Vibe coding com GPT-6 Sol e Luna: como tirar um projeto do zero com o novo modelo da OpenAI

Fala aí, beleza? A OpenAI acabou de soltar o GPT-6 Sol e o GPT-6 Luna, e dessa vez o detalhe mais interessante pra quem programa conversando com o modelo não é benchmark, é o jeito dele responder

O lançamento foi em 22 de setembro de 2026, uma terça-feira, e expande a família GPT-6 que tinha começado com o Astra no início de setembro

Aqui o papo é método: como descrever o que você quer, em que ordem pedir as partes do projeto e a hora exata de parar de dar enter em tudo sem ler o que veio

Bora?

O que a OpenAI lançou em 22 de setembro de 2026

Dois modelos novos: GPT-6 Sol e GPT-6 Luna

Eles entram na família GPT-6 depois do Astra, que já tinha chegado no começo de setembro de 2026

O rollout foi gradual ao longo do dia do lançamento, então se você abriu na hora e não viu nada, era isso mesmo

E a linha GPT-5.6 (Sol, Terra e Luna) continua acessível durante a transição, ou seja, ninguém ficou na mão no meio de um projeto

Dentro do ChatGPT, atenção nesse ponto, porque confunde muita gente: Sol e Luna são modelos de Work e Codex, e ainda não estão selecionáveis nas conversas comuns do Chat

Quem tem Plus, Pro, Business, Enterprise e Edu acessa em ChatGPT Work e Codex

Quem está no Free e no Go pega o GPT-6 Luna no app desktop

E presta atenção no nome, porque isso embola a cabeça de muita gente: esse Codex de dentro do ChatGPT não é a mesma coisa que o Codex CLI, que é o Codex de linha de comando, aquele que roda no terminal

São produtos diferentes, então quando eu falar em Codex CLI mais pra frente, é do terminal que estou falando, beleza?

E tem mais: os dois já apareceram como opções de modelo no GitHub Copilot, se juntando ao GPT-6 Astra que já estava lá

Na API os identificadores são diretos: gpt-6-sol e gpt-6-luna

O que muda para quem programa conversando com o modelo

Três coisas mudam de verdade no dia a dia

1. O preço despencou

A OpenAI cortou os preços de API de Sol e Luna em 50% ou mais em relação ao preço promocional dos modelos GPT-5.6 equivalentes, atribuindo a queda a melhorias em cache e inferência

O GPT-5.6 Sol custava US$ 4 de entrada e US$ 20 de saída por 1 milhão de tokens

Agora o GPT-6 Sol sai por US$ 2,00 de entrada e US$ 10,00 de saída por 1 milhão de tokens

O Luna, que custava US$ 0,20 / US$ 1,20 na geração anterior, foi pra US$ 0,10 de entrada e US$ 0,50 de saída, ou seja, na saída a queda passou até da metade

2. O modelo mudou o jeito de falar

Esse é o ponto que interessa pro vibe coder e quase ninguém comentou

Segundo a própria OpenAI, o GPT-6 Sol herdou do Astra um estilo com mais clareza, menos jargão, menos construções esquisitas de frase, menos detalhes de baixo valor e respostas um pouco mais curtas no geral, sem perder substância

E a OpenAI diz que isso fica mais perceptível justamente em conversas técnicas e de código

Na prática: menos parágrafo de enrolação explicando o que é um hook e mais resposta direta do que foi feito

3. Ele conta o que verificou e o que NÃO verificou

No exemplo de código lado a lado que a OpenAI publicou, o GPT-6 Sol diz o escopo do que testou e do que ficou de fora (desktop, mobile estreito, navegação para trás do navegador), enquanto o GPT-5.6 Sol ficava oferecendo detalhe interno de implementação

Sacou a diferença? Um te explica como fez, o outro te avisa onde você ainda precisa olhar

Pra quem monta projeto conversando, o segundo é infinitamente mais útil, porque é exatamente esse relato que vira sua checklist de revisão 😀

E sim, junto do lançamento vieram também os números de avaliação, incluindo um teste de automação chamado AutomationBench e uma comparação direta com o Claude Opus 5

Esses eu deixo pro final do post, com o dono de cada número junto…

Como tirar um projeto do zero conversando com o GPT-6 Sol

A ordem importa mais que o prompt bonito

Esquece essas coisas toscas de prompt mágico: o que funciona é pedir na sequência certa e não deixar o modelo inventar o que você não definiu

1. Descreva o resultado antes da stack. Comece pelo que o usuário final vai ver e fazer, não pela tecnologia. Coisas do tipo: quem usa, o que essa pessoa clica primeiro, o que acontece depois, o que precisa ficar salvo. Só então você diz a stack, se tiver preferência. O erro comum deste passo: abrir a conversa com "cria um app em Next com Prisma e Tailwind" e deixar a regra de negócio pro modelo chutar. Aí ele chuta, você aceita, e três prompts depois o projeto inteiro está montado em cima de uma suposição errada.

2. Escolha o modelo na sessão antes de começar. Se você usa o Codex CLI (o do terminal, não o Codex de dentro do ChatGPT), em uma sessão interativa é só digitar /model e apertar Enter pra abrir o seletor de modelos. O Codex confirma o modelo escolhido na transcrição, então dá pra conferir na hora. O erro comum deste passo: assumir que a sessão já subiu no modelo novo. Como a linha GPT-5.6 segue acessível na transição, dá pra passar o projeto inteiro achando que está no GPT-6 e estar em outro modelo. Confere na transcrição.

3. Se for pela API, ajuste o esforço de raciocínio. O GPT-6 Sol aceita o parâmetro reasoning.effort nos níveis none, low, medium (padrão), high, xhigh e max. Tarefa de arquitetura e refactor grande pede esforço alto, ajuste besta não precisa.

from openai import OpenAI

client = OpenAI()

resposta = client.responses.create(
    model="gpt-6-sol",
    reasoning={"effort": "high"},
    input="Descreva a estrutura mínima de pastas e arquivos para o projeto, sem escrever código ainda"
)

print(resposta.output_text)

4. Peça a estrutura mínima primeiro, sem código. Antes de gerar um arquivo sequer, peça a árvore de pastas, os arquivos e o que cada um faz em uma linha. É barato, é rápido de ler e é aqui que você corrige rota. O erro comum deste passo: deixar ele já criar tudo junto com a estrutura. Aí você recebe 20 arquivos e não tem paciência de ler nenhum.

5. Peça uma parte por vez. Uma tela, um fluxo, um endpoint. Termina, roda, confere, e só então pede a próxima. Se você conhece o fluxo de trabalho com commit pequeno, é a mesma lógica: pedaço pequeno é pedaço que você consegue revisar. O erro comum deste passo: o prompt gigante de "faça o e-commerce completo". Funciona pra demo, e demo é ótimo pra vídeo, mas pra projeto que vai viver é onde você perde o controle do que existe no repo.

6. Exija o relato de escopo no fim de cada entrega. Peça literalmente: o que você verificou, o que você NÃO verificou e o que pode quebrar. O GPT-6 Sol já tem esse comportamento no exemplo publicado pela OpenAI, e pedir explicitamente reforça. O erro comum deste passo: ler o "pronto, tudo funcionando" e acreditar. Tudo funcionando no escopo que ELE testou, que pode não incluir mobile, navegação para trás ou o seu caso de uso principal.

7. Revise antes de aceitar, e leia o diff. Aqui é a parte chata e é a parte que separa projeto de brinquedo. Olha o que mudou, não só o que foi criado. Arquivo que você não pediu pra mexer e apareceu no diff merece uma olhada. O erro comum deste passo: rodar no modo automático, sem confirmação de permissões, em uma pasta que já tem coisa importante. Tome cuidado! Pra teste one shot em pasta nova, beleza, é o cenário ideal. Em projeto de verdade, sem versionamento e sem ler o diff, você está a um comando de distância dos rm -rf da vida.

8. Só depois pensa em colocar no ar. Projeto que nasceu numa conversa roda lindo no localhost e quebra feio na primeira hospedagem. Se for esse o plano, vale entender antes como hospedar projeto de vibe coding em VPS, porque o modelo te entrega o código, não a infra.

Quando usar Sol e quando usar Luna no mesmo projeto

A OpenAI posicionou os dois de forma bem clara: o Sol é indicado pra tarefas complexas como programação, e o Luna pra tarefas de alto volume com objetivo claro, tipo resumir documentos, extrair informação ou responder pergunta rápida

Ou seja, dá pra usar os dois no MESMO projeto, cada um no papel dele

O Sol pensa a arquitetura e escreve o código

O Luna faz o trabalho braçal: lê a documentação da lib que você vai usar e resume, varre um CSV e extrai os campos, responde as perguntinhas rápidas que aparecem no meio do caminho

E a diferença de custo é gritante, olha a tabela:

Olha a saída: US$ 10,00 contra US$ 0,50 por milhão de tokens

Jogar leitura de documentação em massa no Sol é queimar dinheiro à toa quando o Luna resolve

Então a regra é simples: pensar e escrever código, Sol. Triturar texto em volume, Luna 🙂

O que já vimos testando modelos de código lado a lado

Aqui eu preciso ser honesto com você: meu teste prático foi com a geração ANTERIOR, o GPT-5.6 Sol, e não com o GPT-6 que acabou de sair

Mas o método de avaliação continua valendo, e foi ele que me fez mudar o jeito de conversar com esses agentes

No vídeo eu rodei o mesmo prompt em três modelos (Kimi K3, GPT-5.6 Sol e Fable 5), todos no modo de esforço mais alto e em modo automático, sem confirmação manual de permissões

Pra não prejudicar ninguém, usei o agente de código específico de cada um: Kimi Code pro Kimi, Codex pro GPT e Claude Code pro modelo da Anthropic

O primeiro desafio foi um jogo 3D em terceira pessoa, estilo velho oeste, em pasta nova, com nomes e elementos totalmente originais e sem segunda chance de ajuste (one shot)

O segundo foi um e-commerce completo, mas esse eu quebrei em três prompts separados: homepage e scaffolding, depois o fluxo de compra (produto, carrinho, checkout, página de obrigado) e por último a área administrativa

Repara: no e-commerce eu NÃO fui de prompt único. Justamente porque projeto com fluxo tem que ser pedido por partes, que é o passo 5 lá de cima

Os critérios que usei pra julgar: qualidade do design, tempo de criação, clareza do fluxo de compra pro usuário e completude da área admin

Na comparação de custo e entrega que eu já tinha feito antes, a conclusão foi que o Kimi sai muito mais barato, mas entrega visivelmente menos que os outros dois

E entre Sol e Fable, o Sol saiu na frente

Se você curte esse tipo de comparação cara a cara, tem também o teste em que um modelo anônimo enfrentou GLM-5.3, GPT-5.6-sol e Grok 4.6 na mesma tarefa

O aprendizado que fica pro GPT-6: modo automático sem confirmação é ótimo pra teste em pasta limpa e péssimo como hábito

A hora de parar de aceitar código sem ler é quando o projeto passa a ter algo que você não quer perder

Vale começar seu próximo projeto no GPT-6 Sol?

Vamos aos números que existem, sempre com o dono do número junto

A OpenAI rodou uma avaliação interna baseada em conversas reais anonimizadas nas quais usuários sinalizaram erros dos modelos. Segundo ela, o GPT-6 Sol comete cerca de metade dos erros do antecessor, chegando a uma confiabilidade em nível de Astra com custo bem menor

No AutomationBench, teste de fluxos de trabalho de negócio entre aplicativos, a OpenAI informa que o GPT-6 Sol em esforço xhigh supera o Claude Opus 5 em esforço max, a 9% do custo por tarefa do Opus 5. Número divulgado pela própria OpenAI, vale lembrar

Já na página viva do Artificial Analysis, que é terceiro, o GPT-6 Sol em max marca 48 no Intelligence Index, contra uma mediana de 25 entre modelos de raciocínio de faixa de preço parecida, e gera saída a 104,4 tokens por segundo

Então sim, o conjunto é forte: menos erro, preço pela metade e desempenho competitivo em avaliação independente

Mas tem as ressalvas honestas

Os dois modelos ainda não estão selecionáveis nas conversas comuns do ChatGPT, só em Work e Codex (e o Luna no app desktop pra Free e Go)

E boa parte dos resultados de destaque vem da própria OpenAI, que não é exatamente uma fonte neutra sobre a OpenAI, né? 😛

Meu conselho: em vez de acreditar no gráfico, roda um projeto pequeno de ponta a ponta e julga pelo que sai na sua tela

Conclusão

O lançamento de 22 de setembro de 2026 traz duas coisas concretas pra quem faz vibe coding com GPT-6 Sol: corte de 50% ou mais no preço de API frente ao promocional do GPT-5.6 equivalente, e um modelo que fala mais claro e assume o que não verificou

O resto é método, e o método cabe em três linhas

Pede por partes

Lê o que ele diz que verificou e o que ficou de fora

Revisa o diff antes de aceitar

Seu próximo passo é o mais barato possível: abre uma sessão interativa do Codex CLI e digita /model pra escolher, ou troca o identificador pra gpt-6-sol na sua chamada de API, e roda um projetinho pequeno inteiro, do zero até funcionar

Depois me conta como foi, tô curioso pra saber se aquele relato de escopo aguenta um projeto de verdade…

Até o próximo post! =)