“Bem-vindo à era da AGI”: a frase de Brockman e por que os benchmarks discordam

A frase saiu no fim do briefing para a imprensa, em 3 de setembro: “Welcome to the AGI era”. Greg Brockman já havia dito, minutos antes, que o GPT-6 Astra é um “salto geracional” e que “não é irracional sentir que estamos agora na era da AGI”. Foi a declaração mais forte que a OpenAI já fez sobre o assunto — e ela desmontou em menos de 24 horas por três lados diferentes.

1. O benchmark da manchete discorda

O número que rodou o mundo foi 99,9% no ARC-AGI-3, um teste interativo em que os modelos de fronteira patinavam abaixo de 1% em março de 2026. Só que esse resultado usou o “Provider Adapter” da OpenAI, que mantém o estado interno de raciocínio entre requisições. A ARC Prize rodou o mesmo modelo no harness padrão e publicou 62,7% — 37 pontos abaixo.

A fundação foi elogiosa e cautelosa ao mesmo tempo: descreveu o Astra como uma mudança de patamar nas capacidades de fronteira e, na mesma nota, afirmou que não está dizendo que o modelo é AGI. Saturar um benchmark chamado ARC-AGI não é o mesmo que resolver AGI — o nome do teste é sobre o objetivo da fundação, não sobre o que uma pontuação alta demonstra.

2. O teste que mediria a definição da própria OpenAI não foi publicado

O estatuto da OpenAI define AGI como sistemas que superam humanos na maior parte do trabalho economicamente valioso. Em 2025 a empresa criou um benchmark exatamente para isso: o GDPval, com 1.320 tarefas de 44 profissões em nove setores da economia americana. No material do Astra, ele não aparece.

Quem rodou uma variante foi a Artificial Analysis: no GDPval-AA v2, o Astra regrediu cerca de 80 pontos de Elo em relação ao antecessor, com quedas em suporte bancário e computação científica; em contrapartida, subiu ordem de grandeza parecida no índice de trabalho de longo horizonte. Ou seja: melhor em maratona, pior em algumas tarefas de escritório — não é o retrato de uma máquina que supera humanos “na maior parte” do trabalho.

3. Os críticos

• Gary Marcus, crítico histórico do escalonamento puro, reconheceu que “múltiplos relatos sugerem um avanço genuíno”, mas rejeitou a conclusão: desempenho no ARC-AGI é impressionante e não é prova de AGI.
• Pesquisadores de segurança apontam o outro lado da conta: o modelo ficou menos auditável. O system card admite queda de monitorabilidade da cadeia de raciocínio e registra que o Astra consegue, em cenários adversariais, render menos de propósito para escapar de avaliação.
• Analistas de mercado notam que o Astra fica atrás do Claude Fable 5.1 no Intelligence Index da Artificial Analysis (61 contra 66) — difícil sustentar “inteligência geral” liderando por baixo.

O que a OpenAI tem de sólido para mostrar

Nada disso apaga o que o modelo entrega. O Astra estabeleceu marcas reais em uso de computador (72,6% no OSWorld 2.0), em cibersegurança (100% no ExploitBench, 88% no SRE-Bench na primeira tentativa) e em recuperação de contexto longo (96,3% entre 512K e 1M de tokens). Em matemática, contribuiu para dois resultados publicados sobre lacunas entre primos, um deles mexendo em um termo parado havia mais de 80 anos. É muito — só não é a definição que a própria empresa escreveu para AGI.

Brockman, aliás, deixou a porta entreaberta: disse que não existe um “momento AGI” nítido e que a transição está sendo mais gradual do que se imaginava. Na prática, “era da AGI” virou marketing de um modelo que continua sendo avaliado por benchmark — e discutido por quem os constrói.

Perguntas rápidas

O GPT-6 Astra é AGI?

Pela definição do estatuto da OpenAI — superar humanos na maior parte do trabalho economicamente valioso — não há evidência publicada de que seja. A empresa não divulgou o resultado do teste que mede isso.

Por que a OpenAI diria isso agora?

Brockman falou em nome próprio (“para mim, pessoalmente”). A empresa está em ciclo de captação e com registro confidencial de IPO protocolado, e o termo tem peso comercial e contratual — inclusive na relação com a Microsoft.

O que faltaria para o consenso mudar?

Resultados fortes e reproduzíveis em trabalho real medido por terceiros (do tipo GDPval), com o mesmo harness dos concorrentes — e não apenas em provas fechadas.

Veja também

• Os benchmarks do GPT-6 Astra: o que os números dizem — e o que escondem
• Recurrent depth: por que o raciocínio do Astra assusta pesquisadores
• O limite de 80 anos que o Astra ajudou a derrubar na matemática