Esforço de raciocínio no GPT-6.1 Terra: baixo, médio ou máximo, qual usar em cada tarefa?

Fala aí, beleza? A OpenAI soltou o GPT-6.1 Terra em 26 de outubro de 2026, e junto com ele veio um botãozinho que muda MUITO o resultado: o esforço de raciocínio

A OpenAI posiciona o Terra como um modelo rápido e eficiente para raciocínio visual, uso preciso do computador e escrita clara e natural. Aqui o recorte é bem prático: como decidir o nível de esforço conforme o tipo de pedido, e o que acontece quando você sobe ou baixa esse ajuste 🙂

O que você precisa para ajustar o esforço do GPT-6.1 Terra

Você precisa de acesso ao modelo, e isso depende de onde vai usar

Segundo a OpenAI, o Terra está disponível para usuários Plus, Pro, Enterprise e Edu no ChatGPT Work e no Codex, e na API com o nome gpt-6.1-terra

Se for usar pelo Codex CLI, se liga: o modelo exige a versão 0.159.0 ou superior. Dá pra escolher o Terra pelo seletor de modelo do cliente ou iniciar o Codex CLI com gpt-6.1-terra (documentação do modelo)

Se você quer o contexto geral do lançamento antes, tem o post sobre o lançamento do GPT-6.1 Terra aqui no blog

Os seis níveis de reasoning.effort do Terra e quando cada um faz sentido

O Terra aceita seis níveis no parâmetro reasoning.effort: none, low, medium (o padrão), high, xhigh e max

E o que é esse esforço, afinal?

É o quanto o modelo "pensa" antes de responder. Mais esforço, mais tempo e mais tokens gastos raciocinando. Menos esforço, resposta mais rápida e barata, com risco maior em tarefa difícil. Se você já mexeu no effort do Claude Haiku 5.5, a lógica é bem semelhante

A orientação oficial é uma só: comece em medium e suba se a melhora na qualidade compensar o tempo e os tokens a mais. A divisão por tipo de tarefa da tabela abaixo vem de um guia de terceiros, o guia do Flavio Copes sobre o Terra, e não da OpenAI

Nível	Quando faz sentido (guia de terceiros)	O que se sabe de tempo
none	Reescritas determinísticas, extração e transformações curtas	Sem dado publicado
low	Reescritas determinísticas, extração e transformações curtas	Sem dado publicado
medium (padrão)	Interpretação visual e planos de uso do computador; ponto de partida oficial	Cerca de um minuto por tarefa
high	Restrições conflitantes, tela ambígua ou longa cadeia de ações	Sem dado publicado
xhigh	Restrições conflitantes, tela ambígua ou longa cadeia de ações	Sem dado publicado
max	Quando acertar vale mais que tempo e tokens	Mais ou menos o mesmo tempo do GPT-6 Astra

Um ponto que pega muita gente: o none existe no Terra, mas o GPT-6 Astra e o GPT-6.1 Sol não aceitam esse nível. Guarde isso, porque volta lá no passo a passo

Como escolher e ajustar o esforço de raciocínio, passo a passo

A ideia é simples: classificar o pedido, definir o nível no lugar certo, testar em medium e só então ajustar. Bora ver na prática?

1. Classifique o pedido. Antes de mexer em qualquer coisa, encaixe a tarefa em um de três grupos: mecânica (extrair, reescrever, transformar algo curto), visual ou de uso do computador (ler uma tela, interpretar uma imagem, planejar cliques), ou com restrições conflitantes (várias regras que brigam entre si)

O erro comum aqui é jogar tudo no máximo "por garantia". Você paga em tempo e tokens sem necessidade em tarefa que nem precisava pensar tanto

2. Defina o nível no lugar certo. No ChatGPT Work (web), o esforço fica no controle de modelo e raciocínio abaixo da caixa de mensagem (ajuda do ChatGPT sobre modelos). Os nomes exatos que aparecem nesse seletor não estão documentados, então escolha a opção equivalente ao nível que você quer

Na API, o ajuste vai no parâmetro reasoning.effort, junto com o modelo gpt-6.1-terra. Exemplo ilustrativo só com os campos relevantes (o resto do pedido, como o prompt, segue do jeito que você já monta hoje):

{
  "model": "gpt-6.1-terra",
  "reasoning": { "effort": "medium" }
}

O erro comum deste passo: reaproveitar "effort": "none" quando troca o modelo para o GPT-6 Astra ou o GPT-6.1 Sol. Esses dois não aceitam none, então revise o nível sempre que mudar o modelo na requisição

3. Rode em medium e avalie. Faça a tarefa no padrão primeiro. Olhe se a resposta está correta, completa e no formato que você pediu, e anote quanto tempo levou

4. Suba ou desça só com motivo. Se o resultado em medium ficou fraco e o pedido é ambíguo ou cheio de restrições, teste high ou xhigh. Se a tarefa é determinística e o medium já acerta de boa, teste low ou none

A regra é a da OpenAI: subir só vale se a melhora compensar o tempo e os tokens extras

5. Faça a checagem final. Rode a MESMA tarefa nos dois níveis que você está comparando e coloque lado a lado: qualidade da resposta e tempo. Se a diferença de qualidade não aparece, fica com o nível mais baixo

Três tarefas reais e o nível de esforço indicado para cada uma

As tarefas abaixo são tipos citados para o Terra na cobertura do lançamento: preencher formulários, interpretar desenhos técnicos e automatizar trabalho repetitivo no desktop. As indicações de nível seguem o guia de terceiros, não um teste nosso

Tarefa mecânica: preencher formulário ou automatizar trabalho repetitivo

Aqui depende do que o modelo precisa fazer

Se é só extrair dados de um documento ou fazer uma transformação curta (pegar um texto e reformatar, por exemplo), low ou none tende a resolver

Se o modelo precisa montar um plano de uso do computador, decidindo onde clicar e em que ordem, o guia aponta medium

Interpretação de desenho técnico

Comece em medium, que é o nível indicado para interpretação visual

Se a imagem for ambígua (cotas confusas, anotações sobrepostas, vistas que não batem), aí sim vale testar high ou xhigh

Redação de proposta

Escrita clara e natural é um dos pontos que a OpenAI destaca no Terra, então medium é um começo razoável

Quando a proposta tem restrições que brigam entre si, tipo escopo grande, prazo curto e um tom específico pro cliente, o critério de "restrições conflitantes" do guia sugere subir para high ou xhigh. Essa indicação é uma aplicação do guia de terceiros ao caso da proposta, sem dado publicado de resultado nesse tipo de tarefa

O efeito prático de subir ou baixar o esforço: tempo, custo e acerto

Subir o esforço gasta mais tokens de saída e mais tempo. Baixar economiza, mas aumenta o risco em tarefa difícil. Os números da OpenAI ajudam a ver onde cada nível ficou melhor

Esforço baixo ficou mais confiável. Num benchmark interno da OpenAI com prompts que induzem erro, a taxa de erro em esforço baixo caiu de 53,6% no GPT-5.6 Terra para 16,7% no GPT-6.1 Terra. Ou seja, o low hoje é uma opção muiiito mais segura do que era na geração anterior

Esforço médio rende bem em uso do computador. No Agents’ Last Exam, segundo a OpenAI, o Terra em medium ficou 15 pontos percentuais acima do GPT-5.6 Terra, a cerca de um terço do custo

Esforço máximo brilha em programação. No Terminal-Bench 4.0, o anúncio mostra 50,3% para o GPT-6.1 Terra em max contra 21,5% do GPT-5.6 Terra

E o custo? Na API, o Terra sai por US$ 1 por milhão de tokens de entrada e US$ 5 por milhão de tokens de saída, 50% abaixo do GPT-5.6 Terra e do GPT-6.1 Sol. Como o raciocínio extra pesa justamente na saída, que é a parte mais cara, cada degrau de esforço a mais aparece na conta

No tempo, a OpenAI diz que o Terra conclui tarefas mais de 3 vezes mais rápido que o GPT-6 Astra e o GPT-6.1 Sol. Porém, em max essa vantagem some: o tempo fica mais ou menos o mesmo do Astra. Então o max é o nível onde você abre mão da velocidade, que é justamente o grande trunfo do modelo

Se quiser ver o GPT-6.1 Terra rodando no geral, tem um vídeo no canal do Hora de Codar sobre o lançamento, com teste em projetos reais

Próximo passo: calibre o esforço na sua tarefa mais frequente

Pega aquela tarefa que você manda pra IA toda semana, sabe? Aquela que se repete

Rode em medium, depois um nível acima e um abaixo, e compare qualidade e tempo das três respostas. O nível mais baixo que ainda entrega o que você precisa vira o seu padrão pra esse tipo de pedido

Repete isso pros dois ou três tipos de tarefa que mais aparecem no seu dia e pronto, cada um ganha seu nível fixo

E se um dia trocar o Terra pelo Astra ou pelo Sol, revisa essas configurações, principalmente onde estiver none 😉

Até o próximo post!

Quer aprender mais sobre inteligência artificial e programação na prática? Conheça o canal Hora de Codar no YouTube e acompanhe os próximos vídeos.