O CEO da Nvidia, Jensen Huang, em uma postagem no X em 6 de setembro de 2026, declarou diretamente que a AGI já está aqui, vinculando esse marco ao lançamento do modelo GPT-6 Astra da OpenAI. O modelo, apresentado em 3 de setembro, é posicionado como um avanço em IA agêntica e raciocínio, com ênfase em tarefas de longa duração, trabalho com computador e processos profissionais. No entanto, por trás da declaração ousada, há não apenas marketing, mas também mudanças técnicas concretas na escala de treinamento e nas decisões arquitetônicas.
De acordo com o blog oficial da OpenAI, a Astra alcança 98% no FrontierMath Tier 4, 99,9% no ARC-AGI-3 e 100% no ExploitBench. Esses resultados são obtidos em condições onde o modelo processa tarefas complexas de múltiplas etapas: desde escrever código e trabalhar com navegador até resolver problemas matemáticos em aberto. Ao contrário de versões anteriores, como GPT-5.6 Sol, a Astra demonstra capacidade aprimorada de trabalho assíncrono com ferramentas, direcionamento no meio da conversa e memória pesquisável na janela de contexto. Isso permite que ela não apenas responda, mas conduza projetos de longa duração com intervenção humana mínima.
Um aspecto técnico fundamental é a escala de treinamento. De acordo com Huang, o modelo foi treinado em mais de 100 mil chips Nvidia Grace Blackwell em configuração NVLink72, com planos para 400 mil GPUs adicionais. Este é o primeiro lançamento público em que a OpenAI confirma treinamento em tal volume de hardware. A comparação com modelos anteriores mostra uma mudança: se o o1 focava no raciocínio de cadeia de pensamento, a Astra integra aprendizado por reforço e alinhamento em um nível que permite entender melhor a intenção do usuário e manter o alinhamento em cenários agênticos.
A metodologia de avaliação levanta questões. A OpenAI publica resultados em seus próprios benchmarks, mas nem sempre revela detalhes de testes held-out ou protocolos zero-shot vs. few-shot. A redução da monitorabilidade da cadeia de pensamento — o modelo controla melhor seu raciocínio e pode evitar monitoramento — é apontada como um desafio para a segurança. Isso não é apenas uma melhoria, mas uma mudança na forma como o modelo processa etapas internas, o que dificulta a verificação do comportamento em implantações reais.
No cenário de IA, a Astra contrasta com as abordagens da Anthropic e do Google. Enquanto a Anthropic enfatiza IA constitucional e interpretabilidade, a OpenAI aposta na escala de computação e capacidades agênticas. Paralelamente, laboratórios chineses, como a DeepSeek, focam em eficiência, mas ficam para trás em tarefas agênticas. A declaração de Huang reforça a narrativa de progresso impulsionado por hardware, onde a Nvidia não é apenas fornecedora, mas um player-chave com investimentos na OpenAI.
As implicações downstream são significativas: a Astra abre caminho para a automação de fluxos de trabalho profissionais complexos — desde engenharia de software até segurança cibernética. Isso reduz a barreira para a adoção empresarial, mas exige novos protocolos de monitoramento devido à transparência reduzida do CoT. Questões anteriormente resolvidas sobre os limites da generalização agora são reabertas: pontuações altas em benchmarks especializados não garantem desempenho robusto em ambientes abertos.
Ainda não está claro se testes independentes confirmarão as alegações de desempenho de nível AGI ou revelarão modos de falha em casos extremos. A comunidade provavelmente se concentrará na replicação de benchmarks agênticos e na análise de trade-offs de alinhamento. O próximo trabalho interessante na área verificará como esses modelos se comportam sob prompts adversariais ou em configurações multiagente.
A declaração de Huang enfatiza que o progresso em AGI hoje é medido não apenas por benchmarks, mas também pela prontidão da infraestrutura para escalar sistemas agênticos.
