10 mil agentes por 36 horas: o teste que pressiona a conta de IA

A cifra que muda a conversa sobre o GPT-6 não é uma nota de benchmark: são 10.000 agentes rodando por mais de 36 horas. A OpenAI usa o caso da Third Moment Research para defender que tarefas longas, paralelas e com várias etapas já podem sair do laboratório e entrar em operações corporativas.

Para quem paga a conta da API, porém, a demonstração resolve apenas uma parte do problema. Ela mostra escala operacional. Não informa, por si só, quantos tokens cada agente consumiu, quantas chamadas foram feitas, qual foi a taxa de falha ou quanto custou manter a execução ativa.

A promessa é de escala, não de preço fechado

Segundo a OpenAI, a Third Moment Research conseguiu operar 10.000 agentes durante mais de 36 horas. O caso coloca o foco em fluxos prolongados: agentes que pesquisam, tomam decisões intermediárias, chamam ferramentas e continuam trabalhando sem supervisão constante.

Isso interessa a empresas que querem automatizar pesquisa, análise de documentos, desenvolvimento de software ou rotinas internas que não cabem em uma única solicitação. Também muda a arquitetura: em vez de um assistente respondendo a uma pessoa, você passa a administrar uma frota de processos, com filas, limites, tentativas novamente e monitoramento.

Mas “viável” não significa “barato”. Um agente que executa por muitas horas pode consumir pouco ou muito, dependendo do tamanho do contexto, da frequência das chamadas e da quantidade de saídas geradas. Sem esses dados, a duração da operação não permite calcular a fatura.

O catálogo confirma o Sol, mas não todos os modelos

O Artificial Analysis lista o GPT-6.1 Sol (Max) com nota de inteligência de 51,8 e preço de US$ 4 por milhão de tokens. A variante High aparece com nota 50,2. Entre os modelos classificados como melhor custo-benefício, o Sol Max fica atrás do Gemini 4 Argon High, que tem nota 52,6 pelo mesmo preço, e do Claude Sonnet 5.5 Max, com nota 56 também a US$ 4.

Essa comparação é útil para quem está escolhendo um modelo, mas não deve ser confundida com o custo da operação apresentada pela OpenAI. O valor de US$ 4 é uma referência por volume de tokens no índice, não uma estimativa para 10.000 agentes por 36 horas.

A diferença entre o anúncio e o catálogo aparece nos outros nomes. A OpenAI também destaca GPT-6 Astra, Codex e Daybreak no contexto de casos de uso extremos, mas não há fichas de preço, contexto ou notas desses modelos nos dados disponíveis. O catálogo também não apresenta uma ficha específica para GPT-6.1 Sol com preço do OpenRouter; o valor disponível para ele é o do Artificial Analysis.

Onde a demonstração pode fazer sentido

O caso vale mais para equipes que já têm infraestrutura para controlar agentes do que para quem apenas quer trocar o modelo de um chatbot. Você precisa acompanhar consumo por tarefa, impor orçamento por agente, interromper loops e separar tarefas simples das que exigem raciocínio mais caro.

A OpenAI também descreve o uso de agentes além da programação, incluindo automações corporativas prolongadas. Isso amplia o mercado potencial: suporte interno, operações, análise de dados e processos que dependem de várias ferramentas podem ser divididos entre agentes especializados.

Para uma empresa pequena, a lição é mais operacional do que promocional. A escala pode reduzir o trabalho manual, mas também multiplica os pontos de falha. Milhares de agentes com uma instrução ruim não são produtividade automática; são milhares de execuções para auditar.

O que muda na decisão de compra

Se você usa modelos em produção, o anúncio justifica testar arquiteturas multiagente e tarefas de longa duração. Não justifica ainda aprovar um orçamento com base apenas na cifra de 10.000 agentes ou escolher o GPT-6 por suposta superioridade geral.

O benchmark coloca o GPT-6.1 Sol em uma faixa competitiva de inteligência e custo, mas o mesmo preço aparece associado a alternativas com notas diferentes. O Gemini 4 Argon, por exemplo, custa US$ 2 por milhão de tokens de entrada e US$ 10 por milhão de tokens de saída no OpenRouter, enquanto a versão batch custa US$ 1 de entrada e US$ 5 de saída, com contexto de 1.048.576 tokens. O preço mais baixo de entrada não resolve sozinho uma aplicação que gera muitas saídas.

Para quem precisa de agentes contínuos, a decisão deve começar pelo custo por tarefa concluída, não pelo tempo de demonstração. Antes de escalar, rode uma amostra controlada, meça tokens, chamadas, falhas e intervenções humanas; só então transforme a promessa de 36 horas em uma previsão de fatura.