A OpenAI enterrou a parte mais interessante do lançamento do GPT-5.6 Sol sob as notícias sobre o "gate" do governo. Juntamente com a nova família de modelos, a OpenAI lançou dois novos controles de raciocínio: um esforço de raciocínio "max" que dá ao Sol mais tempo para pensar, e um modo "ultra" que, nas palavras da OpenAI, "vai além de um único agente ao alavancar subagentes para acelerar trabalhos complexos". Este último representa uma verdadeira mudança na forma como uma única chamada de modelo se comporta.
Primeiro, a realidade do acesso. O GPT-5.6 Sol está em pré-visualização limitada através da API da OpenAI e apenas do Codex. Ele ainda não está no ChatGPT e está restrito a aproximadamente 20 parceiros cujos nomes foram individualmente aprovados pelo governo dos EUA. Portanto, você não pode ativar o modo ultra hoje, a menos que seja um deles. Este artigo é para desenvolvedores que querem entender o que os subagentes dentro de uma chamada de modelo mudam no design do agente, latência e custo, para que você possa decidir se vale a pena esperar. A OpenAI diz que a disponibilidade geral no ChatGPT, Codex e na API está chegando nas próximas semanas.
TL;DR
- O esforço de raciocínio "max" é uma versão mais profunda de um ajuste existente: mais tempo de pensamento, um agente, uma cadeia de trabalho.
- O modo "ultra" é novo em sua essência: o modelo gera seus próprios subagentes para dividir o trabalho complexo, segundo a OpenAI.
- Você não pode usar nenhum dos dois ainda. O GPT-5.6 é uma pré-visualização restrita pelo governo, apenas para API e Codex, não no ChatGPT.
- A saída do Sol é precificada em US$30 por 1M de tokens, então o modo ultra que se ramifica em subagentes não é barato. Reserve-o para trabalhos difíceis e paralelizáveis.
- Esta é a mesma ideia de orquestrador multiagente que outros laboratórios estão lançando, agora incorporada em uma única chamada de modelo. Para testar o padrão de orquestração hoje, você precisa usar um modelo ao qual tenha acesso.
O que o esforço de raciocínio “max” faz
A OpenAI já permitia ajustar o quão duro um modelo de raciocínio trabalha através de uma configuração de esforço de raciocínio. O GPT-5.6 adiciona um novo nível superior chamado "max". Ao configurá-lo, o Sol recebe o máximo de tempo para raciocinar profundamente antes de responder.
Pense no "max" como girar um botão que você já conhece. O modelo ainda funciona como um único agente e ainda produz uma única cadeia de raciocínio. Você está pagando mais por esse raciocínio, em tokens e tempo de execução, para extrair o último pedaço de precisão em um problema difícil. A compensação é familiar: pensar mais profundamente custa mais e leva mais tempo, e a maioria dos prompts não precisa disso. O "max" é a configuração certa quando uma única pergunta difícil recompensa deliberação extra, como uma refatoração sutil ou um plano com muitas matemáticas. Não muda a forma do trabalho. Muda o tempo que o único trabalhador gasta nele.
O que o modo “ultra” muda
O Ultra é um animal diferente. De acordo com a OpenAI, o modo ultra "vai além de um único agente ao alavancar subagentes para acelerar trabalhos complexos". Em vez de um modelo processando um problema em uma única cadeia, o modelo orquestra vários subagentes que abordam partes da tarefa, e então reúne o trabalho deles.
Se você construiu sistemas de agentes manualmente, você já fez isso da maneira difícil. Você escreve um orquestrador. Ele decompõe uma tarefa em subtarefas, as distribui para chamadas de modelo separadas, então coleta os resultados e produz uma resposta final. Você gerencia os prompts, o estado, as novas tentativas e o código de ligação entre cada etapa.
O modo Ultra incorpora esse padrão dentro da chamada do modelo. Você pergunta uma vez. O modelo decide como dividir o trabalho, executa os subagentes e retorna um resultado. A orquestração que você costumava possuir agora acontece por trás de uma única chamada de API. Essa é a parte genuinamente nova. Para o contexto familiar mais amplo, a visão geral do GPT-5.6 Sol aborda os níveis, a nomenclatura e o motivo pelo qual tudo está bloqueado por uma pré-visualização governamental.
O que isso muda para o design de agentes
Mova a orquestração para dentro do modelo e três coisas mudam na forma como você constrói.
Menos código de ligação. A lógica de decomposição, distribuição e fusão que antes residia em sua aplicação pode diminuir. Você descreve o objetivo e deixa o modelo lidar com a quebra. Isso significa menos superfície para manter e menos lugares para sua orquestração se desalinhar do comportamento do modelo.
Menos controle. O lado negativo é que você perde visibilidade. Quando você possui o orquestrador, você vê cada subtarefa, resultado intermediário e nova tentativa, e pode registrá-los ou intervir. Com subagentes dentro de uma única chamada, essa maquinaria é opaca. Você vê a entrada e a saída final, não a ramificação intermediária. Para fluxos de trabalho que precisam de um registro de auditoria, um orquestrador construído manualmente ainda vence.
Modos de falha diferentes. Um único agente falha de maneiras que você geralmente pode rastrear. Um modelo executando subagentes internos falha de maneiras mais difíceis de atribuir. Um subagente saiu dos trilhos? A etapa de fusão descartou algo? Nem sempre será possível dizer de fora, o que é importante ao depurar um agente de produção.
Esta é a mesma tensão que percorre todo sistema multiagente, mas realocada. Para ver como os orquestradores dedicados enquadram isso, Fugu Ultra versus Fable 5 versus Mythos detalha um modelo construído explicitamente como um orquestrador multiagente, um contraste útil com a OpenAI incorporando a ideia dentro de um modelo.
Latência e custo: por que o ultra não é gratuito
Os subagentes trabalham em paralelo, então para a tarefa certa, o modo ultra pode terminar mais rápido do que um agente executando cada etapa em sequência. Essa é a proposta de "acelerar trabalhos complexos".
O lado do custo é onde você precisa ser honesto. Sol é o nível principal, e sua saída é precificada em US$30 por 1M de tokens, com entrada a US$5 por 1M (Terra e Luna são níveis mais baratos na mesma família). Agora, imagine o ultra gerando vários subagentes, cada um gerando seu próprio raciocínio e tokens de saída. Esses tokens se somam em cada subagente, então uma única chamada ultra pode consumir muito mais do que uma única chamada max no mesmo prompt. O Ultra troca tokens por velocidade e profundidade em trabalhos difíceis e paralelizáveis. Se sua tarefa não se decompõe em partes independentes, você está pagando por subagentes que esperam uns pelos outros ou duplicam esforços. Esse é o caso de uso excessivo.
O cache de prompts suaviza a conta. O GPT-5.6 suporta pontos de interrupção de cache explícitos com uma vida útil mínima de cache de 30 minutos. As gravações de cache são cobradas a 1.25x a taxa de entrada não armazenada em cache, e as leituras de cache obtêm um desconto de 90% para entrada em cache. Se seus subagentes compartilham um grande contexto comum, como um grande prompt de sistema ou uma base de código fixa, armazená-lo em cache uma vez e lê-lo a baixo custo em várias chamadas economiza dinheiro real. Isso não altera o custo do token de saída, que é onde o ultra gasta mais.
Onde o ultra ajuda e onde é exagero
Use o ultra quando a tarefa se divide em partes independentes que se beneficiam do trabalho paralelo e onde a precisão justifica o gasto. Pense em uma grande mudança de código que afeta muitos arquivos de uma vez, uma tarefa de pesquisa que se espalha por várias fontes, ou um trabalho agêntico complexo com ramificações paralelas. Esses são os trabalhos para os quais a OpenAI está posicionando o Sol, incluindo codificação e trabalho científico.
Pule o ultra quando a tarefa for sequencial, pequena ou sensível à latência com um orçamento limitado: uma resposta curta, uma edição de arquivo único, uma classificação rápida. Para esses, o ultra ativa subagentes que não têm nada a paralelizar, e o esforço de raciocínio máximo ou mesmo o esforço padrão é a escolha honesta.
Aqui está uma maneira direta de decidir. Se você não pudesse dividir a tarefa entre vários contratados humanos trabalhando ao mesmo tempo, o modelo provavelmente também não conseguiria muito valor com os subagentes. O trabalho sequencial permanece sequencial, não importa quantos agentes você use.
Como isso se encaixa na tendência mais ampla de multiagentes
A OpenAI não foi a primeira a ter a ideia de que vários agentes coordenados são melhores que um. Outros laboratórios lançaram modelos e frameworks onde um controlador delega a especialistas e une os resultados. O que é novo é o empacotamento: a OpenAI oferece esse padrão como um modo em um único modelo, em vez de um sistema separado que você monta.
Essa é uma aposta sobre para onde o desenvolvimento de agentes vai. Se a orquestração dentro do modelo se tornar boa o suficiente, muitas camadas de orquestração construídas manualmente se tornarão redundantes para casos comuns. Se permanecer opaca e difícil de depurar, equipes que precisam de controle continuarão construindo as suas próprias. Ambas as coisas podem ser verdadeiras ao mesmo tempo, com o ultra lidando com os casos fáceis e a orquestração personalizada gerenciando os que precisam de um registro de auditoria. A análise de benchmarks do GPT-5.6 Sol aborda se os números apoiam as alegações de orquestração, enquadrada na única decisão que você pode tomar agora: esperar ou seguir em frente.
O que você pode fazer hoje
Você não pode usar o modo ultra, então a medida prática é construir e testar o padrão de orquestração em um modelo que você possa chamar. Os modelos de ponta disponíveis agora, como Claude Mythos 5, Claude Fable 5, GPT-5.5, Gemini 3.5 Pro, GLM-5.2 e Fugu Ultra, todos expõem endpoints de chat compatíveis com OpenAI ou padrão que você pode conectar hoje.
É aí que o Apidog se encaixa. Você pode enviar solicitações para qualquer uma dessas APIs de modelo, definir parâmetros como esforço de raciocínio onde o modelo o suporta, fazer asserções nas respostas e salvar as chamadas como cenários de teste reutilizáveis. Quando seu acesso prévio ao GPT-5.6 chegar, a mesma configuração estará pronta: troque o endpoint e o identificador do modelo, e você estará testando o Sol no dia em que entrar. Você não está testando o Sol hoje, porque ninguém fora dos parceiros aprovados pode. Você está preparando seu ambiente de teste para que o primeiro dia não seja uma correria.
Conclusão
O modo Ultra é a peça mais inovadora do lançamento do GPT-5.6: orquestração que antes residia no seu código, agora movida para dentro de uma única chamada de modelo. É também algo que você ainda não pode usar, e quando puder, não será barato, então a disciplina é ajustar a configuração ao trabalho. Use o "max" quando um único trabalhador precisar pensar mais profundamente. Recorra ao "ultra" apenas quando a tarefa realmente se dividir em partes paralelas que justifiquem o custo dos tokens.
Quer que seu ambiente de teste esteja pronto para o dia em que o Sol for lançado? Baixe o Apidog e comece a testar as APIs de modelos de ponta que você pode usar hoje.