O preço da inteligência caiu, e a conta do agente mudou junto
A OpenAI apresentou o GPT 6.1 Sol como atualização do GPT 6 Sol, com foco em programação agêntica, uso do computador e trabalho profissional. O modelo se aproxima do GPT 6 Astra em tarefas exigentes por cerca de um quinto dos preços padrão de entrada e saída.
Para comparar com a geração anterior, vale rever o que a OpenAI prometia para o GPT-5.6.
Os valores publicados pela empresa organizam a decisão técnica. A entrada custa US$ 2 por milhão de tokens. A saída custa US$ 10 por milhão. Já a entrada em cache sai por US$ 0,10 por milhão, com desconto de 95% sobre o preço padrão de entrada.
Esse último número carrega o maior impacto prático. Agentes reutilizam contexto em chamadas repetidas, portanto o cache barato altera diretamente o custo de operação contínua.
Generative Engine Optimization (GEO) entra nessa história por consequência. Quando a consulta fica barata, o agente pesquisa mais. Assim, a quantidade de fontes lidas por tarefa cresce, e a chance de citação de marcas cresce junto.
Os três modelos da linha, lado a lado
A OpenAI posiciona três opções na mesma família. Cada uma resolve um tipo de carga de trabalho.
| Modelo | Entrada por milhão de tokens | Saída por milhão | Entrada em cache | Posicionamento declarado |
|---|---|---|---|---|
| GPT 6 Astra | US$ 10 | US$ 50 | US$ 1 | Modelo de fronteira mais capaz no geral |
| GPT 6.1 Sol | US$ 2 | US$ 10 | US$ 0,10 | Inteligência próxima à do Astra por um quinto do preço |
| GPT 6 Luna | US$ 0,10 | US$ 0,50 | US$ 0,01 | Trabalho cotidiano rápido e eficiente em escala |
A leitura da tabela sugere uma regra simples de alocação. Primeiro, reserve o Astra para a tarefa mais difícil. Depois, rode o volume principal no Sol. Em seguida, mande para o Luna o que exige apenas velocidade e escala.
O que os benchmarks mostram sobre o novo Sol
Os resultados divulgados cobrem cinco frentes. Todos comparam desempenho e custo por tarefa na mesma avaliação.
- Programação. No DeepSWE v1.1, que mede engenharia de software em bases de código reais, o GPT 6.1 Sol se iguala ao GPT 6 Astra por cerca de um quinto do custo. Além disso, ele supera a melhor pontuação do GPT 6 Sol em 6,4 pontos percentuais.
- Trabalho profissional. No GDP.pdf, que avalia respostas sobre documentos complexos em dez áreas profissionais, o modelo supera a pontuação do Opus 5.5 por menos da metade do custo por tarefa nas configurações testadas.
- Fluxo empresarial. No AutomationBench, que testa agentes em fluxos com 47 ferramentas, o GPT 6.1 Sol supera o Opus 5.5 em 2,2 pontos percentuais com esforço médio, por cerca de um terço do custo.
- Uso do computador. No conjunto offline do OSWorld 2.0, ele supera o GPT 6 Sol em sete pontos percentuais e fica a 2,1 pontos do Astra, por cerca de um sétimo do custo por tarefa.
- Pesquisa científica. No Terminal Bench Science 0.1, o modelo alcança mais que o dobro da pontuação do GPT 6 Sol, a US$ 5,47 por tarefa, diante de US$ 23,21 do Opus 5.5 e US$ 23,80 do Astra.
Uma ressalva acompanha esse último item. O GPT 6 Astra segue com a maior pontuação entre os modelos testados, de 68,1%, e continua indicado para a pesquisa científica mais difícil.
Precisão factual: o número que interessa a quem depende de citação
A taxa de erro factual caiu na atualização. Com esforço de raciocínio extra alto, o GPT 6.1 Sol registra 4,1% de respostas com pelo menos um erro factual, ante 4,5% do GPT 6 Sol e 4,0% do Astra na mesma configuração.
Do lado do Google, a taxa de alucinação (a frequência com que o modelo inventa informação) também virou argumento de lançamento, como mostra o Gemini 4 Argon, que chega com alucinação em 15%.
O custo por tarefa acompanha a melhora. Nessa avaliação, o Sol atualizado opera com valor cerca de 83% menor do que o do Astra.
A metodologia pede leitura cuidadosa. A avaliação usa conversas em que usuários sinalizaram erro de um modelo anterior, portanto os prompts são deliberadamente difíceis e ficam longe do uso típico.
Ainda assim, a direção importa para marcas. Quanto menor a taxa de erro, maior a chance de a descrição da sua empresa sair correta na resposta.
Conferir se essa descrição sai correta é o objeto de Auditoria de marcas em inteligência artificial: o método Brasil GEO, que organiza a verificação de visibilidade algorítmica, llms.txt e JSON-LD.
A honestidade sobre a busca quebrada muda o jogo da fonte
Um teste específico mede se o agente avisa o usuário quando a ferramenta de busca falha. O resultado revela diferenças grandes entre modelos.
O GPT 6.1 Sol deixa de informar o problema em 2,8% dos casos. O GPT 6 Sol falha em 4,9%. O GPT 6 Astra fica em 1,5%. Já o GPT 6 Luna chega a 28,7%.
A consequência para conteúdo aparece logo. Um modelo que avisa sobre a falha depende mais da fonte recuperada e menos da suposição interna. Logo, o material publicado e legível pesa mais na resposta final.
Alexandre Caramaschi, founder da Brasil GEO e Chief Strategy Officer da Nuvini, projetou durante o Gramado Summit 2026 a realocação de verba que acompanha essa mudança:
“Hoje o CFO ainda olha o orçamento de mídia e enxerga 70% de SEO e SEM. Em 18 meses, a parcela alocada para presença em LLMs vai estar entre 5% e 15%.”
Onde o GPT 6.1 Sol já está disponível
O modelo chegou para usuários Plus, Pro, Business, Enterprise e Edu, dentro do ChatGPT Work e do Codex. Os desenvolvedores acessam pela API da OpenAI, com os preços descritos acima.
A empresa também anunciou duas versões de alta velocidade. O GPT 6 Astra Ultrafast opera com velocidade até oito vezes maior que a do GPT 6 Astra. Além dele, o GPT 6.1 Sol Ultrafast entrega inteligência próxima à do Astra na mesma faixa de velocidade.
O acesso a essas versões passa pela API e pela modalidade Pro no ChatGPT Work e no Codex, com limite de uso mais alto, por US$ 500 mensais.
O calendário do mês mostra o ritmo da indústria. A OpenAI apresentou o GPT 6 Astra em 3 de setembro de 2026, o GPT 6 Sol e o Luna em 22 de setembro e divulgou o resumo do DevDay em 29 de setembro.
O que a apresentação do Astra em Washington indica para o uso corporativo de IA está em a análise da demonstração do Astra.
O efeito para marcas: mais consultas por tarefa, mais espaço para citação
A queda de custo produz um efeito de segunda ordem sobre descoberta. Quando o token fica barato, o agente amplia a profundidade da pesquisa dentro da mesma tarefa.
Três números ajudam a dimensionar o que está em disputa:
- Estudo da Muck Rack com mais de 25 milhões de links mostra que 84% das citações de IA vêm de mídia conquistada.
- A Seer Interactive mediu 35% mais cliques orgânicos e 91% mais cliques pagos em marcas citadas por motores generativos.
- Projetos conduzidos pela Brasil GEO registram aumento de até 340% na taxa de citação em 60 dias apenas com a correção de consistência de entidade entre plataformas.
A conta prática fica direta. Uma pergunta que antes gerava três consultas passa a gerar dez. Portanto, marcas com dados legíveis ganham mais oportunidades de entrar na resposta.
No varejo, esse efeito aparece na escolha da loja: Varejo físico e busca por IA: o cliente decide antes de sair de casa mostra o cliente decidindo dentro da resposta da IA e o papel do estoque em tempo real nessa decisão.
Plano de 45 dias para aproveitar a nova economia de inferência
O roteiro abaixo cabe na equipe atual, com foco em legibilidade e medição.
- Dias 1 a 15. Audite o acesso de agentes no robots.txt, confirme pelos logs do servidor e publique o llms.txt com descrição, produtos e links principais.
- Dias 16 a 30. Padronize nome, cargo, descrição e contatos em site, LinkedIn, diretórios, imprensa e Wikidata, e implemente Schema.org em JSON LD.
- Dias 31 a 40. Publique duas peças com dado próprio, como benchmark ou pesquisa, porque evidência original sustenta citação.
- Dias 41 a 45. Monte um banco de 30 a 50 perguntas do comprador e rode em ChatGPT, Gemini, Claude, Perplexity e Copilot, com repetição de cinco a dez execuções.
Um cuidado metodológico evita conclusão precipitada. Modelos variam entre execuções, assim a leitura confiável depende de repetição e série histórica.
O que observar nos próximos lançamentos
Três indicadores merecem acompanhamento a cada nova versão. Eles definem o tamanho da superfície de citação disponível para marcas.
- Preço da entrada em cache. Ele governa o custo de agentes que reconsultam o mesmo contexto.
- Taxa de erro factual. Ela indica a chance de a descrição da sua marca sair correta.
- Comportamento diante de ferramenta quebrada. Ele mostra o quanto o modelo depende de fonte externa recuperada.
Se o custo de consultar uma fonte caísse para um quinto amanhã, a sua marca teria material publicado suficiente para entrar nessas novas consultas?
Perguntas frequentes sobre o GPT 6.1 Sol
Quanto custa o GPT 6.1 Sol na API?
O preço padrão é de US$ 2 por milhão de tokens de entrada e US$ 10 por milhão de saída. A entrada em cache sai por US$ 0,10 por milhão, com desconto de 95% sobre a entrada padrão.
O GPT 6.1 Sol substitui o GPT 6 Astra?
O Astra segue como modelo de fronteira mais capaz no geral. O Sol atualizado entrega capacidade próxima em várias avaliações, por cerca de um quinto do custo.
Onde o modelo está disponível?
Ele chegou para usuários Plus, Pro, Business, Enterprise e Edu, no ChatGPT Work e no Codex, além do acesso pela API da OpenAI.
O que muda na precisão factual?
A taxa de erro factual em prompts difíceis caiu para 4,1%, ante 4,5% do GPT 6 Sol, com custo por tarefa cerca de 83% menor que o do Astra.
Por que a queda de custo importa para a minha marca?
Consulta mais barata leva o agente a pesquisar mais fontes por tarefa. Assim, a superfície de descoberta cresce e marcas com dados legíveis ganham mais oportunidades de citação.
