GPT-6 Astra e o Mito da AGI: Por Que a Verdade Por Trás do Novo Modelo da OpenAI É Muito Mais 'Entediante'

A Manchete que Eu Quis Conferir Antes de Acreditar

“AGI chegou.” Foi isso que Jensen Huang, CEO da NVIDIA, escreveu publicamente depois do lançamento do GPT-6 Astra: “Do ChatGPT ao o1, e depois ao Astra, levou só 4 anos. AGI chegou, e 400 mil GPUs estão prestes a entrar online.” O próprio presidente da OpenAI, Greg Brockman, foi na mesma direção numa entrevista coletiva: “acho que não é irracional sentir que estamos agora na era da AGI.” Bem-vindo à era da AGI, ele disse, literalmente.

Eu já vi hype demais nessa indústria pra aceitar declaração desse tipo sem ir checar o número por trás dela. E, quando fui checar, encontrei uma história bem mais interessante — e bem mais desconfortável — do que a manchete sugeria.

O Número que Sustenta a Festa Toda

O Astra atingiu 99,9% no benchmark ARC-AGI-3, um teste desenhado especificamente pra medir inteligência geral e raciocínio agêntico, não padrão memorizado. É um número de tirar o fôlego — e foi ele que deu “cobertura técnica” pra declaração de Huang.

Só que a própria organização por trás do benchmark, a ARC Prize Foundation, publicou uma análise técnica dissecando esse 99,9%. E o que eles encontraram é o tipo de letra miúda que muda a conversa inteira: sob o ambiente customizado e proprietário da própria OpenAI — que preserva o estado de raciocínio do modelo entre chamadas e usa técnica de compactação pra gerenciar conversas longas —, o Astra chegou a 99,9%, a um custo de quase US$ 19 mil pra rodar o teste. Mas quando o mesmo modelo, sem retreinar nada, é avaliado num ambiente padronizado e neutro entre fornecedores, o resultado cai pra 62,7% — a um custo ainda maior, de US$ 26 mil.

A própria ARC Prize deixou a posição clara: “quando lançamos o ARC-AGI-3, deixamos claro que saturar o benchmark não representaria ‘prova de ter alcançado a AGI’. Por isso, embora acreditemos que o Astra representa progresso significativo em direção à generalização, não estamos afirmando que ele é AGI.”

Ou seja: o mesmo modelo, os mesmos pesos, dois ambientes de teste diferentes — e uma diferença de 37 pontos percentuais. Isso não é fraude, mas é, no mínimo, um número escolhido pra brilhar mais do que a realidade justifica.

O Rumor da Arquitetura Secreta

Paralelo à controvérsia do benchmark, correu outro boato na comunidade técnica: a de que o Astra usaria uma arquitetura radicalmente diferente, chamada profundidade recorrente (ou looped transformers) — em vez de empilhar centenas de camadas novas, o modelo reutilizaria o mesmo bloco de camadas em loop, fazendo a informação circular repetidamente pra “pensar mais” sobre um problema difícil.

A reação de Jakub Pachocki, cientista-chefe da OpenAI, não foi um desmentido total — foi uma correção mais precisa e, pra mim, mais interessante. Ele confirmou que a profundidade do grafo de computação do Astra está dentro de um fator de apenas 2x em relação ao GPT-4, mas deixou claro que sua preocupação real não era desmentir a técnica em si — era evitar uma “corrida rumo à inauditabilidade” motivada por reportagem confusa. A OpenAI trabalha, segundo ele, pra preservar o monitoramento da cadeia de raciocínio desde os primeiros modelos de raciocínio, e ele reconhece que essa capacidade de monitorar é “frágil” e vem numa tendência preocupante — por razões que, segundo ele mesmo, não têm a ver com mudança de arquitetura.

Traduzindo: não é que a arquitetura seja um mito completo. É que, mesmo que o Astra use alguma forma limitada dessa técnica, a profundidade continua controlada — mas o verdadeiro ponto de atenção da comunidade de segurança não é “a arquitetura é exótica”, é “o raciocínio do modelo está ficando mais difícil de auditar”, que é um problema mais sutil e mais sério do que o rumor original sugeria.

A Realidade: Receita de Treino Refinada, Não Mágica

Tirando o ruído das duas controvérsias, o que sobra é uma explicação de engenharia bem menos dramática. O salto de desempenho do Astra vem do refinamento incremental de cada etapa do pipeline de treinamento tradicional — não de uma reinvenção da roda.

Componente do pipeline	Narrativa especulativa (mito AGI)	Engenharia real do Astra
Arquitetura de rede	Looped Transformers / rede recorrente pura	Transformers de escala otimizada, com profundidade dentro de 2x do GPT-4
Curadoria de dados	Raspagem massiva e não filtrada da web	Filtragem sintética rigorosa, dados de altíssima qualidade
Alinhamento	RLHF básico focado em agradar o usuário	Aprendizado por reforço focado em raciocínio
Cadeia de pensamento	Injetada via prompting na camada de aplicação	Preservada nativamente — e é justamente essa preservação que está sob pressão

O Que Eu Realmente Penso

Eu não acho que o Astra é decepcionante — ele lidera boa parte dos benchmarks proprietários da OpenAI, e avanços reais em uso de computador, engenharia de software e ciência estão documentados no próprio system card. O que me incomoda é a distância entre o discurso público de “AGI chegou” e o que os próprios dados, quando auditados de forma independente, sustentam.

Vale notar que nem todo mundo dentro da OpenAI comprou essa narrativa: enquanto Brockman falava em “era da AGI”, Sam Altman continuou tratando o termo como vago demais pra ser útil. Até dentro da própria empresa que fez o modelo, não existe consenso sobre o que esse resultado realmente significa.

O maior trunfo do Astra não foi reinventar a inteligência artificial. Foi executar a receita de dados, filtragem e aprendizado por reforço com uma precisão quase impecável — e isso já é, por si só, uma conquista de engenharia genuína. O problema é vender essa conquista real vestida de salto mágico, quando o número que sustenta o discurso derrete 37 pontos assim que sai do ambiente controlado do próprio fabricante.

Fico Com Essa Pergunta

A narrativa da AGI capta investimento e domina manchete melhor do que qualquer relatório técnico honesto conseguiria. Mas o progresso real, quando você olha de perto, continua sendo construído no trabalho árduo e disciplinado de otimização de engenharia — não em saltos mágicos de arquitetura.

Você acredita que a AGI vai surgir do aperfeiçoamento contínuo das técnicas atuais de treinamento, ou vamos precisar de uma mudança arquitetônica genuinamente nova pra chegar lá?

Email: fodra@fodra.com.br
LinkedIn: linkedin.com/in/mauriciofodra

99,9% num ambiente customizado. 62,7% no ambiente neutro. A mesma diferença de 37 pontos que separa “AGI chegou” de “progresso real, mas ainda não é isso”. Vale sempre checar em qual ambiente o número foi medido.