A Astra da OpenAI muda o foco da IA de responder para executar tarefas de longo prazo

O que realmente importa na Astra não é quão bem ela resolve uma determinada equação matemática, mas sim que a OpenAI está transformando modelos de ponta de sistemas de respostas imediatas em sistemas de execução capazes de durar horas ou mais, decompondo automaticamente tarefas e operando software real.

Autor e fonte do artigo: 0x9999in1, ME News



• O que realmente importa na Astra não é quão bem ela resolve uma determinada equação matemática, mas sim que a OpenAI está transformando modelos de ponta de sistemas de respostas imediatas em sistemas de execução capazes de durar horas ou mais, decompondo automaticamente tarefas e operando software real.
• 16 agentes trabalhando em conjunto para provar um teorema matemático, operar diretamente um computador, “estagiário de pesquisa em IA” — essas demonstrações apontam para a mesma mudança: o indicador central da competição em IA está passando da qualidade de respostas únicas para a capacidade de assumir cadeias de trabalho mais longas e complexas de forma independente.
• Se essa capacidade puder ser implantada de forma estável, a lógica de compra de IA pelas empresas também mudará: anteriormente, compravam licenças de software e Copilot; futuramente, poderá se aproximar cada vez mais da compra de "força de trabalho digital" e throughput de tarefas.
• Mas a demonstração fechada não é um ambiente de produção. Astra ainda não foi lançada publicamente, e o termo “estagiário de pesquisa” é padrão interno da OpenAI; a demonstração matemática fornece provas candidatas, e não uma certificação independente de sua correção científica.
• Mais preocupante ainda é que o aprimoramento de capacidades já começou a restringir o próprio ritmo de desenvolvimento da OpenAI. Em agosto, a OpenAI reconheceu que o Astra pode ter atingido o limite de capacidade de segurança cibernética mais elevado, “Crítico”, e, por isso, suspendeu parte de suas atividades de treinamento e avaliação.
• Então, discutir se a Astra é ou não uma AGI agora tem pouco sentido. A questão verdadeiramente importante tornou-se: o que acontecerá com os modelos econômicos das empresas, do mercado de trabalho e das empresas de IA quando a IA tiver pela primeira vez a oportunidade de passar de “responder suas perguntas” para “realizar continuamente tarefas para você, até mesmo ajudar a pesquisar a próxima geração de IA”.

Se observado apenas superficialmente, a pré-visualização fechada da Astra pode ser facilmente interpretada como mais uma campanha de promoção antes do lançamento do modelo.

Dezenas de executivos de importantes clientes da OpenAI chegaram ao recém-inaugurado prédio MB0 em São Francisco. Do lado de fora, manifestantes com cartazes “Stop the AI Race” ainda permanecem; dentro, uma parede inteira de vegetação foi empurrada até a porta de vidro, bloqueando a visão entre os dois lados. Sam Altman acabou de retornar de Washington, onde havia apresentado aos funcionários do governo dos EUA a família de modelos ainda não divulgada.

Esta cena na verdade resume com mais precisão a indústria de IA de hoje do que qualquer lançamento: capital, clientes e governos estão aguardando que a capacidade continue avançando, enquanto outro grupo já começa a se preocupar com sua velocidade excessiva.

Mas o que realmente importa sobre a Astra não é "o modelo melhorou quantos pontos percentuais".

A primeira demonstração ao vivo envolveu 16 agentes de IA enfrentando um problema matemático de nível de pesquisa. Eles dividiram automaticamente o problema em múltiplos subproblemas, tentaram soluções separadas, coordenaram os resultados e combinaram-nos para produzir uma prova candidata. É essencial esclarecer a palavra “candidata”: esta não é um novo teorema matemático validado publicamente, nem o fato de 16 agentes trabalharem simultaneamente equivale automaticamente a uma equipe de pesquisa composta por 16 matemáticos excelentes. Muitos modelos podem compartilhar o mesmo erro, e aumentar o número de agentes não implica necessariamente um aumento linear na precisão.

But it is still important.

Porque no passado, ao medir grandes modelos, tínhamos o hábito de nos concentrar em uma pergunta: ele consegue responder?

Astra tenta trocar a questão por outra: ela consegue organizar o próprio trabalho e realizar continuamente uma tarefa complexa?

Os dois parecem diferir apenas por um passo, mas o significado comercial pode diferir por uma era.

A forma mais típica de interação nos estágios iniciais do ChatGPT era o ser humano fazer perguntas e a máquina responder; posteriormente, o Copilot passou a integrar fluxos de programação, escrita e criação, com o ser humano fornecendo instruções contínuas e a IA oferecendo assistência constante. O agente avança ainda mais, significando que o ser humano apenas define o objetivo, enquanto a máquina decide os passos, escolhe as ferramentas, verifica os resultados intermediários e avança continuamente.

Portanto, a segunda demonstração merece ainda mais atenção dos executivos empresariais do que um problema matemático.

Astra opera diretamente no computador, alterna entre vários softwares de desktop comuns, cria e modifica conteúdo, realizando operações com velocidade extrema. Altman descreveu como um dos momentos mais impressionantes recentes para os funcionários da OpenAI ver o modelo usar o computador de forma "sobrehumana e extremamente rápida".

Why is operating a computer so important?

Porque a maior parte do trabalho no mundo corporativo não é uma pergunta elegante que possa ser colocada em uma caixa de bate-papo.

O trabalho real está espalhado entre o navegador, Excel, e-mails, repositórios de código, ERP, CRM, softwares de design, bancos de dados internos e sistemas de aprovação. O valor de um funcionário nunca se resume apenas a “saber a resposta”, mas sim à capacidade de mover informações entre uma dúzia de sistemas, tomar decisões, modificar arquivos, impulsionar processos e finalmente concluir as tarefas.

Enquanto a IA não ultrapassar esse limiar, ela permanecerá principalmente uma ferramenta de conhecimento.

Uma vez que ultrapasse, ele começa realmente a se aproximar do "trabalho".

O produto central descrito por Altman para a Astra são agents persistentes — agents que existem continuamente e trabalham a longo prazo.

Esta palavra soa menos emocionante que a AGI, mas pode estar mais próxima do que realmente afetará as demonstrações financeiras das empresas nos próximos anos.

O cientista-chefe da OpenAI, Jakub Pachocki, disse à TIME que a Astra atingiu o padrão interno da empresa de “estagiário de pesquisa de IA automatizado”: dê a ela uma ideia de experimento, e ela consegue acessar o próprio repositório de código da OpenAI para implementar a solução, executar o experimento e retornar os resultados; dê a ela um artigo de pesquisa, e ela consegue executar o trabalho de seguimento que anteriormente ocuparia cerca de uma semana de um pesquisador humano.

Isso ainda é apenas uma avaliação interna da OpenAI, sem validação por terceiros independentes, e muito menos pode ser simplesmente inferido como "Astra já consegue substituir pesquisadores". Mas o sinal que ele libera já é suficientemente claro: a unidade que a OpenAI busca está passando de tokens, respostas e conversas para duração de tarefas.

Esta narrativa não foi criada repentinamente pela OpenAI.

A instituição independente de avaliação METR tem tentado, nos últimos anos, medir a capacidade dos Agentes usando o “horizonte de tempo de conclusão de tarefa”: em vez de perguntar se o modelo consegue resolver um determinado tipo de questão, observa-se quanto tempo um especialista humano levaria para concluí-lo com uma certa taxa de sucesso.

Os dados atualizados do METR em 2026 ainda mostram uma tendência claramente exponencial de melhoria. A longo prazo, o tempo necessário para software e tarefas de pesquisa de modelos de ponta duplica aproximadamente a cada 6 a 7 meses; se considerarmos apenas os dados desde 2023, a taxa de crescimento é ainda mais rápida. Em maio deste ano, alguns dos modelos mais recentes já se aproximaram ou até superaram o limite efetivo de medição de cerca de 16 horas de seus conjuntos de teste atuais, levando o METR a alertar especificamente que dados além desse comprimento não devem ser interpretados de forma exagerada.

Isso exatamente explica por que a Astra surgiu.

Quando as tarefas que o modelo pode realizar de forma estável aumentam de minutos para horas, e depois de horas para um dia ou mais, a forma do produto certamente mudará. Você não precisará mais ficar sempre ao lado da janela de bate-papo para corrigi-lo; em vez disso, começará a atribuir tarefas como faria a um colega: “Investigue este problema, teste três soluções, organize os dados e me entregue os resultados amanhã.”

O que se chama de "colega virtual", o verdadeiro ponto de virada nunca foi se ele fala como um ser humano.

Mas se você for embora, ele ainda continuará trabalhando?

Essa também é a implicação financeira mais subestimada da Astra.

Nos últimos três anos, o modelo dominante de compra de IA generativa por empresas é, essencialmente, uma extensão do modelo tradicional de SaaS: adicionar uma licença de IA por funcionário, pagando alguns dólares a mais por mês. O Microsoft Copilot é assim, a versão empresarial do ChatGPT é assim, e muitos outros SaaS de IA também são.

Mas, uma vez que o agente persistente amadurecer, essa lógica de precificação ficará cada vez mais estranha.

Why?

Porque as empresas realmente estão comprando não mais o "acesso de um funcionário ao AI", mas a capacidade do próprio AI de realizar o trabalho.

Suponha que uma equipe financeira anteriormente precisasse de 10 pessoas para lidar com organização de dados, rascunhos de relatórios, verificação de anomalias e entrada entre sistemas. O problema que os gestores enfrentarão no futuro poderá não ser mais “devo comprar um Copilot para cada uma das 10 pessoas?”, mas sim “quantas unidades de trabalho de Agent preciso comprar para concluir essas tarefas?”.

Neste momento, o concorrente da IA já não é apenas o orçamento de software.

Ele começou a entrar no orçamento de pessoal.

Os dados do Stanford AI Index de 2026 já revelam essa contradição. Por um lado, a adoção de IA por empresas continua a aumentar rapidamente: em 2025, 88% das organizações pesquisadas já utilizavam IA em pelo menos uma área, e 70% já utilizavam IA generativa; por outro lado, as empresas que realmente implantaram Agentes ainda representam apenas um dígito percentual em quase todas as funções empresariais.

Em outras palavras, as pessoas já estão muito dispostas a “usar IA”, mas ainda não estão dispostas a “delegar tarefas à IA” em larga escala.

This is precisely the gap Astra is trying to bridge.

Uma vez ultrapassado, o impacto não se limitará às empresas de tecnologia. Dados da Stanford mostram que, desde 2024, o emprego de desenvolvedores de software com idades entre 22 e 25 anos nos Estados Unidos caiu cerca de 20%; ao mesmo tempo, cerca de um terço das empresas entrevistadas esperam que a IA leve à redução de pessoal no próximo ano, enquanto o mercado de trabalho como um todo ainda está longe de apresentar um desemprego em massa de mesma magnitude.

This suggests that the impact of AI on the labor market is more likely to occur not by suddenly flipping a master switch, but by first altering the marginal demand for hiring channels, entry-level positions, and standardized knowledge work.

Por essa razão, o termo "estagiário de pesquisa em IA" é na verdade sutil.

Hoje, ele pode primeiro realizar os experimentos que levam uma semana para os pesquisadores, mas cujos objetivos são relativamente claros; amanhã, as empresas perguntarão: e o modelo preliminar do analista financeiro? E a coleta de informações do consultor? E o desenvolvimento rotineiro do programador? E a execução inter-sistemas do departamento de marketing?

No passado, nós sempre discutimos se a IA iria “substituir uma profissão”.

Um processo mais realista é que a IA primeiro retire gradualmente os módulos de trabalho mais fáceis de padronizar, mais fáceis de verificar e mais demorados dentro de uma profissão. O cargo não desaparecerá subitamente numa manhã, mas o trabalho que antes exigia dez novos funcionários pode, com o tempo, exigir apenas seis, quatro e um conjunto de Agentes.

O que realmente transforma o mercado de trabalho não é geralmente "a IA de repente saber fazer tudo".

Em vez disso, as empresas descobriram: o próximo funcionário pode não ser contratado ainda.

Se a história terminasse aqui, a Astra seria apenas um produto com enorme imaginação comercial.

O problema é que a OpenAI já provou que as coisas não são tão simples.

Em 7 de agosto, a OpenAI declarou publicamente que, conforme a avaliação interna mais recente, a empresa não pode mais descartar a possibilidade de a Astra atingir o nível de capacidade de segurança cibernética "Crítico" em seu Framework de Preparação.

Essa barreira não é "modelos comparativos sabem programar".

De acordo com a própria definição da OpenAI, o nível Crítico significa que o modelo pode, sem intervenção humana, identificar e desenvolver vulnerabilidades zero-day de diferentes gravidades em sistemas críticos reais reforçados, ou projetar e executar autonomamente novas estratégias de ataque ponto a ponto direcionadas a objetivos reforçados com base apenas em um objetivo de alto nível.

OpenAI enfatiza que, atualmente, apenas não se pode descartar esse nível, e não foi confirmado definitivamente que a Astra possui todas as capacidades mencionadas acima; além disso, a Astra também não está relacionada ao anterior incidente de segurança da OpenAI envolvendo a Hugging Face.

Mas a reação da empresa já é suficiente para demonstrar a situação.

OpenAI reforçou a isolamento de rede, sandbox, proteção de pesos do modelo e monitoramento em todo o processo, suspendendo as atividades da Astra que não atendem aos novos padrões de segurança. Em 18 de agosto, a empresa divulgou adicionalmente que, para fortalecer o ambiente e ampliar a cobertura de monitoramento, o treinamento de aprendizado por reforço do modelo mais recente proposto foi suspenso por duas semanas, e o maior treinamento de RL de ponta ainda permanecia suspenso, com grande parte do treinamento e avaliação relacionados à Astra ainda não retomada.

Até mesmo a segurança itself começou a se tornar um custo caro de poder de processamento.

OpenAI estima que, atualmente, este sistema de monitoramento pode consumir adicionalmente cerca de 20% da capacidade de processamento equivalente ao cálculo de inferência monitorado.

Este conjunto de números é muito memorável para os mercados financeiros.

A história da indústria de IA nos últimos anos tem sido: quanto mais poderoso o modelo, maior o valor comercial, portanto, vale a pena investir em mais GPU, data centers e energia. Mas a Astra começa a mostrar outra curva de custo — quanto mais poderoso o modelo, não apenas os custos de treinamento aumentam, mas também a segurança, isolamento, monitoramento e governança começam a consumir poder de computação.

Isso significa que o modelo econômico da próxima geração de IA não pode calcular apenas "quanto custa por milhão de tokens".

É necessário calcular ainda o risco de perda de controle, redundância de segurança, aprovação manual, isolamento de permissões e perdas reais causadas por erros.

Um modelo que ajuda a escrever e-mails com erros pode apenas causar embaraço.

Um agente com memória de longo prazo, capacidade de execução de código e acesso à internet, que pode operar autonomamente sistemas empresariais por várias horas, comete erros de natureza completamente diferente.

Quanto mais próximo de "funcionário" for a capacidade, mais próximo de "funcionário" deve ser o gerenciamento de permissões; assim que a capacidade exceder um funcionário comum, os requisitos de segurança devem até ser superiores aos de um funcionário.

Então, o verdadeiro desafio da Astra à OpenAI pode não ser “se é possível fazer”.

Mas é possível transformar um sistema assim em um produto que as empresas se sintam seguras para implantar em ambiente de produção.

A frase mais ousada que Altman disse na prévia fechada foi que ele espera que a Astra possa se tornar o primeiro modelo capaz de "inventar coisas novas de maneira verdadeiramente significativa", e chamou essa capacidade de "algo muito parecido com AGI".

This sentence certainly has a strong Altman style.

Hoje não há nenhuma evidência pública que comprove que a Astra já criou de forma estável novos conhecimentos científicos importantes validados por pares, nem a OpenAI divulgou resultados suficientes de testes externos. Portanto, afirmar diretamente que “a AGI chegou” com base na Astra é desnecessário e carece de base factual.

Mas por que Altman enfatiza especificamente “descobrir novos conhecimentos” merece ser estudado seriamente.

Porque é nisso que realmente pode ocorrer uma mudança exponencial na indústria de IA.

Se a IA apenas ajudar os humanos a aumentar a eficiência na escrita de código, design e análise de arquivos, então toda a indústria, por mais radical que seja, é essencialmente uma revolução de ferramentas de produtividade. Ela pode aumentar enormemente a eficiência econômica, mas ainda depende principalmente dos humanos para decidir o que pesquisar a seguir, como projetar experimentos e como criar a próxima geração de tecnologias.

Se a IA puder participar da própria pesquisa em IA, a lógica muda.

Um agente capaz de ler artigos científicos, propor experimentos, modificar grandes bases de código, executar experimentos e analisar resultados — mesmo que atinja apenas o nível de um estagiário de pesquisa excelente — já pode ampliar significativamente a capacidade de pesquisa de um laboratório de ponta.

Hoje, 100 pesquisadores podem, por trás, executar 500 Agentes; no futuro, o número de experimentos que cada pesquisador pode avançar simultaneamente por dia pode não depender mais das 24 horas do dia, mas sim da capacidade de processamento, do custo dos experimentos e da capacidade de validação.

Assim, um conceito que antes era muito abstrato — “IA ajudando a desenvolver IA melhor” — começou a se tornar concreto.

Este é o ponto mais importante para se observar na Astra, e também o que deve ser abordado com mais moderação.

Entre “realizar experimentos projetados por outros” e “propostas ativas de novas direções de pesquisa valiosas”, ainda existe uma grande lacuna; entre “gerar uma nova ideia que pareça razoável” e “produzir novo conhecimento reprodutível, verificável e que realmente impulsiona o avanço científico”, a diferença é ainda maior.

16 agentes trabalhando simultaneamente não significa 16 vezes mais inovação.

Executar cem mil experimentos por dia não significa que uma ruptura ocorrerá naturalmente.

A ciência nunca falta em hipóteses; o que realmente é escasso é saber quais perguntas valem a pena fazer e quais resultados realmente importam.

Astra cruzou essa linha? Ninguém pode tirar uma conclusão de uma única demonstração fechada.

Então, discutir agora se a Astra é uma AGI é um pouco antecipado.

A definição do termo AGI é intrinsicamente muito vaga. A definição historicamente utilizada pela OpenAI é a de um sistema altamente autônomo que supera os humanos na maioria dos trabalhos com valor econômico; outros laboratórios, acadêmicos e o público têm critérios completamente diferentes para julgá-lo.

Em vez de discutir um rótulo, observe três problemas mais específicos.

Em primeiro lugar, por quanto tempo o Astra poderá executar tarefas independentes e qual é sua taxa de confiabilidade?

Em segundo lugar, após entrar no ambiente de produção empresarial, quanto tempo os humanos precisarão gastar para verificar e corrigir erros? Se um agente trabalhar por oito horas para você, mas exigir que engenheiros gastem mais três horas para validá-lo, o verdadeiro aumento de produtividade será totalmente diferente do mostrado nos vídeos de demonstração.

Terceiro, e mais importante: ele consegue levar a pesquisa automatizada de “executar experimentos” para “descobrir novos conhecimentos verdadeiramente valiosos”?

As duas primeiras perguntas determinam se a Astra é um grande negócio.

A terceira pergunta determina se isso é um ponto de virada de uma era.

Do ponto de vista deste lado, a parede de plantas empurrada até a entrada do MB0 tem um significado simbólico. De um lado, dezenas de executivos de clientes assistem pela primeira vez a Agentes digitais que podem trabalhar para eles a longo prazo; do outro, manifestantes exigem que toda a indústria pare a corrida pela IA. Ambos os lados têm julgamentos radicalmente diferentes sobre o futuro, mas ambos reconhecem o mesmo fato: esta tecnologia está se tornando mais poderosa do que nunca.

Astra ainda não foi lançado publicamente, e suas capacidades internas ainda não foram amplamente validadas externamente. Pode sofrer atrasos, revelar numerosos problemas de confiabilidade em ambientes reais ou, finalmente, não ser tão próximo da AGI quanto Altman descreveu.

Todas essas possibilidades devem ser mantidas.

Mas um ponto já está ficando cada vez mais claro.

Na fase anterior da competição dos grandes modelos, era quem conseguia responder com mais precisão às perguntas que o mundo já conhecia; a próxima fase, representada pela Astra, começa a questionar quem pode agir continuamente, completar tarefas complexas de forma independente e, finalmente, ajudar a humanidade a explorar questões para as quais o mundo ainda não tem respostas.

Entre chatbots e colegas virtuais, há quatro barreiras altas: confiabilidade, segurança, custo e confiança organizacional.

O que a OpenAI está realmente apostando é que a Astra conseguirá superar cada obstáculo.

E se ele realmente ultrapassar, as pessoas olhando para trás em 2026, o que realmente importará talvez não seja quantos pontos um modelo liderou na classificação.

Mas é a primeira vez que a máquina começa a adquirir uma capacidade que anteriormente pertencia principalmente aos seres humanos: receber uma tarefa e executá-la sozinha até o fim.

1. Alex Heath, “Inside OpenAI’s Reboot”, TIME, 26 de agosto de 2026 (reproduzido pelo Yahoo Tech). (Yahoo Tech)
2. OpenAI, "Responding to the next frontier of critical cyber capabilities", 7 de agosto de 2026. (OpenAI)
3. OpenAI, “Pacing model development in an era of cyber-critical capabilities”, 18 de agosto de 2026. (OpenAI)
4. Cat Zakrzewski, Ian Duncan, Riley Beggin, “Sam Altman corta Washington enquanto a OpenAI impulsiona um novo AI poderoso”, The Washington Post, 2026年7月31日。(The Washington Post)
5. Instituto Stanford de Inteligência Artificial Centrada no Ser Humano, O Relatório AI Index 2026 — Economia, 2026. (斯坦福HAI)
6. METR, “Task-Completion Time Horizons of Frontier AI Models”, atualizado em 8 de maio de 2026. (METR)
7. METR, “Time Horizon 1.1”, 29 de janeiro de 2026. (METR)
8. Pare a corrida de IA, “Ocupar OpenAI / Pare a corrida de IA”, 2026. (stoptherace.ai)