Escolha GPT-6.2 Sol para trabalho cotidiano complexo, como documentos, código e fluxos com várias etapas, e use GPT-6.2 Astra quando a tarefa é aberta, profissional e exige qualidade máxima em análise, design, planilhas, software ou projetos longos. A OpenAI anunciou os dois modelos em 17 de novembro de 2026. Na API, Sol mantém preços de 2 dólares por milhão de tokens de entrada e 10 dólares de saída; Astra custa 8 dólares de entrada e 40 dólares de saída, com 0,40 dólar para entrada em cache. A decisão deve considerar custo por tarefa aprovada, não apenas preço por token.
Separe rotina complexa de projeto difícil
GPT-6.2 Sol é indicado pela documentação para trabalho cotidiano eficiente, redação clara, código e fluxos com múltiplas etapas. GPT-6.2 Astra é a opção para projetos mais exigentes, entregas profissionais, problemas abertos e tarefas em que a qualidade final justifica mais custo e revisão especializada.
Classifique o trabalho antes de escolher o modelo. Um relatório mensal com estrutura conhecida pode caber em Sol. Uma reestruturação de produto, análise financeira com várias fontes ou interface complexa pode exigir Astra. Não use o nome do departamento como critério; use dificuldade, risco, ambiguidade e exigência da saída.
Calcule o custo por entrega aceita
O preço padrão divulgado para Astra é 8 dólares por milhão de tokens de entrada, 0,40 dólar para entrada em cache e 40 dólares para saída. Sol mantém 2 dólares para entrada, 0,10 dólar para cache e 10 dólares para saída. Esses valores não incluem automaticamente ferramentas, armazenamento, tentativas, revisão humana ou infraestrutura ao redor.
Meça quantas execuções terminam aprovadas, quantas precisam de correção e quanto tempo uma pessoa gasta revisando. Um modelo quatro vezes mais caro por token pode ser mais econômico se reduzir muitas tentativas em uma tarefa crítica. O contrário também vale: usar Astra para classificação simples aumenta custo sem criar valor proporcional.
- Tokens de entrada, cache e saída
- Chamadas de ferramentas e repetição
- Tempo humano de revisão e reparo
- Impacto de erro e necessidade de reversão
Monte uma avaliação com tarefas reais
Escolha de 20 a 50 casos representativos, incluindo tarefas comuns, difíceis e situações que devem ser recusadas ou escaladas. Use as mesmas entradas, fontes e critérios para comparar Sol e Astra. Avaliações divulgadas pelo fornecedor ajudam a formular hipóteses, mas não substituem o processo da empresa.
Pontue fatos obrigatórios, formato, voz, uso de fontes, precisão de campos, testes, tempo e número de revisões. Para código, rode regressão e inspecione o resultado. Para documentos e slides, confira template, hierarquia, números e legibilidade. Para ações em sistemas, reabra o registro e confirme o estado salvo.
Comece com esforço médio e ajuste uma variável por vez
A documentação recomenda começar novas integrações com esforço de raciocínio médio. Se o fluxo anterior usava none ou minimal, a orientação é usar low. Mantenha modelo, entrada e ferramentas fixos enquanto compara níveis de esforço para saber o que realmente alterou qualidade, tempo e consumo.
Use Sol com esforço médio como ponto de partida para trabalho complexo cotidiano e suba para esforço maior quando testes mostrarem benefício. Encaminhe para Astra quando a tarefa ultrapassar critérios de dificuldade, risco ou qualidade. Uma política de roteamento é mais útil que escolher um único modelo para toda a empresa.
Migre a API sem quebrar ferramentas e cache
Defina o modelo como gpt-6.2-astra ou gpt-6.2-sol. Para chamadas de ferramentas, use a Responses API. A documentação informa que alguns parâmetros tradicionais, como temperature e top_p, não são aceitos nesses fluxos e precisam ser removidos conforme a API usada.
Mantenha o prefixo da conversa estável e acrescente novas instruções no final. Alterar mensagens antigas ou trocar certos modelos pode remover itens de raciocínio preservado, reduzir a qualidade e aumentar repetição. Coloque instruções reutilizáveis em uma mensagem developer no início do input para melhorar elegibilidade ao cache.
Revise disponibilidade, residência e salvaguardas
Os modelos estão disponíveis em ChatGPT Work, Codex e API conforme plano e habilitação do administrador. Recursos como Ultrafast, regiões, limites e ferramentas variam. A documentação informa suporte a residência nos Estados Unidos e União Europeia para processamento Standard, Fast e Batch, enquanto Ultrafast fica restrito aos Estados Unidos no lançamento.
A OpenAI classifica os dois modelos em patamares elevados para capacidades cibernéticas e biológicas e aplica restrições adicionais. Isso não autoriza testes fora do escopo nem substitui controles da empresa. Use sandbox, menor privilégio, dados permitidos, registros e aprovação para ações sensíveis.
Implemente roteamento com retorno seguro
Crie regras simples: Sol atende o fluxo padrão; Astra recebe casos com alta ambiguidade, múltiplos arquivos, entrega externa crítica ou falha repetida. Registre por que ocorreu a escalada e compare o resultado. Evite roteamento baseado apenas no tamanho do prompt, porque uma entrada curta pode representar uma decisão de alto risco.
Libere uma parcela do volume, monitore custo, latência, aprovação, incidentes e retorno ao modelo anterior. Preserve versões de prompt, critérios e resultados. Só amplie quando a nova combinação superar a linha de base de forma consistente e a equipe souber explicar quando usar cada opção.
Para levar daqui
Sol deve ser o ponto de partida para trabalho complexo recorrente; Astra entra quando qualidade, abertura e risco justificam mais capacidade. Compare pelo custo total da tarefa aprovada e mantenha roteamento reversível.





