A OpenAI lançou ontem o GPT-5.5 Instant com uma linha de marketing difícil de ignorar: 52.5% menos alucinações em instruções de alto risco em medicina, direito e finanças.
O número parece decisivo. Não é.
A avaliação é interna. Nenhum benchmark público, nenhuma comparação com Claude da Anthropic ou Gemini do Google, nenhuma definição técnica do que conta como uma “afirmação alucinada”. Se o GPT-5.3 alucinava em 20% das reivindicações de alto risco, o GPT-5.5 ainda alucinava em cerca de 9.5%.
CRÉDITO ONDE É DEVIDO.
Os ganhos multimodais são reais. AIME 2025 saltou de 65.4% para 81.2%, e o raciocínio CharXiv passou de 75.0% para 81.6%. Se seus workflows envolvem análise de documentos ou raciocínio visual, isso é um progresso legítimo.
Mas o exemplo matemático que a OpenAI escolheu para demonstrar a superioridade abre com o modelo dizendo “Sim, isso está correto” para uma resposta errada do usuário. Ele se autocorrige mais tarde. Na produção, seus usuários param de ler em “Sim”.
Isso é bajulação, não confiabilidade.
É como se um consultor validasse sua proposta e, três slides depois, admitisse que ela tem uma falha estrutural.
Depois, há o vetor mencionado de passagem: personalização expandida usando bate-papos anteriores, arquivos e Gmail conectado. Maior área de superfície para injeção imediata. A própria OpenAI admite que o novo painel de fontes de memória “pode não mostrar todos os fatores que moldaram uma resposta”.
Opacidade enviada como um recurso.
A questão não é se o GPT-5.5 melhorou. Isso aconteceu. A questão é se o ganho marginal justifica a expansão da superfície de risco em workflows que envolvem dados confidenciais.
Você não audita um comunicado de imprensa.