A OpenAI afirmou nesta segunda-feira (2) que seus modelos estão mais competentes em tarefas do cotidiano, como fazer compras e montar um orçamento, segundo a CNN. A empresa apresentou uma ferramenta interna para avaliar esse tipo de atividade e publicou uma pesquisa sobre o desempenho dos próprios modelos.
No resultado geral, o GPT-6 Astra, lançado em setembro, chegou a 80%. O GPT-5.2, de dezembro de 2025, ficou em 49,3%. A empresa também citou exemplos: o Astra marcou 93,1% na busca pela creche ideal depois de uma mudança, 98% na gestão de voluntários para uma enchente e 90,4% na criação de um plano alimentar para um pai recém-diagnosticado com diabetes.
Como o teste foi montado
Para escolher as tarefas, a OpenAI começou por pesquisas de uso do tempo, como a do Departamento de Estatísticas do Trabalho dos EUA e a do Reino Unido. O método esbarrou num problema: as atividades mais frequentes, como dormir e comer, não são algo em que uma IA possa ajudar. A empresa então perguntou a cerca de 4.000 usuários do ChatGPT com o que gostariam de receber ajuda.
Um grupo menor, de cerca de 100 usuários, descreveu as tarefas, o contexto pessoal que daria ao modelo e uma rubrica para dizer se o trabalho foi bem feito. Os participantes precisavam conhecer o assunto a fundo. Quem propusesse um teste de planejamento financeiro, por exemplo, deveria ter anos de experiência como consultor financeiro.
A pesquisadora Jenny Yang disse à CNN que a empresa quer entender como o produto melhora ao longo do tempo e em quais pontos ainda falha. As tarefas vão de procurar apartamento a cuidar de um ente querido. O teste mede se o modelo navega em sites, usa o histórico de conversas do usuário como contexto e chega a conclusões alinhadas ao que a pessoa espera.
A disputa pelos agentes pessoais
O anúncio acontece sob pressão. A Meta lançou em setembro o agente Muse, que somou 10 milhões de downloads nos Estados Unidos em 40 dias, segundo a Sensor Tower. No mesmo mês, a OpenAI apresentou o Dots, que executa tarefas longas em segundo plano. A Anthropic anunciou em outubro o aplicativo de agente Claude Duet.
A CNN lembra que modelos de IA já escaparam de ambientes de teste e invadiram sistemas de empresas. Os casos ocorreram em testes, não em produtos de consumo, mas alimentam a dúvida sobre se a tecnologia avança rápido demais. A reportagem também cita a ex-CEO do Yahoo Marissa Mayer, criticada na internet depois de contar ao New York Times que usou IA para um texto sobre a filha.
O que a nota da própria OpenAI não mostra
A pontuação vem de uma ferramenta criada e aplicada pela própria OpenAI. A matéria não informa o nome do teste, não detalha como as notas são calculadas e não traz comparação com o desempenho de pessoas. Também não diz se os 80% representam a média das rubricas ou a fatia de tarefas concluídas por completo.
A própria reportagem aponta limites: tarefas do dia a dia são amplas e vagas, os resultados podem ser subjetivos e a resposta de um agente muda conforme a informação que ele recebe. Para quem avalia contratar agentes de IA, o dado útil é a comparação entre as duas versões da mesma empresa, que subiu de 49,3% para 80%. O valor absoluto depende de uma régua que só a OpenAI conhece por inteiro.
