Escolher um modelo no Codex fica mais fácil quando você separa duas decisões: qual IA combina com o trabalho e quanto esforço de raciocínio aquela tarefa precisa. Este guia explica Astra, GPT-6.1 Sol e Luna, com exemplos para sair da dúvida sem colocar tudo no nível máximo.
Informações conferidas em 22 de outubro de 2026. A disponibilidade e os nomes dos controles podem variar conforme conta, plano, aplicativo e configuração da organização. Os exemplos abaixo são sugestões de uso, não resultados de um teste comparativo entre modelos.
Primeiro: modelo e esforço são escolhas diferentes
O modelo é a IA escolhida para executar o trabalho. O esforço de raciocínio orienta quanto ela deve se aprofundar naquela execução. Escolher High não transforma Luna em Astra, e escolher Astra não exige usar o esforço mais alto.
Outra diferença importante: esforço e velocidade são controles distintos. Fast ou Ultrafast, quando disponíveis, não são sinônimos de Low ou High. Um ajuste trata da velocidade de execução; o outro, do esforço aplicado ao problema. Consulte as condições da sua conta antes de mudar uma opção que consuma mais créditos.
GPT-6.1 Sol: um ponto de partida para trabalho complexo
O nome correto é GPT-6.1 Sol. A OpenAI o apresenta como uma opção próxima do desempenho do Astra em trabalho complexo, com custo menor, incluindo programação, uso do computador e atividades profissionais. Isso não significa desempenho idêntico em toda tarefa.
Exemplo de uso: você já sabe o que quer construir e tem referências, arquivos e critérios claros. Precisa implementar uma página, revisar uma rotina ou organizar um documento com várias partes. Teste o esforço padrão do seu aplicativo e aumente quando a tarefa exigir investigação ou revisão mais profunda.
GPT-6 Astra: quando o problema exige mais julgamento
Astra é apresentado pela OpenAI como seu modelo mais capaz para os trabalhos mais exigentes, como raciocínio complexo, programação, pesquisa, criação de documentos e uso de ferramentas.
Exemplo de uso: um projeto mistura várias fontes, decisões e restrições, e você precisa de um resultado completo. Em vez de pedir apenas “resolva”, entregue contexto, alternativas já tentadas e critérios de aceitação. Escolha um esforço compatível com a dificuldade; o modelo mais capaz também pode trabalhar em Light.
GPT-6 Luna: quando o trabalho está bem delimitado
Luna é voltado à eficiência em tarefas específicas e de alto volume. Exemplos documentados incluem extração, classificação, transformação e resumos estruturados.
Exemplo de uso: transformar uma lista em uma tabela com campos definidos, padronizar descrições ou fazer uma alteração pequena em um arquivo. Você consegue descrever exatamente como deve ser a saída? Esse é um bom cenário para experimentar Luna e conferir uma amostra antes de processar um lote inteiro.
E o GPT-6 Sol e os modelos 5.6?
GPT-6 Sol é a versão anterior do Sol, documentada para programação complexa e fluxos com agentes. A OpenAI aponta GPT-6.1 Sol como a versão Sol mais nova. Não confunda os dois nomes na hora de selecionar.
A documentação também informa a permanência de GPT-5.6 Sol, GPT-5.6 Terra e GPT-5.6 Luna durante a transição. Se uma opção antiga já atende um fluxo conhecido, compare a nova usando o mesmo pedido antes de trocar todas as tarefas. A lista efetivamente disponível é a do seu aplicativo, não uma captura antiga da internet.
Leve, médio, alto e extra alto: quando usar
Light ou Low, em português leve ou baixo: para pedidos claros e bem delimitados. Exemplo ilustrativo: ajustar um texto mantendo os fatos e o tamanho, ou corrigir um trecho específico de código.
Medium, médio: para trabalhos com planejamento, análise e algumas etapas conectadas. Exemplo: organizar informações de uma planilha e preparar um resumo com critérios definidos.
High, alto: para problemas difíceis, investigação de falhas e decisões em que verificar alternativas importa mais do que responder depressa. Exemplo: descobrir por que uma integração falha e propor uma correção verificável.
Extra High ou xhigh, extra alto: para análises extensas, pesquisa e revisões exigentes. Use quando a qualidade adicional justificar o tempo e o consumo maiores. Exemplo: confrontar fontes divergentes e revisar um projeto com várias dependências.
Max: a documentação da API descreve essa opção para os problemas mais complexos. Compare o resultado com xhigh antes de adotá-la como padrão.
Aumentar o esforço não garante acerto. Os próprios modelos ajustam parte do raciocínio à complexidade da tarefa. Fontes, contexto e conferência continuam necessários em todos os níveis.
Por que o menu pode mostrar Ultra?
No aplicativo, a documentação descreve uma faixa de Light a Ultra para GPT-6.1 Sol, com Max e Ultra dependentes das configurações. Isso não significa que todos os modelos, planos ou clientes exibam as mesmas opções.
Na API, as páginas de Astra e GPT-6.1 Sol consultadas listam low, medium, high, xhigh e max; não listam ultra como valor de reasoning.effort. Não copie automaticamente um rótulo do aplicativo para um código de API. Também não suponha que o esforço padrão seja igual em todo produto: confira o controle selecionado na sua interface.
Um roteiro prático para escolher sem desperdiçar tentativas
As combinações abaixo são pontos de partida editoriais. Não são promessas de desempenho nem substituem uma avaliação com seus próprios arquivos.
- Alteração pequena com saída bem definida: experimente Luna e verifique o resultado antes de ampliar o escopo.
- Trabalho técnico com várias etapas e instruções claras: experimente GPT-6.1 Sol no esforço padrão disponível na sua conta.
- Problema ambíguo, fontes conflitantes ou projeto exigente de ponta a ponta: considere Astra e defina como o resultado será conferido.
- Resposta superficial apesar de um bom contexto: aumente o esforço e compare a solução para o mesmo pedido.
- Resposta lenta sem ganho útil de qualidade: reduza o esforço ou teste um modelo mais eficiente.
Antes de mudar o modelo, confira o briefing. “Crie uma página bonita” deixa decisões demais em aberto. “Crie uma página para este público, com estas seções, estas referências e este objetivo” dá uma base melhor para qualquer escolha.
Um pedido que você pode copiar
Objetivo: [o que preciso resolver]
Contexto e arquivos: [materiais disponíveis]
Restrições: [o que deve ser preservado]
Entrega esperada: [formato e tamanho]
Como conferir: [critérios de aceitação]
Se faltar uma informação essencial, sinalize antes de inventar.
Ao terminar, diferencie o que foi criado, testado e ainda não verificado.O que conferir antes de confiar no resultado
Verifique links, números, datas e alterações em arquivos. Se houver código, peça testes relevantes. Se houver conteúdo público, revise os fatos e a leitura. Esforço alto não substitui uma fonte atual nem autoriza a IA a publicar, comprar ou acessar algo sem sua orientação.
Escolha uma tarefa real, mantenha o pedido igual e compare duas combinações. Registre tempo, consumo quando disponível e qualidade da entrega. Fique com a opção mais simples que atenda ao seu padrão de qualidade.
Conteúdo elaborado com apoio de IA e conferência de referências oficiais. Este guia explica escolhas; não apresenta um benchmark próprio, economia garantida ou disponibilidade universal. As fontes consultadas estão abaixo. Para revisar uma resposta antes de usá-la, veja também o checklist de verificação de IA na seção “Continue explorando”.