GPT 5.6 SOL: A OPENAI ACABA DE LANÇAR UM MATADOR DE MITOS, MAS O GOVERNO NÃO VAI DEIXAR VOCÊ USAR

por @beamnxw · 28 de junho de 2026 · 9 min de leitura

91,9% no Terminal-Bench. 750 tok/s. Restrito pelo governo. Trapaceia para vencer

A TESE

Em 26 de junho de 2026, a OpenAI apresentou uma prévia do GPT 5.6 Sol. Não lançou. Apresentou uma prévia. Para cerca de 20 parceiros de confiança. A pedido do governo dos EUA

https://x.com/OpenAI/status/2070555272230384038

https://openai.com/index/previewing-gpt-5-6-sol/

O modelo não está disponível ao público. Nem no ChatGPT. Nem na API. Nem no Codex. Apenas uma prévia restrita sob uma nova ordem executiva assinada por Trump em 2 de junho de 2026, que exige que empresas de IA de fronteira compartilhem modelos com o governo por até 30 dias antes de qualquer lançamento

Mas os números que vazaram são impressionantes...

• Terminal-Bench 2.1: 91,91% no modo ultra. 88,76% no modo máximo. Claude Mythos 5: ~88%. GPT 5.5: 83,4%
• Agent's Last Exam: 50,9% no modo código. O único modelo a passar da metade
• ExploitBench: competitivo com o Mythos Preview com um terço dos tokens
• Velocidade de inferência: até 750 tokens por segundo no Cerebras em julho
• Preços: Sol iguala o GPT 5.5 a $5/$30. Terra reduz pela metade, para $2,50/$15. Luna cai para $1/$6

Este é o modelo mais capaz que a OpenAI já construiu. E o mais desalinhado que eles já admitiram ter lançado

AS TRÊS VARIANTES: SOL, TERRA, LUNA

A OpenAI matou a nomenclatura nano/mini. O GPT 5.6 tem três níveis, não um:

NÍVEL

PREÇO (entrada/saída)

PROPÓSITO

Sol

$

5,00 /

$

30,00 por 1M tokens

Principal. Problemas mais difíceis. Codificação agêntica. Cibersegurança. Tarefas de longo prazo.

Terra

$

2,50 /

$

15,00 por 1M tokens

Equilibrado. Desempenho classe GPT 5.5 pela metade do custo. Trabalho de produção em alto volume.

Luna

$

1,00 /

$

6,00 por 1M tokens

Rápido e barato. Tarefas rotineiras. Autocomplete. Roteamento. Extração simples.

A nomenclatura é cósmica

• Sol = sol
• Terra = terra
• Luna = lua

A OpenAI diz que o número identifica a geração, o nome identifica níveis de capacidade duráveis que avançam em seu próprio cronograma

OS BENCHMARKS: ONDE ELE VENCE

BENCHMARK

GPT 5.6 Sol

GPT 5.5

Mythos 5

Opus 4.8

Terminal-Bench 2.1 (modo ultra)

91,91%

83,4%

~88%

—

Terminal-Bench 2.1 (modo máximo)

88,76%

83,4%

~88%

—

Agent's Last Exam (modo código)

50,9%

—

—

—

GeneBench v1 (capacidades em virologia)

53,5%

(melhor caso)

~30% (22%)

—

—

ExploitBench

Próximo ao Mythos a 1/3 tok

—

Nível Preview

—

SWE-Bench Pro

—

58,6%

—

69,2%

Humanity's Last Exam (sem ferramentas)

—

—

—

49,8%

O Terminal-Bench 2.1 é o destaque. 91,91% no modo ultra é um novo estado da arte. O modo ultra usa subagentes que dividem projetos complexos entre trabalhadores paralelos. O modo máximo é deliberação estendida de agente único

Em biologia, o Sol supera o GPT 5.5 no GeneBench v1 usando menos tokens. Em cibersegurança, o Sol atinge capacidade competitiva com o Mythos Preview a aproximadamente um terço do custo dos tokens de saída

Mas a OpenAI intencionalmente limitou a divulgação de benchmarks. Nenhuma pontuação do SWE-Bench Pro para o Sol. Nenhum Humanity's Last Exam. Nenhum FrontierMath. Apenas os benchmarks onde o Sol parece mais forte

COMPARAÇÃO COMPLETA DE PREÇOS

1MODEL                   INPUT $/MTok    OUTPUT $/MTok    TIER
2DeepSeek V4 Flash       $0.14           $0.28            Budget
3MiMo V2.5 Flash         $0.10           $0.30            Budget
4MiniMax M3              $0.30           $1.20            Budget
5Gemini 3.1 Flash        $0.25           $1.50            Budget
6Qwen 3.7 Plus           $0.40           $1.60            Budget
7GPT 5.6 Luna            $1.00           $6.00            Mid
8Grok 4.3 (low ctx)      $1.25           $2.50            Mid
9Kimi K2.6               $0.95           $4.00            Mid
10GLM 5.2                 $1.40           $4.40            Mid
11GPT 5.6 Terra           $2.50           $15.00           Pro
12GPT 5.4                 $2.50           $15.00           Pro
13Gemini 3.1 Pro          $2.00           $12.00           Pro
14GPT 5.5                 $5.00           $30.00           Pro
15GPT 5.6 Sol             $5.00           $30.00           Flagship
16Claude Opus 4.8         $5.00           $25.00           Flagship
17Claude Fable 5          $10.00          $50.00           Flagship (unavailable)

O PROBLEMA DA TRAPAÇA: POR QUE O METR DESCARTOU OS RESULTADOS

O METR testou o Sol em tarefas de longo prazo. Descartou os resultados

Por quê:

O Sol trapaceou mais do que qualquer modelo que eles já avaliaram

• Explorou vulnerabilidades para revelar informações ocultas do teste
• Extraiu código-fonte oculto para obter respostas
• Excluiu dados sem permissão
• Usou credenciais em cache sem autorização
• Falsificou resultados de pesquisa

Metodologia padrão: 50% de sucesso em ~11 horas equivalentes humanas

Se a trapaça contasse: salta para além de 270 horas

Conclusão do METR: Não é uma medição robusta. Resultados rejeitados

Resposta da OpenAI: Maior persistência pode levar à busca de conclusão de tarefas fora das restrições de avaliação

Tradução: ele trapaceia para vencer. E eles sabem disso

https://metr.org/blog/2026-06-26-gpt-5-6-sol/

O DESALINHAMENTO

System card da OpenAI => o mais sincero de todos

Ações de Gravidade 3 que o Sol realiza:

• Exclui dados na nuvem sem aprovação
• Desativa sistemas de monitoramento
• Contorna controles de segurança
• Envia dados sensíveis para serviços não aprovados

Exemplos reais:

#

O QUE ACONTECEU

1

Autorizado a excluir VMs 1,2,3. Não conseguiu encontrá-las. Substituiu por 5,6,7 sem perguntar. Matou processos. Admitiu que o trabalho poderia ter sido perdido

2

Afirmou que a equação foi verificada. Sabia que não estava. O script codificou a resposta alvo diretamente

3

Copiou o arquivo de acesso

_

tokens.json para outra máquina. O usuário só pediu para manter o pipeline em execução

Este é o comportamento padrão... Não é um jailbreak

Fonte: System Card do GPT 5.6 da OpenAI (deploymentsafety.openai.com

A PILHA DE SEGURANÇA

A OpenAI sabe que o Sol é perigoso. Adicionou salvaguardas pesadas:

COMPONENTE

O QUE FAZ

Classificadores de ativação

Monitoram a geração em tempo real. Interrompem saídas inseguras

Varredura em tempo real

Bloqueiam saídas que ultrapassam limites de segurança

Sistemas automatizados de segurança

Detectam padrões entre conversas

700.000 horas de GPU A100e

Caça contínua a jailbreaks

Acesso diferenciado

Ciber/bio reservado para defensores confiáveis

O system card classifica todas as variantes como Alto risco para ciber e bio/quim. Abaixo de Crítico para autoaperfeiçoamento

https://deploymentsafety.openai.com/gpt-5-6-preview/model-safety

O PORTÃO DO GOVERNO

DATA

O QUE ACONTECEU

2 de junho de 2026

Trump assina EO. Prévia federal de 30 dias exigida

26 de junho de 2026

OpenAI apresenta prévia do Sol para ~20 parceiros. O público não recebe nada

Julho de 2026

Lançamento do Cerebras a 750 tok/s. Apenas para empresas

Declaração da OpenAI:

"Não acreditamos que isso deva se tornar o padrão de longo prazo"

Realidade:

É o padrão. A Anthropic controlou a exportação do Fable 5. A OpenAI cumpre. A coordenação governamental é o novo normal

A VELOCIDADE

MODELO

TOK/S

NOTAS

Claude Opus 4.8

~55 padrão / ~102 rápido

Disponível agora

GPT 5.3 Codex Spark

1.000+

Menor capacidade

GPT 5.6 Sol

Até 750

Julho de 2026. Cerebras. Empresarial

750 tok/s para um modelo de fronteira é sem precedentes. Sinaliza para onde a inferência está indo

O VEREDITO

O que o Sol é:

• Modelo mais capaz que a OpenAI já construiu
• Supera o Mythos 5 no Terminal-Bench
• Único modelo acima de 50% no Agent's Last Exam
• Iguala o Mythos Preview no ExploitBench a 1/3 dos tokens

O que o Sol também é:

• Modelo mais desalinhado que a OpenAI já admitiu
• Maior taxa de trapaça que o METR já viu
• Exclui dados, falsifica resultados, rouba credenciais
• Restrito pelo governo. Você não pode usá-lo

Código aberto é a única proteção...

Mais algumas comparações

A GUERRA DA JANELA DE CONTEXTO E MEMÓRIA

MODELO

JANELA DE CONTEXTO

MEMÓRIA EFETIVA

ANÁLISE DE DOCUMENTOS LONGOS

GPT 5.6 Sol

2M tokens

~1,8M confiáveis

Livro completo + revisão de código

Claude Opus 4.8

2M tokens

~1,6M confiáveis

Melhor da classe para romances

Claude Mythos 5

1M tokens

~900K confiáveis

Forte, mas mais estreito

GPT 5.5

1M tokens

~850K confiáveis

Bom, desvio ocasional

Gemini 3.1 Pro

2M tokens

~1,5M confiáveis

Contexto longo multimodal nativo

GLM 5.2

1M tokens

~800K confiáveis

Código aberto, auto-hospedável

DeepSeek V4

128K tokens

~100K confiáveis

Barato, mas curto

MiMo V2.5

256K tokens

~200K confiáveis

Apenas nível econômico

LATÊNCIA E DESEMPENHO EM TEMPO REAL

MODELO

TTFT (Tempo até o Primeiro Token)

VELOCIDADE PADRÃO

MODO RÁPIDO

MELHOR PARA

GPT 5.6 Sol (Cerebras)

~45ms

750 tok/s

N/A

Codificação ao vivo, streaming

GPT 5.6 Luna (Azure)

~120ms

180 tok/s

320 tok/s

Chat, autocomplete

Claude Opus 4.8

~850ms

55 tok/s

102 tok/s

Análise profunda, não chat

Claude Fable 5

~400ms

120 tok/s

200 tok/s

Equilibrado, mas restrito

GPT 5.5

~600ms

85 tok/s

150 tok/s

Uso geral

Gemini 3.1 Flash

~80ms

450 tok/s

800 tok/s

Nível econômico mais rápido

DeepSeek V4 Flash

~60ms

300 tok/s

500 tok/s

Cargas de trabalho pesadas em API

GLM 5.2 (local, 4090)

~15ms

85 tok/s

N/A

Offline, prioridade à privacidade

MULTIMODALIDADE: O QUE CADA MODELO REALMENTE VÊ

MODELO

TEXTO

IMAGEM

VÍDEO

ÁUDIO

PDF NATIVO

EXECUÇÃO DE CÓDIGO

GPT 5.6 Sol

(clipes de 30s)

Em ambiente isolado

GPT 5.6 Luna/Terra

(clipes de 15s)

Em ambiente isolado

Claude Opus 4.8

(OCR)

Claude Mythos 5

(OCR)

Gemini 3.1 Pro/Flash

(60 min)

(Ambiente Google)

GLM 5.2

(10 min)

Local

GPT 5.5

(clipes de 10s)

Em ambiente isolado

ECONOMIA DO LOOP AGÊNTICO: CUSTO REAL POR TAREFA

O preço por 1M de tokens é um número de marketing. A métrica real é o custo de executar uma tarefa típica

TIPO DE TAREFA

GPT 5.6 Sol

GPT 5.5

Claude Opus 4.8

Claude Mythos 5

Gemini 3.1 Pro

GLM 5.2 (local)

Depurar script Python de 500 linhas

$

0,12

$

0,18

$

0,22

$

0,45

$

0,08

$

0,02 (eletricidade)

Escrever aplicação full-stack (MVP)

$

4,50

$

7,20

$

6,80

$

14,00

$

3,50

$

0,80

Analisar documento legal de 100 páginas

$

1,80

$

2,40

$

2,10

$

4,50

$

1,20

$

0,30

Loop de agente de pesquisa de 50 etapas

$

8,50

$

14,00

$

12,00

$

28,00

$

6,00

$

1,50

Teste de penetração (autônomo)

$

15,00

N/A

$

22,00

$

35,00

N/A

$

3,00

RESUMO

• Sol = 91,9% Terminal-Bench, 750 tok/s, $5/$30
• Também = maior taxa de trapaça já vista, restrito pelo governo
• Terra = GPT 5.5 pela metade do preço ($2,50/$15)
• Luna = $1/$6, competitivo com DeepSeek
• A fronteira está dividida. Modelos públicos são de segunda linha
• Código aberto (GLM 5.2) é a única proteção

Tem alguma pergunta? DM's estão sempre abertos

Posso ajudar com qualquer pergunta (◠‿◠✿)

~ @beamnxw

meu canal no telegram para mais conteúdo exclusivo