OpenAI explica nova hierarquia de modelos com escala de Luna a Astra
Ted Sanders detalha como a empresa organiza tamanhos, custos e numeração de versões na linha GPT.
Por que importa. Compreender a escala de nomes e tamanhos da OpenAI reduz custos de teste e evita que times paguem por modelos maiores sem necessidade técnica real.
A OpenAI adotou uma escala fixa de quatro níveis para classificar o tamanho físico e o custo de seus modelos de linguagem: Luna, Terra, Sol e Astra, em ordem crescente. A explicação foi publicada por Ted Sanders, integrante da equipe da empresa, e detalha como desenvolvedores devem orientar a escolha entre custo por token e capacidade técnica ao estruturar aplicações em produção.
Segundo Sanders, embora o desempenho de LLMs seja multidimensional e não exista garantia de que um modelo excelente em matemática se destaque em redação criativa, a maior parte da variação de capacidade ainda decorre diretamente do tamanho do modelo. Sistemas maiores mantêm maior confiabilidade geral, possuem melhor retenção de fatos raros e cobram valores superiores por token processado.
A regra prática recomendada pela OpenAI para seleção de catálogo parte do orçamento disponível no projeto. Sanders aponta que quem prioriza unicamente qualidade deve optar pela classe Astra, enquanto aplicações com sensibilidade moderada a preços encontram equilíbrio na linha Sol. Já produtos com restrições orçamentárias severas ou grande volume de tráfego devem operar nas faixas Terra ou Luna.
Quando o modelo menor supera o maior
Apesar da correlação entre escala e confiabilidade, Sanders pontuou que avanços na arquitetura e refinamentos nos dados de treinamento permitem que modelos recentes e menores superem versões antigas ou maiores em nichos específicos. Ele citou como exemplo o GPT-6.1 Terra, modelo que supera o Astra em tarefas de comunicação técnica e empata em visão computacional e interação com telas, mesmo sendo posicionado como uma opção substancialmente mais barata.
O comportamento se inverte fora dessas especialidades: em tarefas analíticas gerais e raciocínio complexo aberto, o modelo de menor porte ainda fica atrás da classe superior. Essa dinâmica impede que a empresa resuma a capacidade de seus produtos a uma única pontuação comparativa, já que esforço de raciocínio, tamanho e atuação em sistemas multiagente formam eixos técnicos independentes.
Para times que integram APIs de IA, essa separação técnica reforça a necessidade de rotear chamadas de acordo com a especialidade da tarefa. Delegar processamento de telas ou comunicações operacionais para modelos da classe Terra reduz a despesa sem perda aparente de precisão, reservando chamadas ao Astra para etapas em que a cobertura de cauda longa e conhecimento amplo sejam determinantes.
O significado dos números de versão
Sanders também detalhou os critérios adotados para a numeração decimal dos lançamentos, como a transição observada na linha 6.1. De acordo com o porta-voz, o número da versão sinaliza a ordem de disponibilidade, a relação de afinidade com lançamentos paralelos e a magnitude real da mudança na arquitetura.
Uma designação como 6.1 indica que o modelo chegou após a série 5.6 e que divide características de personalidade e base de treino com outros sistemas 6.1, justificando não ter sido rotulado como 5.7. O identificador indica ainda que o avanço técnico registrado não representou um salto arquitetural com magnitude suficiente para justificar a mudança de dígito para uma família 7.
As declarações não incluíram tabelas de preços nominais por milhão de tokens nem limites oficiais de contexto para cada nível da escala Astra ou Terra. A OpenAI também não esclareceu se a nomenclatura estelar substituirá em definitivo os sufixos tradicionais de compactação de catálogo, como mini ou turbo, nas páginas de documentação da API.
Fontes
- Simon Willison: Quoting Ted Sanders
- The Decoder: OpenAI's Ted Sanders shares a rule of thumb for picking the right GPT-model
Reportagem produzida pela redação do Flipters com apoio de inteligência artificial, a partir das fontes acima. Como trabalhamos. Editor responsável: João Paulo Resende.
