GPT-6 Astra: o que muda para quem faz marketing
A OpenAI lançou em 3 de setembro de 2026 um modelo que opera o computador como uma pessoa: abre o navegador, preenche formulário, mexe em planilha, monta apresentação no seu modelo e confere o resultado na tela. Para uma operação de marketing, o ganho aproveitável está na primeira tentativa, que agora sai perto do apresentável. O preço por token subiu duas vezes e meia. Esta página mostra onde vale, onde não vale e como pedir.
Cena: quinta-feira, 3 de setembro de 2026, sete e quarenta e nove da noite. A OpenAI publica um vídeo de trinta segundos com uma frase curta: qualquer coisa que você faça num computador, o Astra faz por você. Em nove horas o post tinha 36 milhões de visualizações. Ao fim da semana, 125 milhões.
Minutos depois do anúncio, o presidente-executivo da empresa avisou que o próprio post do blog tinha travado no deploy. No dia seguinte ele pediu desculpas pelo lançamento bagunçado. No dia 5 a liberação terminou adiantada e todo mundo com plano pago ganhou um crédito de compensação. A semana inteira do produto coube em 48 horas.
Aqui está o que sobra depois do barulho: o que o modelo faz de diferente, quanto custa de verdade, onde ele erra e o que a sua operação deveria testar nos próximos trinta dias.
- Uso de computador
- Custo por tarefa
- Design e layout
- Governança
- Piloto de 30 dias
O que mudou de fato
Modelos anteriores devolviam texto e código. Você lia, copiava, colava e testava. O Astra devolve o trabalho pronto dentro do programa em que o trabalho vive. Ele enxerga a tela, clica, digita, confere o que apareceu e corrige o que quebrou.
A lista oficial de tarefas do dia a dia é banal de propósito: preencher formulário na internet, atualizar cadastro de cliente no CRM, organizar agenda, pesquisar e escrever o resumo dentro do seu editor de texto, analisar dados, gerar gráfico, criar um site e conferir se os botões funcionam.
Duas medições dão a dimensão. Numa bateria de tarefas de área de trabalho, o modelo acertou 72,6% contra 65,7% do antecessor, gastando cerca de 40 minutos por tarefa em vez de 75. Em localizar o elemento certo numa captura de tela de programa profissional, foi de 76,9% para 92,7%.
47% menos tempo por tarefa. O ganho de acurácia é de sete pontos. O ganho de tempo é quase metade. Para automação, o segundo número decide se o fluxo fecha a conta.
O salto que interessa: a primeira tentativa
Quem produz peça visual em volume conhece o custo escondido: o rascunho inicial sai genérico e você gasta a tarde inteira puxando ele para o tom da marca. Foi exatamente aí que a régua se moveu.
Um criador que vinha construindo um site com o modelo concorrente ao longo de cerca de quinze rodadas constatou que o primeiro passe do Astra num site equivalente já batia o clima e a aderência de marca da versão muito trabalhada. O resultado final iterado do concorrente continuou melhor. O que encolheu foi a distância até o primeiro rascunho apresentável.
A leitura correta: este modelo tem o melhor piso de qualidade visual, e o teto continua disputado. Se a sua dor é chegar rápido ao primeiro rascunho decente, o ganho aparece imediatamente. Se a sua dor é o acabamento das últimas rodadas, o ganho é menor.
A diferença estética mais citada tem nome técnico e efeito simples: camadas de profundidade. Em vez de uma imagem chapada atrás do texto, os elementos ficam em planos separados que se movem em velocidades diferentes conforme a pessoa rola a página. Fundo, meio-campo, objeto em primeiro plano, texto por cima.
O trabalho visual foi longe do site. Na semana do lançamento apareceram uma locomotiva a vapor reconstruída a partir de um desenho antigo com 3.295 objetos editáveis, um site que desmonta a anatomia humana em 2.234 peças, uma casa modelada e transformada em passeio navegável, e uma montagem de vídeo: mais de 150 gigabytes de material bruto de um evento viraram um minuto de resumo sincronizado com a música em cerca de 35 minutos.
Atenção ao verbo. Ele monta vídeo, e não gera vídeo. O modelo opera o editor. Quem tem fluxo apoiado na geração automática de vídeo da OpenAI precisa saber que aquele serviço foi descontinuado e desliga em 24 de setembro de 2026.
Quanto custa de verdade
O preço de tabela subiu duas vezes e meia. E, ainda assim, várias medições mostram a tarefa completa saindo mais barata, porque o modelo usa cerca de um terço dos tokens do antecessor para chegar ao mesmo lugar.
A unidade certa é a tarefa concluída. Comparar preço por milhão de tokens entre os dois modelos de fronteira é inútil, porque o número é idêntico. O que separa é quantos tokens cada um queima para terminar o mesmo trabalho. Numa medição independente, uma tarefa de código saiu por cerca de US$ 4,72 no Astra contra cerca de US$ 9,18 no concorrente.
Existe uma armadilha de cobrança que nenhum material de lançamento explica, e ela custa dinheiro de verdade. Acima de 272 mil tokens de entrada, a tarifa dobra na entrada e sobe metade na saída — e o multiplicador vale para a requisição inteira, de forma retroativa.
O padrão econômico que a comunidade convergiu
Vários operadores independentes chegaram à mesma receita na mesma semana: o modelo caro planeja e revisa, e um modelo barato executa. Guardar o esforço alto para o passo que decide, e usar esforço baixo na varredura. Quem manteve o modelo caro como orquestrador em tarefa longa relatou queimar 80% da cota de cinco horas numa única tarefa.
Três alavancas de custo, em ordem de eficácia: reaproveitar o mesmo início de prompt para pagar 10% na leitura em cache; mandar para processamento em lote tudo o que não precisa de resposta imediata; e baixar o nível de esforço, que na maioria das tarefas de página simples melhora o resultado além de baratear.
Onde ele erra
Três defeitos apareceram de forma consistente em testes independentes, e todos os três têm conserto.
Ele completa o que não viu
Um testador pediu a reconstrução tridimensional de uma casa a partir das fotos de um anúncio imobiliário. O resultado impressionou e continha detalhes que a casa real não tem. Outro, reconstruindo uma peça a partir de desenho técnico, registrou que era preciso conferir proporção.
A regra é curta: onde a peça representa algo real, alguém confere contra a fonte antes de publicar. O modelo preenche lacuna com o que é plausível, e plausível às vezes é falso.
O gosto padrão se repete
Sem direção de arte, ele puxa para verde-floresta, tons pastel e superfícies chapadas. Dois avaliadores registraram o mesmo padrão em cinco ou seis projetos sem nenhuma relação entre si. O conserto custa uma frase: nomeie a paleta e a direção visual no pedido.
Esforço alto às vezes piora a interface
Num teste de tela de acesso, o modelo empilhou rótulos redundantes numa página que pedia simplicidade. O detalhe contraintuitivo: piorava com o esforço no máximo. Mais raciocínio produziu mais elementos, e a clareza caiu. Para página simples, comece no esforço baixo ou médio.
Como pedir
A própria documentação da OpenAI registra que este modelo pergunta mais e assume menos que o anterior. Isso o torna melhor colaborador e pior executor solitário: ele para onde você esperava que continuasse. O texto abaixo resolve o problema.
Para ele seguir até o fim: "Infira a intenção e o escopo pelo contexto. Trate pedidos como ordens de executar. Trabalhe de forma independente até o objetivo ser alcançado, salvo ação destrutiva ou irreversível. Peça aprovação apenas sobre um resultado concreto e revisável."
Para ele escrever como gente: "Use parágrafos claros, cada um com uma ideia. Use lista apenas quando os itens forem realmente paralelos. Palavras familiares, exemplos concretos, voz ativa. Ponto principal cedo. Evite fechos de resumo e expressões de encheção."
Para a peça visual sair na marca: "Uma composição no primeiro quadro da tela. O nome da marca em tamanho de destaque. Imagem de borda a borda, sem selo ou etiqueta flutuando por cima. Duas famílias de fonte, uma cor de destaque. Dois ou três movimentos com propósito. A página precisa carregar bem no celular."
O que muda mais o resultado do que qualquer prompt: alimentar referências reais. Componentes e páginas de bibliotecas de design e de premiações públicas, anexados ao pedido, fizeram mais diferença nos testes do que qualquer ajuste de texto. Pedir apenas "faça um site" produz página genérica em qualquer modelo.
Arquivos de contexto mais curtos
Quem trabalha na ferramenta de desenvolvimento da própria OpenAI publicou o conselho mais contraintuitivo da semana: os arquivos de instrução que você escreveu para ajudar o modelo antigo agora atrapalham o novo. Receita rígida passo a passo prende o modelo. Lembrete de "seja cuidadoso, teste tudo de novo" gera trabalho redundante, porque ele já testa. O que ajuda é definir o que significa "pronto" e onde ele pode agir sem pedir permissão.
O que evitar
- Publicar peça que representa algo real sem conferência. Imóvel, produto, equipamento, planta. Ele completa o que não viu.
- Dar acesso à sua conta pessoal. Um programa que dirige o computador merece conta separada, com permissão mínima, como qualquer prestador.
- Deixar rodar sem condição de parada. Defina limite de tempo e o que encerra a tarefa antes de começar.
- Trocar o modelo padrão sem medir. Em atendimento ao cliente, medições independentes mostram o modelo novo pior que o anterior por duas vezes e meia o preço.
- Contar com cota generosa. No plano intermediário, usuários relataram esgotar a cota em dez a vinte minutos de trabalho, com cinco horas de espera.
- Assumir que o resultado é acessível. Não existe medição pública de contraste, leitor de tela ou comportamento em tela pequena para páginas geradas por ele. Isso continua com você.
Interrupção por segurança faz parte da operação. Este é o primeiro modelo que a OpenAI classificou no nível crítico em cibersegurança, e a empresa avisa que o sistema de proteção vai ocasionalmente travar trabalho legítimo, inclusive trabalho sem relação com segurança. No ChatGPT você é convidado a revisar e seguir. Na interface de programação a tarefa simplesmente para. Escreva o caminho de recuperação antes de precisar dele.
Um piloto de trinta dias
Trocar de modelo sem linha de base transforma a decisão em anedota. Quatro semanas bastam para ter número.
O que registrar em toda execução: custo total, tempo de relógio, número de intervenções humanas e uma nota de qualidade dada por quem recebe o trabalho. A nota vem de pessoa, e o modelo não avalia o próprio resultado.
Critérios de reprovação, escritos antes de começar: custo por tarefa acima da linha de base sem ganho de qualidade; mais de uma interrupção de segurança por semana em trabalho legítimo sem recuperação automática; qualquer peça publicada representando algo real com detalhe inventado que passou pela revisão.
Onde vale e onde não vale
Vale a pena: primeiro rascunho de página e peça visual; automação de sistema antigo que não tem integração; conferência de qualidade de site em vários tamanhos de tela; montagem de vídeo a partir de material bruto; apresentação a partir do seu modelo institucional; planilha e análise de dados; revisão de código com foco em segurança.
Não vale a pena hoje: atendimento ao cliente, onde medições independentes mostram queda em relação ao modelo anterior por preço bem maior; conversa geral e raciocínio comum, onde ele empata com o antecessor; geração de vídeo do zero, que ele não faz; e volume alto e barato, terreno de modelos uma ordem de grandeza mais econômicos.
Perguntas frequentes
Isso é inteligência artificial geral?
O presidente da OpenAI disse que seria razoável sentir que a era chegou. A fundação que mantém o teste em que o modelo tirou a nota mais alta declarou publicamente que a organização não faz essa afirmação. Uma medição independente ampla coloca o modelo empatado com o antecessor em inteligência geral. Para efeito de decisão de compra, a pergunta rende pouco.
Preciso trocar o modelo que já uso?
Depende da carga. Em uso de computador, trabalho tridimensional e primeiro rascunho visual, a vantagem é clara. Em atendimento e conversa geral, o modelo anterior segue melhor e bem mais barato. O caminho sensato é rotear por tipo de tarefa em vez de escolher um vencedor único.
Quanto vou gastar por mês?
A conta depende de quantas tarefas você roda, e a variável que mais pesa é o nível de esforço. Uma referência publicada: uma tarefa de código saiu por cerca de US$ 4,72. Uma partida de um teste de raciocínio interativo custou cerca de US$ 360. Quem manteve os mesmos prompts do modelo anterior relatou fatura duas vezes e meia maior pelo mesmo trabalho.
Ele pode operar meus sistemas sozinho?
Tecnicamente sim, e a recomendação é tratar isso como contratação de prestador: conta separada, permissão mínima, dados de teste antes de dados reais, limite de tempo, aprovação humana antes de qualquer ação irreversível e registro auditável. Para base sujeita à LGPD, avalie antes a opção de retenção zero de dados disponível na interface de programação.
O que mudou para quem trabalha com design?
O primeiro rascunho ficou bom o suficiente para servir de ponto de partida real, e a conferência visual passou a acontecer dentro da execução. O julgamento sobre o que serve à marca e ao público continua sendo trabalho humano. Uma interface cheia de movimento pode ser certa para uma marca jovem e completamente errada para um público idoso, e essa decisão nenhum modelo toma por você.
De onde vieram os números
Preço, janela de contexto, ferramentas e níveis de esforço vêm da documentação oficial da OpenAI. Os resultados comparativos e as regressões vêm de medições independentes publicadas entre 3 e 6 de setembro de 2026, com destaque para a leitura de uma casa que roda o próprio ambiente de teste em todos os modelos. As demonstrações práticas vêm de publicações públicas de desenvolvedores na mesma janela.
Uma ressalva honesta: nenhuma das demonstrações visuais citadas foi reproduzida de forma independente, e as comparações entre modelos são projetos diferentes com objetivos diferentes. Leia como indicação de direção. O que se repete em fontes independentes é a constatação de que a primeira versão já serve.