Raciocínio em 2026: De nenhum a máximo, mais modos pro e ultra
Nesta página
Estado em 5 de novembro de 2026. A família GPT-6 mantém estes níveis, mas
nonesó é aceite pelo GPT-6.1 Terra, GPT-6 Sol e GPT-6 Luna. O GPT-6 Astra e o GPT-6.1 Sol começam emlow; enviar um pedido comnoneao Astra devolve um erro HTTP 400. Desde 3 de setembro, também pode alterar o nível de esforço no meio da conversa sem perder a cache, utilizando um elementoconfiguration_update(Lição 9).
O esforço de raciocínio configurável não começou com o GPT-5.6. Desde o lançamento do GPT-5 em 2025, os modelos da OpenAI raciocinam mais ou menos com base num parâmetro, substituindo a antiga série o. O que muda entre versões são os valores aceites e a predefinição. O GPT-5.6 adicionou o nível max e o modo pro à API, enquanto o ChatGPT recebeu a definição “ultra”. Estes detalhes são importantes: uma predefinição alterada pode modificar a latência da sua aplicação e a sua fatura sem que uma única linha de código seja alterada.
Os seis níveis do GPT-5.6
Nos três modelos GPT-5.6, o parâmetro reasoning.effort aceita seis níveis. O guia da OpenAI descreve os seus casos de utilização da seguinte forma:
| Nível | Caso de utilização |
|---|---|
none | Tarefas onde a latência é crítica e o raciocínio não acrescenta valor: voz, pesquisa rápida de informações, classificação |
low | Raciocínio eficiente para uma latência ligeiramente superior: análise de dados, redação, código executável, apoio ao cliente |
medium | Qualidade e fiabilidade, planeamento e julgamento; a predefinição para a maioria dos casos de utilização |
high | Raciocínio difícil, depuração complexa, planeamento profundo, trabalho agentivo |
xhigh | Investigação profunda e tarefas agentivas longas, apenas se as suas avaliações mostrarem um ganho líquido |
max | Raciocínio máximo para as tarefas mais complexas; compare com xhigh |
Define o nível diretamente na chamada à API. Aqui, pedimos ao Terra para depurar uma função com esforço sustentado, porque um erro de lógica subtil merece mais do que uma leitura superficial:
response = client.responses.create(
model="gpt-5.6-terra",
input="Find the logic error in this function and fix it.",
reasoning={"effort": "high"},
)
Se a mesma aplicação reformular depois uma mensagem de commit, nada o impede de voltar a low para o próximo pedido. Um router também poderia tentar uma primeira passagem em medium, detetar uma resposta incerta e repetir o mesmo pedido em high no mesmo modelo com o mesmo prompt.
Os valores aceites variam consoante o modelo
As fichas técnicas dos modelos, registadas em 5 de novembro de 2026, mostram como este parâmetro evoluiu:
| Modelo | Valores aceites | Predefinição |
|---|---|---|
gpt-5 | minimal, low, medium, high | não especificada |
gpt-5.1 | none, low, medium, high | none |
gpt-5.4 | none a xhigh | none |
gpt-5.5 | none a xhigh | medium |
| GPT-5.6 Sol, Terra e Luna | none a max | medium |
gpt-6-astra | low a max | não especificada |
gpt-6.1-sol | low a max | medium |
gpt-6.1-terra, gpt-6-sol, gpt-6-luna | none a max | medium |
Dois erros comuns destacam-se nesta tabela. O primeiro diz respeito ao valor predefinido: gpt-5.1 e gpt-5.4 não raciocinavam se não especificasse nada, enquanto gpt-5.5, GPT-5.6 e os modelos GPT-6 listados começam em medium. Uma aplicação que migre de gpt-5.4 para GPT-5.6 sem definir o esforço começará subitamente a raciocinar, incorrendo numa latência mais elevada e num maior número de tokens faturados. O guia de migração do GPT-6 resume isto numa regra: preserve o seu esforço efetivo quando o novo modelo o aceitar e escreva-o explicitamente. O segundo erro envolve valores em falta: minimal não existe nem no GPT-5.6 nem no GPT-6 (comece com low em vez disso), e none é rejeitado pelo GPT-6 Astra e pelo GPT-6.1 Sol.
Modo Pro: Mais trabalho, mesma tarifa por token
O GPT-5.6 introduziu uma segunda definição independente: reasoning.mode, que tem standard como predefinição ou pode ser definido como pro. No modo pro, o modelo realiza mais trabalho antes de responder, adequado para tarefas difíceis que toleram uma latência mais elevada. Os tokens são faturados à tarifa standard do modelo, mas como são utilizados mais tokens, o custo total aumenta. Este modo substitui os antigos modelos “pro”: a página de descontinuações recomenda gpt-5.6-sol no modo pro em vez de o3-pro e gpt-5-pro.
response = client.responses.create(
model="gpt-5.6-sol",
reasoning={"effort": "medium", "mode": "pro"},
input="Review this disaster recovery plan and flag any single points of failure.",
)
Max e ultra: Ir mais longe
O nível max dá ao modelo ainda mais tempo do que xhigh para raciocinar, explorar caminhos alternativos, verificar e rever a sua abordagem. Existe tanto na API como no ChatGPT Work e no Codex, onde o ativa nas definições.
O ultra, no entanto, altera inteiramente o modo de execução. De acordo com o anúncio de 9 de julho, coordena quatro agentes em paralelo por predefinição através de fluxos de trabalho simultâneos. A OpenAI também demonstrou configurações com dezasseis agentes para avaliações específicas (BrowseComp, SEC-Bench Pro). A compensação é clara: maior consumo de tokens em troca de melhores resultados e tempo de conclusão reduzido em tarefas pesadas. O ultra está disponível apenas em produtos: ChatGPT Work para planos Pro e Enterprise, e Codex a partir do plano Plus no lançamento. Não existe nenhum valor ultra na API; obtém um efeito comparável com a função multi-agente da API de Respostas (em beta), que permite ao modelo lançar sub-agentes em paralelo num único pedido. Reserve isto para trabalho que se possa decompor em blocos independentes.
Um método para definir o esforço
Não defina estes níveis com base na intuição. Pegue numa amostra representativa dos seus pedidos do mundo real, execute-os em medium e depois em high, compare a qualidade, a latência e o custo, e deixe que os números decidam a predefinição para cada tipo de tarefa. Esta é a mesma abordagem que deve adotar com os benchmarks dos editores: são os seus dados que decidem, não as impressões gerais.
A sua vez
Encontre o nível certo para uma tarefa. Escolha dez pedidos representativos para uma única tarefa. Execute-os em low, medium e high, registe depois a qualidade (usando a sua própria grelha de avaliação), a latência e o número de tokens de raciocínio mostrados em usage. Mantenha o nível mais baixo que o satisfaça em nove em cada dez pedidos e escreva-o explicitamente no seu código. Sem acesso à API, faça o mesmo exercício no ChatGPT utilizando o seletor de raciocínio no modo Chat.
Fontes oficiais: Modelos de raciocínio · Utilizar o GPT-6 · Multi-agente · Descontinuações (documentação da API da OpenAI) · Anúncio do GPT-5.6 (OpenAI, 9 de julho de 2026)
Pontos-chave
- O esforço configurável remonta ao GPT-5; o GPT-5.6 adicionou o nível
maxe o modopro - Os valores aceites e as predefinições variam consoante o modelo: especifique sempre o esforço explicitamente
- O modo pro faz o modelo trabalhar mais à tarifa standard por token; substitui
o3-proegpt-5-pro - O ultra, com predefinição de quatro agentes em paralelo, está reservado ao ChatGPT Work e ao Codex; a API utiliza o beta multi-agente
- Defina o esforço com base nas suas avaliações, não na intuição