O GPT-6 Astra foi lançado.

No ARC-AGI-3, o Astra apareceu com 62,7%.

Com uma boa arquitetura em volta dele, chegou a 99,9%.

O modelo era o mesmo.

O ambiente de trabalho, não.

E essa foi a parte do lançamento que mais me chamou atenção.

Não o contexto de mais de 1 milhão de tokens.

Não o novo benchmark de programação.

Nem o fato de ele conseguir trabalhar por mais tempo.

Foi perceber o tamanho da diferença que começa a existir entre comprar um modelo excelente e conseguir fazê-lo trabalhar bem.

Porque agora entram outras peças na conta.

Memória.

Contexto.

Ferramentas.

Estado da tarefa.

Permissões.

Software de execução.

Mecanismos de verificação.

Existe um nome técnico que vai aparecer cada vez mais nessa conversa:

harness.

Pensa nele como a oficina montada em volta do modelo.

E talvez a oficina esteja começando a importar tanto quanto o cérebro.

O mesmo modelo, dois resultados quase irreconhecíveis

O número de 62,7% veio da configuração neutra usada pelo ARC Prize para comparar diferentes modelos.

Já os 99,9% apareceram com uma estrutura adaptada especificamente ao Astra.

Não é uma comparação perfeitamente controlada entre os dois números. Houve também diferenças no esforço de raciocínio.

Ainda assim, o padrão é difícil de ignorar.

Com a estrutura adaptada, as execuções comparáveis foram cerca de 3,66 vezes mais rápidas e consumiram 49% menos tokens.

Não trocaram o modelo.

Mudaram a maneira como ele trabalhava.

O harness preservava estado entre as chamadas, administrava contexto e evitava que o Astra precisasse se reencontrar a cada nova etapa.

É mais ou menos a diferença entre contratar alguém muito bom e fazer essa pessoa trabalhar assim:

“Todo dia você começa do zero. Descubra de novo o que já aconteceu, encontre suas ferramentas e tente lembrar onde parou.”

Talvez continue sendo uma pessoa brilhante.

Você só construiu um péssimo lugar para ela trabalhar.

Contexto gigante não é memória

Esse detalhe também ajuda a entender uma coisa sobre o Astra.

Ele tem uma janela de contexto de mais de 1 milhão de tokens.

É enorme.

Mas colocar uma quantidade absurda de informação dentro da janela não resolve sozinho o problema de trabalhos longos.

Contexto e memória não são a mesma coisa.

No Codex, o Astra ganha uma forma de memória capaz de preservar notas entre diferentes janelas, recuperar mensagens anteriores, lembrar resultados de testes e reencontrar informações importantes do projeto.

Isso significa que ele não precisa carregar a história inteira o tempo inteiro.

Ele precisa conseguir recuperar a parte certa da história na hora certa.

É uma diferença importante.

Porque contexto demais também custa.

Custa tokens.

Custa latência.

E pode custar atenção do próprio modelo.

Em trabalhos longos, organizar o que deve permanecer disponível começa a ser uma decisão de arquitetura, não simplesmente uma escolha de tamanho de janela.

E aí “qual modelo é melhor?” começa a ficar pequena demais

Durante algum tempo foi relativamente confortável comparar IA olhando para o modelo.

Modelo A pontua mais.

Modelo B responde mais rápido.

Modelo C custa menos.

Só que agentes complicam essa comparação.

Agora você pode ter:

modelo + memória + ferramentas + contexto + permissões + execução + verificação

E duas aplicações usando exatamente o mesmo modelo podem se comportar como produtos completamente diferentes.

A própria OpenAI dá uma pista disso.

Em uma das avaliações de uso de computador, parte da melhoria de velocidade veio do Astra.

Outra parte veio de uma atualização no próprio harness do Codex.

O cérebro melhorou.

Mas mexeram na oficina também.

E eu acho que essa distinção vai começar a importar bastante na hora de comprar, construir e comparar sistemas de IA.

O preço por token também começa a contar uma história incompleta

O Astra não é barato.

Na API padrão, são US$ 10 por milhão de tokens de entrada e US$ 50 por milhão de tokens de saída.

O preço por token é 2,5 vezes maior que o do GPT-5.6 Sol.

Se a análise parar aí, Astra parece simplesmente um modelo muito mais caro.

Só que a Artificial Analysis encontrou duas histórias diferentes.

No índice geral de inteligência, Astra ficou praticamente empatado com o Sol, perto de 61 pontos, e teve um custo por tarefa cerca de 75% maior.

Aí eu teria dificuldade para justificar a troca só pela novidade.

Em programação com agentes, porém, o cenário mudou.

O Astra usou aproximadamente um terço dos tokens, conseguiu uma pontuação ligeiramente superior e terminou com um custo por tarefa próximo ao do Sol.

Isso muda a pergunta econômica.

Talvez eu não queira saber apenas:

Quanto custa 1 milhão de tokens?

Quero saber:

Quanto custa terminar corretamente este trabalho?

Porque um modelo caro que resolve a tarefa em uma tentativa pode sair mais barato que um modelo barato que precisa de três.

Talvez agentes precisem de outro tipo de avaliação

Eu também mudaria a forma de testar esse tipo de sistema.

Em vez de entregar vinte perguntas para dois modelos e escolher aquele que escreveu melhor, entregaria trabalhos completos.

Algo como:

Pegue estes documentos, identifique o que mudou, atualize os dados no sistema, prepare o relatório e sinalize qualquer inconsistência.

Depois eu observaria outras coisas.

Concluiu o trabalho?

Quanto tempo levou?

Quanto custou do início ao fim?

Quantas vezes precisou de ajuda?

Quantas ferramentas usou sem necessidade?

Conseguiu se recuperar quando uma etapa falhou?

Tomou alguma ação que não deveria?

Quanto trabalho ainda sobrou para uma pessoa depois?

Chatbots podiam ser avaliados principalmente pela resposta.

Agentes mexem em coisas.

Abrem sistemas.

Tomam decisões intermediárias.

Chamam ferramentas.

Mantêm estado.

Erram e precisam se recuperar.

A unidade de avaliação começa a deixar de ser somente a resposta.

Passa a ser o trabalho.

O Astra não tornou o modelo irrelevante

Seria uma conclusão estranha.

O modelo continua sendo uma das peças mais importantes do sistema.

E o Astra parece ter avançado bastante justamente em programação agentiva, uso de computador e trabalhos prolongados.

Só que o lançamento mostrou outra coisa junto.

Você pode comprar muita inteligência e desperdiçar uma parte considerável dela com contexto ruim, memória ruim, ferramentas ruins ou um sistema de execução mal desenhado.

E pode acontecer o contrário.

Uma boa arquitetura consegue extrair muito mais do modelo que você já tem.

Talvez essa seja uma mudança importante na próxima fase da IA.

Durante um tempo, boa parte da vantagem estava em ter acesso ao cérebro mais inteligente.

Agora começa outra disputa:

quem consegue construir o melhor lugar para esse cérebro trabalhar?