Supervisionar o modelo que opera o computador

O GPT-6 Astra gasta cerca de 40 minutos por tarefa de área de trabalho, contra 75 minutos do modelo anterior da mesma empresa. São 47% menos tempo de relógio, e tempo de relógio é o que fecha ou não a conta de um projeto.

Quem contrata ou constrói tela precisa saber o que essa troca resolve, quanto ela custa por tarefa e qual degrau de preço estoura o orçamento sem avisar.

Uso de computador (o modelo enxerga a tela, clica e digita, como um estagiário no seu lugar) mudou o ciclo de produção. Antes você pedia, recebia texto, colava no programa, testava e voltava a pedir. Agora ele abre o programa, executa, confere o resultado na tela e devolve pronto para revisão.

A conferência visual saiu da sua mesa e entrou na execução. Essa é a mudança que altera prazo, e não a nota de nenhum teste.

O GPT-6 Astra saiu em 3 de setembro de 2026. No teste OSWorld 2.0, de tarefas de área de trabalho, ele acerta 72,6% contra 65,7% do modelo anterior da mesma empresa. O ganho de acerto é de sete pontos, e sozinho ele não justificaria a troca.

O número que decide o projeto é o tempo por tarefa, já adiantado no início desta aula. Um ganho de acerto pequeno some diante de uma tarefa que termina quase pela metade do tempo.

O preço por token subiu duas vezes e meia, para US$ 10 de entrada e US$ 50 de saída por milhão. O pedido que reaproveita cache paga US$ 1 por milhão, e os modos Batch e Flex cobram metade da tarifa. A conta por tarefa concluída caiu mesmo assim, porque o modelo gasta cerca de um terço dos tokens do anterior para chegar ao mesmo lugar.

Na medição da Artificial Analysis, uma tarefa de código sai por cerca de US$ 4,72 no Astra. A mesma tarefa custa cerca de US$ 9,18 no Claude Fable 5.1. Compare tarefa terminada, e o preço de tabela vira ruído.

Acima de 272 mil tokens de entrada, ou seja, a partir do token 272.001, a tarifa dobra na entrada e no cache e sobe metade na saída, que vai a US$ 75 por milhão. O multiplicador se aplica de forma retroativa à requisição inteira, e dois mil tokens a mais elevaram a conta em 88% numa medição publicada em 6 de setembro de 2026.

Um agente que vai acumulando contexto atravessa essa linha no meio da sessão sem avisar ninguém. Trate 272 mil como teto rígido do seu fluxo, com corte automático antes da borda.

A receita econômica que vários operadores publicaram na mesma semana cabe em uma linha: o modelo caro planeja e revisa, e um modelo barato executa. Guarde o esforço máximo para o passo que decide.

Quem manteve o modelo caro como orquestrador de uma tarefa longa relatou queimar 80% da cota de cinco horas numa única tarefa. A cota, e não a capacidade, foi o limite prático da primeira semana.

Duas falhas medidas por avaliadores independentes valem o seu tempo. O modelo completa o que não viu: pedidos de reconstrução a partir de foto voltaram com detalhes que o original não tinha.

A segunda é o gosto padrão. Sem direção de arte no pedido, ele repete a mesma paleta em projetos sem relação entre si. Nomeie a paleta e confira contra a fonte antes de publicar.

Trocar de modelo também não conserta segurança. Na comparação de dois anos publicada pela Veracode em julho de 2025, modelos mais novos e maiores melhoraram a sintaxe e a taxa de compilação sem melhorar a segurança do código gerado. A revisão do que o modelo escreve continua sendo sua.

Digitação em sistema antigo, sem integração, é o caso típico: o modelo abre o programa, lança os registros novos e devolve a lista do que ficou pendente. Comece com conta separada, dez registros de teste e limite de tempo, e meça o custo desses dez antes de soltar os duzentos.

Escolha uma tarefa que você repete, rode-a cinco vezes no modelo que já usa e anote custo, tempo e número de correções. Repita as mesmas cinco no modelo mais barato e compare o custo por tarefa terminada, e não o preço por milhão. Fixe o teto de 272 mil tokens antes de soltar o volume maior.