reasoning.effort no GPT-6 Astra: qual nível usar em cada tipo de tarefa?

Fala aí, beleza? A OpenAI anunciou o GPT-6 Astra em 3 de setembro de 2026 e, junto com o modelo, veio um botãozinho que decide o tamanho da sua fatura: o campo reasoning.effort

São cinco níveis aceitos: low, medium, high, xhigh e max

E aqui mora a pegadinha: o preço por token é o mesmo em todos os níveis listados pela Artificial Analysis, mas o volume de tokens de raciocínio que cada nível queima NÃO é nem de longe o mesmo

Ou seja: escolher o nível é, na prática, uma decisão de orçamento disfarçada de decisão técnica

Este post é um guia de decisão nível a nível: pra que serve cada um, quanto de token cada um gera e quando vale (ou não) subir a régua

Bora?

O que você precisa antes de ajustar o reasoning.effort

Antes de sair mexendo no parâmetro, três coisas precisam estar de pé

1. Acesso ao modelo

O acesso inicial ficou com um grupo limitado de empresas do programa Daybreak, com liberação para ChatGPT Plus, Pro, Business e Enterprise, para a API e na AWS nos próximos dias

Então, se você tentar hoje e não achar o modelo, calma: pode ser fila e não erro seu

2. Uso via Responses API

O nível de esforço é um campo da requisição, não um menu

Formação Recomendada

Formação Claude Code

Domine Claude Code do absoluto zero até o avançado

• 114 aulas
• 4 projetos
• 9h 18min

Conhecer formação

É na Responses API que você define isso, e é lá que este guia mora

3. Ciência dos limites do modelo

Segundo a documentação do GPT-6 Astra:

• Janela de contexto de 1.050.000 tokens
• Máximo de 128.000 tokens de saída
• Corte de conhecimento em 30 de abril de 2026

E o detalhe que mais pega gente desavisada: o Astra aceita low, medium, high, xhigh e max, mas NÃO aceita none

O GPT-5.6 suporta none, low, medium, high, xhigh e max

(detalhe de nomenclatura, pra ninguém se perder no meio do post: a documentação da OpenAI fala em GPT-5.6 quando lista os níveis de esforço, enquanto as comparações de preço e de benchmark que aparecem aqui vêm da Artificial Analysis, que usa o nome GPT-5.6 Sol)

O Astra tirou o none da mesa

Se o seu código de produção passava none pra tarefa boba e barata, essa linha vai precisar mudar…

Como definir o reasoning.effort na prática

É mais simples do que parece, são três movimentos

1. Escolha o nível pela natureza da tarefa, não pelo tamanho do seu medo

A pergunta certa não é "qual é o mais forte?", é "essa tarefa precisa mesmo que o modelo pense antes?"

Extrair um campo de um JSON não precisa

Diagnosticar um bug esquisito precisa

Quem já brincou com os níveis de esforço do Ponytail vai reconhecer a lógica na hora: mesmo modelo, régua de raciocínio diferente

O erro comum deste passo: subir o esforço como primeira tentativa de recuperar qualidade

A própria OpenAI recomenda tratar o reasoning.effort como botão de ajuste, e não como a forma principal de melhorar o resultado

Se o prompt está ruim, o max vai só pensar mais caro sobre um pedido ruim, beleza?

2. Defina o campo reasoning na chamada da Responses API

O exemplo em Python da guia de modelos de raciocínio é este aqui:

reasoning={"effort": "low", "summary": "auto"}

Dois campos e acabou

O effort é o nível, e o summary pede o resumo do raciocínio

O erro comum deste passo: mandar "effort": "none" no Astra

Esse valor existe no GPT-5.6, mas não é suportado no Astra

Se você migrou o código de um modelo pro outro no copiar e colar, é exatamente aqui que a requisição quebra

3. Troque o valor e meça

O mesmo campo aceita os cinco níveis, então a troca é literalmente uma palavra:

reasoning={"effort": "high", "summary": "auto"}

Rode a MESMA tarefa em low, medium, high, xhigh e max e compare qualidade contra tokens gastos

O erro comum deste passo: comparar no olho, com um prompt só, num dia de sorte

Um caso isolado não é avaliação, é anedota

low, medium, high, xhigh e max: o que muda em cada nível

A tabela abaixo junta a orientação oficial da OpenAI com os números que a Artificial Analysis publica por variante do Astra

Três leituras que essa tabela entrega de bandeja

A primeira: a variante low não tem página viva com pontuação na Artificial Analysis, então ninguém aqui vai chutar número pra ela

A segunda: do medium pro max, a pontuação anda 2 pontos (59 para 61) enquanto os tokens de saída passam de 9,8M para 42M

A terceira, e essa é a que importa pro bolso: o preço por token é o mesmo em todos os níveis listados

O que encarece não é a etiqueta "max", é a quantidade de raciocínio que ela libera

Pra contexto, a mediana dos modelos comparáveis no Intelligence Index é 36, e a mediana de tokens de saída dos modelos de raciocínio comparáveis é 62M

O Astra pontua bem acima da mediana gastando bem menos token que a mediana, o que é MUITO bom de ver 😀

Qual nível usar em cada tipo de tarefa

Agora a parte prática: tarefa por tarefa

Extração de dados: low

Puxar campos de um documento, tirar CNPJ de um texto, transformar e-mail em JSON estruturado

A OpenAI indica low justamente pra isso

Não tem o que "pensar", tem o que localizar

Roteamento e classificação: low

Decidir se o ticket é bug, dúvida ou elogio

Mandar a mensagem pro time certo

Esse é o tipo de chamada que roda milhares de vezes por dia, e é onde o esforço alto vira dinheiro queimado no volume

Esforço menor é mais rápido e usa menos tokens de raciocínio: numa fila de classificação, isso é exatamente o que você quer

Reescrita simples: low

Ajustar tom, encurtar, corrigir, padronizar formato

Também está na lista oficial do low

Diagnóstico de problema: medium ou high

Aqui muda o jogo

Quando o modelo precisa investigar (por que isso quebrou? o que essa stack trace está dizendo?), a orientação vai pra medium ou high

É tarefa de hipótese, e hipótese precisa de espaço

Comparação de opções e escrita de plano: medium ou high

"Compare essas três abordagens e recomende uma"

"Monte o plano de migração em etapas"

Esse é o território de trade-offs de múltiplos passos, que é exatamente o que o esforço maior compra

Raciocínio sobre código: medium ou high

Refatorar com critério, entender uma base que você não escreveu, achar o efeito colateral escondido

Mesma faixa: medium ou high

Quando xhigh e max se justificam

A regra oficial é dura e eu gosto dela: xhigh ou max APENAS quando avaliações representativas mostram que o ganho de qualidade compensa a latência e o custo extras

E existe um caso onde o max mostrou serviço de verdade

No benchmark AA-Omniscience, a taxa de alucinação no esforço max caiu de 92% para 51%

Olha o tamanho dessa queda…

Se o seu caso de uso morre de alucinação (pergunta factual, pesquisa, resposta que vai pro cliente), esse número é um argumento real pra subir

A OpenAI também citou no lançamento 98,6% no ARC-AGI-3 (contra 7,8% do GPT-5.6 Sol e 30% do Claude Opus 5) e 100% no ExploitGym (contra 78,5% do GPT-5.6 Sol)

São tarefas difíceis, de ponta a ponta, que é justamente como a OpenAI posiciona o Astra na documentação: o modelo mais capaz deles, feito pra raciocínio complexo, código, uso de computador, pesquisa e criação de documentos

O que não dá é pegar esse resultado de benchmark e assumir que a SUA tarefa vai andar igual

Benchmark é indício, avaliação sua é prova

Quanto custa cada nível de esforço no GPT-6 Astra

Esta é a tabela que eu manteria colada no monitor

Repare que não existe uma linha "preço do max"

O preço é o mesmo em todos os níveis listados pela Artificial Analysis

O que muda é o volume: 9,8M de tokens de saída no medium contra 42M no max, na mesma avaliação

Como saída custa US$ 50 por 1 milhão de tokens, é o esforço que engorda a conta pelo lado do volume, não pelo lado da tarifa

E tem o efeito comparativo: o Astra custa 2,5x o preço do GPT-5.6 Sol

A Artificial Analysis mediu que, no esforço max, o Astra usa cerca de 10% menos tokens que o Sol

Mesmo assim, no comparativo dela, o custo por tarefa fica 75% maior nesse cenário

Aquela conta clássica: economizou no token, gastou no preço 😛

E cuidado com o combo das linhas de baixo

Prompt gigante (acima de 272 mil tokens de entrada) somado a Fast mode somado a esforço max é o caminho mais rápido pra você levar um susto no painel de billing

Tome cuidado com isso antes de jogar a base inteira de contexto na requisição

Vale subir para xhigh ou max?

Veredito honesto: na média, o pulo de xhigh pra max é o pior negócio da lista

A pontuação no Intelligence Index é 61 no xhigh e 61 no max

Mesmo número

E os tokens de saída na avaliação vão de 25M para 42M

Você paga um volume MUITO maior de raciocínio pra ficar parado no mesmo lugar da régua agregada

Olhando o modelo inteiro, o quadro também pede humildade: com 61 pontos, o Astra empata com o GPT-5.6 Sol e fica 5 pontos abaixo do Claude Fable 5.1 (max com fallback)

(atenção ao nome: esse comparativo do Intelligence Index é da Artificial Analysis e usa o Claude Fable 5.1, enquanto o Claude Opus 5 lá do ARC-AGI-3 apareceu em outra fonte, no material de lançamento da OpenAI)

Os benchmarks da Artificial Analysis mostram ganho de 6 pontos no Humanity’s Last Exam, mas queda de cerca de 80 pontos de Elo no GDPval-AA v2 e regressões de 2 a 3 pontos em τ³-Banking, SciCode e AA-LCR

Tradução: não é upgrade uniforme, é upgrade com bolsões de piora

Por isso a avaliação da SUA tarefa manda mais que a manchete de lançamento

No Coding Agent Index, por outro lado, o Astra pontua igual ao Fable 5 com custo menor, o que faz dele um candidato sério pra fluxo de agente de código

Se a sua dúvida atual é mais ampla que o nível de esforço, vale também comparar Fable 5.1 com Opus 5 antes de fechar a escolha do modelo

Então, subir pra xhigh ou max vale quando?

Quando você tem evidência sua, do seu caso, do tipo "minha avaliação melhorou X e o custo subiu Y, e esse trade vale"

Fora disso, a recomendação da própria OpenAI segue valendo: reasoning.effort é botão de ajuste, não é a forma principal de recuperar qualidade

Prompt, contexto e ferramentas vêm antes

Vídeo: contexto sobre ferramentas de IA no dia a dia

Pra quem quer expandir o assunto de ferramentas de IA no fluxo de trabalho, este vídeo do canal mostra o Antigravity rodando com um catálogo enorme de skills e como colocar isso pra funcionar

Conclusão: comece baixo e suba só com evidência

O critério cabe em uma linha: comece no nível mais baixo que resolve a tarefa e só suba quando tiver avaliação representativa mostrando que o ganho compensa latência e custo

Low para extração, roteamento, classificação e reescrita simples

Medium ou high pra diagnosticar, comparar, planejar e raciocinar sobre código

Xhigh e max reservados, com prova na mão, tipo o caso da alucinação no AA-Omniscience caindo de 92% para 51% no max

E lembra que o Astra não aceita none: se seu código veio do GPT-5.6, revisa essa linha antes de subir pra produção

Próximo passo? Monta um conjunto de avaliações da sua própria tarefa, roda os cinco níveis no mesmo prompt e compara qualidade contra tokens gastos ANTES de fixar um padrão em produção

É o tipo de meia hora de trabalho que se paga no primeiro mês de fatura 🙂

Até o próximo post!