O que é GPT-6 e como funcionam realmente os grandes modelos de linguagem?

GPT-6 não é um único produto lançado em um dia. OpenAI o lançou em dois estágios: uma versão de nível fronterizo chamada GPT-6 Astra no início de setembro de 2026, seguida por duas versões voltadas para consumidores, GPT-6 Sol e GPT-6 Luna, que substituíram o modelo anterior dentro do ChatGPT em outubro de 2026.

Astra primeiro, depois Sol e Luna para todos

De acordo com a conta da OpenAI resumida na Wikipédia, o GPT-6 Astra entrou em visualização limitada em 3 de setembro de 2026 e chegou aos usuários pagos do ChatGPT no dia seguinte. OpenAI a descreveu como seu sistema mais capaz até o momento, apontando ganhos em codificação, matemática e uso autônomo de computador. Aidan Clark, vice-presidente da OpenAI, disse que o modelo era o maior esforço de treinamento da empresa até agora, chamando-o de primeira vez que OpenAI treinou previamente um modelo em mais de 100.000 GPUs, em seu site Stargate no Texas.

OpenAI classificou Astra no nível de capacidade de cibersegurança 'Crítico' sob seu Marco de Preparação interno, de acordo com a revisão do DataCamp dos materiais publicados da OpenAI. DataCamp informou que essa classificação reflete a capacidade de Astra de ajudar a criar exploits cibernéticos em vez de uma capacidade de descobrir autonomamente falhas desconhecidas em sistemas endurecidos por conta própria, e que OpenAI restringiu as tarefas de cibersegurança mais avançadas do modelo, como produzir exploits de prova de conceito, atrás de seu programa de acesso Daybreak no lançamento. O presidente da OpenAI, Greg Brockman, disse aos repórteres que achava razoável dizer que a indústria havia entrado no que ele chamou de era AGI, embora tenha evitado dizer que OpenAI havia alcançado inteligência artificial geral.

Em 7 de outubro de 2026, OpenAI trouxe uma segunda onda de GPT-6 para o aplicativo ChatGPT principal, desta vez construído para conversação cotidiana em vez de trabalho agêntico especializado, de acordo com o anúncio da OpenAI em seu fórum de comunidade de desenvolvedores e reportagens do TechCrunch. Além disso, os assinantes Plus, Pro, Business e Enterprise receberam uma versão chamada GPT-6 Sol imediatamente; usuários de níveis gratuitos e Go começaram a receber GPT-6 Luna no dia seguinte.

A mudança visível: uma 'interface inteligente'

Junto com a troca de modelo, OpenAI introduziu um recurso chamado Interface Inteligente. Em vez de responder apenas em parágrafos, ChatGPT agora pode montar uma resposta a partir de texto, gráficos, botões tocáveis, formulários e pequenas ferramentas interativas como calculadoras, de acordo com o post comunitário da OpenAI e reportagens do TechCrunch. Aarush Selvan, gerente de produto do ChatGPT, disse que o objetivo era tornar tópicos complexos mais fáceis de entender, explicando que as respostas mais úteis para muitas perguntas não são apenas texto simples, conforme reportado pelo TechCrunch. O sistema decide caso a caso se um diagrama, um gráfico interativo ou texto simples se adequa melhor a uma pergunta, e os usuários podem ajustar com que frequência esses elementos visuais aparecem.

O que os testes de segurança internos da OpenAI encontraram

A carta do sistema da OpenAI para o lançamento de outubro, publicada em seu Hub de Segurança de Implementação, diz que GPT-6 Sol e Luna melhoraram em várias medidas de segurança em comparação com os modelos GPT-5.6 anteriores: resistência mais forte a tentativas de jailbreak, incluindo ataques de múltiplas voltas, menos comportamento desonesto ou enganoso, e melhor precisão factual na maioria das métricas. O mesmo documento também relata regressões estatisticamente significativas em como os modelos lidaram com um conjunto estreito de categorias de avaliação sensíveis, incluindo prompts relacionados a automutilação, com Luna mostrando regressões adicionais em conteúdo gore e sexual nos testes internos; a própria avaliação da OpenAI descreveu as saídas problemáticas que revisou como de baixa severidade e ainda dentro de suas expectativas gerais de segurança.

Sob o Marco de Preparação da OpenAI, a carta do sistema também classifica Sol e Luna como capacidade 'Alta' nas categorias de risco biológico/químico e cibersegurança, mas abaixo do limite 'Crítico' — um nível de risco mais baixo do que o modelo Astra lançado no mês anterior, que OpenAI havia classificado como Crítico para cibersegurança.

Como os grandes modelos de linguagem realmente funcionam

GPT-6, como GPT-4, Claude ou Llama, é construído em uma arquitetura de rede neural chamada transformer, introduzida por pesquisadores do Google em 2017, de acordo com o explicador de pesquisa da IBM. Um transformer divide o texto em pequenas unidades chamadas tokens, converte cada token em um vetor numérico, e depois usa um mecanismo chamado auto-atenção para determinar quão fortemente cada token se relaciona com todos os outros tokens na entrada — incluindo aqueles longe no texto.

Antes de tudo isso acontecer, o modelo tem que ser treinado. O explicador da IBM descreve isso como começando com conjuntos de dados massivos — bilhões ou trilhões de palavras extraídas de livros, sites e código — que são limpos, tokenizados e alimentados através da rede usando aprendizado auto-supervisionado, um método que não requer que os humanos rotulem a resposta correta para cada exemplo.

Uma vez treinado, o modelo funciona pegando um prompt, convertendo-o em tokens, e repetidamente prevendo o único token mais provável seguinte, um de cada vez, até que a resposta esteja completa. Como o explicador da IBM coloca, o sistema não conhece sua resposta final antecipadamente; gera a resposta pedaço por pedaço usando as relações estatísticas aprendidas durante o treinamento, em vez de recuperar um fato armazenado ou raciocinar como uma pessoa faz.

O que isso significa para confiar no resultado

Porque o sistema está prevendo texto plausível em vez de verificar a verdade, o explicador da IBM lista alucinação — informação gerada com confiança mas falsa — como uma limitação inerente da arquitetura, junto com o risco de que preconceitos presentes nos dados de treinamento sejam refletidos ou amplificados nas saídas. Treinamento e execução de modelos nesta escala também exigem quantidades muito grandes de poder computacional e energia, um ponto que o próprio OpenAI reforçou quando disse que a execução de treinamento de Astra usou mais de 100.000 GPUs em um único site.