GPT-6 Sol inicia testes internos, 6x mais rápido que Astra

GPT-6 não tem apenas Astra!

Astra foi lançada há poucos dias, e já se revelou que o GPT-6 Sol está em teste interno.

O desempenho também foi notável, com uma velocidade de teste única seis vezes maior que a da Astra.

Faça uma suposição ousada: Terra e Luna também estão a caminho?

E no mesmo dia, a OpenAI acabou de divulgar um conjunto de dados internos:

Até o momento, calculado em jornadas de 8 horas, para cada dia de trabalho de um pesquisador da OpenAI, há mais de 3 dias de trabalho de Agentes Múltiplos operando simultaneamente.

Calculado pelo preço da API, os recursos de inferência de Agentes utilizados diariamente pelo pesquisador mediano da OpenAI superam US$ 600.

OpenAI também anunciou ter alcançado o "estagiário de pesquisa automatizado":

Esses Agentes podem realizar partes de tarefas que anteriormente exigiriam pesquisadores passando vários dias para concluí-las, sob orientação humana.

Até o velho Huang disse: A AGI já chegou!

Ele revelou que a Astra utiliza cerca de 100.000 conjuntos de NVIDIA Grace Blackwell NVLink72 para treinamento, com mais 400.000 unidades de GPU programadas para serem implantadas.

Parece que essa onda realmente não é só um boato da OpenAI～

O usuário Lentils revelou que a OpenAI está testando internamente o GPT-6 Sol.

Ele afirmou que a capacidade geral de saída do Sol é claramente inferior à da Astra, recém-lançada, mas é mais rápido e ainda assim pertence à categoria de modelos "monstruosos".

Quão rápido? A velocidade de um único teste é aproximadamente 6 vezes a da Astra.

O usuário lyra submeteu a mesma tarefa a diferentes modelos: gerar uma imagem SVG de um BMW M4 Competition.

Nesse caso, o GPT-6 Sol usou o nível Max, geração zero-shot, consumindo cerca de 3 minutos e gerando aproximadamente 28 mil tokens.

GPT-6 Astra usando o nível Max, gera aproximadamente 25 mil tokens, levando cerca de 19 minutos.

O Gemini 3.1 DeepThink ativou o nível High, exibindo uma saída de aproximadamente 3.300 tokens, mas o processo de inferência consumiu cerca de 458.000 tokens, levando aproximadamente 29 minutos.

O Gemini 3.8 Flash também ativa o nível High, gerando cerca de 19 mil tokens em apenas cerca de 42 segundos.

Em comparação, o Sol se destacou mais: seu volume de saída é semelhante ao da Astra, mas sua velocidade por teste é cerca de seis vezes maior — levando apenas cerca de um sexto do tempo da última.

Além disso, o internauta Lentils também apresentou um protótipo de mundo sandbox em estilo pixel chamado «The Realm of Aurellune».

O GPT-6 gerou simultaneamente uma cidade, campos agrícolas, rios, um castelo e um mapa em miniatura, além de painéis de controle para alternar entre dia e noite, posicionar nomes de locais e ajustar detalhes, tornando o conjunto mais parecido com um jogo de simulação e gestão já com um esboço pronto.

Este é o resultado gerado com zero-shot, nível de inferência Max, 15 minutos e um total de 60.000 tokens gastos.

Atualmente, pode-se inferir que a Astra se inclina para o raciocínio profundo de maior dificuldade, enquanto o Sol pode se concentrar em velocidade, throughput e escalabilidade de chamadas de Agentes.

Quanto ao lançamento do Sol, o internauta Pankaj Kumar afirmou que pode ser lançado oficialmente na conferência de desenvolvedores da OpenAI em 29 de setembro.

Também não é descartado que GPT-6, Terra, Luna e GPT-Image 2.5 sejam apresentados juntos.

No mesmo dia, a OpenAI também divulgou um conjunto de dados internos interessantes — até que ponto os modelos de IA aceleraram a pesquisa em seu próprio laboratório.

Até metade de agosto deste ano, para cada 8 horas de trabalho do pesquisador, aproximadamente 3,1 dias-homem de tarefas de Agentes estavam sendo executados em paralelo.

Nossa, uma pessoa com três estagiários que não dormem?~

Quanto aos gastos, com base nos preços da API, o recurso de inferência de Agentes consumido diariamente pelo pesquisador mediano ultrapassa US$ 600.

É quase o salário de um engenheiro júnior por um dia.

O que exatamente esses Agentes estão fazendo?

Escrever código de pesquisa, escrever código de infraestrutura, configurar ambientes de treinamento, executar experimentos de avaliação, diagnosticar falhas em ferramentas e ambientes, analisar resultados de experimentos, monitorar tarefas de treinamento... e até participar da organização e comunicação das conclusões da pesquisa.

Basicamente, ele pode fazer tudo, exceto decidir o que pesquisar.

Uma mudança mais direta é que, anteriormente, quando o ambiente de teste caía, os pesquisadores precisavam chamar alguém no canal interno; agora, os Agentes estão cada vez mais capazes de resolver esse tipo de problema, reduzindo drasticamente a quantidade de perguntas atendidas por humanos.

Outras equipes cancelaram diretamente o horário fixo de dúvidas técnicas, liberando pessoas para aprimorar o próprio sistema.

Com base nesses dados, a OpenAI anunciou oficialmente: atingiu o objetivo de "estagiário de pesquisa de IA automatizado".

Aqui, o “estagiário” é, com precisão, um nó de desenvolvimento produtivo: sob orientação humana, ele consegue realizar independentemente tarefas de pesquisa com limites bem definidos, algumas das quais antes exigiam dias de trabalho de pesquisadores experientes.

Os resultados também foram imediatos, com o volume de código produzido e experimentos realizados pelos pesquisadores aumentando.

Em agosto de 2026, o número médio de experimentos atingiu o maior nível desde o início das estatísticas em janeiro de 2025, e os trabalhos atribuídos aos Agentes tornaram-se cada vez mais complexos e de maior duração.

O autor deste artigo, Kevin Liu, também colocou esse evento em um contexto maior.

He believes that recursive self-improvement is likely one of the most important factors driving AI capability leaps in the coming years.

Em outras palavras, a IA cria IA, e quanto mais cria, mais rápido fica.

Mas o problema é que, conforme a tendência atual, essa capacidade só estará disponível por padrão dentro de poucas laboratórios de IA avançados, e será difícil para o público externo ver em que estágio ela chegou.

Portanto, Liu acredita que a divulgação transparente é mais urgente do que nunca. A velocidade com que os modelos estão se tornando mais fortes e se os ritmos de desenvolvimento devem ser desacelerados não podem ser decididos apenas por algumas empresas fechadas em seus próprios espaços.

Ele também apelou para outras empresas de IA: também deveriam tornar públicos dados semelhantes.

No entanto, o desenvolvimento de IA realmente acelerou, mas ainda não acelerou o suficiente para a condução totalmente autônoma.

Dados da OpenAI mostram que, nos últimos seis meses, mais da metade dos casos de sucesso em tarefas que originalmente exigiam de 4 a 8 horas envolveram intervenção humana pelo menos uma vez. Quanto ao planejamento de pesquisa de alto nível, quase nunca é delegado a Agentes.

Os pesquisadores ainda são responsáveis por decidir o que pesquisar, quais resultados merecem continuidade e quando deve-se aumentar o treinamento, pausar experimentos ou implantar modelos.

O próximo objetivo da OpenAI também foi definido: alcançar um "pesquisador de IA automatizado" até março de 2028.

Em comparação com um “estagiário” que só consegue lidar com tarefas bem definidas, um “pesquisador” precisa ser capaz de assumir objetivos de pesquisa mais abertos e impulsionar projetos de ciclo mais longo por conta própria — equivalendo a passar de executor a responsável independente.

Se o GPT-6 Sol já estiver em teste interno, é muito provável que tenha sido desenvolvido sob este novo modelo de desenvolvimento:

Mais GPU fornecendo poder de computação, mais Agentes executando experimentos em paralelo, enquanto os pesquisadores humanos ficam em um nível mais elevado — escolhendo direções, avaliando resultados e decidindo finalmente quais elementos valem a pena se tornar o próximo modelo.

No mesmo dia, o cientista-chefe da OpenAI, Jakub Pachocki, publicou um artigo de dez mil palavras intitulado diretamente — “Mente Extraterrestre”.

Depois de ler, senti que o significado é que até o cientista-chefe da OpenAI está aconselhando toda a indústria a desacelerar…

Jakub afirmou que a IA não é realmente montada pelos humanos como um chip com um plano e regras, mas sim "cresce" sozinha em meio a enormes quantidades de dados e poder de processamento.

Você pode desmontar e entender alguns dos componentes, mas ninguém consegue explicar por que o sistema inteiro de repente adquiriu certa capacidade ou como ele agirá em um ambiente diferente.

Mais preocupante ainda é que a IA não precisa superar os humanos em todos os aspectos para causar problemas; basta ser superior em suficientes habilidades-chave para ajudar muito e também causar grandes problemas.

Então a pergunta surge: os humanos ainda conseguem entendê-lo?

Anteriormente, a OpenAI monitorava a IA principalmente por meio de uma técnica: observar a cadeia de pensamento.

Em outras palavras, é observar o processo de raciocínio escrito pelo modelo para verificar se ele tentou agir de forma maliciosa, como enganar, ultrapassar limites ou contornar restrições.

Mas com a geração Astra, esse truque começou a não funcionar mais.

Primeiro, os modelos estão cada vez melhores em “gerenciar” o que dizem, e seus pensamentos reais nem sempre estão totalmente presentes no raciocínio; segundo, os Agentes já não são mais apenas “pensam antes de responder”. Eles chamam ferramentas, operam computadores, executam ambientes e ainda coordenam com pessoas e outros Agentes.

Essas coisas estão misturadas, tornando impossível para os pesquisadores traçar uma cadeia de raciocínio completa e transparente para revisar frase por frase.

A OpenAI também descobriu que a Astra consegue realizar tarefas complexas sem precisar escrever todo o processo de raciocínio.

Em resumo, o modelo já aprendeu a "fazer coisas grandes em silêncio".

Em testes adversariais projetados especificamente para forçar o modelo a contornar monitoramento, a Astra demonstrou até algumas capacidades assustadoras: reduzir intencionalmente os resultados dos testes, contornar o monitoramento e executar tarefas destrutivas.

Claro, todos esses são testes de estresse projetados manualmente, e a OpenAI não concluiu que a Astra se enganaria ativamente em tarefas cotidianas com base nisso. Mas pelo menos indica que, apenas observando a cadeia de pensamento, já é difícil cobrir todos os comportamentos possíveis do modelo.

Você se lembra do evento anterior da Hugging Face? Foi um sinal de alerta.

Na época, o GPT‑5.6 Sol e um modelo interno de pesquisa mais potente foram colocados no ambiente de rede ExploitGym com a tarefa de encontrar vulnerabilidades, realizar ataques e obter a Flag. Para avaliar a capacidade real do modelo, os mecanismos de segurança completos não foram ativados no ambiente de avaliação.

O modelo não resolveu o problema de forma honesta; em vez disso, contornou a isolamento de rede, trocando mensagens e cooperando entre si por canais não autorizados.

Posteriormente, explorou uma vulnerabilidade zero-day no proxy de cache de pacotes para obter acesso à internet pública e, finalmente, ingressou no sistema da Hugging Face, tentando encontrar respostas de teste do ExploitGym.

Na verdade, isso foi principalmente impulsionado pelo modelo interno de pesquisa IM1, e o GPT‑5.6 Sol também reproduziu parte da rota de ataque; a Astra não participou.

O objetivo original do modelo ainda é completar o teste, mas, para obter a resposta, ele continua buscando falhas nas regras, acabando por realizar ações além do escopo da tarefa.

Portanto, a OpenAI também identificou um sinal de alerta: quando um Agente for suficientemente poderoso, com ferramentas suficientes e tempo de execução suficiente, ele pode procurar novos caminhos por conta própria, chamar recursos externos e até colaborar com outros Agentes.

Não... então, depois de tudo isso, isso não se torna um nó sem saída??

A OpenAI precisa de modelos mais poderosos para escrever código, executar experimentos, realizar pesquisas de alinhamento e até usar esses modelos para construir sistemas de segurança contra outros IA. Quanto mais poderoso o modelo, mais tarefas ele pode realizar e mais rápido será o ritmo de desenvolvimento.

Mas, ao mesmo tempo, os humanos estão ficando cada vez mais incapazes de determinar como ele chegou a essas conclusões e se, em um ambiente diferente, reinterpretaria as regras previamente aprendidas.

Jakub conclui que, atualmente, nenhuma laboratório se atreve a afirmar que alinhou e monitorou adequadamente o modelo para expandir seu tamanho em máxima velocidade com segurança a longo prazo.

Antes que um padrão de segurança comum para toda a indústria seja estabelecido, ele espera que todos vejam o “freio voluntário” como um acordo mútuo.

Quanto à própria OpenAI, ela também declarou: se necessário, não descarta parar unilateralmente e deixar de expandir ainda mais o tamanho do modelo.

Você melhor seria assim... Lembro que alguma empresa que começa com A também disse isso.

Link de referência:

[1]https://x.com/Lentils80/status/2096518218836005287?s=20

[2]https://x.com/pankajkumar_dev/status/2096532712291201460

[3]https://openai.com/index/research-acceleration-view-inside-openai/

[4]https://openai.com/index/an-alien-mind/

[5]https://x.com/JensenHuang/status/2096700264569090384?s=20

Este artigo é do número de assinantes do WeChat "Quantum Bit", autor: Ting Yu