GPT-5.6 Sol Ultra estará no Codex

Artigo original ↗ Discussão no Hacker News ↗

O futuro modelo GPT‑5.6 “Sol Ultra” da OpenAI, previsto para integração em seu agente de programação Codex, está despertando interesse tanto pela orquestração multiagente com “subagentes” quanto pelas alegações de grandes reduções no custo de inferência. Os comentaristas debatem o quanto disso é realmente novo versus apenas melhor prompt e empacotamento de capacidades já existentes, e comparam fortemente o modelo com o Fable da Anthropic e outros modelos de fronteira em termos de qualidade de programação e economia. Por trás do hype dos nomes dos modelos, muitos se concentram nos custos de tokens, nos limites de uso corporativo e na corrida armamentista mais ampla entre laboratórios dos EUA e da China, questionando se os modelos de negócios atuais e o sigilo em torno dos “multiplicadores de compute” são sustentáveis.

Cortes no custo de inferência & “multiplicadores de compute”

  • O tópico conecta GPT‑5.6 Sol / Ultra a relatos de que a OpenAI encontrou uma forma de reduzir pela metade os custos de inferência.
  • As pessoas especulam sobre técnicas: cache compartilhado de KV/prefixo, speculative decoding, arquiteturas mais eficientes, truques no estilo DeepSeek (modelos de rascunho, sistemas semelhantes ao DSpark).
  • Vários argumentam que simples cache de respostas ou cache de prefixo não ajudará muito em cargas de trabalho de cauda longa e contexto longo (por exemplo, programação), onde os custos importam mais.
  • “Multiplicadores de compute” são vistos como os principais segredos comerciais dos laboratórios; mantê-los em segredo é comparado a algoritmos de trading quantitativo. Outros criticam esse sigilo como anticientífico e socialmente nocivo.

Sol Ultra, Pro, subagentes & fluxos de trabalho

  • Sol Ultra no Codex é descrito (com base no código-fonte) como: mesmo modelo/mesmo esforço “max”, mais um ajuste no prompt para usar proativamente subagentes. Nenhum modo especial de backend exposto.
  • Acredita-se que GPT‑5.5 Pro use compute de teste paralelo no tempo de inferência (várias passagens + um modelo de seleção/síntese), explicando seu custo efetivo muito mais alto.
  • São feitas comparações com o “ultracode” do Claude Code / fluxos de trabalho dinâmicos: scripts que orquestram muitos subagentes de forma determinística, com alguma discordância sobre quão maduros ou “quebrados” eles são.

Qualidade do modelo, კონკorrência & acesso

  • Muitos veem Fable/Mythos como os líderes atuais em programação, especialmente em tarefas complexas e de várias etapas (por exemplo, engenharia reversa de hardware).
  • GPT‑5.5 Pro é elogiado pela qualidade, mas criticado por ser proibitivamente caro no uso via API; alguns esperam que o 5.6 Sol Ultra reduza a diferença a preços de assinatura.
  • Alguns usuários relatam que o 5.5 ficou “mais preguiçoso”/pior recentemente no Codex, possivelmente como preparação para o 5.6, mas isso é anedótico.
  • A pesquisa aberta e os baixos preços da DeepSeek são citados repetidamente como pressão sobre os laboratórios dos EUA; há debate sobre se os laboratórios chineses estão à frente em eficiência ou apenas são estruturalmente forçados a otimizar.

Uso empresarial, custos & preocupações com bolha

  • Usuários corporativos relatam já estar vendo o 5.6-Sol Ultra; a administração inicialmente transformou em jogo “mais tokens usados”, depois mudou abruptamente para alertas sobre alto gasto de tokens e incentivo ao uso de modelos mais baratos.
  • Vários comentaristas veem isso como um sinal inicial de que a bolha econômica pode estar esvaziando: as ferramentas são úteis, mas caras demais para substituir o trabalho humano em escala.
  • Estratégias mencionadas: usar modelos fortes para planejamento, modelos menores para o “trabalho braçal”; usar modelos locais para a maioria das tarefas e LLMs na nuvem apenas quando estiver travado.

Confiabilidade, segurança & automação

  • Há forte ceticismo sobre incorporar LLMs estocásticos diretamente em processos críticos e automatizados de negócios: as empresas querem determinismo, auditabilidade e comportamento estável.
  • Alguns argumentam que é possível construir sistemas confiáveis a partir de componentes estocásticos com feedback e testes; outros contra-argumentam que os LLMs atuais não conseguem realmente aprender com o feedback em tempo de implantação e continuam opacos.

Branding, nomes & UX

  • Há confusão e irritação com nomes pouco descritivos (“Sol”, “Ultra”, “Codex”) em vez de rótulos técnicos; outros observam que marketing e facilidade de uso muitas vezes superam nomes descritivos.