OpenAI reduz preço do GPT-5.6 Sol em 33% e passa a custar menos que o Claude Opus 5

A OpenAI anunciou na quinta-feira, 21 de agosto, uma redução de preços para o modelo GPT-5.6 Sol na sua API comercial, derrubando o custo de saída em 33% e posicionando o Sol abaixo do Claude Opus 5 da Anthropic pela primeira vez desde o lançamento de ambos os modelos. O ajuste, descrito pela empresa como promocional, permanece vigente até 21 de novembro de 2026.

As novas tarifas fixam o preço de entrada em 4 dólares por milhão de tokens, ante 5 dólares anteriores, e o de saída em 20 dólares por milhão, ante 30 dólares. O Claude Opus 5, lançado pela Anthropic em 24 de julho de 2026, custa 5 dólares por milhão de tokens na entrada e 25 dólares na saída. Com os novos valores, o Sol passa a ser ao mesmo tempo mais barato na entrada e na saída do que seu principal concorrente direto no segmento de modelos de raciocínio avançado.

O corte não é isolado. Em julho, a OpenAI já havia reduzido o preço do modelo Terra em 20% e do Luna em 80%, ambos posicionados em camadas de menor capacidade da família GPT-5.6. O padrão sugere pressão sistêmica sobre margens em toda a hierarquia de modelos, não uma iniciativa pontual para o Sol. Sam Altman, CEO da OpenAI, não comentou publicamente o movimento de agosto, mas afirmou em julho que a empresa pretendia continuar reduzindo preços à medida que a eficiência de inferência melhorasse.

A redução se aplica especificamente ao acesso via API, ao ambiente Codex e ao plano ChatGPT Work, voltado a empresas. Os planos de consumidor ChatGPT Pro, Plus e Business não são afetados. A distinção é relevante para CIOs que precificam orçamentos de desenvolvimento interno: uma equipe que processa 500 milhões de tokens de saída por mês economizaria 5.000 dólares mensais com os novos preços, o equivalente a aproximadamente 60.000 dólares anuais antes mesmo de qualquer otimização de prompts.

No Japão, onde grandes integradores como Fujitsu e NTT Data mantêm contratos de API em escala para automação de back-office, o diferencial de custo com modelos equivalentes da Anthropic e da chinesa Moonshot AI deve reacender negociações de contrato no quarto trimestre de 2026. No Reino Unido, a Financial Conduct Authority já monitora custos de inferência como variável relevante para a sustentabilidade de sistemas de decisão automatizada em serviços financeiros, tornando reduções de tarifa de API um dado regulatório, não apenas comercial.

No Brasil, onde a adoção de API de modelos fundacionais em fintechs e empresas de serviços financeiros cresceu ao longo de 2025, o ajuste chega em momento de revisão orçamentária para o segundo semestre. Empresas que testaram o Sol em projetos-piloto durante o primeiro semestre têm agora um argumento mais favorável para escalar em produção, especialmente em tarefas de raciocínio complexo que demandam modelos de ponta, não soluções de menor capacidade.

Do ponto de vista estratégico, o movimento revela tensão na premissa de precificação premium. O Sol foi posicionado pela OpenAI como modelo de raciocínio de ponta, com capacidade de processar tarefas estruturadas com mais etapas de raciocínio, justificando o preço inicial mais elevado que o Opus 5 da Anthropic. Com a inversão de preços, a OpenAI sinaliza que prefere volume e participação de mercado a manter o diferencial de preço como argumento de qualidade percebida.

A Anthropic não comentou publicamente o movimento concorrencial. A DeepSeek, que mantém modelos de raciocínio de código aberto com custo de inferência significativamente inferior ao do Sol mesmo após o corte, continua sendo a alternativa mais econômica para empresas dispostas a hospedar modelos localmente ou via provedores de nuvem que oferecem inferência DeepSeek como serviço gerenciado.

Para CIOs e CTOs tomando decisões de fornecedor de modelo no segundo semestre de 2026, o corte de preço do Sol altera o cálculo de custo total de propriedade mas não resolve questões de latência, disponibilidade regional de API e conformidade com requisitos de soberania de dados. Esses fatores continuam sendo os principais diferenciadores em licitações corporativas na Europa e na Ásia, onde reguladores exigem que dados de inferência não cruzem certas fronteiras geográficas.