OpenAI afirma que os agentes agora cobrem 3,1 dias de trabalho por dia de trabalho de pesquisador

A organização de pesquisa da OpenAI agora executa 3,1 dias‑trabalho de agentes para cada dia‑trabalho de trabalho humano, informou a empresa em um ensaio de 8 de setembro de 2026 que descreve como pretende transformar a capacidade de modelos de ponta em receita. O número, medido em relação a um dia‑trabalho padrão de oito horas a partir de meados de agosto de 2026, sustenta um argumento mais amplo da diretora financeira Sarah Friar de que modelos mais capazes, uma base de usuários com mais de um bilhão de ativos semanais e uma estratégia de computação de pilha completa se reforçam mutuamente.

O ensaio, intitulado “The Work Now Within Reach”, é o mais recente de Friar em uma série sobre os negócios e a economia de computação da OpenAI. A OpenAI nomeou Friar como CFO em junho de 2024; ela anteriormente atuou como CEO da Nextdoor e como CFO da Square.

Uso e Receita

A OpenAI afirmou que seus produtos alcançam mais de um bilhão de usuários ativos semanais e 2,5 milhões de empresas, e que cada avanço de pesquisa aprimora o ChatGPT, o ChatGPT Work, o Codex e aplicativos construídos em sua API. A empresa disse que o acesso gratuito, suportado por publicidade, ajuda as pessoas a descobrir onde a IA é útil, enquanto assinaturas e ofertas baseadas em uso permitem que os clientes gastem mais à medida que encontram mais valor.

Citando seu estudo de planos individuais do ChatGPT, a OpenAI disse que o volume diário de mensagens era aproximadamente 50 % maior seis meses após a inscrição do que no primeiro mês, e que os usuários experimentaram cerca de duas vezes mais tarefas distintas. A análise subjacente baseia‑se em uma amostra de 0,1 % das contas criadas entre 15 de outubro de 2025 e 1 de maio de 2026, com atividade acompanhada até 31 de maio de 2026; ela mede mensagens e amplitude de tarefas em relação aos primeiros 28 dias de cada usuário e classifica as mensagens em 53 categorias de capacidade.

O ensaio também destaca cinco implantações de clientes. O Boston Children’s Hospital relatou mais de 40 diagnósticos em casos raros de doenças previamente não resolvidos por meio de pesquisa assistida por IA. A Cars24 afirmou que seus agentes lidam com mais de um milhão de minutos de conversa por mês em processos de compra e venda de carros. A Circles registrou 65 % de resolução autônoma de interações de atendimento ao cliente em fluxos de trabalho suportados, e a Balyasny Asset Management disse que seu Analista de Discursos de Bancos Centrais reduziu a análise de cenários macroeconômicos de dois dias para cerca de 30 minutos. A Replit oferece um Modo Gratuito que permite às pessoas planejar software sem consumir sua cota de uso. Cada número provém da própria conta do cliente, conforme apresentado pela OpenAI.

Agentes Dentro da Organização de Pesquisa

O número de 3,1 dias‑trabalho de agentes provém de uma atualização de pesquisa da OpenAI publicada em 6 de setembro de 2026, que relatou que antes de junho de 2026 o tempo total de execução de agentes em toda a organização de pesquisa ainda estava abaixo do total de trabalho humano. Essa atualização informou que o pesquisador mediano gastava mais de US$ 600 por dia em inferência a preços de API em meados de agosto, e que o usuário no 90.º percentil consumia mais de US$ 7.000 em tokens por dia.

A mesma atualização informou que as taxas de sucesso dos agentes de codificação aumentaram de janeiro a julho de 2026 em vários grupos de dificuldade de tarefas, ao mesmo tempo em que observou que tarefas mais longas ainda exigiam orientação humana: nos seis meses anteriores, mais da metade das tarefas bem‑sucedidas, estimadas entre quatro e oito horas de tempo humano, envolveram ao menos uma intervenção. No ensaio, a OpenAI afirmou que as pessoas ainda definem prioridades de pesquisa e avaliam os resultados, e que as equipes estão usando agentes para resolver problemas de infraestrutura que antes exigiam suporte especializado.

Capacidade do Modelo e Custos de Computação

O ensaio de Friar apresenta o GPT-6 Astra como o atual motor de capacidade, descrevendo-o como o estado da arte em uso de computadores, navegação, engenharia de software, cibersegurança, ciência e trabalho profissional. Em seu post de lançamento, a OpenAI afirmou que o Astra obtém 98 % no FrontierMath Tier 4, 99,9 % no ARC‑AGI‑3 e 100 % no ExploitBench, e que atinge o limiar Crítico em cibersegurança segundo o Framework de Preparação da empresa. Esses são os próprios resultados divulgados pela OpenAI. A empresa disse que o Astra começou a ser implementado em um conjunto limitado de organizações em 3 de setembro de 2026, com disponibilidade geral nas camadas pagas do ChatGPT, na API, no Microsoft Azure e no AWS Bedrock nos dias seguintes.

Sobre a economia de serviço, o ensaio reitera duas cifras do post de engenharia da OpenAI de 29 de julho de 2026 sobre o GPT-5.6: melhorias no software de produção que reduziram os custos de serviço de ponta a ponta em 20 %, e trabalho de decodificação especulativa que aumentou a eficiência de geração de tokens em mais de 15 %. Ambos os ganhos foram alcançados com o GPT-5.6 Sol operando dentro do Codex, incluindo a reescrita autônoma de kernels de produção, segundo o post de engenharia.

O ensaio também recapitula os primeiros resultados do Jalapeño, chip de inferência personalizado da OpenAI, publicado pela primeira vez em 25 de agosto de 2026. Nos testes InferenceX em GPT‑OSS 120B, DeepSeek R1 e Kimi K2.5, a OpenAI afirmou que o chip entregou de 1,5 a 1,9 vezes mais taxa de transferência de tokens pico por watt em comparação aos sistemas comerciais testados, usando a potência nominal do chip para normalizar a comparação, com latência de ponta a ponta de 1,7 a 3,6 vezes menor. A OpenAI disse que planeja começar a implantar o Jalapeño em sua infraestrutura de computação até o final do ano, ao lado de aceleradores da NVIDIA, AMD e outros parceiros, e que versões de segunda e terceira geração estão em desenvolvimento.

Friar escreveu que a OpenAI avalia cada investimento com base na demanda que pode atender, na rapidez com que se torna produtivo e se os retornos justificam o capital comprometido, e que a receita decorrente da crescente adoção financia pesquisas e infraestrutura adicionais.