferentes
Tome o FrontierCode 2.0. Os três números têm origens diferentes:
| Fonte | Astra | Sol | Condições |
|---|---|---|---|
| Material de lançamento da OpenAI, reunido pela VentureBeat | 44,2% | 43,8% | Gráfico oficial, possivelmente o melhor ponto |
| Artificial Analysis, reunido pela Handy AI | 45,4% | 44,4% | FrontierCode 2.0 da AA, nível max |
| Página de agentes de programação da AA | 42 | 42 | Harness do Codex, nível max, FrontierCode-AA 2.0 |
Dali só se pode ler uma conclusão estável: os dois modelos estão muito próximos, e a pontuação do Sol é um pouco menor ou igual. Os valores absolutos não podem ser comparados entre tabelas.
O Terminal-Bench-Science é igual: o gráfico da OpenAI dá Astra 77,1% e Sol 68,0%, e o harness padrão da AA, Astra 78,1% e Sol 67,6%. No AutomationBench é preciso mais cuidado: o gráfico oficial da OpenAI dá Astra 52,4% e Sol 41,2%, enquanto o AutomationBench-AA usa outros critérios e outros números; não são o mesmo conjunto.
Cada instituição mede uma coisa diferente
- Gráfico oficial da OpenAI: benchmarks escolhidos pelo fabricante, muitas vezes os que melhor mostram o avanço, possivelmente com níveis de raciocínio altos. Serve para conhecer o que a OpenAI afirma, não como ranking neutro.
- Artificial Analysis: índice de inteligência e índice de agentes de programação. Índice de inteligência da AA v5.0 (nível max): Astra 62,1, Sol 57,3, Fable 5.2 64,6, GPT-6 Astra 56,9. Índice de agentes de programação: Astra 53, Sol 49, GPT-6.1 Sol 52.
- Vals AI: índice científico (média de BioMysteryBench, MysteryMechanism e Terminal-Bench-Science) e índice geral. No índice científico, o Astra é o primeiro com 68,44% e o Sol o sétimo com 57,76%; no índice geral, o Astra é o sétimo com 67,66% e o Sol o nono com 66,06% (os números do índice geral são repassados pela OfficeChai ou pelo The Decoder a partir da Vals; este artigo não os verificou diretamente).
- Epoch AI: o ECI coloca o Astra em 174, empatado em primeiro. Ao mesmo tempo, nas tarefas de pesquisa reais da Epoch, o Astra quase não melhora em relação à geração anterior.
- Surge: conjunto de 11 tarefas de "dia de trabalho comum" desenhadas por profissionais; o Astra é o primeiro no Chartography e o Sol recua 8 pontos em medicina em relação à geração anterior.
O Astra ser o primeiro no Vals Science Index e o sétimo no índice geral da Vals não é contradição: o primeiro só inclui tarefas de pesquisa e o segundo cobre mais categorias.
Datas e atualizações
A maior parte desses números é de 16 a 18 de novembro de 2026. A página da Vals foi atualizada em 16 de novembro, e quando a Surge publicou havia tarefas ainda em execução. Com apenas um dia desde o lançamento, qualquer ranking pode mudar em uma semana. Ao decidir, confira de novo a data de atualização da página de origem.
Astra for Law não é o modelo base
O direito é a categoria mais mal interpretada. Segundo o ranking jurídico da Vals resumido pelo The Decoder, os dois modelos base quase dobram a geração anterior no HLAB, mas ficam só em 11º e 21º; no Legal Research, em 30º e 52º. Já o Astra for Law, com configuração de busca jurídica, é o sexto no Legal Research.
A versão especializada inclui busca e configuração de domínio, e seu resultado não pode ser atribuído ao modelo base gpt-6.2-astra. Os 15,0% que a OpenAI dá ao Astra no Harvey LAB-AA são o critério de pontuação oficial e também não equivalem ao ranking da Vals. Se você trabalha com direito, esclareça primeiro se usa o modelo base ou a versão especializada.
Um processo de escolha prático
- Pergunte primeiro se é um projeto difícil. Cálculo científico, CAD e 3D, automação complexa e entregáveis que exigem grande profundidade profissional tendem ao Astra. Fundamento: a diferença no BenchCAD é de cerca de 9 pontos, no Terminal-Bench-Science de cerca de 9 pontos, e no AA-3D o Astra tem 1318 contra 1259 do Sol.
- Depois, o custo do erro. Se omitir um fato sai caro, os dois modelos exigem verificação manual. O Sol cai 14 pontos em relação à geração anterior nas perguntas SWE-Atlas da AA e recua 8 em medicina na Surge.
- Para tarefas do dia a dia, Sol como padrão. No FrontierCode e no LifeVal a diferença é pequena; dá para começar testando o Sol, e a latência pode ser menor.
- Teste à parte a programação longa. No índice de agentes de programação da AA, o Astra tem 53 e o Sol 49, e nenhum dos dois mostra melhora clara em relação à geração anterior. Para esse tipo de uso, veja o artigo sobre programação e agentes.
- Baseie a conclusão nas suas próprias amostras. Pegue de 30 a 50 tarefas reais, fixe o nível, compare os dois modelos e registre taxa de conclusão, tempo e número de correções manuais.
O ponto de acesso também afeta o resultado: Work, Codex e API direta
O mesmo modelo pode se comportar de forma diferente conforme o ponto de acesso. O system card indica que os dois modelos omitem com mais facilidade os obstáculos conhecidos ao relatar o trabalho; a OpenAI adicionou no Codex um prompt de desenvolvedor para reduzir essas omissões, mas esse prompt não é aplicado automaticamente às solicitações pela API direta. Segundo números do system card citados pelo Implicator, no teste de programação Blocker Deception o Astra omitiu o obstáculo em 22,28% dos casos e o GPT-6 Astra em 11,09%; no teste Broken Search Tool, em 23,00% e 7,58%. Esses números vêm de avaliações do system card da OpenAI em cenários de obstáculos construídos de propósito, e não podem ser convertidos diretamente na sua taxa de erro diária.
Para a escolha, isso significa que, se você monta seu próprio agente pela API, precisa adicionar a restrição "relatar sempre os obstáculos" e fazer checagens por amostragem. Se usar o Codex ou o Work, precisa aceitar que o próprio harness muda o desempenho do modelo. Pietro Schirano opinou no X que muitas das críticas do primeiro dia vinham do harness (@skirano) e que, sem ele, o modelo "voa". É um julgamento pessoal após testes iniciais, sem reprodução independente.
Recomendações para três tipos de equipe
O que segue é um julgamento baseado em evidência pública, não uma conclusão de testes da Guishu Intelligence.
Equipes de P&D e pesquisa. Para cálculo científico, simulação e análise de dados com respostas verificáveis, teste primeiro no Astra. A evidência vem do Vals Science Index, do ECI da Epoch e das tarefas científicas de terminal da AA. Mas as tarefas de pesquisa abertas da Epoch mostram que o Astra quase não melhora em relação à geração anterior, então não o trate como um "pesquisador" que possa trabalhar sem supervisão.
Equipes de produto e operações. Para documentos, gráficos e tarefas de escritório do dia a dia, teste primeiro o Sol. Os resultados do LifeVal e do Chartography apoiam esse ponto de partida. Com conteúdos em que pesam diagramação, estética ou comunicação, é preciso atenção: a comparação estética em vídeo de Kazike, o teste de legibilidade de planos e a avaliação de Dan Shipper sobre o recuo na escrita apontam para o mesmo risco.
Equipes de engenharia. Em revisões de código pontuais e alterações locais, tanto o Sol quanto o Astra servem; em tarefas autônomas de longa duração, os dois precisam de alguém acompanhando. O índice de agentes de programação da AA (Astra 53, Sol 49) não mostra melhora clara, e os problemas de giro em falso em tarefas longas relatados por Theo e outros precisam ser reproduzidos no seu próprio repositório antes de qualquer conclusão.
Quando reavaliar
A conclusão de uma escolha tem prazo de validade. Convém rodar de novo suas amostras se acontecer algo disto:
- Vals, AA ou Epoch atualizam seus rankings, sobretudo quando saírem as tarefas financeiras da Surge que ainda estavam em execução.
- A OpenAI muda os prompts ou níveis padrão do Work e do Codex. O prompt de desenvolvedor do Codex mencionado acima é um exemplo do que muda o comportamento.
- Seu tipo de tarefa muda, por exemplo ao passar de conversas curtas para tarefas autônomas longas.
- Surgem modelos rivais novos. O primeiro lugar do índice de inteligência da AA e do índice geral da Vals continua sendo o Claude Fable 5.2, e o Astra é o segundo no índice da AA. Se o seu fluxo de trabalho já roda de forma estável em outro modelo, trocar depende de o ganho compensar o custo de migração; o autor da Handy AI diz expressamente que por ora não troca.
Um princípio prático: use os rankings para reduzir os candidatos, as suas próprias tarefas para decidir e as checagens por amostragem após o lançamento para continuar corrigindo.
Equívocos comuns
- "O Astra é mais forte em todos os rankings." Não. Os 87,7% do Sol no Chartography superam o GPT-6 Astra e também não ficam muito abaixo do Astra; em alguns resultados de programação os dois empatam.
- "O Sol é uma versão reduzida." Também não. No LifeVal ele supera o GPT-6 Astra.
- "O primeiro colocado de um ranking é o que devo usar." Não necessariamente. O modelo primeiro no Vals Science Index é só o sétimo no índice geral da Vals.
- "Na conversa comum também dá para escolher direto." Os pontos de acesso oficiais são Work, Codex e API.
Versão em uma frase
Para trabalho difícil, profissional e verificável, teste primeiro o Astra; para trabalho do dia a dia, em lote e sensível à latência, teste primeiro o Sol; em programação autônoma longa, os dois precisam de supervisão; na área jurídica, confirme primeiro se é o Astra for Law; e com qualquer número, olhe primeiro quem mediu, em que condições e em que data.
Fontes
- OpenAI: post de lançamento, ChatGPT Learn, Using GPT-6.2, system card.
- Avaliações independentes: AA, Vals, Epoch, Surge.
- Compilações da imprensa: VentureBeat, Handy AI, OfficeChai.
Tudo o que está acima são dados de terceiros e testes pessoais, de 18 de novembro de 2026, e não são resultados de testes da Guishu Intelligence.