Reasoning tokens no GPT-6 Sol: por que a conta cresce mais do que a resposta que aparece na tela?

Sua resposta tem três linhas, mas a API cobrou como se fossem trinta

Fala aí, beleza? A OpenAI anunciou em 22 de setembro de 2026 o GPT-6 Sol e o GPT-6 Luna, os dois modelos que seguem o GPT-6 Astra na família GPT-6, e o Sol chegou como o modelo de raciocínio pra trabalho complexo (coding e agentes)

E é justamente aí que mora a pegadinha da conta: parte do consumo é invisível

O modelo pensa antes de falar, esse pensamento vira token, e esse token entra na fatura mesmo que você nunca leia uma palavra dele

O que é o GPT-6 Sol e por que ele raciocina antes de responder

Dentro da família GPT-6 a divisão é bem clara: o Astra é o carro-chefe, o Sol fica um degrau abaixo, construído pra complex coding e agentic workflows, e o Luna é a opção mais barata, otimizada pra respostas rápidas e alto volume

O Sol é um modelo de raciocínio (reasoning)

E o que isso quer dizer na prática? Que antes de produzir a resposta final ele gera tokens intermediários, um rascunho interno de raciocínio, e só depois escreve o texto que chega até você

Formação Recomendada

Formação Claude Code

Domine Claude Code do absoluto zero até o avançado

• 120 aulas
• 4 projetos
• 9h 45min

Conhecer formação

Segundo os benchmarks internos da própria OpenAI, o GPT-6 Sol comete cerca de metade dos erros do GPT-5.6 Sol

É esse trabalho extra de pensar que compra a diferença de qualidade… e é ele que você paga sem ver

Sobre disponibilidade: o modelo está na API e também em ChatGPT Work e Codex para a maioria das contas pagas, com rollout gradual no app e no site do ChatGPT ao longo do dia do lançamento

Se você já passou por isso na geração anterior, a lógica é a mesma que rola nos tokens de raciocínio do GPT-6 Astra, só que agora num tier mais barato e muito mais usado em agente

Por que a conta cresce mais do que a resposta na tela

O sintoma:

Você manda um prompt, recebe um parágrafo curto e vai conferir o consumo

O output_tokens está lá em cima, muito maior do que qualquer contagem razoável do texto que você recebeu

Ou pior: vem resposta vazia, sem uma linha de texto, e ainda assim a chamada custou dinheiro

A causa:

Os reasoning tokens não aparecem como texto de resposta, ocupam espaço na janela de contexto e são faturados como output tokens

Então eles estão na conta, no mesmo preço da saída, só não estão na tela

E você não consegue simplesmente abrir e ler esse raciocínio: a OpenAI não expõe os raw reasoning tokens

O que existe é um resumo opcional, via parâmetro reasoning.summary, e ele só vem se você optar explicitamente por incluir reasoning summaries

O caso da resposta vazia é o mais traiçoeiro

Se a geração bater no limite de contexto ou no max_output_tokens, a resposta volta com status igual a incomplete e incomplete_details.reason igual a max_output_tokens

Isso pode acontecer ANTES de qualquer token de saída visível

Resultado: custo de input mais custo de reasoning, e nada de resposta =(

A solução (e a prevenção):

Primeiro: pare de estimar consumo olhando o tamanho do texto e comece a ler o objeto usage de cada resposta

Segundo: dê espaço pro modelo pensar

A própria documentação de reasoning recomenda reservar ao menos 25.000 tokens para reasoning e output quando você está começando a experimentar, ajustando o buffer conforme conhece o consumo dos seus prompts

Tome cuidado com prompts que pedem resposta longa E raciocínio pesado no mesmo request: é o combo clássico pra estourar o teto e pagar por nada

Como medir o consumo real de reasoning tokens em cada chamada

Bora ver na prática?

1. Leia o campo usage.output_tokens_details.reasoning_tokens na resposta da API

Esse é o número exato de tokens de raciocínio daquela chamada, sem chute:

{
  "input_tokens": 136,
  "output_tokens": 89,
  "output_tokens_details": {
    "reasoning_tokens": 64
  },
  "total_tokens": 225
}

Se liga nisso: dos 89 tokens de saída, 64 foram raciocínio

O erro comum deste passo é olhar só o total_tokens e concluir que o modelo "falou pouco"

2. Compare o reasoning_tokens com o texto final que você realmente usou

É essa razão que te diz se o custo daquela tarefa está vindo do produto ou do processo

O erro comum aqui é medir uma chamada só e generalizar: o mesmo prompt em contextos diferentes gera quantidade diferente de raciocínio

3. Confira status e incomplete_details antes de acreditar na resposta

Se voltou incomplete com reason igual a max_output_tokens, você não recebeu a resposta inteira (ou não recebeu nada), mas pagou o caminho até ali

O erro comum deste passo é tratar resposta truncada como resposta ruim do modelo e refazer o prompt inteiro, quando o problema era o teto de saída

Esse comportamento de corte é o mesmo padrão dos limites de tokens de saída que já aparecia no irmão maior da família

4. Se você quer entender o que aconteceu no meio, ative reasoning.summary

Você não vai ver o raciocínio bruto, e sim um resumo

O erro comum é esperar transparência total: o resumo é resumo, não log

reasoning.effort: os seis níveis e o que cada um faz com a sua conta

O controle direto sobre quanto raciocínio (e portanto quanto output faturado) cada chamada gera é o parâmetro reasoning.effort

No GPT-6 Sol ele aceita seis níveis:

• none
• low
• medium (default documentado)
• high
• xhigh
• max

O padrão é medium, então se você nunca tocou nesse parâmetro, é nesse nível que suas chamadas estão rodando

Pensa nele como o acelerador do modelo: você escolhe quanto tempo o cara vai ficar pensando na cadeira antes de escrever

Tem uma restrição importante de API pra você não se ferrar aqui

No Chat Completions, o GPT-6 Sol só suporta function calling com reasoning_effort definido como none

Pra built-in tools e function calling, a recomendação da documentação é usar a Responses API

Ou seja: se seu agente usa ferramentas e você quer raciocínio de verdade, o caminho é Responses, não Chat Completions

Preços do GPT-6 Sol: quanto custa cada camada de token

Todo preço aqui é por MILHÃO de tokens, e o ponto central é este: reasoning é cobrado na linha de saída

Os valores de contexto curto do Sol são de processamento standard, com a entrada em cache saindo a 10% da entrada e o cache write a 1,25x a entrada

Comparando geração com geração pelo preço publicado: o GPT-6 Sol custa metade do GPT-5.6 Sol nos dois lados, queda de 50% em entrada e em saída

Só fica atento que essa comparação é com a coluna de contexto curto: na faixa de long context os valores são outros, como dá pra ver na tabela ali em cima

E não é promoção

Porta-voz da OpenAI confirmou à VentureBeat que são preços permanentes

O Luna, lançado no mesmo dia, saiu a US$ 0,10 e US$ 0,50 por milhão, contra US$ 0,20 e US$ 1,20 da geração anterior dele

Dois números de capacidade que fecham a conta: o GPT-6 Sol tem janela de contexto de 1.050.000 tokens e gera até 128.000 tokens de saída por resposta

Esses 128 mil de saída são o teto compartilhado entre o raciocínio invisível e o texto que você lê

Ele aceita texto e imagem como entrada, e gera texto

O que muda em um agente que roda muitas chamadas

Aqui é onde a leitura de custo vira outra coisa

Numa resposta única de chat, o raciocínio é um detalhe da fatura

Num loop de agente, cada chamada paga o SEU próprio raciocínio, e o loop pode ter dezenas delas

E tem um detalhe de arquitetura que muita gente não sabe: o modelo não reaproveita reasoning items de turnos anteriores

No turno 2, os reasoning items do turno 1 são ignorados e removidos

Enviá-los é inofensivo, a API simplesmente descarta os itens irrelevantes pro turno atual

Pra quem roda fluxo stateless existe o encrypted_content: a API devolve uma versão criptografada dos reasoning tokens, que pode ser reenviada em requisições futuras como reasoning items normais

Em organizações com ZDR (zero data retention), o store=false é forçado, então esse mecanismo é o caminho

Os detalhes disso estão no cookbook de reasoning items

Três cenários pra você situar:

• Loop de agente com muitas chamadas curtas: o texto de cada resposta é minúsculo, mas o raciocínio somado de todas as chamadas é o que domina a saída faturada
• Tarefa longa de coding: aqui o risco é o teto de 128.000 tokens de saída, com raciocínio e resposta disputando o mesmo espaço, e a chance de voltar incomplete sem entregar o arquivo
• Batch de alto volume: se a tarefa não pede raciocínio pesado, o Luna entra na conversa a US$ 0,10 e US$ 0,50 por milhão, que é outro patamar de conta

Como benchmarks independentes tratam os reasoning tokens

Quem faz avaliação séria já separou essa camada há tempo

O Artificial Analysis calcula o custo de rodar o Intelligence Index somando preços de input, cache hit, cache write, reasoning e answer tokens

Repare: reasoning aparece como categoria de preço SEPARADA dos answer tokens

Isso não é preciosismo de metodologia, é reconhecimento de que num modelo de raciocínio o custo do pensamento é uma linha própria do orçamento

Na página viva deles, o GPT-6 Sol (max) aparece com:

• Intelligence Index 48, sendo 25 a mediana
• 77M de tokens gerados pra rodar as avaliações do índice, contra mediana de 88M
• 104 tokens por segundo, contra média de 75
• Data de lançamento listada em 22/09/2026

Aquele número de tokens gerados é a métrica mais honesta de custo de uso real que existe: é o volume total que o modelo precisou produzir pra completar as provas, raciocínio incluído

Conclusão

O token invisível é exatamente o que separa uma estimativa de custo realista de uma surpresa na fatura

No GPT-6 Sol você tem preço mais baixo que a geração anterior (US$ 2,00 e US$ 10,00 por milhão, metade do GPT-5.6 Sol), janela gigante de 1.050.000 tokens e um controle explícito de esforço com seis níveis

O que falta é o dado do SEU caso

Próximo passo, bem direto: instrumente o usage nas suas chamadas e guarde o reasoning_tokens junto com o resto do log

Depois roda o mesmo prompt em níveis diferentes de reasoning.effort e compara qualidade contra custo

E só então decide seu buffer de saída, com número seu, não com chute

Começa reservando os 25.000 tokens que a documentação sugere e ajusta dali pra frente =)

Até o próximo post!