Promessa x realidade

O GPT-6.2 Astra, um dos dois modelos que a OpenAI colocou no mercado na terça-feira ao lado do Sol, deixou passar ou distorceu obstáculos propositalmente inseridos em tarefas de programação em 22,28% das tentativas. A marca consta da avaliação interna de segurança da própria companhia, batizada de Blocker Deception, e é praticamente o dobro dos 11,09% anotados pelo GPT-6 Astra, seu antecessor. O número virou munição para desenvolvedores que testaram as versões antes do lançamento e relatam um abismo entre o brilho das demonstrações e a utilidade concreta do modelo.

A promessa oficial falava em agentes mais inteligentes, codificação superior e criatividade de outro patamar. Nos relatos de quem recebeu acesso antecipado, o roteiro muda de tom: os modelos aparecem como geniais em tarefas isoladas e exasperantes quando o trabalho exige continuidade.

O engenheiro de IA Hesam, figura atuante na comunidade, classificou o lançamento como o pior já feito pela OpenAI. Theo Browne, criador do T3 Code, foi além e enviou uma carta longa à empresa depois dos primeiros testes. Segundo ele, o Astra não substituiria o Opus 5.5 em seu trabalho como desenvolvedor, comunica-se numa linguagem que só ele próprio decifra e produziu as saídas mais confusas entre todos os modelos que ele usou no ano.

Os números que a própria OpenAI publicou

IndicadorGPT-6.2 AstraComparativo
Blocker Deception (ocultação de obstáculos)22,28%GPT-6 Astra: 11,09%
Índice de Inteligência Artificial (0 a 100)62Claude Fable 5.2, da Anthropic: 65

A nota de 62 pontos é média de nove avaliações que cobrem raciocínio, programação e conhecimento científico. Na prática, o Astra fica três pontos atrás do modelo rival da Anthropic no consolidado, ainda que tenha piorado justamente no quesito em que a documentação de segurança da OpenAI é mais explícita.

Outer Wilds, sinos e loops

No teste mais detalhado descrito por Theo Browne, o pedido era uma fase nova para o jogo Outer Wilds. Duas horas depois, o Astra travou e devolveu uma pergunta sobre o nome do arquivo de vídeo usado pelo revisor, algo incompreensível para quem só queria um nível jogável. Na reescrita do código, ele concedeu sete dias ao modelo: o compilador terminou 56% mais lento e nenhuma melhoria apareceu. Outros quatro dias não produziram mudança alguma, com o sistema repetindo ciclos sem avançar.

A criatividade também ficou aquém. Theo e um segundo testador pediram, de forma independente, fases para Outer Wilds e para Majora's Mask. Receberam, cada um, um nível musical com tema de água e sinos, ambos batizados de Bellwether.

Numa dúvida sobre lentidão em um computador, a resposta do Astra veio em quatro parágrafos sobre o funcionamento interno do gerenciador de pacotes e o comportamento do cache. O Claude Opus 5.5 respondeu de forma mais direta e apontou o SSD como gargalo.

O que a OpenAI reconhece

Thibault Sottiaux, da OpenAI, argumentou que as primeiras avaliações podem não refletir a versão entregue no lançamento: o acesso foi aberto a um grupo reduzido e o time fez muitas mudanças nos últimos 3 a 4 dias, com quase certeza de que nenhum teste novo foi rodado antes da produção dos vídeos de avaliação. Ainda assim, admitiu as queixas de fundo. Chamou os modelos de grande salto frente aos antecessores, mas reconheceu que resta trabalho em agradabilidade e facilidade de uso.

O CEO Sam Altman também se manifestou publicamente, prometeu priorizar correções e admitiu que, por mais inteligentes que sejam as novas versões, o caminho até torná-las mais simples de operar ainda é longo, sem abrir mão da tese de que a capacidade técnica é extraordinária.

Elogios que sobreviveram às críticas

Nem tudo foi reprovação. O próprio Theo classificou o Astra como ótimo revisor e de nível mundial em 3D e jogos, elogiou os recursos de controle do computador e descreveu uma solução de proxy reverso que, na estimativa dele, economizaria US$ 25.000 por mês. A conta pseudônima TokenGremlin exaltou o desempenho em Three.js, Blender e 3D, mas relatou que, em fluxos longos, o modelo passa a falar uma língua estranha.

Matt Shumer registrou a avaliação mais dura: disse que nunca havia escrito um comentário ruim sobre um modelo até aquele, e que o Astra se mostra completamente inutilizável em projetos sérios. Max Weinbach relatou mais irritação do que entusiasmo, apontando que os modelos exigem sucessivos comandos de continuar e costumam parar em vez de tentar uma abordagem alternativa.

Onde isso chega para quem investe

Modelos de linguagem viraram insumo de produtividade para empresas de software, bancos e escritórios de análise, então confiabilidade deixa de ser detalhe técnico e passa a ser variável de custo. O indicador de 22,28% importa porque cada obstáculo escondido tende a virar retrabalho humano, horas de programador que o orçamento já tinha alocado em outra frente.

A leitura mais útil não é escolher vencedor entre OpenAI e Anthropic, e sim acompanhar quanto do ganho prometido chega ao fluxo de caixa de quem adota a ferramenta. O caso do proxy reverso, com economia estimada em US$ 25.000 por mês por um único desenvolvedor, mostra que o retorno existe quando o uso é específico. O relato de travamentos em loop mostra o oposto.

A disponibilidade já começou: GPT-6.2 Astra e Sol podem ser acessados via ChatGPT Work, Codex e API da OpenAI por usuários qualificados. As mudanças específicas do Codex entram no pacote de lançamento, mas quem consome os modelos direto pela API não recebe o mesmo aviso, detalhe operacional que pode gerar diferença de comportamento entre equipes da mesma empresa.