OpenAI Astra: Tudo o que sabemos sobre o modelo que não é o GPT-6

A coisa que você pode baixar hoje não é um modelo. São dez arquivos de código Lean. Em 1º de agosto de 2026, a OpenAI publicou um post de pesquisa sobre matemática, e enterrada nele estava a primeira confirmação do nome do seu próximo sistema de fronteira: Astra. Não há model card, nem página de preços, nem endpoint de API e nenhuma data. O carro-chefe atual que você pode realmente chamar ainda é o GPT-5.6 Sol, a US$ 5 por milhão de tokens de entrada e US$ 30 por milhão de tokens de saída, exatamente como tem sido desde 9 de julho.

Se você procurou por GPT-6, a versão curta é esta: a OpenAI nunca anunciou um modelo com esse nome e, até hoje, não decidiu se a Astra será lançada como GPT-6, como uma atualização pontual do GPT-5, a exemplo do GPT-5.7, ou como um quarto nível ao lado de Sol, Terra e Luna. Essa ambiguidade de nomenclatura não é timidez com a imprensa. É uma questão interna em aberto, reportada pela The Information em 31 de julho e não resolvida desde então.

O que se segue separa três coisas que a maior parte da cobertura dessa história mistura: o que a própria OpenAI declarou, o que a imprensa confiável acrescenta e o que está circulando sem fonte atribuída. As provas são artefatos reais que você pode compilar. O número de 10 trilhões de parâmetros é um número que alguém digitou na internet. Essas coisas merecem pesos muito diferentes.

O que a OpenAI realmente disse — e a lista muito mais longa do que não disse

O anúncio não chegou como um lançamento de produto. Chegou como um artigo. A publicação da OpenAI descreveu resultados produzidos por "uma versão interna da Astra, nosso próximo grande modelo", em problemas que, segundo sua abordagem, não haviam visto progresso no resultado principal por pelo menos uma década. A Astra foi caracterizada como um sistema construído para trabalho de longa duração: múltiplos agentes coordenando-se em diferentes partes de um grande problema por longos períodos, em vez de responder de uma só vez.

Isso está próximo de toda a descrição técnica oficial. Em contraste com ela, a lista de ausências é impressionante:

• Confirmado pela OpenAI — o nome Astra; que é o "próximo grande modelo"; que uma versão interna produziu dez resultados; a intenção de design multiagente e de longo horizonte; um manuscrito de 249 páginas; certificados Lean 4 em um repositório público; uma estimativa de custo de tokens cotada nas taxas de GPT-5.6 Sol.

• Não informado pela OpenAI — data de lançamento; preço; janela de contexto; contagem de parâmetros; qualquer pontuação de benchmark; a ficha do modelo; se está disponível no ChatGPT ou apenas na API; quantos agentes foram executados, por quanto tempo, em qual hardware; os prompts; a taxa de sucesso; o nome final do produto.

Relatos confiáveis preenchem um pouco as lacunas. The Information informou que Sam Altman demonstrou a Astra para formuladores de políticas em Washington no final de julho — um briefing que, segundo essa reportagem, incluiu os senadores Raphael Warnock, Bernie Moreno e Mark Warner, com o secretário do Tesouro, Scott Bessent, e o secretário de Comércio, Howard Lutnick, também presentes. A família de modelos é descrita como já em testes, com "Astra" ainda sendo um rótulo provisório.

Ninguém fora da OpenAI executou este modelo em nada. Cada alegação de capacidade em circulação remonta ou às dez provas publicadas ou a uma demonstração que o público não viu.

As dez provas: excepcionalmente verificáveis, e ainda não resolvidas.

É aqui que o anúncio é genuinamente mais forte do que uma divulgação típica de benchmark, e vale a pena ser preciso sobre o porquê. A OpenAI não publicou uma pontuação e pediu para ser acreditada. Ela publicou artefatos verificáveis por máquina sob Apache 2.0 no repositório openai/ten-proofs — um arquivo Lean por resultado, fixado no Lean 4.32.0 com dependência de mathlib, juntamente com um diretório ComparatorChallenges para verificação independente. O repositório foi criado como um único commit em 1º de agosto e desde então acumulou várias centenas de estrelas e dezenas de forks.

Os dez resultados, como o repositório os nomeia, abrangem uma gama excepcionalmente ampla de campos:

• Teoria dos grupos — a construção de um grupo não-sofic, respondendo negativamente a uma questão em aberto desde 1999. Soficidade é uma propriedade que quase todo grupo com que matemáticos trabalham satisfaz; se todo grupo discreto contável deve satisfazê-la permaneceu em aberto por 27 anos.

• Álgebras de operadores — um contraexemplo relacionado à conjectura da rigidez de Connes, proposta pelo medalhista Fields Alain Connes em 1980.

• Geometria de alta dimensão — uma melhoria do método de empacotamento de esferas, relatada como a primeira do tipo desde 1978 — além de uma forma precisa da desigualdade de volume de Ehrhart.

• Teoria de códigos — novos limites para códigos binários e esféricos.

• Complexidade — um limite inferior de circuito aritmético para o permanente, e um resultado exponencial de repetição paralela para jogos emaranhados.

• Criptografia de reticulados— dureza polinomial fixa para o problema do vetor mais próximo.

• Combinatória extremal — a escala de crescimento dos números de Ramsey multicoloridos para triângulos, e contraexemplos em teoria extremal de grafos, incluindo trabalho sobre vários problemas catalogados de Erdős.

As reações dos matemáticos foram de interesse, e não de descaso. Thomas Bloom, que mantém o banco de dados de problemas de Erdős, considerou os resultados uma grande notícia e os classificou acima do contraexemplo da conjectura da distância unitária de maio. Noam Brown, da OpenAI, ofereceu a útil deflação de dentro: "Infelizmente, nenhum Problema do Prêmio Millennium (ainda)."

O que um certificado Lean resolve, e o que ele deixa em aberto

Uma prova em Lean que passa na verificação de tipos é válida por construção. Você não precisa confiar na metodologia de avaliação da OpenAI, na sua escolha de baselines ou na interpretação dos seus próprios resultados — você pode compilar os arquivos. Para uma indústria onde "obtivemos 94,1%" é a unidade padrão de evidência, isso é uma melhoria significativa em falseabilidade.

Também é mais estreito do que as manchetes sugerem, de quatro maneiras específicas. O Lean verifica que a prova de uma afirmação formal é sólida. Ele não verifica que a afirmação formal é o teorema que o texto alega. Ele não verifica que as definições codificadas correspondem ao que o campo entende por essas palavras. Ele não verifica as reduções informais que fazem a ponte entre os extremos formais e o resultado das manchetes. E nada diz sobre novidade — se um resultado é novo, ou já conhecido sob um nome diferente.

Todas essas quatro são questões de julgamento humano e, até o anúncio, nenhuma havia passado por revisão por pares. O manuscrito reconhece consultas com especialistas; agradecimentos não são endossos de cada afirmação. Uma compilação parcial publicada do repositório compilou 8.820 de 9.007 tarefas, o que é como uma grande formalização real se parece no meio da verificação, em vez de uma auditoria concluída. O status honesto hoje é dez reivindicações de pesquisa sérias e formalmente codificadas — não dez entradas estabelecidas no cânon matemático.

Existe um segundo limite, mais silencioso: o processo de descoberta não é reproduzível por ninguém fora da OpenAI. As provas são públicas; o sistema de busca, os prompts, os checkpoints e o ambiente de execução não são. Você pode verificar o destino. Não pode refazer a jornada.

A cifra de US$ 2.000, e por que ela compra menos do que parece

O número que mais longe chegou foi o custo. A OpenAI fixou o gasto com tokens das dez soluções em aproximadamente US$ 2.000, com base nas taxas do GPT-5.6 Sol — cerca de US$ 200 por problema aberto há uma década, na leitura mais comum de sua formulação. Algumas reportagens leram a mesma frase como menos de US$ 2.000 por problema, uma diferença de dez vezes; o post da OpenAI é conciso o suficiente para que ambas as leituras tenham chegado à imprensa, e não vimos a empresa esclarecer isso.

Pegue a leitura total e faça as contas. A Sol cobra US$ 5 por milhão de tokens de entrada e US$ 30 por milhão de saída, com tokens de raciocínio cobrados como saída. Se o gasto fosse inteiramente com saída, US$ 2.000 compram no máximo cerca de 67 milhões de tokens de saída — aproximadamente 6,7 milhões por problema. Isso é muito raciocínio, e não é uma quantidade absurda de raciocínio. É o tipo de orçamento que um grupo de pesquisa bem financiado já poderia gastar em uma única questão difícil.

Três ressalvas importam mais do que o título:

• É um preço contrafactual, não um preço. Astra não foi lançado e não tem preço. Os $2.000 descrevem o que esses tokens iriam custar às taxas de outro modelo. Um sistema de fronteira construído para execuções multiagente de horas de duração não tem razão óbvia para ser precificado como Sol, e toda razão para ser precificado acima dele.

• Conta apenas as vitórias. Nenhuma taxa de sucesso foi publicada. Não sabemos a quantos problemas a Astra foi submetida e não conseguiu resolver, ou quanto essas tentativas custaram. Um custo-por-sucesso publicado sem uma taxa de sucesso não é um custo-por-resultado, e a diferença poderia ser de uma ordem de grandeza em qualquer direção.

• Os tokens são a parte barata. Os humanos formularam os problemas, prepararam os manuscritos e conduziram a formalização. Esse trabalho não está incluído nos US$ 2.000.

A única parte disso que você pode precificar hoje é a linha de base. Como o OrcaRouter repassa o preço de lista do provedor diretamente, com margem de 0%, o GPT-5.6 Sol custa os mesmos $5/$30 na nossa API e na da OpenAI — então, se você quiser conferir a aritmética com sua própria carga de trabalho, a taxa no anúncio é a taxa que você realmente pagaria. O que ninguém consegue precificar ainda é a própria Astra, e qualquer fornecedor que diga o contrário está apenas adivinhando.

A data de lançamento é determinada por um prazo de 30 dias, não por um vazamento.

A maior parte da cobertura sobre "quando sai o GPT-6" é aritmética de rumores. Há uma restrição mais concreta bem à vista, e ela quase não foi conectada à questão.

Uma ordem executiva assinada em 2 de junho de 2026 instruiu agências federais a estabelecerem um processo de revisão voluntária pelo qual desenvolvedores de fronteira submetem modelos à análise governamental até 30 dias antes da divulgação pública. O arcabouço estava previsto para entrar formalmente em vigor em 1º de agosto — no mesmo dia em que a postagem sobre a Astra foi ao ar. Reportagens indicam que a Astra deve ser o primeiro modelo a passar pelo processo.

"Voluntário" está fazendo algum trabalho nessa frase. Na prática, a administração já usou o timing de lançamento antes, e o comportamento recente da própria OpenAI parece um ensaio: a GPT-5.6 foi liberada para cerca de vinte organizações selecionadas a partir de 26 de junho, antes do acesso amplo chegar em 9 de julho — uma implantação escalonada de cerca de duas semanas.

Empilhe esses dois fatos e você obtém um piso aproximado, em vez de uma previsão. Se a Astra passar por uma revisão de pré-lançamento de 30 dias e depois repetir o padrão do GPT-5.6, a disponibilidade ampla chega em cerca de seis semanas após a submissão. E a data de submissão é precisamente o que não sabemos. É por isso que datas confiantes de agosto devem ser desconsideradas: a etapa de aprovação é um processo com duração publicada, e o relógio não começou a contar visivelmente.

Os mercados de previsão inclinaram-se exatamente nessa direção. Lido em 5 de agosto de 2026, a escada "GPT-6 lançado até" da Polymarket mostrava 1% para 7 de agosto, 3% para 14 de agosto, 13% para 21 de agosto, 25% para 31 de agosto, 68% para 30 de setembro e 89% para 31 de dezembro, com um volume de quase um milhão de dólares. Trate isso como um palpite agregado da multidão, não como uma fonte — mas note que a multidão moveu seu peso para o Q4.

Também ajuda lembrar do histórico. Todas as alegações de que "o GPT-6 será lançado na próxima semana" nos últimos doze meses estavam erradas. Um vazamento não verificado apontou 14 de abril de 2026 como data de lançamento; o que realmente saiu, nove dias depois, foi o GPT-5.5.

Os rumores, classificados

Ordenado por quanto peso cada um realmente carrega:

• Nome ainda não definido (GPT-6 / GPT-5.7 / uma classe separada). Com base em The Information. A alegação mais confiável não proveniente da OpenAI nesta história, e a que deve redefinir as expectativas — um sistema anunciado por meio de um artigo de matemática pode muito bem não ser rotulado como um salto geracional.

• Codinomes "Zinc" e "Magnesium" avistados no Design Arena. Avistamento pela comunidade, inscrições supostamente desativadas, não confirmado pela OpenAI. Leia-se: um lançamento pontual GPT-5.x pode muito bem chegar antes de Astra, o que não atenderia às expectativas de ninguém quanto ao GPT-6, absorvendo o ciclo de notícias.

• Aproximadamente 2× a escala do GPT-5.6 Sol; preço próximo à faixa do GPT-5.6.Rumor circulante. O vazador por trás disso admitiu não ter testado o modelo. Soa plausível e é totalmente infundado.

• Uma janela de contexto de 1,5 milhão de tokens. Aparece em compilações de vazamentos sem fonte nomeada. Vale notar que a Sol já conta com 1.050.000 tokens, então isso seria um incremento, não um salto — o que é um motivo para desconfiar disso como um "vazamento" de manchete.

• Aproximadamente 10 trilhões de parâmetros. Nenhuma atribuição em lugar algum que pudéssemos rastrear. O número mais repetido e menos respaldado de toda a história.

• Memória e personalização como a direção definidora. Baseado nas declarações públicas do próprio Altman em uma entrevista de agosto de 2025 — reais, mas de um ano atrás e sobre a direção pós-GPT-5 em geral, não sobre a Astra especificamente.

O que realmente fazer entre agora e quando quer que seja enviado

A jogada errada é rearquitetar para um modelo que não tem card. A jogada certa é perceber quais dos seus problemas um sistema multiagente de longo horizonte mudaria, porque essas são as partes da sua stack que estão subdimensionadas hoje, independentemente do que a OpenAI lançar.

Três deles valem a pena construir contra o GPT-5.6 Sol agora:

• Limites de custo por tarefa, não por chamada. Se um único trabalho puder rodar por horas e gastar seis ou sete milhões de tokens de saída, os limites por solicitação deixam de proteger você. Você precisa de um orçamento que toda a tarefa herde, e uma parada definitiva.

• Checkpointing e retomabilidade. Uma chamada única ou retorna ou falha. Uma execução de agente que dura horas e morre aos 90 minutos sem ter gravado nada durável é uma categoria de falha cara que a maioria dos codebases nunca teve que lidar.

• Avaliação em que você confia para problemas sem resposta de referência. As dez provas são interessantes em parte porque o Lean fornece um oráculo. Quase nada em produção o faz. Se você não consegue distinguir uma boa execução de seis horas de uma ruim que parece plausível, mais computação não vai ajudar você.

Sobre a questão da troca: a Astra não está disponível no OrcaRouter, porque não está disponível em lugar nenhum. O que podemos dizer é que o problema da rotatividade de versões está em grande parte resolvido do nosso lado. Uma chave alcança mais de 200 modelos; portanto, independentemente de ser lançado como GPT-6, GPT-5.7 ou uma quarta camada do GPT-5.6, adotá-lo é uma mudança de string de modelo, e não uma migração — sem segundo contrato, sem novo SDK. E, especificamente para um modelo de fronteira não comprovado, o failover automático é a diferença entre avaliá-lo em uma carga de trabalho real e apostar um caminho de produção em um sistema que ninguém fora do laboratório submeteu a teste de estresse. Você roteia uma fatia do tráfego para ele, mantém a Sol por baixo como fallback e descobre.

Perguntas que valem a pena responder

Astra é a mesma coisa que GPT-6?

Não necessariamente, e essa é a incógnita mais consequente desta história. A OpenAI confirmou Astra como seu próximo grande modelo, mas ainda não decidiu seu nome de lançamento; relatos colocam GPT-6, GPT-5.7 e uma classe separada ao lado de Sol, Terra e Luna, todos sobre a mesa. É perfeitamente possível que um modelo chamado GPT-6 nunca apareça, e que o salto de capacidade que as pessoas aguardavam chegue sob um nome que ninguém estava acompanhando.

Posso acessar a Astra de alguma forma hoje?

Não — nem no ChatGPT, nem pela API, nem por qualquer roteador ou revendedor. O que existe publicamente é o artigo, os guias de raciocínio e o repositório Lean. Se um serviço afirma oferecer acesso ao Astra, ou está revendendo outra coisa, ou está mentindo. A única coisa realmente útil que você pode fazer com o lançamento agora é compilar as provas você mesmo.

A Astra realmente resolveu problemas que matemáticos humanos não conseguiram?

Produziu provas formalmente verificadas de afirmações que estavam em aberto há pelo menos uma década, o que é um resultado real e incomum — e a verificação está um passo acima da norma da indústria. Mas "verificado por Lean" não é "revisado por pares", e a questão central de saber se cada afirmação formal captura o problema principal é exatamente a parte que o Lean não consegue responder. Especialistas que leram os manuscritos têm-se mostrado positivos; nada disso passou por revisão por pares. Espere que a avaliação se consolide ao longo de meses, em qualquer direção.

O valor de $2.000 significa que a pesquisa de fronteira agora é barata?

Significa que as execuções vencedoras de tokens foram baratas, a preços de outro modelo, excluindo as falhas e excluindo os humanos. Cada uma dessas três exclusões pode ser grande. A leitura honesta é que o custo marginal de uma busca automatizada de provas bem-sucedida caiu o suficiente para ser interessante, não que dez problemas em aberto agora custem o preço de um laptop.

O que realmente resolveria isso

Três coisas específicas, nenhuma das quais são rumores, e todas as quais são verificáveis quando acontecerem.

Um cartão de modelo e uma página de preços. Esse é o momento em que Astra deixa de ser um artefato de pesquisa e se torna algo em torno do qual você pode planejar — e o momento em que a questão do nome se resolve por si mesma.

Uma reconstrução independente do repositório Lean por especialistas que auditam as definições e as reduções informais, não apenas a verificação de tipos. O diretório ComparatorChallenges sugere que a OpenAI espera isso. Se as declarações formais resistirem a esse escrutínio, os resultados ficam muito mais difíceis de descartar; se uma incompatibilidade surgir em até mesmo um dos dez, cada afirmação do conjunto será relida.

Evidência de que o relógio de revisão federal começou a contar. Em uma janela de pré-lançamento de 30 dias, essa submissão é o primeiro sinal confiável de uma data de lançamento — consideravelmente mais informativo do que a próxima captura de tela de uma entrada desabilitada em um ranking de arena.

Até lá, a afirmação precisa é restrita e vale a pena mantê-la: o próximo carro-chefe da OpenAI tem um nome, dez provas verificáveis por máquina, uma demonstração em Washington e nada mais. Quem lhe oferecer uma data está adivinhando, e quem lhe oferecer uma contagem de parâmetros está inventando.