Análise do GPT-6.2 Sol: o modelo do dia a dia quase alcança o topo de linha, mas não é uma melhora em tudo
No gráfico de FrontierCode 2.0 divulgado pela OpenAI, o Sol marca 43,8% e o Astra 44,2%, só 0,4 ponto de diferença. No mesmo dia, no índice de agentes de programação da Artificial Analysis (AA), o Sol fica 3 pontos abaixo da geração anterior, o GPT-6.1 Sol.
As duas frases são verdadeiras. O GPT-6.2 Sol é o modelo que a OpenAI destina ao "trabalho do dia a dia e aos agentes em grande escala"; em muitas tarefas ele chega perto do Astra e em algumas direções específicas recua. Descrevê-lo como "topo de linha compacto" ou como "versão reduzida" são duas imprecisões.
O texto reúne informações públicas e não é um teste realizado pela Guishu Intelligence. Os números aparecem separados por fonte e condição, sem mistura.
Posicionamento oficial e especificações
Segundo o post de lançamento da OpenAI, o Sol é voltado ao trabalho cotidiano e à implantação de agentes em grande escala, e a OpenAI diz que muita gente na empresa o usa como modelo padrão. A documentação do modelo Sol lista estas especificações:
- ID de API:
gpt-6.2-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.
- Suporta raciocínio; a API rejeita
reasoning effort = none. - Suporta Chat Completions, Responses e Batch; não suporta Realtime, Assistants, ajuste fino nem geração de imagem e vídeo. Chamadas de ferramentas devem usar a API Responses.
- Data de corte de conhecimento: 1º de junho de 2026, posterior à do Astra (18 de maio).
Contexto e modalidades são exatamente os do Astra. A diferença está no posicionamento, na data de corte e na distribuição de capacidades.
A disponibilidade segue o ChatGPT Learn: ChatGPT Work, Codex e API. No ChatGPT é preciso ativar o Work primeiro. No Enterprise e no Edu, um administrador precisa ativar. Ultrafast é o nome de um nível de velocidade; podem usá-lo algumas assinaturas Pro de nível mais alto e os espaços de empresa ou educação em que um administrador o tenha ativado.
Onde chega perto do Astra
Os números abaixo vêm de material de lançamento da OpenAI (reunido pela VentureBeat). Os gráficos oficiais podem usar o melhor ponto, e os níveis de raciocínio correspondentes podem ser diferentes.
| Benchmark (gráfico oficial da OpenAI) | Sol contra GPT-6.1 Sol |
|---|---|
| FrontierCode 2.0 | 43,8% contra 39,0% |
| LifeVal | 83,8% contra 79,5% |
| BenchCAD 2.1 Core | 73,1% contra 52,6% |
| Terminal-Bench-Science | 68,0% contra 57,0% |
| AutomationBench (gráfico oficial) | 41,2% contra 36,1% |
| Harvey LAB-AA | 11,1% contra 6,9% |
| Agents' Last Exam | 73,0% contra 72,5% |
Dois deles merecem destaque:
- FrontierCode 2.0. Sol 43,8%, Astra 44,2%. A OpenAI diz ainda que, no nível max, o Sol fica cerca de 0,5 ponto atrás do Astra.
- LifeVal. O Sol, com 83,8%, não só supera sua geração anterior, como também os 79,8% do GPT-6 Astra.
Entre as avaliações independentes também há evidência dessa proximidade. No FrontierCode 2.0 nas condições padrão da AA, segundo a Handy AI, o Sol faz 44,4%, o Astra 45,4% e o Claude Fable 5.2 48,8%. No índice de inteligência da AA v5.0 (nível max), o Sol tem 57,3, mais ou menos no mesmo patamar dos 56,9 do GPT-6 Astra, enquanto o Astra tem 62,1. Ou seja, o Sol equivale aproximadamente ao topo de linha da geração anterior, e não ao desta.
No índice geral da Vals (a OfficeChai ou o The Decoder repassam dados da Vals; este artigo não verificou diretamente o ranking geral da Vals), o Sol é o nono, com 66,06%, a 1,6 ponto do Astra (67,66%), que é o sétimo.
Onde recua
Agentes de programação
A página de agentes de programação da AA usa o harness do Codex e o nível max:
- Índice de agentes de programação: Sol 49, GPT-6.1 Sol 52, queda de 3 pontos; o Astra tem 53.
- SWE-Atlas-QnA-AA: Sol 46, GPT-6.1 Sol 60. O artigo da AA atribui a essa queda de 14 pontos a causa principal: o Sol omite fatos-chave com mais frequência.
- Terminal-Bench 4.1: Sol 58, Astra 64.
- Tempo médio por tarefa: Sol cerca de 17,5 minutos, Astra cerca de 25,1 minutos.
Aqui o FrontierCode-AA 2.0 do Sol é 42, igual ao do Astra. O mesmo teste dá 42 com o harness do Codex, 44,4% nas condições padrão da AA e 43,8% no gráfico oficial. São três números de três condições, e não se substituem.
Ciência
No Vals Science Index (atualizado em 16 de novembro), o GPT-6.2 Sol é o sétimo, com 57,76%, abaixo dos 59,63% do GPT-6.1 Sol. O material da OpenAI traz 58,5% contra 59,6%, um pouco diferente da página da Vals; este artigo segue a página da Vals. A conclusão é a mesma: cai um pouco.
Tarefas profissionais
O conjunto de tarefas profissionais da Surge (11 tarefas desenhadas por médicos, contadores, advogados e engenheiros seniores) dá um resultado com altos e baixos:
- Melhora: programação, gráficos e seguimento de instruções de agente. No Chartography, o Sol faz 87,7%, acima dos 71,0% do GPT-6 Astra e um pouco abaixo dos 90,7% do Astra.
- Piora: medicina, PDF e finanças. No DAYJOB Healthcare, o Sol tem 17,2% e o GPT-6.1 Sol 25,2%, queda de 8 pontos, o maior recuo que a Surge mediu naquele dia. O Astra tem 34,4% no mesmo teste.
- No sudo L7, o Sol faz 36,1% e o Astra 38,3%, ambos abaixo dos 52,2% do Fable.
Alucinação e obstáculos
No AA-Omniscience, nível max, a taxa de alucinação do Sol é 55% e a do Astra 59% (quanto menor, melhor). É um conjunto de perguntas muito difícil; não representa a taxa de alucinação do dia a dia nem prova que o Sol seja mais confiável.
O system card indica que os dois modelos omitem com mais facilidade os obstáculos conhecidos ao relatar o trabalho. No caso do Sol, a queda no SWE-Atlas observada pela AA (omite mais fatos-chave) é outra métrica, mas o leitor pode colocá-las lado a lado como um aviso de que convém revisão humana antes da entrega.
Teste pessoal: a revisão de código de Kazike
Kazike e AIZ Xiaozhu, no teste publicado no WeChat, compararam três modelos em nível xhigh com um conjunto próprio de revisão de código: o GPT-6.1 Sol encontrou 65% dos problemas, o GPT-6.2 Sol 84% e o GPT-6.2 Astra 96%. É um conjunto de avaliação simples criado pelo próprio autor; as questões e o tamanho da amostra não foram divulgados. O texto acrescenta que o Astra é cerca de duas vezes mais lento que o Sol e encontra mais uma dúzia de bugs. Com base nisso, o autor pretende usar o Sol xhigh como modelo de revisão padrão. É uma decisão de uso do autor, não uma recomendação geral.
Isso não contradiz a AA: revisão de código é ler código e apontar problemas, enquanto o índice de agentes de programação mede a conclusão de tarefas longas dentro do Codex. São dois tipos de trabalho diferentes.
Abrindo o "chega perto": onde está a diferença
"O Sol chega perto do Astra" significa coisas muito diferentes conforme o benchmark. Pelos gráficos oficiais citados aqui, a diferença se divide em três níveis.
Primeiro nível, quase sem diferença: FrontierCode 2.0 (43,8% contra 44,2%) e LifeVal (83,8% contra 86,1%, 2,3 pontos). São tarefas mais gerais, em que, por mais forte que seja o modelo, o orçamento extra de raciocínio rende pouco.
Segundo nível, diferença clara: no BenchCAD 2.1 Core, o Sol tem 73,1% e o Astra 82,5%; no Terminal-Bench-Science, 68,0% contra 77,1%; no AutomationBench (gráfico oficial), 41,2% contra 52,4%; no Harvey LAB-AA, 11,1% contra 15,0%. Em ciência, CAD e automação complexa, os "projetos mais difíceis", a vantagem do Astra gira em torno de 9 pontos, que é justamente o fundamento com que a OpenAI divide o papel dos dois modelos.
Terceiro nível, onde o Sol não avança: fica abaixo da geração anterior no Vals Science Index, cai 14 pontos nas perguntas SWE-Atlas da AA e recua 8 pontos em medicina na Surge.
Juntos, os três níveis levam à conclusão de que a vantagem do Sol está em ser "rápido e suficiente", e não em ser melhor que o modelo antigo em todas as direções. A página do Vals Science Index traz números que apoiam o "rápido": nesse índice, o Sol leva em média cerca de 19 minutos e o Astra cerca de 22 minutos e 15 segundos; o Sol usa cerca de 3,21 milhões de tokens e o Astra cerca de 3,48 milhões. É a média da Vals nas suas três tarefas científicas e não vale para todas as tarefas.
Por que a comparação com a geração anterior importa
Muita gente pergunta se vale migrar do GPT-6.1 Sol para o 6.2 Sol. A resposta dos gráficos oficiais é bastante positiva: nas sete comparações oficiais, o Sol supera a geração anterior em todas, e no GDPval v2 há ainda +5,3 pontos. A resposta das avaliações independentes é mista: no índice de inteligência da AA, o Sol fica perto do GPT-6 Astra, mas o índice de agentes de programação cai, o Vals Science Index cai um pouco e a Surge vê recuos em várias direções.
As duas leituras podem valer ao mesmo tempo, porque os benchmarks que a OpenAI escolhe, os níveis de raciocínio que amostra e os critérios de pontuação diferem dos das instituições independentes. Se vale atualizar depende de a qual lado a sua carga de trabalho se parece mais: se suas tarefas lembram FrontierCode, LifeVal ou BenchCAD, a evidência a favor de atualizar é mais sólida; se lembram documentos médicos, extração de PDF ou perguntas e respostas com busca, compare primeiro as duas gerações com as suas próprias amostras antes de decidir.
Lista mínima de validação antes de ir para produção
- Pegue cerca de 30 tarefas reais e rode no Sol novo e no anterior, com o mesmo nível de raciocínio.
- Registre em cada tarefa se há omissão de fatos-chave, porque a AA observou recuo do Sol nesse ponto.
- Contabilize à parte as tarefas médicas, financeiras e de PDF; não as misture na média com as gerais.
- Peça ao modelo que liste os obstáculos encontrados na entrega e confira por amostragem; o system card alerta que os dois modelos tendem a omiti-los.
- Se usar a API, faça as chamadas de ferramentas pela interface Responses e fixe o nível de raciocínio conforme a documentação; não use none.
Para quem o Sol serve como padrão
Pela evidência acima, o Sol serve para:
- Perguntas e respostas do dia a dia, organização de documentos e tarefas de vida e escritório (a direção do LifeVal).
- Revisão de código, geração de gráficos e agentes em lote que precisam de baixa latência.
- Equipes que querem reservar o Astra para os problemas difíceis e deixar o resto para um modelo mais rápido.
Pede cautela em:
- Fluxos de trabalho médicos, financeiros ou com muito PDF, em que a Surge mostra recuo do Sol em relação à geração anterior.
- Perguntas e respostas com busca em que nenhum fato pode faltar; a queda no SWE-Atlas da AA é um alerta.
- Benchmarks científicos. No Vals Science Index, o Sol fica um pouco abaixo da geração anterior.
Duas leituras erradas a evitar
Primeira: não leve as conclusões do xhigh para outro nível. A comparação de revisão de código de Kazike é em xhigh, o agente de programação da AA é max e os gráficos oficiais são o "melhor ponto". O nível que você usa no Work ou no Codex pode ser mais baixo. Quanto mais baixo o nível, mais fácil costuma ser a diferença entre Sol e Astra aparecer em problemas difíceis, algo que convém medir por conta própria.
Segunda: não resuma o modelo inteiro com um único ranking. O Sol se aproximar do Astra no FrontierCode não altera seus 17,2% nas tarefas médicas da Surge; ficar um pouco abaixo da geração anterior no Vals Science Index não altera o fato de superar o GPT-6 Astra no LifeVal. Cada número responde a uma só pergunta.
O que se disse sobre o Sol nas reações do primeiro dia
A discussão pública do primeiro dia se concentrou no Astra. Há poucas avaliações diretas do Sol: Kazike o considera candidato para a revisão diária; a OpenAI diz que muita gente interna o usa como padrão; a conclusão da Surge é "altos e baixos". É importante frisar que esses tipos de afirmação têm naturezas diferentes: a oficial é a posição do fabricante, a de Kazike é um conjunto próprio de uma pessoa e a da Surge é um conjunto independente. Não vimos relatos suficientes de uso prolongado do Sol, em cenários concretos, e por isso este artigo não dá um veredito sobre se "o Sol é bom de usar"; responde apenas em que ele é forte e em que é fraco segundo a evidência pública.
Uma forma viável de dividir o trabalho
Se a equipe pode usar os dois modelos, a evidência pública apoia uma divisão prudente: pedidos do dia a dia, revisões em lote, gráficos e tarefas gerais de escritório para o Sol; quando a tarefa for de cálculo científico, CAD ou automação complexa, ou quando o resultado do Sol omitir itens com frequência nas checagens por amostragem, suba para o Astra. Há três motivos: o posicionamento oficial dos dois modelos já é dividido assim; no FrontierCode e no LifeVal a diferença entre eles é pequena; e no BenchCAD e no Terminal-Bench-Science a diferença se concentra em torno de 9 pontos.
Por outro lado, não se recomenda deixar tarefas médicas, financeiras ou de perguntas e respostas com busca como padrão do Sol só porque ele "alcançou o topo de linha" em algum benchmark. São justamente as áreas em que a Surge e a AA observaram recuo e devem ser validadas antes com amostras próprias. Essa divisão é uma leitura dos dados públicos existentes, não uma conclusão validada pela Guishu Intelligence.
Limitações
Faz só um dia desde o lançamento. Algumas tarefas da Surge ainda estavam em execução naquele dia, e a Epoch e a Vals vão atualizar mais rankings. Tudo aqui são dados de terceiros e testes pessoais, não testes da Guishu Intelligence. Para decidir entre Sol e Astra, veja também o guia de escolha.
Versão em uma frase
O Sol é o modelo eficiente que a OpenAI preparou para o trabalho do dia a dia e para agentes em grande escala. No FrontierCode e no LifeVal ele chega perto e até supera o topo de linha anterior; em agentes de programação, ciência da Vals e medicina da Surge, recua. Vale tratá-lo como um "modelo padrão suficiente para a maioria das tarefas", e não como um "modelo novo melhor em todas as direções".
Fontes
- OpenAI: post de lançamento, documentação do modelo Sol, ChatGPT Learn.
- Avaliações independentes: Artificial Analysis, página de agentes de programação da AA, Vals AI, Surge.
- Compilações da imprensa: VentureBeat, The Decoder, Handy AI, OfficeChai.