Your privacy choices

Allow optional cookies for referral attribution, visit analytics, and Google Ads purchase measurement.

Voltar ao blog

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

GPT-6.2 SolOpenAIanálise de modelosFrontierCodeLifeVal

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

  1. Pegue cerca de 30 tarefas reais e rode no Sol novo e no anterior, com o mesmo nível de raciocínio.
  2. Registre em cada tarefa se há omissão de fatos-chave, porque a AA observou recuo do Sol nesse ponto.
  3. Contabilize à parte as tarefas médicas, financeiras e de PDF; não as misture na média com as gerais.
  4. 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.
  5. 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