OpenAI adiciona contexto de segurança entre conversas ao ChatGPT com 'resumos de segurança'

O que a atualização muda de fato no fluxo da conversa

A afirmação central da OpenAI é específica e bem delimitada: agora o ChatGPT considera o contexto acumulado da conversa, não apenas a última mensagem, ao decidir como responder em cenários críticos — suicídio, autolesão e risco a terceiros. Um pedido que parece comum quando isolado pode ganhar outro sentido depois de sinais anteriores de sofrimento, e o modelo foi treinado para redobrar a cautela quando esses sinais se acumulam.

As ações de resposta citadas são concretas: desescalar a situação, recusar detalhes prejudiciais ou redirecionar para alternativas mais seguras. Isso amplia a abordagem de 'conclusão segura' já usada pela OpenAI, que recusa apenas as partes arriscadas de um pedido e responde ao que for seguro, em vez de negar a mensagem inteira.

'Resumos de segurança' são uma camada de persistência, não memória

A parte mais relevante do ponto de vista técnico é como a OpenAI trata riscos que atravessam conversas distintas. Em vez de ler o histórico completo do chat, um modelo treinado para tarefas de raciocínio de segurança escreve 'resumos de segurança' — notas curtas e factuais sobre contexto relevante de segurança identificado anteriormente. Eles são gerados por um modelo dedicado, mantidos apenas por um período limitado e acionados só quando há uma preocupação de segurança séria em jogo.

Eles foram criados para capturar contexto factual de segurança, não para funcionar como personalização geral ou memória de longo prazo.Montana Labs

Esse limite é a decisão de design que merece destaque. A OpenAI está construindo um caminho de persistência com propósito bem definido, que roda em paralelo ao recurso de memória do ChatGPT, com modelo de geração próprio, janela de retenção própria e condições de acionamento próprias. Isso resolve um problema real de produto — sinais de alerta espalhados por várias sessões parecem inofensivos quando vistos isoladamente — sem misturar o contexto de segurança com a memória geral que molda as respostas do dia a dia.

Os números são fortes exatamente onde o recurso foi pensado para atuar

A OpenAI relata avaliações internas criadas para simular conversas de alto risco em que o perigo só fica claro com o tempo. Em testes longos dentro de uma única conversa, o desempenho de respostas seguras subiu 50% para suicídio e autolesão e 16% para risco a terceiros. No GPT-5.5 Instant, o modelo padrão atual, os ganhos foram de 52% para risco a terceiros e 39% para suicídio e autolesão. Em mais de 4.000 avaliações dos próprios resumos, eles receberam nota 4,93 de 5 em relevância para segurança e 4,34 de 5 em precisão factual.

Duas ressalvas ficam por trás desses números. São avaliações internas em cenários desenhados pela própria OpenAI, e as porcentagens indicam melhoria relativa, não taxas absolutas de resposta segura — ou seja, um ganho grande não revela com que frequência o modelo já era seguro antes. A nota de precisão factual, 4,34, também fica abaixo da nota de relevância, o que significa que os resumos são mais consistentemente pertinentes ao tema do que consistentemente precisos — algo que importa quando uma nota deve mudar a forma como o modelo interpreta uma mensagem posterior.

A OpenAI testou o custo que isso gera nas conversas comuns

Um risco recorrente de camadas de segurança é o de

Combinado com a contribuição de especialistas — psiquiatras e psicólogos da Global Physicians Network da OpenAI, que ajudaram a definir quando os resumos são criados e por quanto tempo o contexto deve ser considerado —, a atualização parece uma tentativa de aumentar a sensibilidade em casos raros sem gerar um custo no uso cotidiano. Se isso se confirma fora dos testes internos ainda é uma pergunta aberta, mas pelo menos a avaliação foi desenhada para tentar responder a ela.

O precedente: um repositório de contexto limitado e temporário para sinais de alto risco

A ideia que fica é, no fundo, arquitetural. A OpenAI construiu um mecanismo de contexto definido por suas restrições — um modelo de raciocínio separado, uma janela de retenção limitada e ativação apenas em casos de preocupação de segurança séria — em vez de definido por maximizar a capacidade de lembrar. Isso vai na direção contrária da tendência geral de memórias mais amplas e duradouras, e existe justamente porque a persistência irrestrita seria a ferramenta errada para esse problema.

A OpenAI sinaliza que pode estender o mesmo método para segurança biológica e cibernética, com as devidas salvaguardas. Se isso acontecer, o modelo reutilizável não é 'dar mais memória ao assistente' — é criar um canal de contexto rigidamente delimitado e construído para um propósito específico, que só entra em ação quando uma classe de risco definida é acionada. Para equipes que constroem produtos conversacionais, o aprendizado é que o estado relevante para segurança pode ser uma camada distinta e temporária, separada do estado de personalização que molda as interações do dia a dia.