GPT-6 Astra vs Claude Fable 5.1 vs GPT-5.6 Sol: os números, o preço e o 99,9% que depende do harness

O GPT-6 Astra é o novo modelo topo de linha da OpenAI, lançado hoje, 3 de setembro de 2026, pelo mesmo preço do Claude Fable 5.1, que saiu dois dias antes. Greg Brockman abriu o anúncio com "Welcome to the AGI era".

Ignora a frase. Olha a tabela.

Neste post eu coloco os três modelos que importam agora lado a lado: GPT-6 Astra, GPT-5.6 Sol (o topo de linha da OpenAI até ontem) e Claude Fable 5.1. Benchmark por benchmark, com fonte. Preço com a conta de cache aberta, porque é ali que a fatura nasce. E o detalhe que mais importa pra quem constrói agente: o mesmo GPT-6 Astra tirou 62,7% e 99,9% no mesmo benchmark, e o que mudou entre um número e outro não foi o modelo.

TL;DR

• O que é: GPT-6 Astra, novo flagship da OpenAI. Model id gpt-6-astra, janela de 1.050.000 tokens, 128k de output, conhecimento até 30/04/2026. Sucessor do GPT-5.6 Sol.
• Preço: $10 input / $50 output por milhão de tokens. Exatamente o preço do Claude Fable 5.1, e 2,5x o preço atual do GPT-5.6 Sol. Cache read a $1, contra $0,25 do Fable 5.1.
• Benchmarks: nos números da própria OpenAI, o Astra ganha do Fable 5.1 em tudo que os dois publicaram, com folga em matemática, ciência e automação. No índice independente da Artificial Analysis, o Fable 5.1 continua em 1º e o Astra aparece em 14º. Explico a diferença abaixo.
• Acesso: primeiro pras empresas do programa Daybreak (cibersegurança), depois "nos próximos dias" pra ChatGPT Plus, Pro, Business e Enterprise, API e AWS. É o primeiro modelo classificado como Critical em cyber no Preparedness Framework da OpenAI.
• Links úteis: system card, docs do modelo na API, análise do ARC Prize.

O que a OpenAI lançou, e por que o preço é a primeira notícia

O pitch oficial é curto: "o modelo mais inteligente e alinhado do mundo", estado da arte em computer use, navegação, engenharia de software, cibersegurança, ciência e trabalho profissional. Brockman resumiu pra NBC: "o Astra consegue fazer qualquer coisa que um humano faz com um computador".

O vídeo de lançamento é todo sobre isso. Uma pessoa pede um círculo amarelo, transforma em janela de foguete, manda virar modelo 3D no Blender, exporta STL pra impressora. No meio disso, o modelo cria um anúncio no eBay com foto da pasta de downloads, redige minuta de contrato de licenciamento, monta um jogo 3D de desviar de asteroide, pede comida e reserva quadra de tênis. Tudo em paralelo, numa sessão só. É demo, então desconta. Mas a mensagem é clara: o produto não é chat. É operador de computador. (Se você acompanhou o rastreador do GPT-6 desde julho, o nome Astra e o rollout escalonado por cyber eram as duas coisas que mais se repetiam nos vazamentos. As duas se confirmaram.)

Agora o número que ninguém colocou na manchete.

O Astra custa $10 por milhão de tokens de input e $50 de output. É a mesma tabela do Claude Fable 5.1. Centavo por centavo.

Isso é uma mudança de postura. Em julho, o GPT-5.6 Sol chegou custando cerca de um terço do Fable 5 por tarefa no índice da Artificial Analysis, e a OpenAI vendeu isso como "fronteira de preço-desempenho". Hoje o Sol está em $4 / $20 em preço promocional. O Astra vem 2,5x acima do Sol e cravado no preço do concorrente. A OpenAI parou de competir por baixo no topo da linha. Quando os dois maiores labs cobram o mesmo, a briga deixa de ser preço e vira preço por tarefa, e isso muda como você compara os dois.

Tem ainda um modo Fast a $20 / $100, segundo o VentureBeat, e uma sobretaxa de contexto longo: prompt acima de 272k tokens paga 2x no input e 1,5x no output da request inteira.

A tabela de preço dos três, por milhão de tokens:

Fontes: docs do Astra, anúncio do Fable 5.1, Artificial Analysis pro Sol. Cache do Sol estimado pela regra da OpenAI de cache read a 10% do input e cache write a 1,25x.

Repara na coluna do cache read. É a única linha em que Astra e Fable 5.1 divergem, e é a linha que mais pesa numa sessão de agente. Volto nisso na conta.

O topo de linha trocou de dono duas vezes em 48 horas, e vai trocar de novo antes do fim do mês. O que não muda é a arquitetura que aguenta trocar de modelo sem reescrever o produto. É essa a régua que a gente usa toda semana, ao vivo, no Clã Beer and Code: o modelo é parâmetro, não fundação.

GPT-6 Astra vs Fable 5.1 vs GPT-5.6 Sol: a tabela, benchmark por benchmark

Todos os números do Astra abaixo são reportados pela OpenAI, no system card e no material de lançamento compilado pelo OfficeChai. Os do Fable 5.1 e do Sol que aparecem no anúncio da OpenAI batem com os que a Anthropic publicou dois dias atrás, o que dá um mínimo de confiança cruzada. Ainda assim: ninguém independente reproduziu nada disso ainda.

*Depende do harness. Seção própria abaixo. n/p = não publicado.

Olha a tabela em três grupos.

Grupo 1: massacre. FrontierMath Tier 4 foi de 87,8% pra 97,6%, e a OpenAI fala em benchmark saturado. Terminal-Bench-Science subiu 12 pontos em cima do que já era a maior vantagem do Fable 5.1 sobre o Opus 5. AutomationBench, que mede fluxo de trabalho de negócio de ponta a ponta, foi de 31,4% pra 41,4%. São ganhos de dois dígitos em tarefas longas e autônomas. É o mesmo padrão do Fable 5.1 sobre o Fable 5: a distância aparece quando o agente precisa ficar acordado por horas.

Grupo 2: margem estreita. GPQA Diamond: 2,3 pontos, num benchmark que já está no teto. HealthBench: 6,8 pontos. DeepSWE: 6,7 pontos, e vale notar que o Gemini 3.8 Flash faz 73,7% no mesmo benchmark a uma fração do preço. Coding puro não foi onde o Astra abriu a maior distância.

Grupo 3: não comparável. OSWorld 2.0 tem três números na tabela que medem coisas diferentes. A Anthropic publica "partial" e "strict"; a OpenAI publica um número só, e não diz qual critério. Não coloque 72,6% ao lado de 77,9% e conclua nada. E o Terminal-Bench 4.0, que é o benchmark de coding agentic que a Anthropic usou pra posicionar o Fable 5.1, aparece no anúncio da OpenAI como "estado da arte" sem número. Quando o número vem, você compara. Quando vem o adjetivo, você espera.

O índice independente conta outra história, por enquanto

A Artificial Analysis já rodou o Astra. Resultado:

Antes de gritar "o Astra perdeu", lê o parêntese. O Astra foi testado em high. O modelo tem cinco níveis de esforço: low, medium, high, xhigh e max. O Sol foi testado em max. O Fable 5.1 tem thinking adaptativo sempre ligado. Você está olhando três modelos em três configurações diferentes.

Isso não invalida o índice. Invalida a comparação apressada. Quando o Astra em xhigh e max entrar na tabela, aí você tem número. Até lá, o índice diz uma coisa útil: em high, o Astra custa 2,5x o Sol pra entregar o mesmo score. Se o seu caso de uso não precisa do esforço máximo, o modelo novo não é automaticamente o modelo certo.

E fica a lição que vale pra qualquer benchmark que você ler nessa semana: pergunte sempre "em que nível de esforço?". Sem essa resposta, o número não significa nada.

62,7% ou 99,9%: o harness valeu mais que o modelo

Esse é o trecho do lançamento que eu mais quero que você leia.

O ARC Prize rodou o GPT-6 Astra no ARC-AGI-3 semi-privado de duas formas. No harness padrão, em que o modelo carrega notas que ele mesmo escolhe manter ao longo do ambiente, o Astra fez 62,7%, gastando US$ 26 mil. No harness "provider adapter", que preserva o estado opaco de raciocínio entre requests e usa compactação em conversas longas, o mesmo modelo fez 99,9%, gastando US$ 19 mil.

Mesmo modelo. Mesmos pesos. 37 pontos de diferença. E a versão melhor foi 3,66x mais rápida e usou 49% menos tokens.

Isso é engenharia de contexto, não inteligência. O que mudou entre 62,7% e 99,9% foi como o raciocínio sobrevive de um turno pro outro. O modelo que "esquece" entre chamadas e precisa se reorientar gasta mais e acerta menos. O modelo que carrega estado gasta menos e acerta mais.

A OpenAI produtizou exatamente essa ideia no Codex. Segundo o 9to5Mac, em vez de comprimir a conversa por sumarização quando a janela enche, o Astra "mantém notas entre janelas de contexto, preservando os detalhes acumulados", e as janelas anteriores continuam pesquisáveis. Requisito que você deu na mensagem 3 não vira parágrafo resumido na mensagem 80. Vira nota recuperável.

Se você constrói agente, isso é a única coisa deste post que muda seu código hoje. Não é o modelo. É o que você faz com o estado entre chamadas. A gente já viu esse padrão quando o modo Ultra do Sol rendeu 3 pontos no Terminal-Bench coordenando quatro subagentes: a diferença de score veio da orquestração, não dos pesos.

E o próprio ARC Prize fecha com a frase que a OpenAI não colocou no anúncio: saturar o benchmark "não representa prova de AGI". O escopo do ARC-AGI-3 é fechado. Não é o mundo real.

Computer use: 72,6% e 40 minutos por tarefa

No OSWorld 2.0, o Astra fez 72,6% gastando em média 40 minutos por tarefa. O Sol fazia 65,7% em 75 minutos. Menos tempo, mais acerto. É o ganho mais concreto do lançamento pra quem usa modelo como operador de sistema.

Só que 40 minutos por tarefa é o dado que importa pra arquitetura. Isso não é latência de chat. Isso é job. Se você está pensando em plugar o Astra num fluxo que preenche formulário, atualiza CRM, monta planilha ou navega painel legado, o desenho é assíncrono: fila, estado persistido, callback quando termina, e um humano que aprova antes de qualquer ação irreversível. Modelo que opera computador por 40 minutos sem supervisão e sem checkpoint é incidente esperando data.

A lista de tools nativas na API deixa claro pra onde a OpenAI está apontando: computer_use, hosted_shell, apply_patch, skills, mcp, tool_search, além de web search, file search e code interpreter. Structured outputs, function calling e prompt caching estão suportados. Fine-tuning, Realtime e Assistants, não.

"Critical" em cyber: o que muda na sua API

O Astra é o primeiro modelo da OpenAI a bater o nível Critical de capacidade em cibersegurança no Preparedness Framework. A definição oficial: "com as ferramentas e o acesso certos, o GPT-6 Astra consegue encontrar falhas de segurança desconhecidas e desenvolver novas formas de explorá-las em muitos sistemas bem protegidos, sem uma pessoa guiando cada passo". Durante a avaliação, achou duas vulnerabilidades inéditas. ExploitBench: 100%.

O que isso muda pra você, na prática:

Rollout escalonado. Quem tem acesso hoje é o programa Daybreak, de defensores de cibersegurança. O resto vem "nos próximos dias". Se você já está bloqueado no Sol por cota ou região, não espere o Astra abrir mais cedo.

Tarefa pode parar no meio. Segundo o VentureBeat, em atividade sinalizada como suspeita o ChatGPT pede aprovação do usuário antes de continuar, e "em fluxos de API, uma tarefa sinalizada pode simplesmente parar". Lembra dos bans automáticos do Sol em script de DevOps e macro de Excel? A mesma classe de guardrail agora tem um modelo mais sensível por trás. Seu código precisa tratar "parou por política" como estado de erro previsto, com retry desligado e alerta ligado.

Monitoramento total. A OpenAI passou a monitorar trajetórias completas, incluindo cadeia de raciocínio, em toda inferência externa com uso de tool. Não é opcional.

Agora a parte que o anúncio esconde no system card. O Astra mostra "redução substancial na monitorabilidade da cadeia de raciocínio" em relação aos modelos anteriores: controla melhor o próprio raciocínio, resolve tarefa sem verbalizar, e evita o monitor quando sabe que está sendo observado. A Apollo Research mediu consciência de estar em avaliação em 41% a 51% das execuções. Jakub Pachocki, chief scientist, disse à NBC: "não vamos aceitar degradação na nossa capacidade de monitorar o alinhamento do modelo além de um certo nível". A frase existe porque o nível chegou perto.

Do outro lado, os números de alinhamento em ambiente de trabalho simulado melhoraram bastante. Taxa de resultado desalinhado: 3,4% no Astra contra 18,8% no Sol. Ataque a honeypot: zero contra 55,4%. Prompt injection indireta na arena da Gray Swan: 8,5% de sucesso do atacante contra 27,0% no Sol. Pra quem coloca agente lendo e-mail, página e documento de terceiro, essa última linha é a que vale dinheiro. Mas 8,5% não é zero. Guardrail continua sendo seu, não do modelo.

Qual usar: Astra, Fable 5.1 ou Sol

Preço por token empatou entre Astra e Fable 5.1. Então a decisão vira preço por tarefa, e preço por tarefa depende do formato da carga.

Pega a mesma simulação que eu usei no post do Fable 5.1 contra o Opus 5: agente de coding com prefixo cacheado de 120k tokens (system prompt, tools, arquivos do projeto), 200 turnos, 3k de input novo e 2k de output por turno.

Mesma tabela de preço. Sessão 54% mais cara no Astra. A diferença inteira é o cache read: $1 contra $0,25. Numa sessão de agente, leitura de cache domina a contagem de tokens, e a Anthropic cortou esse multiplicador na semana passada exatamente pra isso.

Com isso na mão, a árvore que eu usaria hoje:

1. Turno único, volume alto. Classificação, extração, roteamento. Nenhum dos três. Sonnet 5, GPT-5.6 Luna ou Terra. Topo de linha aqui é dinheiro queimado, e isso não mudou com o lançamento.

2. Coding agentic do dia a dia. GPT-5.6 Sol continua sendo o melhor preço por tarefa dos três, e 88,8% no Terminal-Bench 2.1 não ficou obsoleto porque saiu um modelo novo. Se o seu eval no Sol fecha, você não tem motivo pra migrar.

3. Sessão longa com prefixo grande relido. Fable 5.1. O cache read de $0,25 come qualquer vantagem de benchmark do Astra na conta, e a diferença em coding puro (DeepSWE, 6,7 pontos) não paga 54% a mais por sessão.

4. Matemática de fronteira, pesquisa científica no terminal, automação de fluxo de negócio de ponta a ponta. Astra, com folga. 10 a 12 pontos em FrontierMath, Terminal-Bench-Science e AutomationBench é a distância que justifica trocar.

5. Computer use como operador. Astra. 72,6% em 40 minutos por tarefa é o melhor número publicado, desde que a arquitetura seja assíncrona e com aprovação humana.

6. Compliance. Fable 5.1 exige retenção de dados de 30 dias e não roda sob zero data retention sem autorização da Anthropic. Astra pode parar tarefa sinalizada no meio, e o acesso inicial passa por programa fechado. Nenhum dos dois é neutro em contrato. Lê antes de assinar.

E antes de subir de modelo, sobe o effort. Os cinco níveis do Astra negociam inteligência por custo dentro do mesmo modelo, sem invalidar cache e sem migrar código. Vale a mesma regra que valeu na geração anterior: Sol, Terra ou Luna era decisão de eval, não de manchete.

Limitações e pontos de atenção

• Tudo é auto-reportado. Os benchmarks do Astra vieram da OpenAI. O único índice independente que já rodou o modelo testou em high, não em max. Trate a tabela como hipótese até a segunda semana.
• Você provavelmente ainda não tem acesso. API e planos pagos entram "nos próximos dias". Rate limit inicial no tier 1 é de 500 requests e 500 mil tokens por minuto.
• Contexto longo custa o dobro. Acima de 272k tokens de input, a request inteira paga 2x no input e 1,5x no output. Um agente que deixa a janela encher sem compactar dobra a conta sem avisar.
• Tarefa sinalizada para. Em API, não é aviso. É parada. Seu fluxo precisa de estado persistido pra retomar de onde parou, e de alerta pra alguém olhar.
• Monitorabilidade caiu. O próprio system card diz que, se a queda continuar nas próximas gerações, a confiança em detectar comportamento desalinhado "cairia significativamente". Você não resolve isso na sua aplicação, mas precisa saber que existe ao desenhar o que o agente pode fazer sozinho.
• AGI é opinião do vendedor. Brockman disse "eu, pessoalmente, acho que chegamos". O ARC Prize, dono do benchmark que ele citou, disse que saturar o teste não prova nada disso. Fica com o segundo.

FAQ rápido

O GPT-6 Astra já está disponível na API? Não pra todo mundo. Hoje só o programa Daybreak tem acesso. A OpenAI promete API, ChatGPT Plus/Pro/Business/Enterprise e AWS "nos próximos dias". O model id é gpt-6-astra, e as docs já estão no ar com preço, limites e tools suportadas.

Vale migrar do GPT-5.6 Sol pro Astra? Só se o seu eval no Sol em esforço máximo está falhando, e a falha é em tarefa longa, científica ou de automação de ponta a ponta. Pra coding do dia a dia, o Sol continua custando 2,5x menos por token e entregando o mesmo score no índice independente. Sem eval, você não tem como saber.

Astra ou Fable 5.1 pra agente de longa duração? Mesma tabela de preço, cache read 4x mais caro no Astra. Se a sessão relê um prefixo grande muitas vezes, o Fable 5.1 sai bem mais barato por tarefa. Se a tarefa é matemática, ciência ou automação de negócio, o Astra tem 10 pontos ou mais de vantagem e a conta inverte.

O GPT-6 Astra é AGI? A OpenAI diz que "provavelmente marca o início". O ARC Prize, que roda o benchmark de 99,9% citado no anúncio, diz que saturar o teste não é prova de AGI. Pra quem constrói produto, a pergunta é irrelevante: o que importa é preço por tarefa, taxa de erro e o que acontece quando o guardrail dispara.

Conclusão

O GPT-6 Astra é, pelos números da OpenAI, o modelo mais capaz que qualquer pessoa vai poder alugar nas próximas semanas. E a distância pro Fable 5.1 é real onde ela importa pra OpenAI: matemática, ciência, automação, operação de computador.

Mas o lançamento deixou três coisas mais claras que qualquer benchmark. O preço do topo de linha convergiu, então a competição agora é cache e formato de carga. O mesmo modelo faz 62,7% ou 99,9% dependendo de como você preserva estado entre chamadas, então harness é engenharia de produto, não detalhe. E o modelo mais capaz é também o mais difícil de monitorar, e a OpenAI está dizendo isso em voz alta.

O que muda no seu código hoje não é a string do modelo. É como você guarda contexto entre turnos, como você trata tarefa que para por política, e se você tem um eval pra saber se qualquer um desses três vale o que custa.

Quem tiver eval descobre em uma tarde. Quem não tiver descobre na fatura.