Um cartão de título gerado com o texto “GPT-6.2 Sol Pro: a tabela de preços não mudou, a fatura caiu 20%”, com o subtítulo indicando que o custo de uma tarefa do índice Artificial Analysis caiu de $1.27 para $1.01, acima de três cartões que mostram a tabela de preços inalterada de $2.00 de entrada e $10.00 de saída por milhão de tokens, o custo de $1.01 por tarefa para o GPT-6.2 Sol e o de $1.27 para o GPT-6.1 Sol, além de uma nota de que o Sol Pro é o gpt-6.2-sol chamado com o modo de raciocínio definido como pro.
Guides & Insights

GPT-6.2 Sol Pro: A tabela de preços não mudou. A fatura caiu 20%.

Autor

jinhao.song

Data de publicação

Modelos mais recentes · 20Ver todos os modelos →
Benchmarks: Artificial Analysis · atualizado diariamente
Voltar para todas as publicações

Quarenta mil tokens de saída para concluir uma tarefa de avaliação. É o que GPT-6.2 Sol gastou na suíte da Artificial Analysis em sua configuração de esforço mais alta, contra 67.824 do GPT-6.1 Sol fazendo o mesmo trabalho — uma queda de 40% em tokens e de 20% em dólares por tarefa, em uma tabela de preços que não mudou nem um centavo. O modelo foi lançado em 17 de novembro de 2026, junto com o GPT-6.2 Astra, e o rótulo que as pessoas estão procurando, GPT-6.2 Sol Pro, é esse modelo com reasoning.mode definido como pro na API Responses. O modo Pro é cobrado pelas tarifas padrão de tokens do modelo base. Portanto, toda a economia da atualização está em quantos tokens o modelo decide gastar — que é o único número que a tabela de tarifas da OpenAI não consegue informar.

Isto não é uma repetição do argumento “Pro is a mode” que já foi apresentado duas vezes neste blog, para os níveis GPT-6 e GPT-6.1. O mecanismo é o mesmo e agora está bem documentado. O que há de novo são as evidências: pela primeira vez, há medições independentes de um nível Sol no dia seguinte ao lançamento, e elas dizem algo mais interessante do que “mais barato por token”. Elas dizem que a melhoria está concentrada exatamente nas cargas de trabalho para as quais a OpenAI está vendendo este modelo, e que uma dimensão piorou.

O que foi lançado em 17 de novembro, exatamente?

A entrada do changelog tem duas linhas e nomeia dois identificadores: gpt-6.2-astra e gpt-6.2-sol, ambos na API Responses e no Chat Completions, com a chamada de ferramentas exigindo a Responses. O próprio resumo da OpenAI sobre o lançamento — “melhores resultados profissionais, codificação, uso de computador e eficiência com menor custo no ChatGPT Work, no Codex e na API” — é enquadramento do fornecedor, e vale encará-lo com cautela até chegarem os números independentes, que agora chegaram.

O formato da coisa, da página do modelo da OpenAI para o gpt-6.2-sol:

• Contexto — 1.050.000 tokens no total, 922.000 máximo de entrada, 128.000 máximo de saída.

• Modalidades — texto e imagem como entrada, texto como saída. Áudio e vídeo são listados como não suportados, e não há modalidade de entrada de arquivo na especificação.

• Data de corte de conhecimento — 1º de junho de 2026, um mês depois de 30 de abril de 2026 do nível 6.1.

• Raciocínio — sempre ativado, cinco configurações de esforço de low até max, e a API rejeita reasoning.effort: none de forma categórica, em vez de rebaixar silenciosamente.

• Preço, contexto curto — US$ 2,00 de entrada, US$ 0,10 de entrada em cache, US$ 2,50 de gravação em cache, US$ 10,00 de saída por milhão de tokens. Idêntico ao GPT-6.1 Sol.

• Preço, acima de 272,000 tokens de entrada — as tarifas de entrada e de cache dobram e a saída passa para 1,5× para toda a solicitação: $4.00 / $0.20 / $5.00 / $15.00.

• Níveis de serviço — Batch a 50% do padrão, Fast a 2×, Ultrafast a 3× até 28 de fevereiro de 2027 e 6× a partir de 1 de março de 2027.

• Novidade nesta geração — janelas de conclusão em segundo plano com desconto no beta público da API Responses, 30% abaixo das tarifas padrão para uma janela de duas horas e 40% abaixo para oito horas.

Essa última linha é, discretamente, a coisa mais útil do lançamento para quem executa trabalho de agentes em formato de lote, e é o tipo de detalhe que o post de lançamento enterra. Um adiamento de duas horas que custa 30% menos é uma decisão de produto diferente de um corte de preço, porque muda quando você agenda o trabalho, e não o quanto você paga por ele.

Screenshot of OpenAI's documentation page for GPT-6.2 Sol, showing the model ID gpt-6.2-sol, a 1,050,000-token context window with 922,000 maximum input and 128,000 maximum output, a 1 June 2026 knowledge cutoff, text and image input with text output, and text-token pricing of $2 input, $0.10 cached input, $2.50 cache write and $10 output per million.

De onde vem o "Pro" e por que ele não é um ID de modelo

O guia de raciocínio da OpenAI afirma claramente: os modelos GPT-5.6 e GPT-6 "oferecem suporte aos modos de raciocínio standard e pro na Responses API. standard é o padrão." Modo e esforço são eixos independentes — o guia é explícito ao dizer que o modo "seleciona a execução standard ou pro, enquanto reasoning.effort controla quanto raciocínio o modelo aplica dentro desse modo". É possível usar o modo pro com esforço baixo; é possível usar o modo standard com esforço máximo.

O que a execução Pro faz é agregar várias passagens de trabalho do modelo em uma única resposta e cobrar esses tokens pelas "tarifas padrão de tokens do modelo selecionado". Sem multiplicador premium, sem medidor separado. Os identificadores Pro existentes — GPT-5.5 Pro e seus antecessores — mantêm seu comportamento antigo e seus preços antigos, e é por isso que "Pro" agora significa duas coisas diferentes dependendo da string que você nomeia.

Portanto, quando um catálogo lista gpt-6.2-sol-pro, ele está descrevendo uma configuração e inventando um identificador ao qual associá-la. A documentação da própria OpenAI retorna 404 para essa string, e o único identificador na página do modelo é gpt-6.2-sol. Essa distinção importa mais do que por pedantismo: um ID de modelo que você pode consultar tem uma janela de contexto documentada e um preço publicado, enquanto uma configuração tem o que quer que sua aplicação passe no momento da chamada.

A leitura independente: alta de 2,7 pontos, 20% mais barato por tarefa

A Artificial Analysis já executou o modelo em seu próprio harness, e os números são as primeiras medições desse nível que não vêm do fornecedor. No Intelligence Index v5.0.1, o GPT-6.2 Sol em esforço máximo obtém 57,3 contra 54,6 do GPT-6.1 Sol em esforço máximo. O custo por tarefa do Index cai de $1,27 para $1,01. Ambos os valores são medidos sobre o conjunto idêntico, e é isso que os torna comparáveis: mesmas tarefas, mesmo harness, mesma pontuação, apenas o modelo muda.

Esses dois números avançando juntos na direção certa são a verdadeira proposta deste lançamento. Uma geração que fica mais inteligente e mais barata por tarefa com uma tabela de preços fixa é um ganho de eficiência, não um reposicionamento. Uma geração que fica mais inteligente enquanto custa mais é um trade-off. Esta é a primeira opção, por uma margem ampla o suficiente para se notar.

Onde o ganho incide é mais interessante do que o composto. Em comparação com o seu próprio antecessor no esforço máximo:

• Terminal-Bench 4.0 — 60,1% vs 56,1%.

• Terminal-Bench Science — 67,6% vs 58,1%, um salto de 9,5 pontos e o maior movimento individual do quadro.

• HLE Diamond — 64,0% vs 58,8%.

• FrontierCode 2.0 — 44,4% vs 40,6%.

• AutomationBench — 71,3% contra 64,9%.

• AnalystAgent — 53,8% vs 50,0%.

Cada uma dessas é uma tarefa que usa ferramentas, tem múltiplas etapas e é intensiva em verificação. Não é um modelo que ficou melhor em trivialidades; é um modelo que ficou melhor em concluir as coisas, o que é coerente com a contagem de tokens diminuindo em vez de aumentar. Menos desvios significa menos tokens gastos para se recuperar deles.

Uma ressalva sobre o que esses números representam. O Artificial Analysis mede níveis de esforço, não modos de raciocínio, então a linha "max" corresponde ao modo padrão com esforço máximo. Ninguém publicou uma medição em modo pro de nenhum modelo GPT-6, porque o modo multiplica uma quantidade desconhecida de trabalho do modelo. Trate a linha de esforço máximo como o teto mais próximo disponível, não como um benchmark de modo pro.

Dois números que se moveram na direção errada

O AA-Omniscience é a parte da suíte que testa se um modelo sabe o que não sabe, e é onde este lançamento retribui algo. O GPT-6.2 Sol no esforço máximo pontua 40,4 no índice Omniscience, abaixo de 42,0. A precisão está estável — 61,6% contra 61,8%, o que é ruído — mas a taxa de alucinação sobe de 51,9% para 55,4%.

Leia isso com atenção antes de decidir que é um escândalo. Ambos os modelos alucinam em mais da metade das perguntas que erram, e uma variação de 3,5 pontos em uma suíte desse tamanho não é uma regressão catastrófica. Mas é uma direção, e ela aponta no sentido oposto ao dos números de capacidade. O nível ficou melhor em executar trabalho e um pouco menos cuidadoso ao afirmar coisas que não consegue sustentar.

Para um agente de programação que executa testes antes de declarar vitória, essa troca é quase gratuita. Para um assistente de pesquisa que responde sem uma etapa de verificação, é exatamente o modo de falha que você pagava à geração anterior para evitar. Se sua carga de trabalho está na segunda categoria, o índice composto é o número errado no qual se basear para escolher, e a economia de 20% é menor que o custo de uma única resposta errada dada com confiança.

O que o modo Pro faz com o medidor, em tokens

Como o modo pro cobra pelas tarifas padrão, sua única alavanca é a contagem de tokens, e os dados independentes permitem dimensionar essa alavanca pela primeira vez. No esforço máximo, o GPT-6.2 Sol tem média de 40.360 tokens de saída por tarefa, dos quais 22.800 são tokens de raciocínio e 17.561 são resposta visível — o raciocínio representa 56% da saída. O GPT-6.1 Sol, na mesma configuração, teve média de 67.824 tokens de saída, sendo 49.213 deles de raciocínio. O modelo mais novo pensa por menos da metade do tempo e responde com aproximadamente o mesmo comprimento.

Esse é o mecanismo por trás dos 20%, mas não é toda a aritmética, e vale a pena conhecer a outra metade. Decompondo o custo por tarefa: a saída cai de cerca de US$ 0,72 para US$ 0,40, enquanto a entrada sobe de cerca de US$ 0,55 para US$ 0,61 — mais leituras de cache e gravações de cache por tarefa, não menos. As duas coisas praticamente se cancelam no resultado líquido de 20% de economia, o que significa que a atualização é uma aposta de que pensar menos vale mais do que o contexto extra que ela relê. Na suíte, valeu.

Execute o modo pro sobre qualquer um dos dois e o multiplicador é desconhecido — a OpenAI documenta que o pro "realiza mais trabalho de modelo do que o modo padrão, aumentando o uso de tokens e o custo", mas não publica nenhum fator. O que você pode afirmar com confiança é que a base sobre a qual ele multiplica é 40% menor no lado da saída, então o mesmo multiplicador pro incide sobre um piso mais barato.

Consequência prática: se você orçamentou chamadas no modo pro com base nas contagens de tokens da era 6.1, meça novamente em vez de reescalar. A distribuição de tokens mudou o suficiente para que um ajuste linear superestime sua fatura.

A generated single-column scoreboard for GPT-6.2 Sol listing Intelligence Index 57.3, cost per index task $1.01, output tokens per task 40,360, Terminal-Bench 4.0 at 60.1 percent, Terminal-Bench Science at 67.6 percent, AA-Omniscience 40.4, a 1,050,000-token context window and $2 input and $10 output per million tokens, with a footer attributing the comparison figures to Artificial Analysis and the pricing to OpenAI.

Onde ele pode ser chamado hoje e onde não pode

A API da OpenAI está ativa: Responses e Chat Completions, batch, prompt caching, structured outputs, o conjunto de ferramentas alojadas — incluindo computer use, apply_patch, hosted shell e MCP — e Zero Data Retention para organizações aprovadas em endpoints elegíveis. Os utilizadores do ChatGPT Work e do Codex tiveram acesso a ela no primeiro dia, de acordo com a nota de lançamento. Esse é o panorama de GA em 18 de novembro de 2026.

No catálogo próprio da OrcaRouter, a geração 6.2 ainda não chegou — uma verificação da lista pública de modelos em 18 de novembro retorna openai/gpt-6.1-sol e openai/gpt-6-sol, mas não gpt-6.2-sol. Duas coisas decorrem disso, e a segunda é a que vale a pena levar em conta no planejamento. Primeiro, nada sobre a atualização está disponível aqui hoje, e este artigo não vai fingir o contrário. Segundo, a OrcaRouter repassa o preço de tabela do fornecedor com 0% de margem, então, quando um nível aparecer, os $2/$10 do próprio fornecedor são o que você paga — nenhum multiplicador de gateway em cima da tabela de preços, e uma mudança de preço do fornecedor entra em vigor no mesmo dia, e não conforme o cronograma de um revendedor.

Screenshot of the OrcaRouter model page for GPT-6.1 Sol, showing the model ID openai/gpt-6.1-sol, a 1,050,000-token context window with 128,000 maximum output, input pricing of $2.00 and output pricing of $10.00 per million tokens, and a description of the tier as the long-context option beneath the flagship.

Entretanto, o nível que este substitui é openai/gpt-6.1-sol, que está no catálogo ao preço de tabela, e o caminho de migração que faz sentido é manter a produção no nível 6.1 enquanto você avalia o 6.2 diretamente, e depois mover a rota em vez do código.

O que assistir

Três coisas vão decidir se 17 de novembro será um passo ou um tropeço. A regressão de calibração ou persiste na próxima atualização do AA, ou encolhe até virar ruído. O multiplicador do Ultrafast dobra em 1º de março de 2027, de 3× para 6× o padrão, o que não triplica nada, mas dobra o prêmio no caminho mais rápido — se sua arquitetura depende do Ultrafast, essa data está no seu orçamento. E a eficiência de tokens precisa se manter no modo pro, em que o único número que ninguém publica é o que decide sua conta.

Até então, o resumo honesto é estreito e verificável: mesmo preço, 2,7 pontos de índice, 20% mais barato por tarefa e um domínio mensuravelmente mais frouxo sobre aquilo que ele não sabe.

Comparados neste artigo2

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