O lançamento em uma frase
Em 9 de julho de 2026, a OpenAI colocou em disponibilidade geral a família GPT-5.6: Sol, flagship, a US$ 5 por milhão de tokens de entrada e US$ 30 por milhão de saída; Terra, equilíbrio, a US$ 2,50 e US$ 15; e Luna, custo, a US$ 1 e US$ 6. Lançou junto o ChatGPT Work: agente que age em apps e arquivos, sustenta projetos por horas e entrega documentos, planilhas, apresentações e Sites, dentro de um desktop que unifica Chat, Work e Codex em todos os planos, inclusive o gratuito.
Não é um lançamento de modelo. É um lançamento de superfície com um modelo dentro, e é por isso que fecha a trilogia da semana de um jeito que os outros dois não conseguiriam.
A tabela mais honesta da semana: leia até o fim
Crédito primeiro, porque é merecido e porque eu mesmo errei nessa leitura na primeira versão desta análise: a OpenAI publicou a tabela comparativa mais completa dos três lançamentos, incluindo as derrotas. Sol perde para o Fable 5 no SWE-Bench Pro por margem larga, 64,6% contra 80%; perde no GDPval; perde por um ponto no Intelligence Index da Artificial Analysis; perde feio no FrontierMath Tier 4, 65,9% contra 87,8%; e perde no Toolathlon. Está tudo lá, publicado pela própria OpenAI. A xAI publicou derrotas e escreveu como se tivesse vencido; a OpenAI publicou derrotas e mudou o assunto.
Porque o argumento de venda não é "somos os melhores". É performance por dólar: a um ponto do Fable 5 no índice de inteligência, com tarefas concluídas em 61% menos tempo e cerca de metade do custo estimado. No Coding Agent Index, estado da arte com menos da metade dos tokens. É um pitch honesto sobre onde o modelo está, e é exatamente aí que o red team precisa cavar.
Detalhe saboroso antes de cavar: a prosa do anúncio diz que o Sol fez 53,6 no Agents' Last Exam; a tabela do mesmo anúncio diz 52,7. Nem o próprio documento se confere.
Performance por dólar
É a tentativa de medir resultado por custo, não só capacidade bruta. O problema é que a conta depende de como latência, tokens, chamadas de ferramenta e tarefas resolvidas foram medidos ou estimados.
A economia inteira é simulada: está no rodapé
Todo o pitch de custo repousa em números que a própria OpenAI produziu por simulação. A nota de rodapé 4 admite: latência e custo de API são estimados olhando o comportamento de produção e simulando offline, e os resultados reais "podem variar substancialmente". Ou seja: a metade-do-custo e o 61%-menos-tempo, os dois números que sustentam o lançamento inteiro, são projeções internas, não medições independentes.
Desce mais um rodapé e piora. O ExploitGym foi rodado numa API alpha mais rápida que a pública e depois rescalado, a ponto de latências estimadas estourarem o próprio limite de tempo do eval, "apesar de corretamente obedecido na execução". E o HealthBench vem com nota dizendo que o método de scoring "não é comparável" aos resultados dos system cards da Anthropic, mas está lá, na mesma tabela, lado a lado com os números da Anthropic, para quem não lê rodapé comparar.
Eis a gradação da trilogia: a Meta esconde no press release, "preview público" com waitlist; a xAI esconde na prosa, derrotas nos gráficos e vitória no texto; a OpenAI esconde nos rodapés. Quanto mais maduro o lab, mais fundo o esconderijo, e mais preparado o leitor precisa estar.
Rodapé metodológico
É onde uma afirmação forte ganha condição. Se custo, latência ou comparabilidade dependem de simulação, API alpha ou scoring diferente, o rodapé deixa de ser detalhe editorial e vira parte central do resultado.
O modelo foi medido. O produto, não.
O GPT-5.6 tem a bateria de evals mais extensa da semana. O ChatGPT Work, o agente que roda por horas e entrega trabalho pronto, não tem nenhuma: nenhuma taxa de conclusão de tarefas longas, nenhuma taxa de erro em deliverables, nenhuma medição do loop completo como sistema. Benchmarkaram o motor com rigor e lançaram o carro sem teste de colisão.
E o system card do preview registrou o motivo de isso importar: instâncias de "task cheating", o modelo encontrando atalhos que satisfazem tecnicamente o benchmark sem completar a tarefa como pretendido. Num eval, isso é nota de rodapé. Num agente rodando horas na sua planilha financeira, é o defeito que você descobre depois.
A conta segue o mesmo padrão: o Work usa créditos na estrutura do Codex, e o anúncio não traduz isso em custo previsível. Agora sabemos o piso: Sol a US$ 30 por milhão de tokens de saída, cinco vezes o output do Grok 4.5, anunciado anteontem a US$ 6. O modo ultra, que coordena quatro agentes em paralelo por padrão, multiplica tokens por design. Horas de agente autônomo em modo multiagente são um taxímetro que o anúncio prefere não somar na sua frente.
Task cheating
É quando o sistema encontra um atalho para satisfazer o avaliador sem resolver a tarefa como o usuário pretendia. Em produto agentivo, o risco não é só errar: é parecer concluído enquanto deixou o trabalho essencial incompleto.
RSI como argumento de venda, ARC-AGI como confissão
Dois achados da tabela valem o post inteiro. Primeiro: a OpenAI publicou um RSI Index, um índice interno medindo progresso rumo a recursive self-improvement, com Sol 16,2 pontos acima do GPT-5.5, ao lado de métricas de adoção interna: uso de tokens agentic crescendo 22 vezes em seis meses, compute de inference para coding interno crescendo 100 vezes. Auto-melhoria recursiva, o conceito que passou uma década nos papers de risco existencial, apareceu como slide de marketing. Isso merece mais espanto do que recebeu.
Segundo, e na direção oposta: ARC-AGI-3 a 7,78%. Na mesma tabela onde tudo que é workflow agentic voa, 96,7% em CTF, 90% ou mais em browsing, o benchmark de raciocínio abstrato e generalização continua no chão, para todo mundo: Opus 1,5%, Gemini 0,42%. É o argumento que sustento desde o primeiro post desta série, feito agora pela própria tabela da OpenAI: os modelos estão ficando extraordinários em fluxos de trabalho treináveis e continuam fracos em generalização genuína.
RL em centenas de milhares de tarefas compra o primeiro; não compra o segundo. A distância entre 96,7% e 7,78% na mesma tabela é a fotografia mais honesta do estado da técnica que saiu esta semana, e o modo ultra, com seus quatro agentes em paralelo, é mais uma camada de engenharia de compensação sobre essa lacuna, não uma resposta a ela.
Sol aparece acima do GPT-5.5 no índice interno de auto-melhoria recursiva.
A generalização abstrata continua baixa mesmo com workflows agentivos fortes.
A adoção interna virou argumento de produto, não só telemetria operacional.
RSI e ARC-AGI
RSI, aqui, é recursive self-improvement: sistemas melhorando sistemas. ARC-AGI tenta medir generalização abstrata em tarefas novas. A tensão é simples: uma métrica anuncia ambição; a outra mostra o limite.
Safety: o crédito, a alfinetada e o pedágio
Justiça integral: dos três lançamentos, a OpenAI tem disparado a postura de segurança mais séria. Cerca de 700 mil GPU-horas de red teaming automatizado, safeguards em camadas com monitor de raciocínio em tempo real bloqueando aproximadamente 10 vezes mais atividade potencialmente nociva, capacidades cyber avançadas atrás de acesso verificado, Trusted Access, com verificação de identidade e restrição de jurisdições de risco, e a classificação honesta: mais capaz em bio e cyber, abaixo do threshold crítico em ambos. A xAI teve zero menções a safety; a Meta prometeu relatório. Aqui há sistema.
Dois poréns. A tabela de biologia traz uma nota afiada: o Fable 5 foi excluído do GeneBench "porque se recusa a responder a maioria das perguntas", a OpenAI enquadrando a política de segurança do rival como lacuna de capacidade, num domínio dual-use onde ela própria exige identidade verificada para liberar o equivalente. E o Trusted Access, por mais defensável que seja, é também mais uma camada de lock-in: verificar identidade para manter acesso ao modelo de fronteira amarra o profissional de segurança à plataforma de um jeito que nenhum preço amarra.
Sem falar no pano de fundo que o system card revelou: planos apresentados ao governo americano antes do lançamento, preview restrito a pedido do governo. A era em que release de modelo era assunto só de produto acabou nesta janela de 48 horas.
Trusted Access
É acesso verificado a capacidades sensíveis, especialmente em cyber e bio. A defesa é razoável: reduzir risco. O custo de produto também é real: identidade, jurisdição e permanência de acesso viram parte da plataforma.
O canibalismo continua sendo a estratégia
O resto da leitura do lançamento do Work eu mantenho da análise original, porque nada mudou. Este é o quinto "agente que faz seu trabalho" da OpenAI em 18 meses: Operator, Deep Research, ChatGPT agent, Workspace Agents, Work. Quando uma empresa relança a mesma promessa a cada seis meses, a anterior não entregou. Sites compete com Vercel e Notion, o browser embutido elimina a saída para a web, o Plugin Directory transforma terceiros em inquilinos, tudo desenhado para que se habite sempre a mesma plataforma.
O lado B segue tendo nome: o App Directory virou Plugin Directory no mesmo dia, GPTs viram Workspace Agents, o app do Codex vira app do ChatGPT por atualização forçada. Quem constrói em cima absorve a migração.
E o desktop grátis para todos, com Terra servindo os planos Free, continua sendo a jogada mais inteligente da semana: dar o agente de graça onde ele ganha acesso a arquivos locais e apps do sistema é comprar contexto. Contraste com a waitlist US-only da Meta. Com o adendo de sempre: agente de horas, browser, arquivos locais e Scheduled Tasks são a superfície máxima de prompt injection, e o preview enterprise desligado por default é a admissão implícita de que nem a OpenAI liga isso automaticamente numa empresa.
A OpenAI vende o endereço e esconde a metodologia nos rodapés.
A leitura que fica
Falo de dentro: o Codex foi meu primeiro copiloto de verdade, passei meses só na Anthropic, voltei, e vejo uso real para o Work. A consolidação resolve fragmentação genuína. Mas ser prático não quer dizer que será barato, US$ 30 por milhão de tokens de saída em modo multiagente é um taxímetro sério, e não quer dizer que não terá erros: o task cheating está documentado pela própria OpenAI e o Work segue sem eval como sistema. A gente confere no decorrer, até o próximo lançamento.
Fechando a trilogia: a Meta vende o modelo e esconde a fila. A xAI vende o preço e esconde as derrotas. A OpenAI vende o endereço e esconde a metodologia nos rodapés, publicando, na mesma tabela, o RSI Index que anuncia a ambição e o ARC-AGI-3 que confessa o limite.
Três empresas, uma aposta: que compensação suficiente, contexto longo, RL em escala, quatro agentes em paralelo, vira compreensão. O teste não está em nenhuma das tabelas. Está no caminho crítico de trabalho real, nos próximos sessenta dias, quando os evals independentes saírem e a fatura chegar. Agentes não vencem por parecerem inteligentes em palco. Vencem quando desaparecem dentro do fluxo e entregam.