GPT-6 Astra supera GPT-5.6 Sol em avaliação de code review

A CodeRabbit publicou uma avaliação inicial do GPT-6 Astra, da OpenAI, focada em code review, comparando-o com o GPT-5.6 Sol e o Opus 5, da Anthropic.

Ganhos em code review

A métrica usada é a cobertura acionável de bugs: quantos bugs rotulados o modelo encontra por meio de apontamentos em que o desenvolvedor pode agir. No conjunto geral, o Astra detectou cerca de 4% mais bugs rotulados que o GPT-5.6 Sol e 22% mais que o Opus 5. O ganho maior aparece no subconjunto de revisões mais difíceis, que envolvem múltiplos arquivos: 20% sobre o Sol e 33% sobre o Opus 5.

A CodeRabbit ressalva que os resultados são iniciais e direcionais, que cobrem apenas parte do desempenho em revisão e não estabelecem ranking geral de qualidade, não preveem taxa de defeitos de um time nem garantem o mesmo ganho em todo pull request. O ganho geral modesto também se explica porque a avaliação inclui revisões mais simples, em que há menos espaço para um modelo mais forte se diferenciar.

Interpretação e uso recomendado

A leitura da CodeRabbit é que o avanço mais interessante do Astra está em conectar as informações certas: uma janela de contexto grande cria espaço para dados, mas o raciocínio útil exige identificar o que importa e chegar a conclusões sustentadas por evidências. Os ganhos maiores em revisões entre arquivos sugerem progresso quando as informações relevantes estão distribuídas, sem isolar a causa nem provar que mais contexto, sozinho, melhora o modelo.

Para quem constrói com modelos, a questão útil é onde o raciocínio extra muda o resultado o suficiente para justificar o custo: tarefas difíceis com evidências espalhadas são candidatas melhores que tarefas rotineiras que um modelo mais barato já resolve. A empresa não recomenda migrar todas as sessões para o Astra com esforço máximo de raciocínio.

Preço

Os preços padrão de API do Astra são US$ 10 por milhão de tokens de entrada e US$ 50 por milhão de saída, segundo a precificação publicada. O Fable 5.1, da Anthropic, tem as mesmas tarifas base, com diferenças nos preços de cache. Em uma tarefa ilustrativa com 100 mil tokens de entrada sem cache e 10 mil de saída, o Astra custa US$ 1,50: 2,5 vezes o Sol (US$ 0,60), cerca de 4,7 vezes o Terra (US$ 0,32) e cerca de 47 vezes o Luna (US$ 0,032). São prêmios significativos, mas não predizem o custo por tarefa concluída - um modelo que precisa de menos tokens ou tentativas pode reduzir a diferença. A OpenAI relata custos estimados por tarefa menores para o Astra em algumas de suas próprias avaliações, o que leva a CodeRabbit a recomendar medir o custo total por resultado bem-sucedido no próprio trabalho, em vez de decidir pelo preço do token ou por uma nota de capacidade.

Aplicações possíveis e o jogo NIGHTSHIFT

A ideia transferível é raciocinar sobre relações entre fontes separadas. A CodeRabbit lista usos a avaliar, sem tê-los medido: síntese de pesquisa, investigação operacional com logs e runbooks, análise de requisitos e políticas, e verificação de consistência em documentos e planilhas. Sugere começar por trabalho delimitado, com resposta verificável, e testar o Astra junto ao modelo atual comparando qualidade, tempo de verificação e custo total.

A empresa também usou o Astra para construir NIGHTSHIFT, um RPG de ação em Godot e GDScript com sete classes, árvore de habilidades passivas de 988 nós, 40 zonas em 10 atos, construções para macOS, web e Linux, suporte nativo a controles de PS5 e Xbox e cooperativo. O Astra trabalhou com autonomia, pausando apenas para pedir permissões, e lidou com o rebalanceamento após mudanças profundas nos sistemas - o mesmo tipo de raciocínio sobre efeitos sistêmicos que se destacou no code review.

Privacidade e o que esperar

Nem a CodeRabbit nem seus provedores treinam modelos com código proprietário de clientes. O Astra suporta zero data retention para clientes de API elegíveis; o Fable 5 e 5.1 exigem retenção de 30 dias por padrão para monitoramento de segurança, mas clientes elegíveis podem usar ZDR enquanto o Enterprise Frontier Safeguards é introduzido. A CodeRabbit pede para os próximos avanços ganhos consistentes em trabalho difícil, conclusões verificáveis, menor custo por resultado e caminhos de implantação que preservem privacidade sob compromissos reais com clientes.