A família GPT-5.6 da OpenAI tem três níveis de capacidade duradouros: o Sol para o trabalho mais difícil, o Terra para cargas de produção equilibradas e o Luna para tráfego rápido e sensível ao custo. A história dos benchmarks não é simplesmente que o Sol ganha. O Terra e o Luna mantêm muitas vezes grande parte da capacidade com tokens mais baratos, o que faz do encaminhamento de modelos algo mais importante do que escolher um único modelo para todos os pedidos.
A OpenAI lançou a família GPT-5.6 completa a 9 de julho de 2026. Este guia explica os resultados de benchmarks publicados, o que medem e como combinar qualidade, preço, latência e taxas de repetição ao escolher um modelo.
Dados e preços verificados a 19 de julho de 2026. Os resultados dos benchmarks vêm dos materiais de lançamento da OpenAI e usam as definições aí descritas. Não são garantias diretas para uma aplicação ou um harness de agents diferente.
Resumo dos benchmarks do GPT-5.6
A tabela abaixo centra-se em avaliações profissionais e de programação representativas.
| Avaliação | Sol | Terra | Luna | GPT-5.5 | O que mede |
|---|---|---|---|---|---|
| Agents' Last Exam | 52,7% | 50,4% | 50,3% | 46,9% | Workflows profissionais de longa duração |
| Artificial Analysis Intelligence Index | 58,9 | 55,0 | 51,2 | 54,8 | Inteligência geral em trabalho com agents, programação e raciocínio |
| Coding Agent Index | 80,0 | 77,4 | 74,6 | 76,4 | Implementação, utilização do terminal e bases de código reais |
| SWE-Bench Pro | 64,6% | 63,4% | 62,7% | 59,4% | Resolução de problemas de engenharia de software |
| DeepSWE 1.1 | 72,7% | 69,6% | 67,2% | 67,0% | Engenharia de longo horizonte em bases de código reais |
| Terminal-Bench 2.1 | 88,8% | 87,4% | 84,7% | 85,6% | Workflows complexos na linha de comandos |
O Sol lidera em todas estas avaliações selecionadas. O Terra fica perto em várias tarefas de programação. O Luna não é globalmente mais forte do que o GPT-5.5, mas continua competitivo ao ocupar o nível mais rápido e mais barato do GPT-5.6.
A tabela ilustra também porque é que uma única pontuação média não chega. Um classificador de suporte, um agent de revisão de código, um workflow de investigação financeira e um operador de navegador não valorizam as mesmas capacidades.
O que os benchmarks do GPT-5.6 medem realmente
Benchmarks de agents de programação
Os benchmarks de programação variam muito. Alguns testam se um modelo consegue produzir um patch. Outros incluem exploração do repositório, comandos de terminal, execução de testes e correção iterativa.
A OpenAI indica que o GPT-5.6 Sol atingiu 80 no Artificial Analysis Coding Agent Index, usando menos tokens e menos tempo do que várias alternativas de fronteira na sua comparação. O Terra obteve 77,4 e o Luna 74,6. Para um agent de programação em produção, as perguntas de seguimento importantes são:
- Encontra os ficheiros certos?
- Preserva as convenções do projeto?
- Executa e interpreta testes?
- Recupera depois de uma abordagem falhada?
- Quantos turnos do modelo são necessários até haver um resultado verificado?
Um modelo com uma pontuação de patch ligeiramente superior pode ainda assim ser menos económico se produzir longos rastos de raciocínio, repetir chamadas a ferramentas ou exigir revisão humana dispendiosa.
Benchmarks de agents de longo horizonte
O Agents' Last Exam avalia workflows profissionais mais longos em muitos domínios. O Sol obteve 52,7%, enquanto o Terra e o Luna obtiveram 50,4% e 50,3%. A diferença pequena é notável: sugere que muitas tarefas profissionais podem não exigir o nível de topo.
As avaliações de longo horizonte são especialmente sensíveis ao sistema envolvente. O desenho das ferramentas, a memória, as políticas de repetição, as permissões e os passos de verificação podem alterar os resultados tanto como o modelo de base.
Navegação e utilização do computador
A OpenAI indica 92,2% para o GPT-5.6 Sol no BrowseComp e 62,6% no OSWorld 2.0. Estes resultados apoiam agents de investigação, workflows de navegador e aplicações que precisam de inspecionar a sua própria saída.
Os benchmarks de utilização do computador não devem ser interpretados como uma promessa de fiabilidade sem supervisão. Os sistemas de produção continuam a precisar de permissões limitadas, confirmação para ações importantes, timeouts e comportamento de recuperação.
Trabalho do conhecimento e artefactos
O GPT-5.6 está também posicionado para documentos, folhas de cálculo, apresentações, resumos de investigação e trabalho de frontend. Estes resultados são difíceis de captar com um único benchmark, porque a correção, a fidelidade às fontes, a qualidade visual e a possibilidade de edição contam todas.
Para estas cargas de trabalho, constrói uma grelha de avaliação interna. Pontua a exatidão factual, a estrutura, a aderência a um template de referência, o número de correções manuais e o tempo até um resultado aceitável.
GPT-5.6 Sol vs Terra vs Luna
Escolhe o GPT-5.6 Sol para problemas difíceis de grande valor
O Sol é o nível de topo. É o melhor ponto de partida para:
- programação à escala do repositório e depuração difícil;
- agents de longa duração com várias ferramentas;
- cibersegurança e análise científica dentro de uma utilização autorizada;
- investigação complexa e artefactos profissionais;
- tarefas em que um resultado falhado custa muito mais do que a fatura de tokens.
O Sol não é automaticamente a melhor predefinição para tráfego de grande volume. As suas tarifas oficiais de tokens são 2,5 vezes as do Terra e 25 vezes as do Luna.
Escolhe o GPT-5.6 Terra como predefinição equilibrada
O Terra foi concebido para o trabalho de produção do dia a dia. Adequa-se a:
- copilotos de programação e revisão de código;
- análise de documentos e apoio à investigação;
- assistentes internos;
- workflows com ferramentas que precisam de mais fiabilidade do que um modelo leve;
- produtos que querem a capacidade do GPT-5.6 sem os preços do Sol.
As pontuações do Terra nos benchmarks ficam perto das do Sol em várias avaliações de programação, o que o torna um primeiro candidato sensato para testes em produção.
Escolhe o GPT-5.6 Luna para débito e tarefas previsíveis
O Luna é o nível mais rápido e mais acessível. Adequa-se a:
- extração e classificação;
- processamento de conteúdo estruturado;
- suporte ligeiro;
- automação de grande volume;
- uma primeira fase de encaminhamento que escala os pedidos difíceis.
O Luna também consegue tratar de algumas tarefas de programação e profissionais, mas as médias dos benchmarks não devem decidir essa fronteira. Testa onde é que a sua taxa de falhas ou de repetições começa a anular a poupança em tokens.
Preços da API do GPT-5.6
A OpenAI cobra o GPT-5.6 por 1 milhão de tokens. A Poyo.ai disponibiliza atualmente os três níveis através da Responses API, às tarifas abaixo.
| Modelo | Entrada na OpenAI | Saída na OpenAI | Entrada na Poyo.ai | Saída na Poyo.ai |
|---|---|---|---|---|
| GPT-5.6 Luna | $0.20 | $1.20 | $0.056 | $0.336 |
| GPT-5.6 Terra | $2.00 | $12.00 | $0.56 | $3.36 |
| GPT-5.6 Sol | $5.00 | $30.00 | $1.40 | $8.40 |
A OpenAI documenta também pontos de interrupção explícitos da cache, uma duração mínima de cache de 30 minutos, escritas na cache a 1,25 vezes a tarifa de entrada sem cache e leituras da cache com 90% de desconto face à entrada sem cache.
Consulta a página do modelo da API GPT-5.6 para os preços atuais da Poyo, os IDs de modelo suportados e o acesso à API.
Comparação de custos numa carga de trabalho real
Considera uma carga de trabalho mensal com 10 milhões de tokens de entrada sem cache e 2 milhões de tokens de saída.
| Modelo e via | Custo de entrada | Custo de saída | Total |
|---|---|---|---|
| Luna na OpenAI | $2.00 | $2.40 | $4.40 |
| Luna na Poyo.ai | $0.56 | $0.67 | $1.23 |
| Terra na OpenAI | $20.00 | $24.00 | $44.00 |
| Terra na Poyo.ai | $5.60 | $6.72 | $12.32 |
| Sol na OpenAI | $50.00 | $60.00 | $110.00 |
| Sol na Poyo.ai | $14.00 | $16.80 | $30.80 |
Este cálculo é útil, mas incompleto. Assume que todos os modelos concluem o mesmo número de tarefas com o mesmo número de tentativas.
Pontuação no benchmark vs custo por tarefa bem-sucedida
A métrica de produção mais útil é:
effective task cost =
average API cost per attempt
× average attempts per successful task
+ human correction cost
Imagina que o Luna custa cerca de um vigésimo quinto do Sol por token, mas que um workflow difícil só tem êxito numa de três tentativas. O Terra poderia concluir a mesma tarefa à primeira, com menos chamadas a ferramentas e menos revisão humana. O Terra seria então a escolha de produção mais barata, apesar de a sua tarifa de tokens ser mais alta.
Mede pelo menos:
- taxa de aprovação;
- tentativas por aprovação;
- tokens de entrada e de saída;
- tempo decorrido;
- chamadas a ferramentas;
- minutos de correção humana;
- taxa de erros graves.
A última métrica importa nos workflows em que uma resposta incorreta é mais cara do que um pedido falhado.
Uma estratégia prática de encaminhamento do GPT-5.6
Uma família de três níveis é mais valiosa quando a aplicação encaminha o trabalho de forma deliberada.
Is the task repetitive and easy to verify?
├── Yes: start with Luna
└── No
├── Is it normal production coding, analysis, or tool use?
│ └── Start with Terra
└── Is failure expensive or the task unusually difficult?
└── Use Sol
Um router de produção pode usar o tipo de tarefa, o valor do pedido, falhas anteriores, sinais de confiança ou a saída de um avaliador. Um padrão comum é:
- Envia os pedidos estruturados e de baixo risco para o Luna.
- Usa o Terra como predefinição para o raciocínio geral em produção.
- Escala os casos falhados ou de grande valor para o Sol.
- Compara o custo final por tarefa bem-sucedida em cada via.
Não encaminhes apenas com base no comprimento do prompt. Um problema de segurança curto pode ser mais difícil do que um pedido de extração longo.
Como avaliar o GPT-5.6 na tua aplicação
Constrói um conjunto de avaliação a partir de tráfego real, em vez de prompts genéricos.
- Seleciona entre 30 e 100 tarefas representativas.
- Etiqueta o resultado esperado e os modos de falha inaceitáveis.
- Executa a mesma tarefa no Luna, no Terra e no Sol com definições comparáveis.
- Regista qualidade, latência, tokens, ferramentas, repetições e correções humanas.
- Segmenta os resultados por tipo de tarefa.
- Escolhe as regras de encaminhamento a partir dos resultados por segmento.
- Repete depois de atualizações de prompts, ferramentas ou modelos.
Para os agents, inclui casos difíceis: respostas de ferramentas avariadas, dados ambíguos, ficheiros em falta e tarefas que exigem autocorreção. As demonstrações fáceis tendem a esconder a diferença entre os níveis do modelo.
Como utilizar o GPT-5.6 na Poyo.ai
A Poyo.ai expõe os IDs de modelo gpt-5-6-luna, gpt-5-6-terra e gpt-5-6-sol através de /v1/responses.
curl https://api.poyo.ai/v1/responses \
-H "Authorization: Bearer $POYO_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "gpt-5-6-terra",
"input": "Review this migration plan and identify the highest-risk assumptions.",
"reasoning": {"effort": "medium"}
}'
Cria uma chave no dashboard da Poyo e consulta a página do modelo GPT-5.6 antes de utilizares em produção.
Que modelo GPT-5.6 deves escolher?
Começa com o Luna quando o débito e a verificação fácil são o que importa. Começa com o Terra para programação geral, análise e agents de produção. Usa o Sol quando o problema é invulgarmente difícil ou a falha tem um custo de negócio elevado.
A melhor resposta raramente é uma escolha permanente de um único modelo. O GPT-5.6 está estruturado como uma família, e o desenho económico mais forte usa os níveis em conjunto.
Perguntas frequentes
Qual é o melhor modelo GPT-5.6?
O Sol é o nível mais capaz, mas o Terra pode oferecer um melhor equilíbrio em produção e o Luna é substancialmente mais barato para tarefas simples e de grande volume.
O GPT-5.6 Luna é bom para programação?
O Luna consegue trabalhar em programação, mas os resultados publicados ficam atrás do Terra e do Sol nas avaliações de programação selecionadas. Testa-o no teu repositório real e escala as tarefas que falharem a verificação.
Quanto custa a API do GPT-5.6?
As tarifas oficiais da OpenAI vão de $0.20 de entrada e $1.20 de saída por 1 milhão de tokens no Luna a $5 de entrada e $30 de saída no Sol. A Poyo.ai apresenta atualmente tarifas mais baixas, pagas conforme a utilização, para os três níveis.
O GPT-5.6 usa a Responses API?
Sim. A Poyo.ai expõe os três IDs de modelo do GPT-5.6 através de /v1/responses.
Devo substituir o GPT-5.5 pelo GPT-5.6 Terra?
O Terra é um forte candidato de migração, mas compara o êxito das tarefas, a latência, os tokens e as chamadas a ferramentas num conjunto de avaliação representativo antes de mudares todo o tráfego.