OpenAI reduz 20% preço do GPT-6 Astra e corta cache 60%
OpenAI lança os modelos GPT-6.2 Astra e GPT-6.2 Sol com foco em perfis distintos de uso. Astra fica 20% mais barato e reduz cache em 60%, enquanto Sol mantém preço para tarefas do dia a dia.

Tecnologia
OpenAI apresenta novos modelos GPT-6.2 com ajustes em preço e desempenho para diferentes usos.
Leia também: Retenção de dados em IA: entenda os 2 modelos e riscos reais
A OpenAI lançou nesta terça-feira (17) os modelos GPT-6.2 Astra e GPT-6.2 Sol, em um movimento que reduz de forma significativa o custo do modelo de ponta para projetos complexos e mantém estável o preço do modelo voltado ao uso diário, com impacto direto em empresas e desenvolvedores que rodam aplicações de inteligência artificial em escala.
GPT-6.2 Astra fica 20% mais barato e corta cache em 60%
No novo catálogo, o GPT-6.2 Astra assume o papel de modelo de fronteira — o mais poderoso da linha — e passa a custar US$ 8 por milhão de tokens de entrada e US$ 40 por milhão de tokens de saída. Antes, o GPT-6 Astra saía por US$ 10 de entrada e US$ 50 de saída, o que representa uma redução de 20% nos dois lados da conta.
A queda mais agressiva aparece no cache, peça-chave para quem mantém agentes rodando por horas com muito contexto reaproveitado. O token de entrada em cache cai de US$ 1 para US$ 0,40 por milhão, uma redução de 60%. Em aplicações em que o mesmo histórico de conversa, código ou documentação é reenviado a cada chamada, é o cache que normalmente domina a fatura.
“Um agente que reprocessa 50 mil tokens de contexto a cada iteração paga uma fração muito menor por essa repetição do que pagava há uma geração”, resume o desenvolvedor Simon Willison, que vem testando os novos modelos e atualizou sua ferramenta de linha de comando llm para suportar o GPT-6.2 Astra e o GPT-6.2 Sol via API.
Com os novos valores, o GPT-6.2 Astra passa a disputar o topo do mercado de modelos avançados com concorrentes que adotaram estratégia semelhante de corte de preço, pressionando a margem de diferença entre escolher um ou outro puramente por custo.
Gpt 6.2 sol: quanto custa e para que tipo de uso vale a pena?
O GPT-6.2 Sol mantém o posicionamento como opção mais barata e previsível da linha. O modelo continua com preço de US$ 2 por milhão de tokens de entrada e US$ 10 por milhão de tokens de saída, os mesmos valores do GPT-6 Sol e do GPT-6.1 Sol.
Na prática, esse patamar já é metade do que era cobrado três gerações atrás, quando o GPT-5.6 Sol custava US$ 4 por milhão de tokens de entrada e US$ 20 por milhão de tokens de saída. Desde então, o “tier Sol” estabilizou no piso dessa faixa de preço, sem novos cortes nas últimas duas gerações. O valor do cache para o Sol não foi informado.
Com essa combinação, o GPT-6.2 Sol segue indicado para tarefas volumosas e previsíveis — como geração de textos simples, resumos, classificações e pequenos scripts — em que a prioridade é rodar muita coisa gastando pouco, enquanto o Astra mira fluxos mais longos, com agentes autônomos e grande reaproveitamento de contexto.
Entenda o contexto
A família Astra/Sol já vinha das versões anteriores (GPT-6 Astra e GPT-6.1 Sol), com o Sol ocupando o degrau de entrada em custo e o Astra concentrando a capacidade máxima. O anúncio desta terça reforça essa divisão, mas muda o equilíbrio financeiro entre as duas pontas.
Em comunicado, a própria OpenAI descreveu o novo arranjo: “Estamos apresentando o GPT-6.2 Astra, nosso novo modelo de fronteira para seus projetos mais difíceis, e o GPT-6.2 Sol, nosso modelo eficiente e versátil para o trabalho do dia a dia.”
A atualização também chega acompanhada de ferramentas prontas para uso. Simon Willison registrou o lançamento em seu blog e liberou a versão 0.38 do llm, que passa a conversar com os modelos via API pelos identificadores gpt-6.2-astra e gpt-6.2-sol, facilitando a vida de desenvolvedores que já usam a linha de comando em testes e produção.
Teste informal mostra limites e competição acirrada
Apesar da queda de preço e do rótulo de modelo de fronteira, o GPT-6.2 Astra ainda enfrenta competição dura em tarefas criativas mais complexas. Em seus testes informais, Willison comparou Astra e Sol pedindo desde um desenho de um pelicano andando de bicicleta até uma animação em three.js que transformasse a cidade de Yonkers em um mecha gigante.
Nos relatos publicados, nem o GPT-6.2 Astra nem o GPT-6.2 Sol conseguiram resultados tão convincentes quanto concorrentes como Claude Fable 5.2 e Gemini 4 Carbon nesses prompts específicos — um indicativo qualitativo de desempenho, mas sem números ou benchmarks formais reproduzíveis.
Para mostrar as diferenças de comportamento entre os dois modelos, Willison montou um vídeo comparativo com as saídas lado a lado, usando o próprio GPT-6.2 Astra em modo mais potente como ferramenta de edição de vídeo. O modelo recebeu as duas gravações, organizou o quadro em formato quadrado de 2000 x 2000 pixels e sobrepôs rótulos para identificar Astra e Sol, ilustrando um caso prático de uso para além da geração de código e texto.
Gpt astra valor: como os novos preços mexem com projetos em produção
Na conta de quem mantém agentes de IA rodando em produção, o “valor do GPT Astra” deixa de ser apenas o da tabela por milhão de tokens e passa a depender, sobretudo, do quanto de contexto é reaproveitado a cada iteração. A queda de 60% no cache pesa mais na fatura do que o corte de 20% nos tokens comuns de entrada e saída.
Nesse cenário, o GPT-6.2 Astra tende a se tornar a escolha financeiramente mais razoável para fluxos longos, em que agentes chamam subagentes, cruzam arquivos de repositórios extensos ou mantêm conversas abertas por horas, reaproveitando sempre o mesmo conjunto de instruções e dados.
Ao mesmo tempo, o GPT-6.2 Sol permanece como porta de entrada para times pequenos, startups e projetos em prototipagem com orçamento apertado, que precisam de previsibilidade de custo em tarefas mais simples e de alto volume.
O lançamento também traz alertas práticos. Em um relato prévio, o desenvolvedor Theo Browne comentou que o Astra, em tarefas muito longas, consegue acionar vários subagentes e coordená-los “razoavelmente bem”, mas pode travar o fluxo ao pedir detalhes internos de implementação que o usuário não tem como responder — como o nome exato de um arquivo de mídia em um projeto de jogo. Esse tipo de comportamento indica que ainda é necessário manter supervisão humana próxima em fluxos totalmente autônomos.
Sem benchmarks oficiais de desempenho, latência ou janela de contexto divulgados até agora, a disputa entre GPT-6.2 Astra, GPT-6.2 Sol e rivais diretos tende a se concentrar, neste primeiro momento, em preço por token, custo de cache e qualidade percebida pelos desenvolvedores nos próprios testes. A expectativa no mercado é que a OpenAI publique métricas mais detalhadas e amplie o suporte a ferramentas de desenvolvimento nas próximas atualizações.


