OpenAI lança GPT-5 na API em três tamanhos de modelo, com novo formato e controles de raciocínio

O modelo da API não é o modelo do ChatGPT

A linha mais importante para quem constrói sobre a plataforma está escondida depois dos benchmarks: o GPT-5 na API é o modelo de raciocínio, não o sistema de roteamento combinado com modelo sem raciocínio que o ChatGPT apresenta ao público. A OpenAI deixa claro que o gpt-5 com raciocínio mínimo é um modelo distinto do caminho sem raciocínio do ChatGPT, e que o modelo sem raciocínio do ChatGPT é exposto separadamente como gpt-5-chat-latest.

Isso importa porque mostra aos desenvolvedores o que estão realmente chamando. O ChatGPT esconde a seleção de modelo detrás de um roteador; a API entrega o motor de raciocínio direto e espera que você mesmo gerencie as trocas entre custo, latência e qualidade. Os três tamanhos — gpt-5, gpt-5-mini, gpt-5-nano — existem exatamente para você tomar essas decisões por chamada, em vez de deixá-las nas mãos de um roteador opaco.

As afirmações de eficiência aparecem ao lado das de pontuação

O GPT-5 marca 74,9% no SWE-bench Verified, contra os 69,1% do o3, e 88% no Aider polyglot, o que a OpenAI descreve como uma redução de um terço na taxa de erro. Mas o número que a OpenAI optou por destacar junto com o resultado do SWE-bench é sobre consumo: em comparação com o o3 em alto esforço de raciocínio, o GPT-5 usa 22% menos tokens de saída e 45% menos chamadas de ferramentas para chegar à mesma pontuação.

Para cargas de trabalho agênticas que encadeiam dezenas de chamadas de ferramentas, menos chamadas e menos tokens significam diretamente contas menores e menos latência. O resultado do τ2-bench telecom — 96,7%, num cenário em que nenhum modelo tinha passado de 49% dois meses antes — é a afirmação agêntica de destaque, mas na prática o que importa é que o mesmo teste de benchmark custa menos por tentativa. A OpenAI está argumentando com base em economia unitária, não só em capacidade.

Vale registrar a nota de transparência: a OpenAI excluiu 23 dos 500 problemas do SWE-bench que não rodariam na sua infraestrutura e divulgou os IDs exatos das tarefas, além de ter trocado o avaliador do MultiChallenge de GPT-4o para o3-mini porque o avaliador padrão pontuava as respostas de forma errada. Esse tipo de ressalva é o que determina se um benchmark se reproduz no seu próprio ambiente de teste.

Ferramentas personalizadas trocam a confiabilidade do JSON por gramáticas em texto puro

O novo tipo de ferramentas personalizadas resolve uma falha concreta, não uma questão de marketing. A OpenAI observa que um JSON válido exige que o modelo escape cada aspas, barra invertida, quebra de linha e caractere de controle, e que em entradas longas — centenas de linhas de código ou um relatório de cinco páginas — a chance de um escape malformado aumenta. As ferramentas personalizadas permitem que o GPT-5 emita entradas de ferramentas em texto puro, restritas por uma expressão regular fornecida pelo desenvolvedor ou por uma gramática livre de contexto completa.

A OpenAI relata que o GPT-5 tem pontuação praticamente igual no SWE-bench Verified, use ele ferramentas personalizadas ou ferramentas em JSON, e esse é justamente o ponto: o recurso não existe para melhorar o benchmark, mas para eliminar uma classe de falhas de interpretação em saídas longas. Combinado com o valor mínimo de reasoning_effort e o parâmetro de verbosidade, o lançamento é, em grande parte, um conjunto de controles que permitem aos desenvolvedores ajustar velocidade, tamanho da saída e confiabilidade de formato conforme a tarefa.

Uma janela de contexto de 400 mil tokens e taxas de alucinação menores visam agentes sensíveis à precisão

Todo modelo GPT-5 da API aceita até 272.000 tokens de entrada e emite até 128.000 tokens de raciocínio e saída, totalizando 400.000 tokens. A OpenAI combinou isso com resultados de recuperação em contexto longo — 89% de acerto no BrowseComp Long Context entre 128K e 256K tokens — e uma afirmação de cerca de 80% menos erros factuais que o o3 nos testes LongFact e FactScore, com a taxa de alucinação do LongFact-Objects caindo dos 6,8% do o3 para 1,2%.

A implicação específica é que a OpenAI está posicionando o GPT-5 para sistemas agênticos onde uma resposta errada se propaga pelas chamadas de ferramentas seguintes — alterações de código, operações de dados, ações de atendimento ao cliente sobre estados mutáveis. Tokens mais baratos e menos chamadas reduzem o custo de operar esses agentes; taxas de alucinação menores e mensagens de preâmbulo entre chamadas de ferramentas têm o objetivo de tornar o comportamento auditável. Os preços — US$ 1,25 por milhão de tokens de entrada e US$ 10 por milhão de saída para o gpt-5, chegando a US$ 0,05 e US$ 0,40 para o nano — permitem que as equipes direcionem recuperações baratas e etapas simples para modelos menores, reservando o modelo completo para as etapas em que a precisão realmente custa dinheiro.