GPT-6 Astra vs Claude, Gemini e Meta: quem lidera de verdade em setembro de 2026

A OpenAI lançou o GPT-6 Astra dizendo ser “o modelo mais inteligente e mais alinhado do mundo”. A frase é testável — e o teste não foi feito só pela OpenAI. Com os números de terceiros na mesa, o mapa de setembro de 2026 é de liderança repartida: cada laboratório manda em uma faixa, e a escolha depende do que você roda.

O placar geral (medido por terceiros)

Onde o Astra ganha sem discussão

• Uso de computador: 72,6% no OSWorld 2.0 (Opus 5: 70,2%) e 92,7% no ScreenSpot-Pro, com 47% menos tempo por tarefa.
• Cibersegurança: 100% no ExploitBench contra 70,0% do Fable 5.1; no SRE-Bench, 88,0% de resolução na primeira tentativa contra 12,5% do Fable 5.1 — a maior distância de todo o comparativo.
• Automação de escritório: 41,4% no AutomationBench, contra 31,4% do Fable 5.1 e 26,9% do Opus 5.
• Matemática de fronteira: 97,6% no FrontierMath Tier 4 v2, contra 87,8% do Fable 5.1 — com a ressalva de que a OpenAI financiou o benchmark e tem acesso exclusivo a parte dele.
• Contexto longo: 96,3% de recuperação entre 512K e 1M de tokens (Sol: 73,8%).

Onde a Anthropic segue na frente

• Inteligência geral no índice independente: 66 contra 61.
• Humanity’s Last Exam com ferramentas: Fable 5.1 com 65,0%, Fable 5 com 63,8% e Opus 5 com 63,6% — o Astra fica em 57,2%, o único teste público em que perde para os três.
• FrontierCode 1.1: empate técnico no split principal (53,3% do Astra contra 53,4% do Opus 5) e vantagem do Fable 5 no split estendido (64,9% contra 64,5%).
• Agente de código: a liderança do índice segue com o Fable 5.1 rodando no Claude Code.

Preço: quem cobra o quê

O detalhe que muda a conta: preço por token não é preço por tarefa. O Astra é caro por token e econômico por tarefa em fluxo de agente — daí empatar no Coding Agent Index gastando menos. Já no Intelligence Index, o custo por tarefa ficou ~75% acima do antecessor. E há concorrentes que fazem 74% no DeepSWE v1.1 cobrando 8x menos por token: Gemini 3.8 Flash e Meta Muse Spark 1.3 (75,4%) — ambos dentro da margem do Astra nesse teste específico.

Como escolher

• Agente que opera telas e sistemas: GPT-6 Astra, sem empate.
• Segurança defensiva, resposta a incidente, SRE: GPT-6 Astra.
• Raciocínio geral, redação técnica, análise com ferramentas: Claude Fable 5.1.
• Sessão longa em base de código grande: Astra, pela janela de 1,05 milhão de tokens e pelas notas pesquisáveis do Codex.
• Volume alto com orçamento apertado: Gemini 3.8 Flash ou Meta Muse — o custo por token é uma ordem de grandeza menor.

Perguntas rápidas

Afinal, qual é o melhor modelo hoje?

Não existe um. Astra lidera uso de computador, cibersegurança e contexto longo; Fable 5.1 lidera inteligência geral e agente de código; Gemini e Muse ganham em custo.

Por que os números da OpenAI e os independentes divergem tanto?

Harness e esforço de raciocínio. O caso extremo é o ARC-AGI-3: 99,9% no adaptador da OpenAI, 62,7% no harness padrão da ARC Prize.

Isso muda amanhã?

Provavelmente. Entre julho e setembro de 2026 já trocaram de líder três vezes — e nenhuma dessas medições sobrevive a um lançamento novo sem revisão.

Veja também

• Os benchmarks do GPT-6 Astra: o que os números dizem — e o que escondem
• GPT-6 Astra: preço, planos e como acessar
• Ox Alpha: o modelo misterioso que dominou o OpenRouter era chinês