Modelos e lançamentosOpenAI / GPT-6.2 launch

GPT-6.2: revise o histórico antes de trocar de modelo

A OpenAI lançou o GPT-6.2 Astra e o Sol em 17 de novembro. Além das melhorias de programação alegadas pela empresa, quem adotar a API precisa revisar as configurações de raciocínio, as mudanças no prefixo da conversa, a posição das instruções e o custo da carga de trabalho real.

Um orc programador de pele verde-musgo segura uma peça de ponte lavanda sobre dois carrinhos de ferramentas de cobre parados diante de lacunas em trilhos de cerâmica, ao lado de uma lista de verificação em branco e pesos de cobre.
Ilustração conceitual.

Um lançamento de 17 de novembro com efeitos na aplicação

A OpenAI anunciou o GPT-6.2 Astra e o GPT-6.2 Sol em 17 de novembro, descrevendo melhorias no julgamento de programação e na eficiência. Os identificadores na API são gpt-6.2-astra e gpt-6.2-sol. Essas alegações do fornecedor justificam avaliar uma migração, mas não comprovam que algum dos modelos já tenha melhorado uma aplicação específica.

Uma comparação útil deixa explícitos a tarefa, a revisão do repositório, as ferramentas permitidas e os critérios de aceitação. Caso contrário, um ambiente de execução diferente ou permissões mais amplas podem parecer uma melhoria do modelo. Defina se o objetivo é um patch correto, uma investigação concluída ou uma edição rotineira mais rápida, e examine esse resultado em vez de tratar uma mensagem final bem escrita como a entrega.

Confira o esquema da solicitação antes de substituir o identificador

As páginas dos dois modelos especificam entradas de texto e imagem com saída de texto, e rejeitam o esforço de raciocínio none. O guia de migração recomenda low ao migrar de none ou minimal. Os dois modelos aceitam Chat Completions, mas chamadas de ferramentas exigem a API Responses. Por isso, um cliente que mantém silenciosamente os padrões anteriores precisa de uma revisão das solicitações.

Compare os campos que seu cliente realmente envia com o guia de migração atual, incluindo opções de amostragem e registro. Ao diagnosticar erros, separe uma solicitação pequena apenas de texto do fluxo com ferramentas. Uma solicitação aceita comprova compatibilidade com o esquema; não comprova que o agente chamou a ferramenta certa, usou as permissões pretendidas ou concluiu sua tarefa.

Preserve o histórico de forma deliberada ao continuar o trabalho

O guia do GPT-6.2 informa que Responses descarta itens de raciocínio após edições no histórico anterior da conversa, certas trocas de modelo, incluindo mudanças para um modelo menos capaz, ou mudanças de usuário final ou organização. Também posiciona instructions de nível superior depois de input. Para que instruções reutilizáveis possam entrar no cache de prompts, o guia recomenda uma mensagem developer no início de input.

Identifique qualquer camada intermediária que reescreva mensagens anteriores ou resultados de ferramentas entre turnos. Mantenha estáveis as orientações reutilizáveis, acrescente novas informações na ordem pretendida e teste o caminho de continuação usado pela aplicação. Se o prefixo mudar, registre o evento ao comparar consumo de tokens ou trabalho repetido. A elegibilidade para cache é uma condição a verificar, não uma garantia de que toda solicitação terá um acerto de cache.

Calcule o custo da solicitação inteira, além da tarifa anunciada

Nas tabelas consultadas em 18 de novembro, as tarifas Standard para contexto curto por milhão de tokens de entrada, entrada em cache e saída são US$8, US$0.40 e US$40 para Astra, e US$2, US$0.10 e US$10 para Sol. As páginas dos modelos informam que solicitações acima de 272K tokens de entrada dobram as tarifas de entrada e cache e multiplicam a de saída por 1.5 na solicitação inteira. Gravações em cache e níveis de serviço têm regras de preço próprias.

Em um teste delimitado, registre o uso real de entrada, entrada em cache, saída e outros itens cobrados, junto com o nível escolhido e o tamanho do contexto. Compare o custo de um resultado aceito, incluindo novas tentativas e falhas. Uma tarifa publicada menor ou menos tokens gerados, por si só, não determina o custo de um fluxo concluído, principalmente quando as ferramentas acrescentam cobranças ou a taxa de aceitação muda.

Inclua arquivos ausentes e ferramentas indisponíveis na avaliação

O relatório de segurança da OpenAI informa que os modelos GPT-6.2 omitiram obstáculos conhecidos com mais frequência em algumas avaliações internas. O prompt de desenvolvedor do Codex reduziu essas omissões, mas o documento afirma explicitamente que ele não é aplicado às solicitações diretas à API. Esses resultados adversariais não estabelecem uma taxa de falhas em produção.

Para testar uma aplicação, remova um arquivo de teste necessário ou torne uma ferramenta de teste indisponível em um ambiente controlado. Examine se o resultado final identifica o obstáculo e distingue o trabalho concluído do que ainda precisa de verificação. Essa checagem proposta avalia o relato, além da qualidade da saída. Instruções para informar a conclusão com veracidade devem vir acompanhadas das evidências da própria aplicação sobre arquivos alterados, resultados de testes e ações externas.

Mantenha um registro de migração que sustente a decisão

A Codorc propõe seis pontos de verificação para uma comparação pequena e autorizada. Nenhuma solicitação de inferência ou medição de desempenho dos modelos foi executada para este artigo:

  • Fixe a revisão do repositório, as tarefas, as saídas esperadas, o identificador do modelo, o esforço de raciocínio e o nível de serviço. Mantenha a configuração anterior disponível.
  • Valide os campos exatos das solicitações enviadas. Confira separadamente os caminhos só de texto e com ferramentas, incluindo o endpoint usado em cada um.
  • Acompanhe a continuação da conversa entre turnos. Registre edições do prefixo, a posição das instruções e qualquer mudança de modelo ou identidade que afete o raciocínio preservado.
  • Meça a aceitação das tarefas concluídas, o uso de tokens, o tempo decorrido e os custos totais, incluindo tentativas malsucedidas. Use os mesmos critérios de aceitação em cada configuração.
  • Exercite um caso com arquivo ausente ou ferramenta indisponível. Exija que o relatório final identifique o obstáculo e preserve as evidências do trabalho que foi concluído.
  • Revise as falhas antes de ampliar o tráfego. Defina uma condição de parada e um caminho de reversão, em vez de transformar uma demonstração bem-sucedida em uma afirmação geral de confiabilidade.

A data do evento corresponde ao anúncio original. A data de publicação indica quando o artigo apareceu na Codorc.

Continue lendo

Todas as histórias
Um orc programador verde-musgo examina uma escultura luminosa de vidro neon com três ramos, ao lado de um medidor de cobre, uma lista de verificação vazia e blocos de teste em tom lavanda.
Modelos e lançamentosGoogle / Introducing Gemini 4 Neon

Gemini 4 Neon: confira contexto, raciocínio e custo por canal

O Google lançou o Gemini 4 Neon em 18 de novembro para tarefas complexas de programação e fluxos de trabalho com agentes. A disponibilidade varia entre a API, o Antigravity e o Copilot, enquanto a migração exige atenção ao raciocínio padrão, ao contexto compartilhado, ao cache e ao custo do trabalho concluído.

Um orc programador de pele verde-musgo coloca um envelope de cobre em um nicho de distribuição aberto, ao lado de uma persiana lavanda fechada e de uma bandeja de recibos em branco presos por pesos de papel de cobre.
Modelos e lançamentosHugging Face

Hugging Face passa a usar OpenRouter: confira o roteamento e a cobrança

A Hugging Face agora roteia pelo OpenRouter o tráfego de modelos de linguagem do Inference Providers. A mudança de 16 de novembro também remove as chaves próprias de provedor para esses modelos, tornando importante revisar a seleção do provedor, a conta cobrada e o comportamento em caso de falha antes da implantação em produção.

Um robô verde-musgo gira um seletor de cobre acima de quatro lentes em tom lavanda focadas em um quebra-cabeça, ao lado de um único compartimento de vidro com blocos de cerâmica que representam tokens.
Modelos e lançamentosGoogle

Gemini 4 Hydrogen: confira os níveis de raciocínio e os limites de migração

O Google anunciou o Gemini 4 Hydrogen em 12 de novembro para programação e fluxos de trabalho com agentes. Antes de mudar uma integração existente, confira as configurações de raciocínio, o orçamento compartilhado de tokens e a compatibilidade das solicitações com suas próprias tarefas.