OpenAI lança o modelo GPT-6 Astra, capacidades de agente de IA superam marcos anteriores

A OpenAI lançou o modelo GPT-6 Astra, realizando a transição crítica da IA de um Answer Engine para um AI Agent. O Astra já possui a capacidade de operar computadores, navegar na web, usar softwares, escrever e executar código, e completar fluxos de trabalho complexos, alcançando 72,6% no teste OSWorld 2.0, acima dos 65,7% do GPT-5. Isso significa que a IA está passando de “responder melhor” para “concluir tarefas com sucesso”, deixando de ser apenas uma ferramenta para responder perguntas e tornando-se uma força de trabalho digital “contratável”. A demanda por tokens passará de um crescimento simples de usuários para um efeito multiplicador envolvendo três variáveis simultâneas: número de agents, número de tarefas por agent e consumo de tokens por tarefa. A IA está formando um efeito de roda de feedback “Human+AI→Train→Better AI”, onde o aumento da capacidade do modelo se torna o motor do crescimento da demanda por computação.

Autor do artigo, fonte: Opinião da Minoridade

Acredita-se que quase todos concordam com o seguinte trecho:

Na era da IA, quem vai superar você é a pessoa ou empresa que usar a IA antes e melhor do que você.

Mas, após a OpenAI lançar seu próprio modelo GPT-6 Astra, essa frase está completamente incorreta ou totalmente errada. Agora, a afirmação verdadeiramente correta é:

Na era da IA, quem o superará não será mais as pessoas ou empresas que usam a IA melhor do que você, mas sim aquelas que adotam, implementam e realmente dominam os Agentes de IA de forma mais proativa.

Lembre-se de que o “você” acima também pode ser uma empresa.

Lembra-se? No mês passado, a Astra já havia feito sua estreia, sendo um modelo interno secreto da OpenAI que resolveu 10 problemas de matemática e ciência da computação teórica com nível de pesquisa matemática de ponta (Prêmio Fields). E agora, a maior inovação da Astra lançada oficialmente pela OpenAI não é apenas se tornar “mais inteligente” (com habilidades matemáticas e científicas mais fortes), mas sim transformar a IA de um Answer Engine em um verdadeiro AI Agent.

Portanto, neste lançamento, a OpenAI não se limitou a falar sobre quantos pontos os benchmarks da Astra melhoraram, mas sim desde o início forneceu uma descrição muito clara dos limites de capacidade da Astra:

Astra já consegue operar computadores, navegar na web, usar softwares, escrever e executar código, concluir fluxos de trabalho complexos e realizar tarefas de longa duração em ciência, segurança cibernética e trabalhos profissionais.

Esta frase resume a verdadeira inovação da Astra. Ou seja, a IA está realmente passando de “pessoa→IA→resposta” para “pessoa→Agente de IA→tarefa→execução→resultado”. Portanto, o GPT-6 Astra significa:

A IA já não é apenas uma ferramenta para responder perguntas, mas começa a se tornar uma força de trabalho digital que pode ser "contratada", trabalhando sempre sem descanso.

The improvement in Astra's capability for long-range missions is the most critical.

No OSWorld 2.0 (um teste proposto por equipes da CMU, Stanford e outras, que avalia a capacidade de Agentes de IA de concluir tarefas complexas em ambientes digitais, como trabalho administrativo, depuração de engenharia de software com múltiplos arquivos e configuração de segurança de sistema, comparando-se posteriormente com especialistas humanos como linha de base), a Astra atingiu 72,6%, superando o GPT-5.6 Sol com 65,7%; ao mesmo tempo, o tempo simulado para conclusão das tarefas caiu de cerca de 75 minutos para cerca de 40 minutos.

Isso significa que a Astra está passando por uma mudança muito decisiva:

De "responder melhor" para "concluir com sucesso as tarefas".

Isso mudará completamente a maneira como entendemos a “penetração da IA” e calculamos a demanda total por tokens. No passado, ao estimar o tamanho do mercado de IA, naturalmente perguntávamos: quantas pessoas estão usando o ChatGPT? Quantos funcionários de empresas estão usando o Copilot? Qual é a taxa de penetração da IA entre programadores, atendentes, profissionais de escritório e cientistas?

Em seguida, use “número de usuários × ARPU” para estimar o tamanho do mercado de IA. Esse raciocínio é perfeitamente válido na era dos Answer Engines. Mas na era dos AI Agents, surgem problemas:

• Uma pessoa usar IA não significa que apenas uma carga de trabalho de IA está sendo realizada; uma pessoa pode criar múltiplas tarefas de Agentes; uma empresa pode implantar centenas ou milhares de Agentes simultaneamente. Um Agente pode operar continuamente por várias horas, ou até 24 horas.

Portanto, tem-se a seguinte desigualdade:

1 pessoa ≠ 1 usuário de IA ≠ 1 unidade de trabalho de IA.

Um cientista de materiais pode configurar dezenas de AI Agents de uma só vez para executar tarefas de pesquisa em diferentes direções de estudo. Portanto, a variável verdadeiramente relevante passa a ser:

• Quantos AI Agents estão em execução em todo o mundo?
• Quantas tarefas cada AI Agent em execução executa por dia? Quantos tokens são consumidos?

O produto desses dois números será a função de demanda real da IA.

Se você está ou não usando IA, se seus amigos ao redor estão usando IA, ou se sua empresa está usando IA, não importa para a taxa de penetração da IA nem para a demanda total por tokens. Se você não usar IA, alguém mais usará agentes de IA para substituir suas vantagens ou seu negócio, e depois substituir você e sua empresa.

Então, aqui acrescentamos especificamente:

Hoje em dia, todas as empresas de médio e grande porte devem, pelo menos, dar prioridade ao desenvolvimento de uma estratégia de IA a nível do conselho, pois há muitas pessoas inteligentes observando atentamente seus negócios lucrativos.

Portanto, a definição da taxa de penetração de IA passou de “Por Humano” para “Por Agente”. Anteriormente, pensava-se que era assim:

Taxa de penetração da IA = Número de pessoas que usam IA / População potencial

Após a Astra, a fórmula de penetração de AI Agent é a seguinte:

Taxa de penetração do agente = Tarefas de trabalho assumidas pelo agente de IA / Tarefas de trabalho que podem ser executadas pelo agente

Os denominadores dessas duas fórmulas certamente apresentam uma enorme diferença de ordem de grandeza. Como os Agentes não precisam mais corresponder um a um aos seres humanos, uma única pessoa pode possuir simultaneamente vários Agentes de IA pessoais. Quanto ao número de “tarefas que podem ser executadas pelos Agentes”, acho que a página de apresentação do Astra lançada pela OpenAI oferece uma pista.

Acima está o mapa estelar apresentado pela OpenAI na página de introdução da Astra. A pequenez da humanidade em relação ao universo tem como contrapartida nossa ignorância em relação ao cosmos, e toda investigação da ignorância pode se tornar uma tarefa para agentes de IA. Se assim for, o número de agentes de IA pode ser infinito.

Então, "quantas pessoas em todo o mundo começaram a usar IA" e "quantos trabalhadores digitais em todo o mundo estão em execução" são duas grandezas completamente diferentes.

A demanda total por tokens apresentará uma elasticidade muito maior do que o crescimento no número de usuários de AI Agents. Isso porque a demanda por tokens na era dos Agents não cresce apenas com o aumento do número de usuários, mas também com o aumento da “quantidade de trabalho de IA suportada por cada Agent”.

Portanto, a demanda total por Token pode ser aproximadamente escrita como:

Demanda total de tokens ≈ Número de agentes de IA × Número de tarefas por agente × Consumo de tokens por tarefa

E essas três variáveis podem crescer rapidamente ao mesmo tempo.

Primeiro, o aumento no número de agents. No passado, uma pessoa poderia usar apenas um ChatGPT; no futuro, uma pessoa poderá executar simultaneamente agents como assistente pessoal, agent de codificação, agent de pesquisa, agent financeiro, agent de compras... As empresas poderão expandir de dezenas ou centenas de agents para milhares ou dezenas de milhares.

Em segundo lugar, os agentes estão realizando cada vez mais tarefas. Anteriormente, era algo como “resuma este artigo para mim”, o que poderia exigir apenas alguns milhares de tokens; já no futuro, será algo como “estude este setor, leia 500 documentos, compare 50 empresas, construa um modelo, identifique anomalias, elabore um relatório e, com base nesse relatório, forneça recomendações de investimento”. E é exatamente aí que reside o significado da Astra: quanto mais capaz o modelo for de realizar tarefas complexas, mais os humanos se sentirão seguros em delegar essas tarefas complexas aos agentes.

Terceiro, o agente passará de “chamado ocasionalmente” para “execução contínua”. Essa é a mudança mais importante. O ChatGPT tradicional é acionado apenas quando o usuário faz uma pergunta, fornece uma resposta e termina. Já o AI Agent é

Alvo alcançado → Planejamento → Pesquisa → Execução → Verificação → Alteração → Executar novamente → Concluído.

É uma cadeia de cálculo em execução contínua que gera constantemente chamadas de API. Quanto mais complexa a tarefa, mais longo o raciocínio, maior o contexto, mais chamadas de ferramenta e mais saída, resultando em maior consumo de tokens.

Portanto, o AI Agent não só aumentará o número de usuários de IA, mas também amplificará a demanda por tokens por trás de cada usuário de IA.

Portanto, é perfeitamente possível que o número de AI Agents tenha aumentado apenas 20%, enquanto a demanda total por tokens cresceu 300%.

Astra é o maior treinamento até agora da OpenAI, e as informações públicas mostram que sua escala de treinamento já ultrapassou 100 mil GPUs. Mais importante ainda, a IA está participando cada vez mais do próprio treinamento dos modelos.

No passado era “Humano→Treinar→IA”, e está gradualmente se tornando:

Humano + IA → Treinar → IA melhor

Este já é um modelo básico de RSI, capaz de participar na geração de dados de treinamento, identificar problemas, realizar avaliações, fornecer feedback e até ajudar em partes do trabalho de engenharia e pesquisa durante o processo de treinamento.

Assim, será formada uma cadeia de efeito de roda muito impressionante:

Modelos mais fortes levam a capacidades mais robustas de Agentes de IA, que podem realizar mais tarefas do mundo real, gerando mais dados de tarefas de alta qualidade e feedback, que, por sua vez, ajudam a treinar modelos ainda mais fortes, e esses modelos mais fortes novamente aprimoram a capacidade dos Agentes, permitindo-lhes assumir mais tarefas…

Isso significa que o desenvolvimento da IA não ocorrerá como uma “iteração de versões” de software tradicional, mas sim como um sistema de produção que se acelera sozinho. Como resultado, a demanda por Token terá um efeito multiplicador com múltiplas variáveis em expansão simultânea, e quanto mais forte o modelo, mais evidente será esse efeito multiplicador.

Então, certamente veremos:

O aprimoramento das capacidades do modelo torna-se por si só o motor do crescimento da demanda por capacidade de IA, levando a bilhões, dezenas de bilhões e cada vez mais agentes de IA como força de trabalho digital, e então a demanda por tokens surge em fluxo inesgotável.

Essa é a importância da lançamento do GPT-6 Astra.