GPT-6 Astra promete planilhas 2x mais rápidas, mas falta benchmark público

Se você usa um modelo para automatizar planilhas tributárias, a promessa do GPT-6 Astra é objetiva: concluir um workbook complexo duas vezes mais rápido que o GPT-5.6 Sol. O ganho pode reduzir o tempo de espera de uma tarefa corporativa pesada — mas ainda não permite calcular a economia da sua API.

A razão é simples. A OpenAI publicou o caso da Basis, mas os dados de avaliação disponíveis não trazem a duração das execuções, a quantidade de tokens usada nem uma comparação reproduzível entre os dois modelos. O catálogo também não apresenta uma ficha do Astra com janela de contexto ou velocidade em tokens por segundo.

A promessa está no tempo, não na nota geral

Segundo a publicação da OpenAI, “Basis completes a tax workbook 2x faster with GPT-6 Astra” (OpenAI). O número de 2x descreve aquele fluxo de trabalho específico. Não significa, por si só, que todas as chamadas de API serão duas vezes mais rápidas.

No ranking de inteligência do Artificial Analysis, o GPT-6 Astra aparece na configuração “max” com nota 52,7. A posição fica abaixo de três configurações do Claude Opus 5.5, que registram notas de 53,6, 56 e 57,6, e acima dos demais itens exibidos nesse recorte.

Essa comparação mede inteligência, não latência. Um modelo pode resolver uma tarefa melhor e responder mais devagar; também pode terminar um fluxo específico antes por usar outra estratégia de raciocínio, ferramentas ou paralelismo. A divulgação da OpenAI não separa esses fatores.

A conta começa em US$ 20 por milhão

O GPT-6 Astra (max) aparece associado a US$ 20 por milhão de tokens no Artificial Analysis. O valor serve como referência para o custo do modelo, mas não basta para estimar a fatura de uma automação de planilhas: faltam o consumo de entrada e saída do caso da Basis e a quantidade de tentativas necessárias para cada workbook.

Para comparação, o catálogo mostra o Claude Opus 5.5 a US$ 4 por milhão de tokens de entrada e US$ 20 por milhão de tokens de saída, com janela de contexto de 1 milhão de tokens no OpenRouter. O Claude Sonnet 5.5, lançado em 28 de setembro, custa US$ 2 por milhão de tokens de entrada e US$ 10 por milhão de tokens de saída, também com janela de 1 milhão de tokens. Na modalidade batch, o Sonnet cai para US$ 1 de entrada e US$ 5 de saída.

A comparação não prova que Sonnet ou Opus sejam alternativas equivalentes ao Astra em planilhas tributárias. Ela mostra apenas que o preço publicado e o desempenho geral precisam entrar na mesma decisão.

O que mudou — e o que não mudou

Mudou a promessa de execução para um fluxo corporativo concreto. A OpenAI está vendendo o Astra como uma opção capaz de acelerar uma tarefa que combina fórmulas, dados fiscais e múltiplas etapas de manipulação de planilha.

Não mudou a evidência disponível para quem paga por chamadas de API. Não há, nos dados apresentados, nota de coding ou desempenho agêntico para o Astra, velocidade em tokens por segundo, janela de contexto ou um teste independente de planilhas. Também não há uma decomposição do que foi contado como “duas vezes mais rápido”.

O ranking do Artificial Analysis registra a nota de inteligência e o preço, mas não substitui um teste com os arquivos, ferramentas e regras de negócio da sua empresa. Uma automação tributária pode gastar mais tempo esperando uma ferramenta externa, validando fórmulas ou refazendo uma etapa do que gerando texto.

Para quem o Astra faz sentido

A promessa interessa a empresas que já automatizam planilhas complexas, têm alto custo de espera humana e conseguem medir o tempo total de cada execução. Nesse cenário, vale testar o Astra com os próprios arquivos, registrar latência, taxa de erro, chamadas de ferramenta e tokens consumidos.

Para quem só precisa classificar documentos, extrair campos ou preencher planilhas simples, o anúncio não muda automaticamente a escolha. O preço de US$ 20 por milhão de tokens e a ausência de dados públicos de latência tornam arriscado trocar um modelo mais barato apenas pela promessa de velocidade.

A decisão prática é tratar o 2x como hipótese de teste, não como multiplicador garantido da produtividade ou como desconto na fatura.