
GPT-6.2 Raciocínio Preservado: Edite o Prefixo, Pague em Dobro
- OrcaNOVOOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 por 1M de tokens · 186 tok/s
- openaiNOVOOpenAI: GPT-6.2 Astra2026-11-17$8.00 / $40.00 por 1M de tokens · 86 tok/s
- openaiNOVOOpenAI: GPT-6.2 Sol2026-11-17$2.00 / $10.00 por 1M de tokens · 151 tok/s
- tencentNOVOTencent: Hy4 Flash2026-11-16$0.02 / $0.07 por 1M de tokens · 192 tok/s
- AlibabaNOVOQwen: Qwen4 Max2026-11-16$1.50 / $4.50 por 1M de tokens · 86 tok/s
- GoogleNOVOGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 por 1M de tokens · 705 tok/s
- AnthropicNOVOAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 por 1M de tokens · 246 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 por 1M de tokens · 97 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 por 1M de tokens · 138 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 por 1M de tokens · 85 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 por 1M de tokens · 122 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 por 1M de tokens · 102 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 por 1M de tokens · 70 tok/s
- openaiOpenAI: GPT-6.1 Terra2026-10-26$1.00 / $5.00 por 1M de tokens · 35 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 por 1M de tokens · 89 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 por 1M de tokens · 38 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Inteligência
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 por 1M de tokens · 231 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Inteligência
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 por 1M de tokens · 101 tok/s
Em 17 de novembro de 2026, a OpenAI lançou GPT-6.2 Astra e GPT-6.2 Sol com uma mudança na Responses API que não tem nada a ver com a qualidade do modelo e tudo a ver com quanto você paga por ela. A partir desses dois modelos, um item de raciocínio fica vinculado ao histórico de conversa que vem antes dele. Edite qualquer coisa anterior no transcrito — encurte um resultado de ferramenta, reescreva uma mensagem de desenvolvedor, substitua três turnos antigos por um resumo — e a API descarta os itens de raciocínio que vieram depois, como salvaguarda. O modelo então precisa refazer trabalho que já havia feito. Não há erro, nem aviso no momento da solicitação, nem item de cobrança. Há uma resposta ligeiramente pior e uma fatura maior, e as duas são difíceis de conectar.
Isto não é uma descontinuação que você possa agendar. É um comportamento que já está ativo para qualquer pessoa que chame gpt-6.2-astra ou gpt-6.2-sol hoje, e chegará a todas as equipes que fizerem upgrade, razão pela qual merece ser lido como um item de migração, e não como uma nota de rodapé em um changelog.
O que realmente mudou na API Responses
Modelos anteriores mantinham seus itens de raciocínio através de uma edição de prefixo. Você podia reescrever uma mensagem de desenvolvedor entre turnos, ou substituir as primeiras dez trocas por um resumo, e o raciocínio que o modelo havia produzido permanecia no contexto. Isso era tolerante exatamente da mesma forma que o código de agente é descuidado: fosse o que fosse que você enviasse, o modelo se beneficiava de seu pensamento anterior.
Com o novo comportamento, a API inspeciona o histórico e, quando detecta que o prefixo antes de um item de raciocínio mudou, remove esse item. A própria documentação da OpenAI descreve a consequência em termos simples — o modelo "pode precisar refazer parte do raciocínio", o que "pode aumentar o uso de tokens, o custo e a latência", e a qualidade das respostas pode cair "se o modelo não conseguir recuperar o raciocínio perdido".
Os quatro gatilhos que a OpenAI lista valem a pena memorizar, porque três deles parecem código arrumado em vez de uma mudança de comportamento:
• Editar itens de entrada anteriores — encurtar um resultado de ferramenta, excluir um turno ou substituir um bloco de histórico por um resumo.
• Alteração de ferramentas — adicionar, remover ou reordenar a definição de uma ferramenta no meio de uma conversa.
• Alterando text.format — trocando um esquema de saída no meio de uma sessão.
• Alterar reasoning.effort — baixar o nível para um turno de acompanhamento barato, que é a otimização de custos mais comum em um loop de agente.
Observe o que não está na lista. Anexar novo conteúdo após um item de raciocínio é permitido. Excluir itens inteiros é permitido. A regra é direcional: a API olha para trás a partir de cada item de raciocínio, e qualquer coisa que tenha sido movida para a frente dele o invalida.
Uma edição de prefixo equivale a quatro alterações comuns de código
Cada um desses quatro gatilhos é algo que um engenheiro competente faz de propósito. Esse é o problema. Uma edição de prefixo não é um erro que se comete uma vez; é um padrão de projeto que você adota porque está correto em todos os outros aspectos.
O caso do truncamento de contexto é o mais claro. Um agente de longa duração preenche a janela, então você descarta os turnos mais antigos ou os resume. Isso é uma boa prática, economiza tokens de entrada e, no GPT-6 Sol, era gratuito. No GPT-6.2, isso apaga o raciocínio que veio depois desses turnos, e o modelo começa a próxima etapa tendo esquecido por que escolheu a ferramenta que escolheu.
O caso do seletor de esforço é pior, porque é um controle de custo que se inverte. A otimização natural — executar turnos rotineiros em low e escalar para high quando o trabalho fica difícil — é uma mudança em reasoning.effort entre requisições. No GPT-6.2, essa edição descarta o raciocínio, então a escalada cara recalcula o raciocínio caro do zero. Você pagou por high e recebeu high começando frio, o que é uma coisa diferente e mais cara.
Quanto custa um item de raciocínio descartado
Não há preço publicado para um item de raciocínio descartado, então a forma honesta de dimensioná-lo é olhar para quanto custa o raciocínio, em primeiro lugar. A Artificial Analysis mede todo o conjunto, e as contagens de tokens por tarefa são a coisa mais próxima de uma medição pública de quanto pensamento um modelo de fronteira despende em trabalho difícil.
No Intelligence Index v5.0.1 com esforço máximo, o GPT-6.2 Sol gera 60,9M de tokens de saída para concluir a suíte de nove avaliações, contra um custo ponderado de US$ 1,01 por tarefa do índice e 9,3 minutos por tarefa. O GPT-6.2 Astra gera 65,8M de tokens de saída para a mesma suíte e cobra US$ 4,00 por tarefa do índice a US$ 40 por milhão de tokens de saída. Esses totais são o piso do que custa uma avaliação completa, e cada um desses tokens foi comprado à taxa integral de saída. Números relatados pelos fornecedores apontam na mesma direção — a OpenAI diz que o GPT-6.2 Astra usa 22% menos tokens de saída do que o GPT-6 Astra em seu benchmark interno GDPval v2 —, mas isso é uma comparação entre modelos, não uma medição do que um item removido acrescenta de volta.
O mecanismo é o que importa aqui, não o multiplicador exato. Um item de raciocínio que precisa ser regenerado são tokens de saída pelos quais você já pagou, produzidos uma segunda vez. Em um loop de agente que executa vinte turnos sobre uma tarefa, perder o raciocínio no sexto turno não custa o equivalente ao pensamento de um turno; custa a nova derivação mais quaisquer decisões degradadas que se seguiram ao contexto mais reduzido. Ambos são invisíveis em um log por requisição.

A reescrita somente de acréscimo, em cinco movimentos
A orientação da OpenAI é parar de editar o prefixo e começar a anexar a ele. Isso é fácil de dizer e altera cinco locais de chamada separados, então aqui estão eles juntos, com os nomes exatos dos campos.
• Esforço de raciocínio — não altere reasoning.effort entre requisições. Em vez disso, anexe um item configuration_update à input, carregando o novo esforço. A forma documentada é {"type": "configuration_update", "reasoning": {"effort": "high"}}, colocada antes da próxima mensagem do usuário. A configuração persiste até que outra atualização a substitua, e você pode alterar reasoning.effort e text.format no mesmo item.
• Esquema de saída — mesmo item, mesmo tratamento. Altere text.format por meio de um configuration_update em vez de editar a requisição. Atualizar apenas um dos dois deixa o outro onde estava, o que é uma forma sutil de obter um esquema inesperado.
• Ferramentas — adicione ferramentas com um item additional_tools enviado sob a função de desenvolvedor, carregando um array tools, reproduzido em sua posição original. Mantenha as definições existentes em sua ordem original e use tool_choice com allowed_tools para restringir o que o modelo pode chamar.
• Instruções — coloque o texto reutilizável na primeira mensagem de desenvolvedor dentro de input, não no campo de instruções de nível superior. Para alterá-lo, anexe uma nova mensagem de desenvolvedor. No GPT-6.2 e posteriores, o campo de instruções de nível superior é anexado após input, então editá-lo é, por si só, uma alteração de prefixo.
• Compaction — com a compactação própria da OpenAI, seja pelo endpoint /responses/compact ou pelo context_management, o raciocínio sobrevive à mudança de prefixo. Omita as instruções ao chamar /responses/compact. Com compactação personalizada, coloque o item compactado no final do contexto. Atenção ao ponto crítico: o truncamento automático e o /responses/compact rejeitam históricos que contenham itens configuration_update, portanto, uma sessão que usa o novo padrão não pode ser compactada pelo caminho antigo.
Se você compactar manualmente com um item compaction_trigger, adicione um configuration_update novo após a compactação e repita cada configuração que você alterou. Nada é preservado através do limite para você.
Detectando isso antes que a sua fatura o faça
O motivo pelo qual essa mudança de comportamento é perigosa é que ela falha silenciosamente. A API retorna 200. A resposta parece normal. O que você precisa é de uma forma de ver a queda, e a OpenAI oferece uma: defina prompt_cache_options.comparison_response_id como um ID de resposta anterior e depois leia o motivo diagnóstico e a contagem de tokens em cache. O campo input_transformations lista quais itens de raciocínio foram removidos e por quê, e um motivo prefix_mismatch corresponde, por id, a um item de raciocínio na saída da resposta anterior.
Dois limites honestos desse diagnóstico. Ele relata a primeira diferença com base no melhor esforço possível, e não consegue verificar se o modelo realmente reutilizou o raciocínio que manteve. Portanto, trate-o como um detector de fumaça, não como um medidor — ele informa que houve uma queda, não quanto ela custou.
A outra metade da instrumentação é o cache, e é aqui que a história dos tokens e a história dos custos se encontram. O cache de prompt faz a correspondência das solicitações desde o início, então uma edição de prefixo não apenas descarta itens de raciocínio; ela encerra a reutilização de cache a partir do ponto da edição em diante. Tudo depois desse ponto é cobrado à taxa de entrada sem cache. No GPT-6.2 Sol, isso é US$ 2,00 por milhão em vez de US$ 0,10 — uma diferença de vinte vezes no trecho afetado. No GPT-6.2 Astra, é US$ 8,00 em vez de US$ 0,40, que é a mesma proporção de vinte vezes em um cartão quatro vezes maior.
Esse é o número a acompanhar, e é aquele que um post de lançamento nunca vai destacar como manchete: o cache miss é a conta, e o raciocínio descartado é a regressão de qualidade, e ambos vêm da mesma alteração. Os tokens do campo de instruções de nível superior no GPT-6.2 e posteriores são cobrados à tarifa de entrada sem cache exatamente por esse motivo — o campo fica fora do prefixo em cache.

Em que situação isso deixa uma implantação do Sol 6.1
Nada disso argumenta contra migrar. O GPT-6.1 Sol obtém 55 no Intelligence Index v5.0.1 com esforço máximo, e o GPT-6.2 Sol obtém 57, a US$ 1,27 por tarefa do índice contra US$ 1,01, e 24,9 minutos por tarefa contra 9,3 — um modelo mais rápido, mais barato e um pouco mais inteligente em uma tabela de preços inalterada de US$ 2 de entrada, US$ 0,10 em cache e US$ 10 de saída. A atualização é real. O que mudou é que a atualização agora tem uma precondição de correção, e a precondição é que o tratamento da sua conversa seja somente por acréscimo.
A maneira mais barata de responder a isso é uma comparação de faturas, não de pontuações: envie uma fração mínima de tráfego ao vivo para o gpt-6.2-sol com sua instrumentação existente somente de acréscimo ativada e leia a proporção de tokens em cache nos dois braços depois de um dia. O OrcaRouter serve openai/gpt-6.1-sol pelo preço de tabela do fornecedor, sem nada acrescido, e a contabilização de cache por requisição vem no bloco de uso, então o lado 6.1 desse registro não precisa de um contrato separado para ser lido. O failover é o que impede que a fração mínima se torne um incidente: qualquer requisição que a nova rota não consiga atender passa para o modelo que já está respondendo. A metade disso que precisa ser dita sem rodeios é que o GPT-6.2 Sol ainda não está no catálogo aqui, então o braço 6.2 é chamado diretamente na OpenAI, enquanto o braço 6.1 é chamado por meio de nós.
O que observar em seguida é mais restrito do que parece. O comportamento está documentado, o caminho de migração está documentado e os diagnósticos existem. O que ainda não existe é uma medição pública de quanto um item de raciocínio descartado custa em tokens de saída numa tarefa real de horizonte longo, e, até que alguém publique uma, toda estimativa do dano é um modelo do mecanismo, e não uma leitura de um medidor. Se você executa agentes em volume, está em melhor posição para produzir esse número do que qualquer benchmark — e você o produzirá quer queira, quer não, e é esse o argumento para instrumentar agora.

Comparados neste artigo3
Detectado a partir deste artigo · Benchmarks: Artificial Analysis · atualizado diariamente
