GPT-6 Astra custa 10 dólares por milhão de tokens de entrada e 50 dólares por milhão de tokens de saída na API do OpenAI, mas o acesso ainda está em implantação: OpenAI diz que começa com organizações limitadas e se expande para usuários da API e planos pagos do ChatGPT nos próximos dias.
Essa distinção importa. A linguagem de lançamento é grande, como costuma acontecer com esses lançamentos. “Modelo mais inteligente”, “estado da arte”, “alinhado”, “computer use”, “cibersegurança”, “trabalho profissional”. Ok. Mas para desenvolvedores, a pergunta útil é mais concreta: você consegue chamá-lo, quanto custa, o que suporta e o que muda no Codex?
Em 4 de setembro de 2026, Astra não é apenas um anúncio de pesquisa. OpenAI já tem uma página de modelo para gpt-6-astra, uma tabela de preços, compatibilidade de endpoints, limites de contexto e um guia de migração. Isso o torna um objeto real de plataforma, embora o acesso ainda seja gradual.
Quando o GPT-6 Astra estará disponível na API?
GPT-6 Astra começa sua implantação em organizações limitadas, com acesso mais amplo à API nos dias seguintes.
O post de lançamento do OpenAI diz que Astra está disponível a partir de hoje para um conjunto limitado de organizações e que chegará nos próximos dias à API do OpenAI, Microsoft Azure, AWS Bedrock e aos planos ChatGPT Plus, Pro, Business e Enterprise. A documentação para desenvolvedores formula de maneira similar: o acesso por API e planos pagos chegam nos próximos dias.
Isso deixa uma postura correta para desenvolvedores: verifique sua conta, não assuma que sua organização já o tem e trate qualquer nota de disponibilidade neste artigo como sensível ao tempo.
Esta é a parte da implantação que vai envelhecer mais rapidamente. O modelo pode aparecer na documentação antes de estar habilitado em todas as contas.
Quanto custa GPT-6 Astra?
GPT-6 Astra custa 10 dólares por milhão de tokens de entrada e 50 dólares por milhão de tokens de saída no preço Standard da API do OpenAI.
A página oficial do modelo também lista entrada em cache a 1 dólar por milhão de tokens e escritas de cache a 12,50 dólares por milhão de tokens. OpenAI diz que prompts com mais de 272K tokens de entrada têm preço de 2x em entrada e taxas de cache, e 1,5x em saída para toda a solicitação. Batch e Flex custam 50% das taxas Standard, enquanto Fast mode custa 2x a taxa aplicável.
Isso coloca Astra em uma categoria distinta da dos modelos baratos por padrão para código. Você não o avalia com a pergunta “consegue responder perguntas de programação?”. Você o avalia por se reduz o custo total da tarefa: menos tentativas falhadas, menos ciclos de revisão, menos reinicializações de contexto, menos transferências e menos limpeza humana.
OpenAI faz esse argumento diretamente em seu guia de modelo: diz que Astra pode entregar um custo estimado menor por tarefa na API, apesar de ter um preço por token mais alto, porque usa substancialmente menos tokens de saída em várias avaliações. Essa afirmação é o enquadramento de avaliação do OpenAI, não um benchmark independente.
Qual ID de modelo os desenvolvedores devem usar?
Os desenvolvedores devem usar gpt-6-astra como ID de modelo.
O guia do OpenAI diz que, para construir com Astra, você deve definir model como gpt-6-astra em uma solicitação da Responses API. A página do modelo também lista gpt-6-astra como alias/snapshot disponível.
Esse detalhe mínimo importa porque artigos de lançamento costumam misturar três coisas distintas: um rótulo de produto no ChatGPT, um nome de família de marketing e o identificador real da API. Aqui, a documentação publica o ID concreto do modelo.
Quais endpoints o GPT-6 Astra suporta?
GPT-6 Astra suporta endpoints importantes do OpenAI, incluindo Responses, Chat Completions, Realtime, Assistants e Batch.
A nota prática mais importante é que Astra suporta o stack de ferramentas da Responses API. A página do modelo lista suporte para web search, file search, image generation, code interpreter, hosted shell, apply patch, skills, computer use, MCP e tool search ao usar a Responses API. A mesma ficha também marca que fine-tuning não é suportado como recurso do modelo.
Para fluxos de trabalho de desenvolvimento, essa é a história real. Astra não é apenas um modelo de texto com números de benchmark melhores. OpenAI o está posicionando como um modelo para trabalho agêntico sobre código, navegador, arquivos, shells, patches e ferramentas externas.
Isso se conecta diretamente com a mudança mais ampla que acompanhamos em yoDEV: os modelos de programação estão se tornando operadores de workflow, não apenas geradores de código. A pergunta já não é apenas “qual modelo escreve melhor TypeScript?”. É “qual modelo consegue sobreviver a tarefa completa sem perder o fio?”.
Relacionado: ¿Por Qué Codex CLI Aparece en Más Repositorios que Claude Code? Lo Que Esta Métrica Realmente Nos Está Diciendo
O que muda no Codex com GPT-6 Astra?
No Codex, a afirmação mais interessante sobre Astra é a persistência de contexto em sessões longas de trabalho.
OpenAI diz que Astra introduz uma nova forma para que Codex preserve e recupere contexto quando a janela de contexto se enche. Historicamente, sessões agênticas longas dependiam de compressão: o sistema resume o trabalho anterior para que o modelo possa continuar. Isso ajuda, mas os resumos podem perder detalhes sobre correções que falharam, comportamento de testes, requisitos ou por que uma abordagem anterior foi descartada.
Com Astra, OpenAI diz que Codex pode manter anotações entre janelas de contexto e pesquisar em janelas anteriores para recuperar requisitos, resultados de testes e saídas de ferramentas, mesmo quando esses detalhes não ficaram capturados nas anotações. OpenAI diz que esse recurso experimental pode ser habilitado no config.toml do Codex e será o padrão para Astra nas próximas semanas.
Essa última frase precisa de data. Em 4 de setembro de 2026, OpenAI a descreve como experimental e ainda não como comportamento padrão.
Para refatorações grandes, isso pode importar mais que outra vitória em um benchmark. O modo de falha de um agente de código muitas vezes não é a ignorância. É a deriva. Ele esquece que um teste já falhou, perde uma restrição de quarenta minutos atrás ou trata uma mensagem de direção como uma tarefa nova. Se Astra realmente reduzir essa deriva em projetos reais, o valor aparece em menos reinicializações e transferências mais limpas.
O GPT-6 Astra é melhor para programar?
OpenAI diz que GPT-6 Astra é seu melhor modelo de engenharia de software até agora, mas a evidência ainda vem principalmente dos dados de lançamento do OpenAI e citações de parceiros.
O post oficial apresenta Astra como superior a GPT-5.6 Sol em várias avaliações de código e agentes. Lista Terminal-Bench 4.0 com 57,9% para Astra versus 37,3% para GPT-5.6 Sol, DeepSWE v1.1 com 74,1% versus 72,7%, e tarefas internas de migração de bancos de dados com 63,9% versus 42,7%.
Esses números são úteis, mas não significam “seu repositório vai melhorar X”. Equipes de desenvolvimento devem testar Astra em sua própria mistura de tarefas: correção de bugs, migrações, reparação de testes, QA frontend, fluxos com navegador, revisão de segurança e mudanças longas que normalmente esgotam o contexto.
A razão mais forte para testar Astra não é um score isolado. É a combinação de programação, computer use, suporte de ferramentas, contexto longo e comportamento de memória no Codex.
O que o GPT-6 Astra implica para cibersegurança?
GPT-6 Astra representa um salto importante em cibersegurança de acordo com OpenAI, o que o torna útil para defensores e mais sensível para implantar.OpenAI diz que Astra atinge seu limiar “Crítico” de cibersegurança sob seu Preparedness Framework. A empresa relata resultados fortes em avaliações de exploração e engenharia reversa, incluindo testes internos com vulnerabilidades recentes. Também diz que Astra descobriu e usou duas vulnerabilidades zero-day previamente desconhecidas durante a avaliação, e que OpenAI as está divulgando aos seus mantenedores.
Para desenvolvedores no dia a dia, a implicação prática é mais limitada: Astra deveria ser relevante para revisão segura de código, patching e fluxos defensivos, mas OpenAI diz que rejeitará tarefas de cibersegurança mais avançadas, como criar provas de conceito de exploits para vulnerabilidades.
Isso importa para líderes de engenharia. Um modelo significativamente melhor desenvolvendo exploits também é um modelo que precisa de políticas, logging, revisão e controle de acesso mais fortes dentro dos times. OpenAI diz que controles de segurança adicionais podem pausar ou deter algumas tarefas, incluindo trabalho defensivo legítimo. Na API, a tarefa pode ser interrompida.
Isso não é uma nota de rodapé. É parte do comportamento do produto.
Vale a pena migrar para GPT-6 Astra imediatamente?
Os desenvolvedores deveriam testar GPT-6 Astra primeiro em trabalho agêntico de alto valor, não substituir cegamente modelos mais baratos em todos os lugares.
A 10 dólares por milhão de tokens de entrada e 50 dólares por milhão de tokens de saída, Astra precisa conquistar seu lugar. As primeiras cargas óbvias não são completions curtas nem chat simples. São loops caros com humanos: migrações de repositórios, investigação de testes intermitentes, refatorações multi-arquivo, QA baseado em navegador, revisão segura de código, sessões longas de debugging e tarefas onde agentes anteriores perdem contexto.
Para muitos times, a configuração vencedora provavelmente será em camadas: modelos mais baratos para trabalho rotineiro, Astra para tarefas onde a confiabilidade e a retenção de contexto justificam o prêmio.
Essa é a história real do lançamento. OpenAI não está apenas soltando outro nome de modelo. Está empurrando o modelo frontier mais profundo dentro do harness agêntico: memória em Codex, computer use, ferramentas hospedadas, patches, trabalho com navegador e desployer sensível a cibersegurança.
A linguagem sobre AGI vai ficar com os títulos. A fatura da API e o comportamento em Codex vão decidir se os desenvolvedores continuam usando.