Janela de contexto do GPT-6 Astra: o que cabe em 1.050.000 tokens?

Um modelo com 1.050.000 tokens de contexto acabou de sair do forno

A OpenAI anunciou o GPT-6 Astra em 3 de setembro de 2026, e o número que mais salta aos olhos é justamente esse: 1.050.000 tokens de janela de contexto

Se tu vive esbarrando em limite de contexto no meio de um refactor, mandando arquivo por arquivo pro modelo e depois tendo que explicar de novo o que já tinha explicado, esse post é pra ti

A ideia aqui é simples: entender o que essa janela realmente permite, e por que o limite de saída é uma conversa TOTALMENTE separada da entrada 😀

O que a OpenAI anunciou no GPT-6 Astra

O lançamento foi em 3 de setembro de 2026, com liberação em fases

Ou seja, ninguém acordou com o modelo na mão: a liberação começou pelos participantes do programa Daybreak e vai abrindo aos poucos

Formação Recomendada

Formação Claude Code

Domine Claude Code do absoluto zero até o avançado

• 114 aulas
• 4 projetos
• 9h 18min

Conhecer formação

Na documentação da API, a própria OpenAI descreve o GPT-6 Astra como o modelo mais capaz dela, feito para trabalho ponta a ponta difícil: raciocínio complexo, código, uso de computador, pesquisa e criação de documentos

E no ChatGPT? Aí a coisa muda de nome

No Chat ele aparece como GPT-6 Pro, disponível nos planos Pro, Business e Enterprise

No ChatGPT Plus ele NÃO está incluído, então se teu plano é o Plus, esquece o botãozinho mágico por enquanto

Uma observação honesta antes de seguir: o número de 1.050.000 tokens é o da ficha do modelo na API

A central de ajuda não publica limite de janela em tokens por plano do ChatGPT, então não dá pra prometer que a experiência no Chat é idêntica à da API

O que dá para colocar de uma vez em 1.050.000 tokens

Aqui mora o pulo do gato

Janela grande não é sobre "escrever mais", é sobre o modelo enxergar o problema INTEIRO antes de opinar

Os cenários que mudam de verdade:

• Repositório inteiro em vez de arquivo por arquivo: em vez de escolher a dedo os 8 arquivos que tu acha que importam, tu manda a base e deixa o modelo achar a relação que tu não viu
• Documentação longa completa: manual, spec, RFC interna, tudo junto, sem picotar em pedaços que perdem referência cruzada
• Histórico acumulado de um projeto: decisões antigas, issues, changelog, aquele documento de arquitetura que ninguém lê mais
• Transcrições e contratos extensos: material que é chato justamente porque a informação que importa está espalhada em pontos distantes do texto

E aqui vale um aviso pra não cair em promessa tosca: não existe conversão oficial publicada pela OpenAI de token pra linha de código ou pra página

Quem diz "cabem X mil linhas" está chutando, e chute com número é a pior categoria de chute

Se tu quiser ver outra janela desse porte de perto, já falei por aqui sobre o contexto de 1M no GLM-5.3-Flash, que é outro modelo, com outra ficha técnica

E não é a primeira janela desse porte no mercado, viu? A escala de 1 milhão de tokens no Claude Fable 5 já tinha aberto essa porta pra quem trabalha com base de código grande

O que o GPT-6 Astra faz é entrar nessa mesma faixa com a ficha oficial de 1.050.000 tokens

Por que o limite de saída é separado do de entrada

Essa é a confusão número 1 e vale parar aqui

Contexto de entrada e limite de saída são dois números diferentes, com funções diferentes

No GPT-6 Astra, a entrada aceita 1.050.000 tokens

A saída máxima é de 128.000 tokens

Então o modelo LÊ o repositório inteiro, mas ele não vai te devolver o repositório inteiro reescrito numa tacada só

A analogia de aproximação: é como um revisor que leu os 40 capítulos do teu livro e consegue comentar qualquer trecho com o resto na cabeça, porém a devolutiva dele vem em blocos, não num único despejo

A consequência prática pro teu fluxo:

• Planejamento, análise e diagnóstico se beneficiam MUITO da janela cheia
• Entrega de código costuma precisar vir fatiada em chamadas, arquivo por arquivo ou módulo por módulo
• Vale pedir a resposta já organizada em partes, em vez de descobrir o corte no meio da geração

E tem as restrições de parâmetro da API, que pegam quem tem script pronto de outro modelo

O GPT-6 Astra não suporta o nível de reasoning effort none, não aceita valores customizados de temperature nem de top_p, e não devolve logprobs

Tome cuidado! Se teu código manda temperature fixo em todo request por padrão, esse é o ponto que vai te dar dor de cabeça na migração

Quanto custa encher a janela de contexto

Agora a parte que dói no bolso

Os preços na API da OpenAI, por 1 milhão de tokens de texto:

Repara na diferença entre input normal e input em cache

Em fluxo repetido, onde o mesmo contexto volta várias vezes, o cache é o que separa uma conta saudável de um susto no fim do mês

E tem um degrau importante: prompts acima de 272 mil tokens de entrada são cobrados com multiplicador

Acima de 272K tokens de input, a cobrança vai pra 2x nas taxas de input e de cache e 1,5x no output, e isso vale para a requisição completa, não só pro excedente

Ou seja, passar de 272 mil tokens não é um degrauzinho suave, é um degrau que reprecifica a chamada inteira

Tem ainda o Fast mode, pensado justamente pra prompts de contexto longo acima de 272 mil tokens

Ele é até 2,5x mais rápido que o tier Standard, e custa 2x as taxas aplicáveis

Então a pergunta que fica na tua mão: essa resposta precisa ser rápida a ponto de valer o dobro?

Compaction: como não estourar a janela em fluxos longos

Junto da janela de 1M, o GPT-6 Astra tem suporte nativo a Compaction, e a compaction server-side foi lançada na Responses API

A ideia é resolver o problema clássico de agente que roda por muito tempo: o transcript cresce, cresce, e uma hora não cabe mais

Tem duas formas de usar

Compaction automática na criação da resposta:

Tu define context_management com compact_threshold numa requisição de create da Responses API

Quando a contagem de tokens renderizada cruza o limite, o servidor executa a compaction sozinho, sem precisar de chamada separada a /responses/compact

{
  "model": "gpt-6-astra",
  "input": "...",
  "context_management": {
    "compact_threshold": 400000
  }
}

Compaction explícita pelo endpoint dedicado:

Se tu quer controle na mão, dá pra chamar /responses/compact e gerar o contexto compactado na hora que TU decidir

Detalhe que salva vida: a janela enviada para /responses/compact ainda precisa caber na janela de contexto do modelo

Não adianta deixar estourar e só então lembrar da compaction, beleza?

Depois disso, nas chamadas seguintes tu envia a janela compactada (incluindo o item de compaction) no lugar do transcript completo

E o que é esse item de compaction? Ele é opaco

Ele leva adiante estado e raciocínio anteriores usando menos tokens, e não foi feito para ser interpretado por humanos

Então não tenta ler pra "conferir", ele não é um resumo bonitinho pra tu revisar

Pra quem tem exigência de ZDR, tem uma condição de configuração: a compaction server-side é ZDR-friendly quando tu define store=false nas requisições de create da Responses API

Esse é o tipo de detalhe que passa batido no protótipo e vira problema na hora do compliance

Vale usar a janela de 1M no seu projeto?

Leitura honesta: janela gigante resolve LEITURA, não resolve entrega

O GPT-6 Astra enxerga 1.050.000 tokens de uma vez, mas devolve no máximo 128.000, então o gargalo da entrega continua existindo, só mudou de lugar

E o custo escala junto com a ambição

O degrau dos 272 mil tokens pesa de verdade, porque ele reprecifica a requisição inteira em 2x input e cache e 1,5x output, e o Fast mode dobra por cima do que for aplicável

O próximo passo concreto, na ordem:

1. Mede o tamanho real do teu contexto antes de mandar tudo: muita gente acha que precisa de 1M e na real vive tranquilo com uma fração disso
2. Usa cache em fluxo repetido: input em cache custa US$ 1,00 contra US$ 10,00 do input normal, essa diferença é o jogo todo
3. Liga compaction em fluxo de agente longo: compact_threshold na create resolve automático, e o /responses/compact fica pra quando tu quiser mandar na mão
4. Acompanha a liberação em fases: começou pelo programa Daybreak, então pode ser que o teu acesso ainda não tenha chegado

Janela de 1.050.000 tokens é massa demais, sem dúvida

Só não confunda "cabe tudo" com "resolve tudo", porque são coisas diferentes 🙂

até o próximo post!