Principais destaques
- Um novo modelo estaria em desenvolvimento: vazamentos apontam para o GPT-6.2 Beetlejuice, associado ao codinome Bell, descrito como uma nova geração de modelo-base da OpenAI.
- Resultados impressionantes em engenharia: um modelo interno teria alcançado 87,5% no benchmark BenchCAD 2.0, contra 59,4% do GPT-6 Astra.
- Uma possível estreia estava próxima: registros de modelos na API, testes no Codex e declarações atribuídas a Sam Altman alimentaram as expectativas sobre novos lançamentos.
A OpenAI pode estar preparando uma atualização muito maior do que uma simples mudança de versão. Nos últimos dias, nomes desconhecidos começaram a aparecer em registros internos, dados de utilização do Codex e até na lista oficial de modelos da API.
Entre eles, um chamou particularmente a atenção: GPT-6.2 Beetlejuice, associado ao codinome Bell.
As informações ainda não foram confirmadas oficialmente pela empresa. Mesmo assim, a quantidade de pistas e a proximidade entre os acontecimentos alimentaram especulações sobre uma nova geração de inteligência artificial.
E existe um detalhe especialmente interessante: Bell não seria apenas uma versão mais rápida ou econômica do modelo atual, mas uma arquitetura-base completamente nova.
Os vazamentos começaram a aparecer no final de outubro
A primeira pista surgiu em 30 de outubro de 2025, quando uma publicação na rede X afirmou que o identificador GPT-6.2 Beetlejuice havia aparecido em um rastreador interno da OpenAI.
O registro também mencionava Bell como apelido do projeto.
O site WCCF Tech publicou informações semelhantes, descrevendo o desenvolvimento como um novo modelo-base de grande escala.
No dia seguinte, outra descoberta aumentou a curiosidade.
Usuários do Codex, agente de programação da OpenAI, identificaram uma referência inesperada nos dados de utilização: GPT-6.2 Astra.
O aplicativo ainda mostrava GPT-6 Astra como modelo ativo, mas os registros de consumo indicavam que uma versão diferente estava sendo utilizada.
Em um dos relatos, o GPT-6.2 Astra representava aproximadamente 20% do uso de um usuário durante uma semana.
Isso levantou a possibilidade de testes silenciosos com usuários reais, uma prática que permitiria avaliar o comportamento de uma versão experimental antes de disponibilizá-la oficialmente.
As mensagens misteriosas de um executivo do Codex
Outro elemento que alimentou as especulações veio de Thibault Sautier, responsável pelo Codex na OpenAI.
Naquele período, ele participava de uma iniciativa pública de 28 dias de melhorias diárias para os usuários da ferramenta.
Perto do encerramento da iniciativa, o Codex anunciou uma redefinição dos limites de utilização acumulados.
A decisão foi interpretada por parte da comunidade como uma possível preparação para novidades que exigiriam mais capacidade de utilização.
Mas foram duas publicações enigmáticas que realmente chamaram atenção:
- “GPT fat”
- “chat BLT”
As mensagens foram interpretadas por observadores do setor como possíveis referências a um modelo maior e mais poderoso.
Não existe confirmação de que as publicações tenham relação com Bell. Ainda assim, a coincidência com os outros vazamentos ajudou a manter o assunto em evidência.
Dois modelos desapareceram da API da OpenAI
Em 4 de novembro, o veículo chinês 36Kr relatou outra descoberta: dois identificadores desconhecidos teriam aparecido brevemente na lista oficial de modelos da API da OpenAI.
Os nomes eram:
| Identificador | Possível interpretação |
|---|---|
| RC-Ader-VM | Versão candidata a lançamento |
| RC-Aer-SH-VM | Outra versão candidata a lançamento |
Os registros desapareceram poucos minutos depois.
Desenvolvedores que tentaram acessar os identificadores relataram erros de capacidade, em vez da mensagem tradicional de modelo inexistente.
Isso é relevante porque pode indicar que os modelos estavam registrados, mas ainda não preparados para receber tráfego.
A sigla RC costuma representar Release Candidate, uma versão candidata a lançamento. É uma etapa normalmente utilizada no desenvolvimento de software antes da disponibilização de uma versão definitiva.
Entretanto, não há confirmação de que esses identificadores correspondam efetivamente ao GPT-6.2 ou ao projeto Bell.
Novos modelos poderiam chegar em novembro
No mesmo dia, as jornalistas Stephanie Palazzolo e Tiffany Lee, do The Information, publicaram informações sobre possíveis lançamentos da OpenAI.
Segundo a reportagem, novos modelos poderiam chegar já em 6 de novembro de 2025.
Entre as possibilidades estavam atualizações das seguintes linhas:
- Astra: voltada à capacidade geral e ao raciocínio.
- Soul: outra família de modelos da OpenAI.
- Cyber Focus: uma linha associada a capacidades especializadas.
A publicação, entretanto, ressaltou que cronogramas de lançamento podem mudar.
Pouco depois, outro relato mencionou uma listagem de hospedagem em nuvem com referências ao GPT-6.2 Astra e ao GPT-6.2 Soul.
Embora não seja uma confirmação oficial, a informação reforçou a hipótese de que a OpenAI estava preparando diferentes versões para sua próxima geração de modelos.
Bell seria muito maior do que um simples GPT-6.2
Aqui está a diferença mais importante dessa história.
Os vazamentos apontam para dois desenvolvimentos que não devem ser confundidos: o GPT-6.2 Astra, aparentemente uma evolução da família existente, e Bell, descrito como um novo modelo-base.
Para entender a dimensão disso, vale explicar como um modelo de inteligência artificial é construído.
Um modelo-base é a estrutura fundamental treinada antes de receber os ajustes que permitem conversar, seguir instruções, raciocinar e respeitar mecanismos de segurança.
Esse processo inicial é chamado de pré-treinamento (pre-training).
É nele que o sistema aprende padrões de linguagem, relações entre conceitos e outras representações a partir de grandes volumes de dados.
Depois, outras etapas refinam seu comportamento.
Se Bell realmente representar uma nova geração de modelo-base, a OpenAI poderá estar tentando elevar o limite de capacidade de toda a sua família de produtos, em vez de simplesmente melhorar uma versão existente.
Os números impressionam, mas ainda não foram confirmados
Os relatos sobre o tamanho de Bell variam.
| Fonte | Número atribuído ao modelo |
|---|---|
| WCCF Tech | Mais de 10 trilhões de parâmetros |
| 36Kr | Entre 10 e 12 trilhões |
| Confirmação oficial | Não disponível |
Para comparação, diversos modelos de pesos abertos utilizados atualmente estão na faixa de aproximadamente 1 trilhão de parâmetros.
Isso colocaria Bell em uma escala bastante superior, caso as estimativas estejam corretas.
Entretanto, existe uma ressalva importante: quantidade de parâmetros não é sinônimo automático de inteligência.
A arquitetura, os dados de treinamento, a qualidade dos ajustes e a eficiência computacional também influenciam diretamente o desempenho.
O benchmark que pode revelar o verdadeiro salto de desempenho
Entre as informações que circulam, uma das mais interessantes está relacionada ao BenchCAD 2.0.
O benchmark aparece em uma publicação da própria OpenAI chamada Accelerating Engineering R&D in the Physical World.
Diferentemente de testes tradicionais de linguagem, ele avalia a capacidade de uma inteligência artificial de executar tarefas relacionadas à engenharia física.
Entre os desafios estão:
- Escrever código para reconstruir peças e conjuntos tridimensionais.
- Interpretar geometrias e medidas físicas.
- Identificar conexões entre componentes de placas eletrônicas.
- Compreender relações espaciais entre diferentes elementos.
São tarefas que exigem mais do que produzir uma resposta textual convincente.
GPT-6 Astra versus modelo interno
Um gráfico atribuído à publicação da OpenAI, compartilhado por observadores do setor e mencionado na cobertura da 36Kr, apresentou resultados bastante diferentes entre o modelo público e um sistema interno não identificado.
Resultados atribuídos ao BenchCAD 2.0:
| Modelo | Desempenho |
|---|---|
| GPT-6 Astra | 59,4% |
| Modelo interno, menor esforço | 75,8% |
| Modelo interno, maior esforço | 87,5% |
O modelo interno teria alcançado 75,8% mesmo na configuração de menor esforço, superando os 59,4% do GPT-6 Astra em sua configuração mais exigente.
Na configuração de maior esforço, o resultado teria chegado a 87,5%.
Isso representa uma diferença de 28,1 pontos percentuais em relação ao melhor resultado atribuído ao modelo público.
Mas existe uma distinção importante: não há confirmação de que o modelo responsável por esses resultados seja exatamente Bell. A associação é uma hipótese baseada na proximidade temporal dos acontecimentos.
O projeto Navier-Stokes tem a ver com o próximo GPT?
Outra pista importante envolve uma declaração atribuída a Sam Altman durante a conferência ADIPEC, realizada em Abu Dhabi em 2 de novembro.
Segundo relatos de participantes, o executivo teria afirmado que a inteligência artificial responsável pelo resultado envolvendo as equações de Navier-Stokes seria o próximo GPT.
A declaração despertou interesse porque o projeto representa um dos exemplos mais ambiciosos de utilização de inteligência artificial em pesquisa matemática.
As equações de Navier-Stokes descrevem o movimento de fluidos e são fundamentais para áreas como física, engenharia e meteorologia.
O problema matemático relacionado faz parte dos sete Problemas do Milênio, cada um associado a um prêmio de US$ 1 milhão concedido pelo Clay Mathematics Institute.
Em setembro, a OpenAI anunciou que um modelo interno, supostamente mais avançado que o GPT-6 Astra, havia produzido uma solução acompanhada de uma demonstração formal verificável por computador.
Uma operação envolvendo milhares de agentes
Os relatos sobre o projeto indicam uma operação de grande escala:
- Aproximadamente 10 mil agentes de inteligência artificial trabalhando em paralelo.
- Vários dias de execução sem orientação humana direta.
- Cerca de 130 bilhões de tokens processados.
- Uma demonstração matemática acompanhada de verificação formal.
O pesquisador da OpenAI Noam Brown teria comparado o volume de trabalho a milhares de anos de pensamento humano contínuo comprimidos em aproximadamente 88 horas.
O Clay Mathematics Institute afirmou que o problema aparentemente havia sido resolvido, embora a verificação completa ainda exigisse tempo.
Também existe uma disputa de atribuição envolvendo um matemático da Universidade de Nova York que publicou um trabalho relacionado no mesmo dia.
Altman também teria descrito o projeto como um dos momentos mais tensos de sua carreira.
Segundo as informações divulgadas, o trabalho custou aproximadamente US$ 10 milhões, mas o executivo acredita que operações semelhantes poderiam custar apenas uma fração desse valor dentro de um ano.
Por que a OpenAI estaria investindo novamente em modelos maiores?
Durante os últimos anos, uma das discussões mais importantes da indústria de inteligência artificial envolveu os limites do escalonamento tradicional.
A ideia era relativamente simples: aumentar os dados, o tamanho dos modelos e o poder computacional para conseguir resultados melhores.
Entretanto, os ganhos começaram a apresentar desafios econômicos e técnicos.
Foi nesse contexto que ganharam importância as técnicas de raciocínio com maior tempo de processamento, conhecidas como test-time compute.
Em vez de simplesmente responder rapidamente, os modelos passam a dedicar mais recursos para analisar problemas, verificar possibilidades e construir soluções.
Agora, três caminhos podem estar convergindo:
| Estratégia | Objetivo |
|---|---|
| Modelos-base maiores | Ampliar a capacidade fundamental |
| Raciocínio avançado | Resolver problemas mais complexos |
| Agentes autônomos | Executar tarefas em várias etapas |
Se Bell realmente representar um avanço significativo no pré-treinamento, a combinação dessas três estratégias poderá produzir sistemas muito mais capazes.
Isso teria consequências para programação, pesquisa científica, engenharia e automação empresarial.
GPT-6.2 pode ser muito mais do que uma atualização incremental?
O número 6.2 pode sugerir uma atualização relativamente pequena, mas não necessariamente representa a dimensão das mudanças internas.
Uma comparação interessante vem da própria indústria.
O mercado já demonstrou que atualizações aparentemente modestas podem produzir diferenças expressivas em benchmarks, custos operacionais e capacidade de execução.
No caso da OpenAI, entretanto, ainda faltam informações verificáveis para afirmar que o GPT-6.2 terá um salto semelhante.
É importante separar três coisas:
- O que apareceu em registros: identificadores de modelos e referências de utilização.
- O que foi reportado por veículos de tecnologia: desenvolvimento de Bell e possíveis lançamentos.
- O que permanece especulativo: quantidade de parâmetros, preços, identidade do modelo interno do BenchCAD e relação exata com o projeto Navier-Stokes.
Essa distinção é fundamental para não transformar uma sequência de vazamentos em um anúncio que a empresa ainda não fez.
O que observar nos próximos anúncios da OpenAI?
A expectativa em torno do GPT-6.2 Bell reúne elementos diferentes: uma possível nova arquitetura, resultados expressivos em engenharia e um sistema capaz de participar de pesquisas matemáticas avançadas.
Se as informações estiverem corretas, a próxima geração poderá representar uma mudança importante na estratégia da OpenAI.
O ponto mais interessante, porém, não será necessariamente descobrir quantos trilhões de parâmetros Bell possui.
Será entender se a empresa conseguiu combinar modelos-base mais poderosos, raciocínio avançado e agentes autônomos em um único ecossistema.
Afinal, a próxima grande disputa da inteligência artificial talvez não seja sobre qual chatbot responde melhor, mas qual sistema consegue realizar trabalhos que antes exigiam equipes inteiras de especialistas.
