A OpenAI enfraqueceu o GPT-5.6 Sol? Desvendando a controvérsia do "valor de capacidade"

Introdução

Pouco após o lançamento generalizado do GPT-5.6 Sol, alguns usuários do Codex começaram a relatar uma mudança inesperada: as respostas do modelo ficaram mais rápidas, mas sua disposição para resolver problemas complexos de forma aprofundada diminuiu.

O debate se intensificou quando capturas de tela da comunidade mostraram uma alteração significativa em uma configuração interna chamada "valor de capacidade". Os usuários interpretaram esse valor como um orçamento de raciocínio oculto e o associaram à degradação do desempenho do Sol Max. A OpenAI negou que o modelo em si tenha sido deliberadamente enfraquecido, mas admitiu ter ajustado temporariamente as configurações de esforço de raciocínio durante uma investigação sobre uso anormalmente alto.

Essa distinção é crucial. Os pesos subjacentes do modelo podem permanecer inalterados, enquanto configurações de execução, contexto disponível, permissões de ferramentas, esforço de raciocínio ou comportamento multiagente podem mudar. Da perspectiva do usuário, essas configurações operacionais ainda podem fazer com que um modelo com o mesmo nome apresente comportamentos diferentes em momentos diferentes.

Este artigo separa os fatos verificados das observações da comunidade e explica como os desenvolvedores podem testar o comportamento do modelo de forma mais confiável.

Recursos introduzidos no GPT-5.6 Sol

A OpenAI visualizou o GPT-5.6 Sol pela primeira vez em 26 de junho de 2026, descrevendo-o como o principal membro de uma família de modelos que inclui Terra e Luna. O lançamento mais amplo do GPT-5.6 ocorreu em 9 de julho de 2026.

Um dos destaques do lançamento foi uma gama mais ampla de configurações de raciocínio. No Codex, o Sol pode usar vários níveis de raciocínio:

1. Baixo
2. Médio
3. Alto
4. Muito Alto
5. Máximo
6. Extremo

A OpenAI descreveu "Máximo" como a configuração que dá ao Sol o tempo de raciocínio mais profundo. "Extremo" vai além, utilizando subagentes para decompor tarefas complexas e processá-las em paralelo.

Maior esforço de raciocínio não vem sem custo. Geralmente requer mais tempo e consome mais tokens, mas é útil para tarefas que exigem planejamento, testes iterativos, recuperação de erros ou comparação de múltiplas soluções possíveis.

Por que os usuários acham que o Sol Max foi enfraquecido

Uma das reclamações mais difundidas veio de uma equipe de pesquisa de mercado japonesa que usava o Codex Sol Max com uma ferramenta de linha de comando personalizada.

De acordo com o post da equipe no Reddit, o Sol Max costumava levar mais de dez minutos para processar prompts complexos, testando ideias repetidamente e usando ferramentas até obter resultados confiáveis. A equipe afirmou que o desempenho caiu repentinamente, com todos os membros notando um raciocínio mais superficial no mesmo dia de trabalho.

Este relato é significativo como uma experiência real de usuário, mas não é um benchmark controlado. Muitos fatores podem influenciar uma execução de codificação de agente:

• Nível de raciocínio escolhido
• Janela de contexto disponível
• Permissões de ferramentas e configuração de sandbox
• Estado da base de código
• Redação do prompt
• Roteamento ou configuração do lado do servidor
• Comportamento multiagente
• Limites de taxa e estatísticas de uso
• Variações aleatórias entre execuções

A diferença repentina notada por uma equipe experiente merece investigação. Mas isso por si só não prova que a OpenAI alterou os pesos do modelo ou reduziu permanentemente a capacidade do Sol.

O que é o "valor de capacidade"?

O termo "valor de capacidade" tornou-se o centro das atenções.

A controvérsia surgiu depois que Thibault Sottiaux, das equipes do Codex e ChatGPT Work, publicou uma atualização pública.

Na atualização, Sottiaux disse que a OpenAI realizou experimentos ajustando o investimento de raciocínio, chamando internamente essas configurações de "valor de suco". Ele também afirmou que o experimento foi revertido.

A explicação mais simples é que o valor de suco é um parâmetro de controle interno relacionado à quantidade de trabalho de raciocínio que o modelo pode investir em uma tarefa, e não deve ser automaticamente considerado uma pontuação de inteligência.

Uma alocação de raciocínio mais baixa pode afetar os seguintes comportamentos:

• Número de métodos que o modelo explora
• Tempo de computação antes de gerar uma resposta
• Se o código gerado é testado automaticamente
• Frequência de correções ou reversões em caso de falha
• Se o modelo delega partes da tarefa a subagentes
• Quantidade de trabalho investido na verificação de casos extremos

Mas a OpenAI ainda não publicou um mapeamento numérico oficial entre os níveis de raciocínio voltados para o usuário e os valores de suco específicos.

A mudança relatada de 960 para 128

Postagens e capturas de tela da comunidade alegam que o Sol Max usava anteriormente um valor de suco próximo a 960, que depois passou a ser 128, uma redução de aproximadamente 87%.

Esses números devem ser tratados como observações não verificadas da comunidade. Eles não aparecem na documentação do modelo GPT-5.6, e valores extraídos por meio de prompts ocultos ou técnicas de "impressão digital do modelo" podem não representar de forma confiável a alocação real de computação do lado do servidor.

O que foi confirmado é limitado: a OpenAI admitiu ter realizado experimentos de investimento de raciocínio e afirmou que as alterações foram revertidas.

Resposta da OpenAI

A atualização de Sottiaux refutou a alegação de que o GPT-5.6 Sol foi deliberadamente enfraquecido, descrevendo em vez disso vários problemas operacionais e alterações.

1. Otimização de raciocínio

A OpenAI afirmou ter implantado otimizações de raciocínio e repassado a economia de recursos para os assinantes, estimando que apenas essa melhoria proporcionaria cerca de 10% de uso adicional.

Ganhos de eficiência podem tornar o modelo mais rápido ou mais econômico sem reduzir a qualidade. Mas se as otimizações forem lançadas junto com outros experimentos de configuração, os usuários ainda podem notar mudanças.

2. Ajuste do limite de contexto

A OpenAI aumentou o limite de contexto disponível para o GPT-5.6 Sol de 272k do GPT-5.5 para aproximadamente 372k.

O contexto maior fez com que o consumo de cota fosse maior do que o esperado. A OpenAI temporariamente reverteu o limite para 272k e afirmou que reimplantará os 372k após corrigir o comportamento de faturamento.

Isso ajuda a explicar por que dois problemas foram discutidos simultaneamente:

• Os usuários viram a cota de uso ser consumida mais rapidamente
• Alguns usuários viram a janela de contexto disponível diminuir

O ajuste da janela de contexto não está relacionado a alterações nos pesos do modelo, mas ainda pode afetar tarefas de repositórios longos e fluxos de trabalho intensivos em documentação.

3. Experimento de investimento de raciocínio

A OpenAI afirmou ter ajustado o investimento de raciocínio ao rastrear picos anormais de uso, chamando internamente essas configurações de valor de suco.

A empresa afirmou que o experimento foi revertido.

4. Uso de multiagente e revisão automática

A OpenAI também relatou que, nos modos "Alto" e "Muito Alto", o uso real de multiagentes foi ligeiramente maior do que o esperado. A empresa disse que está corrigindo esse comportamento e melhorando a eficiência da revisão automática.

Isso é importante porque a delegação de agentes consome muitos recursos. Execuções que iniciam mais subagentes ou realizam trabalho extra de revisão podem consumir a cota de assinatura muito mais rápido do que execuções de agente único.

Um orçamento de raciocínio menor torna o modelo menos inteligente?

Não necessariamente, mas pode fazer o modelo parecer menos capaz ao lidar com tarefas difíceis.

É útil separar três aspectos:

Capacidade do modelo

Isso vem principalmente do modelo treinado em si: seus pesos, arquitetura, conhecimento aprendido e capacidade central de resolução de problemas.

Alocação de raciocínio em tempo de execução

Isso determina quanto tempo ou recursos computacionais o sistema permite que o modelo gaste em uma solicitação específica.

Ambiente do agente

Isso inclui ferramentas, contexto, memória, permissões, subagentes, executores de teste, acesso a arquivos e estratégias de repetição.

Um modelo poderoso com alocação de raciocínio limitada ainda pode responder corretamente a perguntas simples, mas terá desempenho inferior em tarefas de codificação de ciclo longo. Pode parar ao encontrar a primeira solução aparentemente viável, sem tentar alternativas ou se recuperar de uma abordagem inicial errada.

Isso não significa que a capacidade subjacente do modelo desapareceu. Significa que, durante aquela execução específica, a extensão em que essa capacidade é demonstrada pode ter sido reduzida.

Por que o desempenho percebido pode mudar sem novos pesos de modelo

Sistemas de IA em produção não são arquivos estáticos fornecidos sempre da mesma maneira. Os provedores podem alterar muitos parâmetros operacionais sem renomear o modelo.

Por exemplo, os usuários podem sentir diferenças quando a plataforma altera:

• Tempo máximo de raciocínio
• Orçamento de tokens ou computação
• Limite de contexto
• Limite de chamadas de ferramenta
• Comportamento de repetição
• Regras de agente paralelo
• Cache
• Verificações de segurança
• Balanceamento de carga
• Cota de assinatura

É por isso que apenas o nome do modelo não garante comportamento consistente em diferentes datas, produtos, planos ou configurações de raciocínio.

Para usuários empresariais, a questão principal não é apenas "qual modelo foi escolhido?" mas também "quais garantias de tempo de execução acompanham esse modelo?"

Como testar se o desempenho do Codex mudou

Testes eficazes exigem o máximo de controle de variáveis. Executar um prompt uma vez antes e outra depois de uma suspeita de mudança não é suficiente.

Primeiro passo: Fixar a tarefa

Use a mesma versão do commit do repositório, arquivos de entrada, dependências, variáveis de ambiente e conjunto de testes.

Crie um checkpoint Git antes de cada execução para garantir que o estado inicial seja exatamente o mesmo.

Segundo passo: Registrar a configuração

No Codex CLI, verifique o modelo ativo atual e a configuração da sessão:

/status

Use o seletor de modelo se necessário:

/model

Você também pode iniciar o Codex com um modelo específico:

codex

--model gpt-5.6

Para tarefas repetíveis e não interativas:

codex exec -m gpt-5.6 "Revisar as alterações atuais"

Registre

O nível de raciocínio, as permissões, o uso de contexto, a versão do Codex e quaisquer ferramentas ou plugins ativados.

Etapa 3: Use critérios objetivos de sucesso

Defina o resultado esperado antes de começar. Indicadores úteis incluem:

• Testes aprovados
• Bugs corrigidos
• Pontuações em benchmarks
• Arquivos modificados corretamente
• Número de defeitos de regressão
• Correções manuais necessárias
• Tempo para atingir a solução
• Número de chamadas de ferramentas e tentativas
• Recursos totais consumidos

Evite avaliar apenas pela aparência de "inteligência" da resposta.

Etapa 4: Repita cada condição

Execute várias iterações para a mesma condição. Modelos de raciocínio e agentes podem variar entre tentativas, tornando uma única execução enganosa.

Compare a mediana e a taxa de falhas, em vez de escolher os melhores ou piores exemplos.

Etapa 5: Altere apenas uma variável por vez

Mantendo todos os outros fatores constantes, compare Medium com Max. Depois, compare datas, versões ou limites de contexto separadamente.

Se você alterar várias variáveis ao mesmo tempo, não será possível identificar qual delas causou a mudança nos resultados.

Etapa 6: Mantenha registros

Salve prompts, saídas do terminal, diffs, resultados de testes, tempo gasto e dados de uso de recursos. Registros claros ajudam a relatar defeitos de regressão e permitem que outros usuários reproduzam os testes.

Guia prático para usuários do Codex

Para tarefas diárias, a OpenAI recomenda começar com as configurações de raciocínio padrão e aumentar o nível somente quando for necessário um planejamento ou análise mais aprofundados.

As práticas a seguir tornam a execução de tarefas difíceis mais confiável:

1. Defina claramente os critérios de aceitação.
2. Peça ao Codex para verificar o repositório de código antes de editar.
3. Solicite que execute testes relevantes.
4. Instrua-o a relatar falhas não resolvidas, em vez de ocultar problemas.
5. Use pontos de verificação do Git antes e depois de alterações importantes.
6. Verifique o modelo e o nível de raciocínio atuais antes de iniciar tarefas de alto custo.
7. Mantenha benchmarks reproduzíveis para trabalhos importantes da equipe.

Para projetos particularmente difíceis, Max ou Ultra podem ser adequados. O Ultra é útil quando o problema pode ser atribuído a subagentes, mas também consome mais recursos.

A controvérsia revela a verdade sobre "inteligência fixa"

A questão maior não é se o número interno controverso é 960 ou 128. A preocupação mais profunda é que os usuários geralmente acreditam que o nome do modelo representa um nível de comportamento fixo e estável.

Na realidade, a experiência do usuário depende do modelo e da configuração do serviço ao seu redor. O provedor pode otimizar o raciocínio, alterar os limites de contexto, ajustar a alocação de raciocínio ou modificar a orquestração do agente, mantendo o nome do modelo inalterado.

Essa flexibilidade é útil para operar grandes serviços, mas também cria problemas de transparência. Os desenvolvedores que constroem fluxos de trabalho críticos precisam saber quais recursos são confiáveis e quais podem mudar dinamicamente.

Uma documentação mais clara deve incluir:

• Definições estáveis dos níveis de raciocínio
• Garantias de janela de contexto
• Registro de alterações significativas em ajustes de tempo de execução
• Regras de contabilização de uso de recursos
• Notificações ao implantar configurações experimentais
• Diretrizes para avaliação reproduzível

Na ausência dessas informações, os usuários só podem inferir mudanças no sistema por meio da velocidade de resposta, uso de tokens e qualidade subjetiva da saída.

Perguntas Frequentes

O GPT-5.6 Sol foi oficialmente enfraquecido?

A OpenAI afirma que não enfraqueceu intencionalmente o desempenho do modelo. A empresa reconhece a existência de experimentos temporários que ajustaram as configurações de intensidade de raciocínio, bem como parâmetros de contexto, multiagente e estatísticas de uso.

O que significa "juice value" no GPT-5.6 Sol?

A OpenAI usa o termo para se referir a configurações internas relacionadas à intensidade do raciocínio. Parece que o valor controla ou representa recursos de raciocínio, mas a empresa não divulgou a definição técnica completa ou uma escala numérica oficial.

O juice value do Sol Max realmente caiu de 960 para 128?

A afirmação se originou de capturas de tela da comunidade e experimentos com prompts ocultos. A OpenAI não confirmou oficialmente nenhum dos dois valores, portanto, eles não devem ser considerados especificações validadas do modelo.

Por que o Sol parece mais rápido, mas menos profundo?

Uma alocação de raciocínio mais baixa faz com que o modelo explore menos abordagens, reduza o número de verificações ou termine precocemente. Outros fatores, como limites de contexto, comportamento de ferramentas, configuração do servidor e flutuações aleatórias, também podem produzir efeitos semelhantes.

O que aconteceu com o contexto de 372k do Codex?

A OpenAI afirma que o limite de contexto do GPT-5.6 Sol foi aumentado de 272k para 372k, mas a mudança fez com que o consumo de uso fosse mais rápido que o esperado. Durante a preparação para o relançamento dos 372k, o limite foi temporariamente revertido para 272k.

Os desenvolvedores devem sempre usar o raciocínio Max?

Não. Configurações de raciocínio mais altas levam mais tempo e consomem mais recursos. Recomenda-se começar com a configuração padrão e aumentar somente quando a tarefa exigir planejamento profundo, testes ou recuperação de erros.

Como uma equipe pode verificar uma suspeita de degradação do modelo?

Execute repetições com o mesmo repositório de código, prompt, ferramentas, permissões, nível de raciocínio e testes. Acompanhe métricas objetivas, como taxa de aprovação de testes, taxa de erros, tempo de conclusão, chamadas de ferramentas e consumo de uso.

Ferramentas Relacionadas

• OpenAI Codex: O ambiente de codificação inteligente da OpenAI para lidar com repositórios e tarefas de desenvolvimento.
• Codex CLI: A interface de linha de comando oficial para executar o Codex em projetos locais e fluxos de trabalho automatizados.
• Repositório GitHub do Codex: O repositório oficial de código aberto do Codex CLI.
• ChatGPT: Interface web que permite usar os modelos GPT-5.6 suportados e configurações de raciocínio.
• Terminal-Bench: Benchmark para testar a capacidade de planejamento e uso de ferramentas de agentes de IA em tarefas de linha de comando.

Links Relacionados

• Anúncio de lançamento do GPT-5.6: Anúncio da OpenAI sobre a disponibilidade geral da série GPT-5.6 e visão geral dos benchmarks.
• Prévia do GPT-5.6 Sol: Pré-visualização oficial apresentando os modos de raciocínio Max e o modo multiagente Ultra.
• Guia de modelos do Codex: Guia oficial sobre Sol, Terra, Luna e os níveis de raciocínio disponíveis.
• Documentação do Codex CLI: Instruções de instalação, configuração e fluxo de trabalho para a ferramenta de linha de comando do Codex.
• Atualizações de tempo de execução da OpenAI no X: Discussões públicas sobre otimização de raciocínio, limites de contexto, experimentos com "juice value" e uso multiagente.
• Relatório da comunidade sobre Sol Max: Relatório no Reddit que desencadeou uma discussão mais ampla sobre desempenho.

Resumo

A controvérsia do GPT-5.6 Sol começou com feedbacks reais de usuários afirmando que o raciocínio Max ficou mais rápido, mas menos profundo. Capturas de tela da comunidade associaram essa experiência a um ajuste conhecido do "juice value" interno, mas a afirmação específica de queda de 960 para 128 permanece não confirmada.

A OpenAI nega ter enfraquecido intencionalmente o modelo, ao mesmo tempo que confirma ter tentado ajustar as configurações de esforço de raciocínio, modificado temporariamente os limites de contexto e descoberto usos não intencionais em fluxos de trabalho multiagente e de revisão automatizada. Essas são mudanças operacionais, não a confirmação da substituição dos pesos do modelo subjacente, mas os ajustes operacionais ainda afetam o desempenho real.

Para equipes que dependem do Codex, a melhor resposta é estabelecer benchmarks reproduzíveis, registrar configurações de tempo de execução e medir resultados por meio de testes, e não por intuição.

A principal lição é: o nome do modelo não descreve completamente o comportamento que o usuário realmente obtém; a alocação de raciocínio, o contexto, as ferramentas e a configuração do serviço são igualmente cruciais.