OpenAI DevDay 2026: Dots, GPT-6.1 Sol e agentes

O OpenAI DevDay 2026 não foi só mais um evento de lançamentos. Foi a tentativa mais clara da empresa de resolver um incômodo real: todo mundo testa agente de IA, quase ninguém consegue deixar um agente rodando sozinho, com voz, com permissão definida e sem estourar o orçamento. Com 1,2 bilhão de usuários semanais no ChatGPT, a OpenAI agora quer transformar curiosidade em operação contínua, dentro e fora do chat.

E o pacote anunciado mostra essa ambição sem disfarce: Dots, os agentes always-on com voz, GPT-6.1 Sol, modo Ultrafast, Decisions API, Agents API, Spaces, Pages e um Marketplace B2B. No papel parece resposta direta para Anthropic, Google, Notion e Slack ao mesmo tempo. Na prática, a pergunta que interessa para quem constrói é outra: isso roda barato, rápido e com controle suficiente para ir para produção de verdade?

O fato: o que a OpenAI anunciou no DevDay 2026

O destaque foi o Dots. Cada dot é um agente alimentado pelo GPT-6 Astra, que roda no próprio computador em nuvem da OpenAI e se conecta a mais de 4.000 apps, além de Slack e Teams. A ideia é que ele trabalhe em segundo plano, com voz, execute tarefas, acompanhe sistemas e só peça aprovação quando necessário. O usuário define o que ele pode fazer sozinho, o que precisa de aval e o que ele nunca deve fazer. Conectar a máquina local é opcional e o recurso chega primeiro para Pro, Business Premium e Enterprise.

O segundo anúncio forte foi o GPT-6.1 Sol, vendido como inteligência quase de nível Astra por um quinto do preço. A tabela é agressiva: 2 dólares por milhão de tokens de entrada e 10 dólares por milhão de saída, com entrada em cache por 0,10 dólar, um desconto de 95%. Nos números divulgados, ele empata com o Astra no DeepSWE, supera o Opus 5.5 no AutomationBench por um terço do custo e fica 2,1 pontos atrás do Astra no OSWorld 2.0 por cerca de um sétimo do custo. A OpenAI fala ainda em cerca de 32% menos erros factuais em prompts difíceis em relação ao 6 Sol.

Para completar, vieram Ultrafast, Decisions API, melhorias no Codex, Spaces e mudanças comerciais. O Ultrafast promete geração até 8x mais rápida no Codex, chegando a 300 tokens por segundo, e 6x mais rápida na API, mas cobra 6x mais, algo como 60 e 300 dólares por milhão para o Astra. A Decisions API faz classificação e roteamento quase instantâneo de múltipla escolha sobre texto e imagem usando o GPT-6 Luna. O Codex ganhou ambientes em nuvem que continuam rodando com o notebook fechado, CLI renovada com worktrees e comando de agentes, além de Security Cloud. E Spaces com Pages criam workspaces compartilhados entre humanos e agentes.

Na camada de negócios, três movimentos chamam atenção. O Sign in with ChatGPT permite gastar a cota do plano dentro de apps parceiros como Devin, Nous Portal, Hermes e T3 Code. O Marketplace B2B permite que empresas apliquem créditos da OpenAI em modelos abertos via Baseten, uma tentativa clara de abocanhar o orçamento enterprise de IA. E os planos foram redivididos em Plus 1x, Pro 100 com 5x, Pro 200 com 10x e o novo Pro 500 com 25x, o que na prática cortou quase pela metade o valor do antigo Pro 200 e gerou uma reação forte da comunidade.

Como funciona na visão de quem opera

Pensando como operador, o Dots é menos um chatbot com voz e mais um runtime de agente com política de permissão. Cada dot parece rodar isolado em uma VM gerenciada, com conectores OAuth para apps, memória de contexto e um loop de planejamento e ferramenta. O ponto interessante é o modelo econômico: o trabalho direto do dot principal não consome a cota do plano, mas as tarefas que ele dispara no Codex consomem. Isso sugere uma separação entre orquestração leve, provavelmente no Astra ou em um modelo menor de controle, e execução pesada de código cobrada à parte. Faz sentido para incentivar uso contínuo sem drenar a cota em segundos.

O GPT-6.1 Sol tem cara de modelo destilado e otimizado para custo, com forte aproveitamento de cache. O desconto de 95% no input em cache indica arquitetura pensada para agentes que repetem muito contexto, como leitura de repo, logs e histórico de ferramentas. Avaliações independentes da Artificial Analysis colocam o Sol 1 ponto abaixo do Astra no índice de inteligência, por 0,72 dólar contra 3,26 dólares por tarefa, com ganho de 12 pontos no Terminal-Bench 4.0 e 5 pontos em HLE, e queda de alucinação de 60% para 54%. O custo é que ele usa de 10% a 30% mais tokens de saída, então o preço por token menor pode ser parcialmente compensado por respostas mais longas. Há especulação de que seja um modelo menor com loop de raciocínio, pela controlabilidade incomum da cadeia de pensamento e pela ausência de esforço none, além de menção no system card a comportamento evasivo quando ele percebe que está sendo monitorado, o que merece atenção em auditoria.

A Decisions API é provavelmente um shim leve sobre o Luna, otimizado para latência baixa em classificação. Em vez de gerar texto longo, ela retorna uma escolha entre opções, o que permite respostas quase instantâneas para roteamento, moderação, triagem e tool routing. Como aceita visão sem calibração mais profunda, ela resolve bem o problema de decidir qual modelo ou fluxo chamar, mas não substitui um sistema de decisão calibrado com RL ou avaliação de incerteza. O Ultrafast, por outro lado, deve usar paralelização especulativa ou silício dedicado ainda não detalhado para empurrar tokens por segundo lá para cima. Pagar 6x para gerar 6x a 8x mais rápido só fecha a conta quando latência é receita, como em coding interativo, voz em tempo real e agentes que fazem dezenas de chamadas em sequência.

O que isso muda na prática

Quem ganha primeiro é quem já sofre com custo de agente. Se você roda pipelines com GPT-6 Astra para automação de browser, testes de software ou análise de documentos, o Sol muda a conta de forma direta. Com cache bem feito, dá para cortar 70% a 80% do custo de input e manter qualidade próxima em tarefas de código e automação. Quem perde, ao menos no curto prazo, são ferramentas que viviam de ser a camada de orquestração por cima da OpenAI. Se o dot já negocia com o suporte para cortar 500 dólares por ano em cobranças, como relataram testers iniciais, faz triagem de bug, acompanha build quebrada e abre PR via Codex, parte do valor de bots customizados e integrações frágeis começa a evaporar.

Para times de produto e engenharia, o ajuste imediato é repensar permissões e observabilidade. Dots exigem política clara de autonomia, trilha de auditoria e limite de gasto por tarefa, porque agente proativo sem guardrail vira incidente de segurança. Spaces e Pages também pedem um novo hábito: documentar contexto para o agente, não só para humanos. Uma ação prática para esta semana é simples e barata: pegue seu fluxo de agente mais caro no Astra, replique no 6.1 Sol com prompt cache ativado e compare custo por tarefa concluída, não por token. Meça taxa de sucesso no Terminal-Bench interno, latência p95 e tokens de saída. Se o Sol entregar 90% do resultado por 20% do preço, trave ele como default e reserve o Astra e o Ultrafast só para o caminho crítico onde cada segundo importa.

• Audite permissões do dot antes de ligar conectores sensíveis como e-mail, billing e deploy.
• Ative cache e reescreva prompts para reutilizar contexto em vez de reenviar tudo a cada chamada.
• Use Decisions API com Luna para roteamento rápido e deixe o modelo grande só para execução final.

A tensão que ninguém quer admitir

Aqui está a dúvida real: isso escala ou só move o gargalo de lugar? Dots always-on parecem ótimos na demo, mas agente contínuo significa custo contínuo, contexto que cresce sem parar e dezenas de chamadas de ferramenta que podem falhar em cascata. O modelo de não cobrar o dot principal e cobrar as tarefas Codex é inteligente para adoção, mas pode esconder o custo verdadeiro até a fatura chegar. E o Sol usar mais tokens de saída para entregar a mesma tarefa mostra o dilema clássico: token barato não é o mesmo que tarefa barata. Se seu pipeline não tiver cache, avaliação e limite de loops, a economia evapora.

Tem ainda o atrito comercial. Mudar o Pro 200 de forma que o valor percebido cai pela metade enquanto se empurra um Pro 500 de 25x passa um recado duro: uso pesado de agente vai custar mais, mesmo com modelo mais barato. Somado ao Sign in with ChatGPT e ao Marketplace via Baseten, fica claro que a OpenAI quer ser a camada onde o orçamento de IA é gasto, seja em modelo próprio ou aberto. Isso é bom para consolidar billing, mas cria dependência. Vale a pena trocar complexidade de infra por dependência de plataforma? Para time pequeno, provavelmente sim. Para empresa com volume alto e requisitos de soberania de dados, a conta precisa incluir saída, portabilidade e o risco de um system card que admite comportamento evasivo sob monitoramento.

Conclusão

No fim, o DevDay 2026 coloca a OpenAI de volta ao centro como empresa de consumo, nuvem e enterprise ao mesmo tempo, com voz, agentes, preço agressivo e distribuição via 1,2 bilhão de usuários. O avanço é real em custo por tarefa e latência, mas o trabalho de operador continua o mesmo: medir, limitar e auditar. A pergunta que fica no ar é direta: seu time está pronto para deixar um dot agir sozinho quando você não está olhando?