ChatGPT Work com GPT-6 Astra perdeu o código Python depois de compactar a conversa, relata Simon Willison

Fala aí, beleza? Um agente que trabalha 27 minutos, entrega o resultado certinho e depois não consegue te mostrar o próprio código que rodou

É exatamente isso que Simon Willison documentou no relato publicado em 12/09/2026 sobre uma sessão do ChatGPT Work rodando GPT-6 Astra (Max)

Antes de tudo, a ressalva importante: isso é observação de um usuário sobre uma conversa específica, não é anúncio, changelog nem reconhecimento oficial da OpenAI

Mas é o tipo de detalhe que interessa MUITO pra quem delega tarefa longa pra agente e depois precisa auditar o que aconteceu

O que é o GPT-6 Astra e onde ele roda

O GPT-6 Astra foi anunciado pela OpenAI e começou a rodar a partir de 03/09/2026, com liberação inicial restrita

A própria OpenAI comunicou que o modelo está disponível no ChatGPT Work, no Codex e na API, primeiro para usuários Pro, Enterprise e Business Premium, com rollout para Plus e Business em seguida

O anúncio do modelo está na página oficial da OpenAI

Ou seja, o cenário do relato é um ambiente de trabalho de verdade, com agente executando tarefa de longa duração, não um brinquedinho de demo

Formação Recomendada

Formação Claude Code

Domine Claude Code do absoluto zero até o avançado

• 120 aulas
• 4 projetos
• 9h 45min

Conhecer formação

Como foi a tarefa das rotas de corrida

O pedido foi simples de enunciar e nada simples de executar: gerar rotas de corrida de 5K e 10K que fazem loop saindo da casa do autor, usando dados do OpenStreetMap

A tarefa rodou por 27 minutos antes de devolver alguma coisa

E devolveu completão: uma visualização embutida direto no ChatGPT mais arquivos GPX e GeoJSON pra download

A rota de 5K saiu com o nome ‘El Granada harbor loop’ e distância informada de 5,1 km

A parte visual, segundo o relato da sessão, veio da visualize skill, que gerou o HTML embutido na interface do ChatGPT

Aqui a diferença é que o artefato existe: Willison publicou uma cópia desse HTML gerado em um gist, então dá pra olhar o resultado, mesmo sem enxergar o processo que o produziu

Detalhe legal pra quem trabalha com dado aberto: o artefato gerado trazia a atribuição ‘Map data © OpenStreetMap contributors’, que é o que o OpenStreetMap exige de quem usa os dados dele

Por que o código Python sumiu: o papel da compactação

Quando Willison perguntou COMO o resultado tinha sido produzido, o modelo respondeu que usou Nominatim para localizar o endereço e Overpass para baixar vias e trilhas do OpenStreetMap, calculando os loops localmente

Segura essa: isso é autorrelato do próprio modelo

Não é log, não é rastro de execução exposto pela interface, é o assistente contando a própria versão dos fatos

E autorrelato de LLM entra na mesma prateleira de qualquer outra saída do modelo: hipótese que você valida antes de confiar, nunca evidência

A hora que Willison foi pedir uma cópia do código Python de fato usado, o ChatGPT não conseguiu fornecer

A explicação dele para o sumiço, com a ressalva dele mesmo de que ‘this appears to be’, é que a thread já havia sido compactada

O que é compactação, afinal?

A OpenAI documenta compaction na API dela: o mecanismo reduz o contexto condensando mensagens e descartando saída verbosa de ferramentas, pra sustentar interações longas sem estourar a janela

O guia oficial está em Compaction, na doc da API da OpenAI

Agora o asterisco honesto: essa documentação descreve o comportamento na API

Não existe documentação oficial da OpenAI descrevendo como a compactação funciona dentro da interface do ChatGPT Work: o que dispara, o que fica preservado, se dá pra recuperar o conteúdo anterior

Então a leitura possível é essa: um mecanismo documentado que descarta saída verbosa de ferramenta, e um relato onde justamente a saída de ferramenta (o script) não estava mais lá

Correlação plausível, causa não confirmada

O que isso muda para quem delega tarefas longas a agentes

Quem sente esse tipo de coisa na pele é quem depende do artefato intermediário e não só do resultado final

O script, a consulta, os parâmetros, a versão do dado que foi baixado: é isso que te deixa auditar, reproduzir e corrigir depois

Sem o script, você tem um GPX bonito e nenhuma forma de refazer o caminho

Willison é direto na crítica: o código realmente executado e os detalhes exatos do que foi feito não ficaram visíveis pra ele na interface, e ele chama essa falta de transparência de anti-feature

A proposta dele é bem concreta também: qualquer sistema de LLM que use compactação deveria preservar o texto anterior à compactação E disponibilizar esse texto via chamada de ferramenta do agente

Faz sentido, né? Compactar pra caber é uma coisa, apagar pra sempre é outra bem diferente

Hábitos defensivos que dá pra adotar hoje

Não vou te ensinar botão que não existe: não há opção documentada pra forçar a exibição do código, desligar compactação ou exportar o script no ChatGPT Work

O que sobra é higiene de trabalho, e ela já resolve boa parte:

• Peça o artefato CEDO, antes da conversa crescer, e não no fim da sessão
• Salve fora da thread tudo que o agente entregar como arquivo, porque a interface não é o seu backup
• Trate o ‘como eu fiz’ contado pelo modelo como hipótese a checar, não como registro de execução
• Quando o resultado vai virar código de produção, vale checar se o agente respeita suas convenções e não só se a saída parece certa

É o velho papo do vibe coding: aceitar o resultado sem o rastro é apostar que deu tudo certo

Os limites deste relato

Aqui a régua tem que ser rígida, então vamos separar o que é o quê

Fato observado: uma sessão específica, de um usuário, com um pedido específico, onde o código Python não pôde ser recuperado depois

Opinião do autor da fonte: que a falta de visibilidade é uma anti-feature, e que sistemas com compactação deveriam preservar e expor o texto anterior

O que NÃO existe: anúncio oficial, mudança de produto, bug confirmado pela OpenAI ou correção comunicada até 13/09/2026

E mais: o comportamento pode variar conforme o tamanho da conversa, e uma sessão não estabelece padrão

Vídeo: organizando o contexto do agente com arquivos

Se o assunto contexto de agente te interessa, tem material do canal sobre isso

No vídeo ‘Parei de BRIGAR com o Claude Code Depois Desse Arquivo (Karpathy Skills)’ eu mostro como organizar o contexto do agente com arquivo, pra parar de repetir as mesmas instruções toda hora

Conclusão

O caso do ChatGPT Work com GPT-6 Astra vale menos como fofoca de bug e mais como alerta prático: em agente de execução longa, rastreabilidade é feature, não luxo

O resultado veio, o mapa ficou bonito, os arquivos foram entregues

O que não veio foi o meio do caminho, e é o meio do caminho que você precisa quando alguém pergunta ‘de onde saiu esse número?’

Próximo passo pra você: ler o relato original do Simon Willison na íntegra, dar uma passada no guia de compaction da OpenAI pra entender o mecanismo, e ficar de olho se a OpenAI se manifesta sobre visibilidade do código executado

Se manifestar, atualizo por aqui…

até o próximo post! 😀