Modelos melhores, tarefas mais baratas
GPT-6.1 Terra, Gauge e Images 2.6 da OpenAI, com dicas para dar mais autonomia aos agentes.
Piloto 02 · 8 nov 2026
Modelos melhores, tarefas mais baratas
Nesta edição, veja como escolher um modelo pelo custo da tarefa concluída, testar se agentes entendem suas ferramentas e aproveitar novos recursos visuais da OpenAI. Para colocar em ação, duas ideias para trabalhar com mais autonomia: planejar antes de executar e melhorar as instruções com o histórico de uso.
Em 30 segundos
| GPT-6.1 Terra, da OpenAI, avança nos benchmarks de uso de computador com menor custo por tarefa. | |
| Gauge propõe testar como agentes usam ferramentas e documentação. | |
| Images 2.6, da OpenAI, traz geração mais rápida, GIFs e visuais com mais detalhes. |
GPT-6.1 Terra: mais resultado por tarefa
O GPT-6.1 Terra, da OpenAI, combina raciocínio visual, uso de computador e escrita para tarefas como preencher formulários, interpretar desenhos técnicos e preparar propostas.
No Agents’ Last Exam, que avalia tarefas profissionais completas, o modelo supera o GPT-5.6 Terra em 15 pontos percentuais com cerca de um terço do custo, no nível médio de raciocínio.
No Terminal-Bench 4.0, chega a 50,3% das tarefas resolvidas no esforço máximo, ante 21,5% publicados para o GPT-5.6 Terra. Os preços padrão da API são 50% menores que os do GPT-5.6 Terra e GPT-6.1 Sol.
Fonte: OpenAI
Por que isso importa
Para economizar, escolha o modelo mais barato que conclua a sua tarefa no padrão exigido. Compare o custo por tarefa bem-sucedida, incluindo tentativas e revisão, e reserve modelos mais caros para os casos em que façam diferença.
Gauge: suas ferramentas são claras para um agente?
Uma ferramenta pode funcionar bem para uma pessoa e ainda confundir um agente. O Gauge é um CLI aberto que executa tarefas com agentes para encontrar atritos em documentação, comandos, SDKs e integrações MCP.
O fluxo registra onde o agente se perde e permite avaliar mudanças antes de publicá-las. Por exemplo: a documentação explica como autenticar, mas o agente consegue descobrir sozinho o comando correto?
Fonte: Gauge no GitHub
Por que isso importa
Escolha uma tarefa representativa, registre o resultado e repita o teste após melhorar as instruções. O ciclo documentado roda localmente com Docker e as credenciais de agentes que você já utiliza.
Images 2.6, da OpenAI: três recursos para explorar
O Images 2.6, da OpenAI, chega ao ChatGPT, Codex e API com três possibilidades úteis para quem cria materiais visuais. Veja os exemplos apresentados no anúncio:
Fonte: OpenAI
Por que isso importa
Antes de incorporar um recurso ao trabalho, compare o resultado com seus requisitos e revise o material gerado. Os exemplos do anúncio ajudam a escolher um teste; não demonstram o desempenho em todos os contextos.
1. Gerar e comparar peças mais rápido
O exemplo de anúncio de viagem compara GPT-Image-2.5 Flare e GPT-Image-2.6 Flare em qualidade baixa: 7,08 s contra 4,84 s. Menos espera facilita explorar variações de uma campanha.
2. Transformar um desenho em animação
Um esboço pode virar um personagem animado para apresentações, produtos ou redes sociais. A coruja abaixo é um quadro estático do exemplo; no post original, você encontra a animação.
3. Explorar cenas com mais detalhe
O GPT-Image-2.6 Sunburst oferece qualidade média ou alta para trabalhos que exigem mais detalhe e precisão. A cena de uma baleia de vidro é um dos exemplos de clientes apresentados no post.
Ideias para colocar em ação
1. Planeje o objetivo inteiro antes de executar — Para dar mais autonomia à IA, peça um plano até o objetivo final e, em seguida, peça a execução desse plano. Isso também vale para um trabalho em andamento: solicite um plano para as etapas restantes, em vez de delegar apenas o próximo passo.
Elabore um plano para concluir as etapas restantes até atingir [objetivo].
Depois, execute o plano com autonomia. Interrompa apenas diante de uma decisão crítica que dependa de mim.
2. Backpass, de Kun Chen: melhore as instruções com o uso — O Backpass lê sessões anteriores do agente e propõe melhorias no AGENTS.md e nas skills, com evidências do histórico. Com Backpass instalado, Node 22.5+, acpx e Codex autenticado, rode os comandos abaixo na pasta do projeto. Revise as propostas antes de aplicá-las.
backpass init
backpass --analysis-agent codex --synthesis-agent codex
backpass apply
Como classificamos
| Pare e leia | Decisões estruturais |
|---|---|
| Vale entender | Relevante para avaliar |
| Fique sabendo | Contexto específico |
| Radar | Sinais a acompanhar |
Importância não implica urgência.