OpenAI acelera lançamentos, mas o modelo principal esbarra em alinhamento e auditoria

Em apuração publicada em 14 de outubro de 2026, funcionários da OpenAI indicaram que a empresa deve lançar um ou dois novos modelos até o fim do ano, mas ainda não está claro se o principal upgrade em desenvolvimento estará entre eles. A informação é do The Information, que ouviu pessoas familiarizadas com os projetos. O próximo modelo de ponta, segundo essas fontes, ainda precisa de trabalho de alinhamento para que seus objetivos correspondam ao que pesquisadores e clientes esperam, além de uma infraestrutura de testes mais sólida.

No centro desse impasse está uma técnica já usada em produção pela OpenAI sob o nome de 'Recurrent Depth'. Ela se baseia em transformers em loop: em vez de passar um token pelas camadas uma única vez, o modelo o faz circular pelas mesmas camadas várias vezes antes de gerar a próxima palavra. O método é central para o Astra, modelo mais avançado da companhia, e ajuda a elevar o desempenho em matemática e programação enquanto reduz custos, porque um modelo menor consegue render acima do seu porte.

O problema é que o loop também desloca parte do 'pensamento' do modelo para representações numéricas internas que revisores humanos não conseguem inspecionar. Isso enfraquece o monitoramento da cadeia de pensamento, no qual pesquisadores de segurança acompanham o raciocínio do sistema para detectar comportamentos indesejados. Segundo o The Information, a OpenAI limitou deliberadamente o número de loops do Astra para manter essa cadeia legível.

A busca por eficiência que torna o Astra mais forte em matemática e código também empurra o raciocínio do modelo para fora do texto que auditores conseguem ler.

A preocupação não é isolada. O cientista-chefe da OpenAI, Jakub Pachocki, já reconheceu que o monitoramento da cadeia de pensamento está ficando 'frágil' e 'infelizmente seguindo em uma direção negativa'. Ele também alertou contra uma corrida da indústria por modelos sem raciocínio legível. Para a OpenAI, o desafio é conciliar a arquitetura que impulsiona ganhos técnicos com a necessidade de explicar e auditar como o modelo chega às respostas.

Há ainda um obstáculo regulatório. Sob uma ordem executiva do presidente Trump que rege a avaliação de sistemas avançados de IA, a OpenAI concordou em dar ao governo dos Estados Unidos acesso a novos modelos até 30 dias antes de eles chegarem a parceiros externos, e por um período ainda maior antes do lançamento público. Assim, mesmo depois de a liderança aprovar as avaliações de segurança, o calendário de estreia precisa cumprir etapas adicionais.

O esforço de segurança também tem custo industrial. Depois do incidente com o Hugging Face, a OpenAI redirecionou cerca de 10% de sua capacidade total de computação para alinhamento e segurança, de acordo com uma pessoa familiarizada com os números. O The Information relata que isso equivale a centenas de megawatts de capacidade de data center, embora não esteja claro quanto era destinado à segurança antes nem qual é a divisão atual. A preços de mercado, a computação deslocada custaria bilhões de dólares por ano para ser alugada. O pesquisador de IA Noam Brown disse, em podcast de meados de setembro, que cerca de 10% de sua equipe também atua com segurança.

Detalhes sobre como a OpenAI usa a técnica vieram a público por um deslize da Microsoft. O investidor, que tem acesso à propriedade intelectual da OpenAI, publicou um texto técnico sobre o GPT-6.1 Sol, alternativa mais barata ao Astra lançada no início deste mês. Em uma seção depois apagada, a Microsoft descreveu o modelo como usuário de 'looping inference', no qual o sistema trabalha o mesmo problema em múltiplas 'passagens' antes de produzir uma resposta. O texto citado pelo The Information dizia que o GPT-6.1 Sol 'usa os mesmos pesos de modelo base do GPT-6 Sol com duas passagens de inferência em vez de três'.

Uma pessoa com conhecimento direto confirmou que o texto batia com o que a OpenAI havia dito à Microsoft em privado. A Microsoft removeu a seção após perceber que o material não deveria ser público. Transformers em loop seguem sendo uma parte sensível do desenvolvimento de modelos da OpenAI, tanto no treinamento quanto na inferência, segundo o The Information.

O quadro que emerge é o de uma corrida em duas frentes. De um lado, a OpenAI tenta manter o ritmo de lançamentos e reduzir custos com uma arquitetura que já mostrou ganhos em matemática e programação. De outro, precisa demonstrar que consegue monitorar modelos cujo processo decisório se torna menos transparente. Se o próximo flagship não estiver pronto a tempo, a empresa ainda pode cumprir a promessa de colocar um ou dois modelos no mercado neste ano — mas o teste mais importante, o de alinhar desempenho, segurança e calendário, seguirá em aberto.