GPT-6, Gemini 4 e Claude Opus 5: a nova safra de modelos de IA

Setembro e outubro de 2026 concentraram as maiores atualizações de modelos de IA dos três principais fornecedores. A OpenAI liberou o GPT-6 Astra em 3 de setembro, descrito como seu modelo mais capaz para trabalho de ponta a ponta. A Anthropic lançou o Claude Opus 5 em 22 de setembro e o Claude Sonnet 5 em 28 de setembro. O Google colocou o Gemini 4 Argon em disponibilidade geral em 13 de outubro.

O discurso das três empresas convergiu para o mesmo terreno: tarefas longas, uso de ferramentas e agentes. A OpenAI posiciona o GPT-6 Astra para raciocínio, programação, uso de computador, pesquisa e criação de documentos, com o modelo levando um pedido inicial até um resultado final. O Google descreve o Gemini 4 Argon como o modelo mais capaz da casa para programação complexa, tarefas agênticas, matemática e ciência.

A parte que dói em quem integra API é a migração. Nas notas oficiais, o GPT-6 Astra não aceita o nível de esforço de raciocínio none, não permite temperatura, top_p ou logprob personalizados e exige a Responses API para chamada de ferramentas. No Google, o Gemini 3.7 Flash foi substituído pelo 3.8 Flash e o 3.5 Flash pelo 3.6 Flash, com redirecionamento automático das requisições antigas: quem não atualiza o nome do modelo perde o controle sobre o que roda por baixo.

Preço também mexeu. Na Anthropic, o valor promocional do Claude Sonnet 5 (US$ 2 por milhão de tokens de entrada e US$ 10 por milhão de saída) virou preço padrão em 10 de agosto, e em 7 de outubro a empresa reduziu o preço de leitura de cache de prompt no mesmo modelo. Já o Google mudou o comportamento padrão de privacidade: desde 26 de outubro, projetos novos no nível pago da Generate Content API armazenam requisições por padrão, com opção de desativar usando store=false.

Para quem escolhe modelo, a conclusão é menos sobre qual é o melhor e mais sobre disciplina de versão. Ciclo de lançamento a cada poucas semanas significa que o modelo aprovado na sua avaliação pode sair de linha em um trimestre. Vale fixar a versão no código, acompanhar as notas de descontinuação de cada fornecedor e repetir os testes com os seus próprios dados antes de trocar, porque os números de benchmark divulgados no lançamento medem outra coisa.