GPT-6 Sol e Luna, Opus 5.5 e Gemini 4: o que muda de verdade nessa leva de modelos

O GPT-6 Sol e o GPT-6 Luna, da OpenAI, e o Claude Opus 5.5, da Anthropic, saíram no mesmo dia: 22 de setembro, com noventa minutos de diferença. E dois dias depois, o chefe do Google DeepMind subiu num palco pra dizer que o Gemini 4 já está em pós-treino.

Três labs, uma semana. A timeline inteira gritando "modelo novo".

Só que, se você olhar os números com calma, essa rodada tem uma característica que as anteriores não tinham: quase nada aqui é sobre o modelo ficar mais inteligente. É sobre a mesma inteligência ficar mais barata. E isso muda a conta de quem roda agente em produção muito mais do que qualquer ponto a mais em benchmark.

Neste post você vai ver o que cada lançamento traz de diferente de verdade, onde está a pegadinha de cada um, o que já se sabe sobre o Gemini 4 e qual modelo faz sentido pra cada tipo de carga.

TL;DR

• GPT-6 Sol: mesma inteligência do GPT-5.6 Sol pela metade do preço ($2/$10 por milhão de tokens), alucinando bem menos.
• GPT-6 Luna: o modelo de volume. $0,10/$0,50, mas cai um pouco em código agentic e gasta mais tokens por tarefa.
• Claude Opus 5.5: entrega no nível do Fable 5.1 a $4/$20, 30% mais rápido que o Opus 5, com cache read 60% mais barato. Vem com 4 breaking changes na API.
• Gemini 4: ainda não saiu. Pré-treino confirmado em julho, pós-treino agora, mercado de previsão apostando em outubro.

O padrão da rodada: o preço cai, a inteligência fica

Comece pelo dado mais honesto que existe sobre o GPT-6 Sol. Não é o da OpenAI. É o da Artificial Analysis, que roda os mesmos testes em todo mundo.

O veredito deles: o Intelligence Index do GPT-6 Sol ficou no mesmo nível do GPT-5.6 Sol. O do Luna, no mesmo nível do GPT-5.6 Luna. Com ganhos em algumas avaliações e regressões em outras.

O que mudou foi o custo por tarefa:

Do lado da Anthropic, a mesma história com outra embalagem. O Opus 5.5 "performa no nível do Claude Fable 5.1 na maior parte do trabalho" e custa 40% menos que o Opus 5 em cargas típicas.

Ou seja: nenhum dos dois labs te vendeu um salto de capacidade essa semana. Os dois te venderam a capacidade de ponta de um mês atrás pela metade do preço.

Parece menos empolgante. Não é.

Agente em produção não morre por falta de inteligência. Morre de custo. Um loop de agente que faz 40 chamadas por tarefa e custava R$ 2 por execução agora pode custar R$ 1. Isso é a diferença entre uma feature que fecha a conta e uma que fica no protótipo.

E o ritmo é esse: toda semana algum lab mexe na tabela de preço, no default de um parâmetro ou num comportamento da API. Acompanhar isso sozinho, com o código de produção na mão, é o que mais cansa. É por isso que no Clã Beer and Code a gente pega lançamento como esse e testa junto, toda semana, ao vivo, em projeto real.

GPT-6 Sol e Luna: a mudança que importa é a alucinação

A OpenAI posiciona os dois assim: o Sol é o modelo do dia a dia, com mais raciocínio, e o Luna é o barato, otimizado pra resposta rápida e volume alto. Segundo a TechCrunch, o Luna mira "tarefas de alto volume com objetivo claro, como resumir documentos, extrair informação ou responder perguntas rápidas".

Os preços, com o antes e depois (MacRumors):

A OpenAI atribui o corte a "melhorias em caching e inferência". Não é promoção. É eficiência de infraestrutura.

Agora, o dado que eu mais gostei dessa rodada: alucinação.

No AA-Omniscience, teste que mede quanto o modelo inventa resposta em vez de admitir que não sabe, a taxa de alucinação do Sol caiu de 92% para 60%. A do Luna, de 93% para 77% (Artificial Analysis). A própria OpenAI diz que o Sol comete "cerca de metade dos erros" do GPT-5.6 Sol, chegando na confiabilidade do Astra.

60% ainda é alto. Mas a queda é enorme, e ela bate direto em RAG, extração e qualquer fluxo onde o modelo responde sobre dado que ele não tem.

Tem também uma mudança de estilo herdada do Astra: respostas um pouco mais curtas, menos jargão e, segundo a OpenAI, "menos afirmações enganosas sobre o próprio trabalho de código". Quem já pegou agente dizendo "todos os testes passaram" sem ter rodado nada sabe o valor disso.

A pegadinha do Luna

O Luna é barato por token. Mas olha o que a Artificial Analysis mediu:

• No Coding Agent Index, o Luna caiu 2 pontos (41). O Sol subiu 2 (57).
• O Luna gastou 51 mil tokens de output nas tarefas do índice, contra 41 mil do GPT-5.6 Luna.
• Os dois modelos regrediram no GDPval-AA v2.1 no esforço máximo, porque entregam documentos mais curtos que "com mais frequência omitem elementos obrigatórios".

Tradução: se o seu fluxo com Luna é código agentic ou geração de documento com checklist de conteúdo, não troque no escuro. Rode o seu eval antes. Pra resumo e extração, a troca é quase óbvia.

Claude Opus 5.5: nível Fable pelo preço de Opus, com quatro breaking changes

O Opus 5.5 é o primeiro modelo da família 5.5. Model id: claude-opus-5-5.

Os números contra o Opus 5, todos do anúncio oficial:

Catorze pontos no Terminal-Bench numa versão ponto-cinco não é pouca coisa. E a Artificial Analysis colocou o Opus 5.5 no topo do Intelligence Index, com 58 pontos.

Mas o que eu quero que você olhe é o preço:

O cache read caiu 60%. Em sessão agentic, onde o contexto inteiro é relido a cada turno, é essa linha que manda na fatura, não a de input. A gente já fez essa conta no comparativo do Fable 5.1 com o Opus 5: com cache quente, a razão de custo entre modelos muda completamente. No Opus 5.5 ela pende forte a favor dele.

A Anthropic ainda compara com o GPT-6 Astra: mesmo nível no FrontierCode a "cerca de 20% do custo por tarefa", e no Terminal-Bench 4.0 a "cerca de 40%". É número do próprio lab, então leia com o desconto de sempre.

E mais: gera output mais de 30% mais rápido que o Opus 5, e na auditoria comportamental tentou contornar limites "cerca de 85% menos vezes" que o Opus 5.

O que quebra se você só trocar o model id

Aqui mora o problema. O guia de migração lista quatro breaking changes:

1. Thinking não pode ser desligado. thinking: {"type": "disabled"} e thinking: {"type": "enabled", "budget_tokens": N} devolvem erro 400. Adaptive thinking roda em toda requisição. O controle agora é só o effort.
2. Forced tool use foi removido. tool_choice com {"type": "any"} ou {"type": "tool", ...} devolve 400. Use auto com strict tool use ou structured outputs.
3. Thinking blocks ficam presos à conversa. O API só aceita um thinking block reenviado se tudo que veio antes dele continuar idêntico. Editou um turno anterior, removeu um reminder injetado, reconstruiu o system prompt ou fez compactação no cliente? Erro. Pra contas criadas a partir de 31/08/2026, esse é o comportamento padrão.
4. Computer use mudou. Na API e no Google Cloud, o antigo computer_20251124 é rejeitado. O novo é computer_toolset_20260801.

E tem uma mudança silenciosa que não dá erro nenhum, só muda o resultado: o effort padrão agora é medium. No Opus 5 era high. Se você migrar sem setar, vai rodar com menos raciocínio e achar que o modelo piorou.

Antes, no Opus 5, desligando thinking pra economizar:

response = client.messages.create(
    model="claude-opus-5",
    max_tokens=4096,
    thinking={"type": "disabled"},
    messages=[{"role": "user", "content": prompt}],
)

Depois, no Opus 5.5:

response = client.messages.create(
    model="claude-opus-5-5",
    max_tokens=16000,  # agora cobre thinking + texto
    output_config={"effort": "low"},  # thinking sempre ligado; effort é o controle
    messages=[{"role": "user", "content": prompt}],
)

# a resposta começa com blocos de thinking: filtre por tipo
text = "".join(b.text for b in response.content if b.type == "text")

Dois detalhes que pegam gente. Primeiro: max_tokens agora é o teto de thinking mais texto. Se você usava 4096 sem thinking, pode começar a receber resposta cortada. A doc sugere começar em 64k pra xhigh e max. Segundo: thinking é cobrado como output mesmo quando você não vê o texto dele. Fluxo que rodava sem thinking vai gastar mais output por requisição.

Se você usa Claude Code, dá pra deixar o próprio Claude fazer a migração com /claude-api migrate this project to claude-opus-5-5.

Sonnet 5.5 e Haiku 5.5 vêm "nas próximas semanas", segundo a Anthropic.

Gemini 4: o que já se sabe e a previsão

O Google é o único dos três que não lançou nada essa semana. E ele sabe disso: o último flagship da empresa foi a série Gemini 3, em novembro de 2025.

O que está confirmado, em ordem:

• 21/07/2026: o Google confirmou publicamente que começou o "pré-treino mais ambicioso até hoje" do Gemini 4, uma confirmação rara feita no meio do treino (MindStudio).
• 23/07/2026: na call de resultados, Sundar Pichai disse que o Gemini 4 vai usar um modelo base "significativamente maior", com código e agentes autônomos como prioridades.
• Esta semana: Koray Kavukcuoglu, na primeira aparição pública como chefe do Google DeepMind (AI Agenda Live, da The Information), disse que o Gemini 4 está no começo do pós-treino e que a meta é lançar "muito antes" do fim do ano. Nas palavras dele: "Nossa intenção é soltar uma versão inicial do pós-treino o quanto antes, porque já vimos resultados promissores" (AI Weekly).

E o que o mercado aposta. No Polymarket, a chance do Gemini 4.0 sair até cada data, hoje:

Detalhe importante: esse mercado resolve com o Gemini 4.0 Flash disponível ao público, não o Pro.

Minha leitura. "Versão inicial do pós-treino o quanto antes" soa como preview, provavelmente um Flash ou um Pro com rótulo experimental, em outubro. Pelas prioridades que o Pichai declarou, o foco vai ser código e agente. É exatamente onde o Opus 5.5 e o GPT-6 Sol acabaram de subir a régua de preço-por-desempenho. Então a pergunta que importa pro Gemini 4 não é "vai ser mais inteligente?". É "vai ser mais barato por tarefa resolvida que o Opus 5.5?". Se não for, chega atrasado.

Isso é previsão, não fato. Trate como tal.

Qual usar agora

Limitações e pontos de atenção

Benchmark de lab é benchmark de lab. Os números do Opus 5.5 são da Anthropic. A frase "supera os modelos da Anthropic" é da OpenAI. Os números independentes que eu usei são da Artificial Analysis, e mesmo eles medem com harness próprio. Terminal-Bench no anúncio da Anthropic e Terminal-Bench na Artificial Analysis não são comparáveis diretamente.

Mesma inteligência não significa mesmo comportamento. O Sol e o Luna ficaram mais concisos. Se o seu produto depende de resposta longa e completa, a regressão no GDPval mostra que você pode perder conteúdo. Eval próprio, sempre.

Nem tudo está em todo lugar. Na data do lançamento, o GPT-6 Sol e o Luna estavam no ChatGPT Work, no Codex e na API, mas ainda não no Chat mode.

Previsão do Gemini é aposta. Kavukcuoglu falou em "intenção", não em data.

FAQ rápido

O GPT-6 Sol é melhor que o GPT-6 Astra? Não. O Astra continua sendo o topo da OpenAI. O Sol traz as melhorias do Astra pra um preço menor, com confiabilidade parecida em factualidade, mas não é um substituto em capacidade bruta. A comparação completa do Astra está no nosso comparativo.

Posso trocar claude-opus-5 por claude-opus-5-5 e pronto? Só se você não desliga thinking, não força tool use, não edita o histórico da conversa e não usa computer use. Senão, vai tomar 400. E sete o effort explicitamente: o padrão caiu de high para medium.

O Opus 5.5 substitui o Fable 5.1? Na maior parte do trabalho, segundo a Anthropic, sim, e custando bem menos. Pra tarefa realmente de fronteira, o Fable 5.1 continua sendo o teto. Teste nos seus casos mais difíceis antes de desligar o Fable.

Quando sai o Gemini 4? Não tem data oficial. O Google diz "muito antes do fim do ano", e o Polymarket dá 75% de chance de um Gemini 4.0 Flash público até 31/10.

Conclusão

Essa rodada não trouxe o modelo que muda tudo. Trouxe algo mais útil: a capacidade de ponta ficou mais barata e mais confiável. O GPT-6 Sol alucina bem menos pela metade do preço. O Opus 5.5 entrega nível Fable a preço de Opus, com um cache que faz agente longo fechar a conta.

O próximo passo dessa corrida não é quem tem o maior número no benchmark. É quem resolve a tarefa pelo menor custo total. O Gemini 4 vai ser julgado por essa régua.

Se você ainda está decidindo entre os modelos de topo, vale ler a comparação do GPT-6 Astra com o Fable 5.1 pra ver como o cache muda a conta de uma sessão inteira.