OpenAI mexe nos prompts do GPT-6.2 e na conta de tokens

A OpenAI colocou no ar em 17 de novembro o GPT-6.2 nas versões Astra e Sol e, junto com os modelos, liberou templates de prompt prontos para copiar. A medida ataca dois hábitos identificados nas duas versões: respostas curtas demais por padrão e a interrupção do trabalho com perguntas de confirmação. O pacote vem acompanhado de mudanças na API que atingem em cheio o consumo de tokens — o token de saída da Astra custa US$ 40 por milhão, valor que sobe para US$ 60 depois de 272.000 tokens de contexto.

Duas versões, três frentes de instrução

A linha foi dividida por perfil de uso. A Astra atende às tarefas mais exigentes; a Sol foi pensada para trabalho complexo a custo menor. Para as duas, a documentação traz textos de sistema prontos, organizados em três áreas: estilo de escrita, grau de iniciativa e programação. Quem migra para qualquer uma das versões, segundo a empresa, deve revisar as instruções de sistema que já utiliza.

Concisão como padrão exige revisar o que se pede

Astra já entrega respostas mais breves e diretas do que as gerações anteriores, conforme a OpenAI. Instruções do tipo seja conciso perdem função nesse arranjo e precisam ser repensadas. Para uso como colega de trabalho no cotidiano, a sugestão é um prompt que absorva a terminologia do usuário e das fontes consultadas, prefira voz ativa e coloque a conclusão na abertura. Quando o texto é destinado a leitores de fora, o modelo deve considerar que esse público não acompanhou a conversa. Na tarefa de edição, o compromisso é preservar o sentido e a redação do autor original.

Um problema específico de tarefas longas ganhou prompt próprio. O modelo às vezes leva para a resposta final abreviações nascidas no raciocínio interno ou nas mensagens trocadas com outros agentes. A correção recomendada é tratar a entrega como o primeiro contato do usuário com o trabalho, sem depender de comentários intermediários — que ficam recolhidos na interface quando a resposta aparece. O texto final, e todo material voltado a pessoas, deve ser redigido do zero para o leitor-alvo, sem herdar o estilo do raciocínio, jargão de chamadas de ferramentas, instruções internas ou abreviações de automações.

Executar em vez de pedir permissão

Diante de um pedido ambíguo, o GPT-6.2 costuma propor o passo seguinte e esperar o aval, aponta a OpenAI. O template recomendado muda a postura: havendo autorização, o modelo deve ele mesmo executar a etapa, em vez de devolver um plano, uma instrução de tarefa ou uma pergunta rotineira. A parada só se justifica em quatro hipóteses — mudança significativa de escopo, bloqueio concreto, decisão que cabe ao usuário e ação irreversível ou destrutiva.

Quando faltam detalhes, a orientação é assumir premissas reversíveis, deixar claro o que foi presumido e continuar até o fim. A OpenAI acrescenta que elevar o esforço de raciocínio ajuda o modelo a concluir as checagens finais em trabalhos demorados.

Código mais enxuto, menos testes por padrão

Na avaliação da OpenAI, o GPT-6.2 escreve código mais eficiente que as versões anteriores. O template pede reaproveitamento de classes, métodos, representações e APIs já presentes no repositório, desde que a correção seja mantida, e desencoraja funções auxiliares que só acrescentam camadas. Testes novos entram apenas em três casos: solicitação explícita, exigência do repositório ou necessidade de capturar uma regressão específica que a suíte atual não pega.

A empresa ressalva que menos linhas e nomes de variáveis mais curtos não valem como sinônimo de simplicidade. Vale o contrário: o código precisa ser legível, e expressões comprimidas que escondem muitos desvios e condições contam como complexidade excessiva. Em interfaces, a orientação é especificar imagem e tipografia de forma direta; por padrão, o modelo prefere imagens realistas obtidas por geração ou busca e reserva o SVG para quando for pedido. Numeração decorativa, selos de preenchimento e textos que apenas repetem o que a tela já mostra devem ficar de fora.

API: editar o histórico joga fora o raciocínio anterior

A mudança de maior efeito prático está na Responses API. A partir do GPT-6.2, editar o histórico da conversa, migrar para certos modelos ou trocar o usuário final e a organização faz o sistema descartar o raciocínio acumulado até ali. O resultado aparece em duas frentes: a qualidade da resposta pode piorar e o gasto de tokens aumenta, porque o modelo refaz etapas já vencidas.

Para integrações novas, a indicação é o nível de raciocínio medium. Configurações que hoje operam em none ou minimal devem subir para low. Parâmetros consagrados como temperature e top_p não são mais suportados.

Onde o orçamento de tokens aperta

FaixaEntrada (US$ por milhão)Saída (US$ por milhão)
Astra 6.2 até 272.000 tokens840
Astra 6.2 acima do limite1660
Astra 6.0 acima do limite2075
Leitura de cache na Astra 6.20,80—

Sessões longas de programação ou de trabalho consomem esse teto com rapidez. Para evitar o salto de preço, o Codex comprime o contexto automaticamente ao atingir 272.000 tokens. Segundo Ted Sanders, da OpenAI, a escolha entre as versões passa por orçamento disponível e exigência de qualidade.

O que a mudança significa para o investidor

Para quem acompanha o setor de tecnologia, o ponto sensível não está no prompt em si, mas na estrutura de custo que ele revela. Empresas que embarcam modelos de terceiros em produtos digitais — de atendimento a análise de dados — têm no token de saída a linha mais pesada da conta, e a diferença entre US$ 40 e US$ 60 por milhão incide justamente sobre aplicações que produzem texto longo.

O descarte de raciocínio ao editar o histórico merece atenção separada. Fluxos iterativos, em que o time ajusta a conversa várias vezes, tendem a pagar duas vezes: perdem qualidade e refazem etapas já concluídas. Quem projeta custo de infraestrutura de IA precisa embutir essa possibilidade no orçamento.

O fim de temperature e top_p reduz o número de alavancas de ajuste fino. Na prática, o controle de comportamento se desloca ainda mais para a engenharia de prompt e para o nível de raciocínio escolhido. Para o desenvolvedor, sobra menos espaço para calibragem manual e mais dependência das instruções de sistema — o que explica o volume de templates publicados pela OpenAI.

Três ajustes em menos de um ano

A sequência de correções começou em abril, quando a OpenAI desaconselhou transportar stacks de prompt antigos para o GPT-5.5 e sugeriu começar do zero, com instruções curtas e focadas em resultado. Em setembro, chegaram os prompts do GPT-6 Astra para conter perguntas de acompanhamento frequentes e banir clichês típicos de IA. Na mesma época, o desenvolvedor da OpenAI Eric Provencher alertou que skills inchados e arquivos AGENTS.md deixam o modelo mais lento; naquele momento, até mudanças pequenas disparavam uma bateria pesada de testes da Astra. O GPT-6.2 foi desenhado para criar testes novos apenas quando solicitado.