Deep Content #15 - GPT-6.1 Terra: o que muda quando a IA entende a tela e executa a tarefa

Boa tarde. Bem-vindo novamente à InferêncIA News.

Imagine receber uma fatura, pedir à IA que confira os dados e encontrar o cadastro preparado no sistema financeiro. A parte interessante começa depois de ela reconhecer o valor: escolher o fornecedor certo, preencher os campos corretos e deixar alguma evidência de que o registro foi salvo. Neste exemplo hipotético, saber ler o documento é só uma parte do trabalho.

É esse tipo de combinação que merece atenção no GPT-6.1 Terra. A OpenAI o apresentou em 26 de outubro com foco em raciocínio visual, uso do computador e escrita. No lançamento, a empresa também informa que as tarifas Standard da API são 50% menores que as do GPT-5.6 Terra e do GPT-6.1 Sol. São capacidades e preços anunciados pelo fornecedor, sem avaliação própria desta newsletter. Veja o anúncio oficial.

Minha leitura é que a novidade pode ampliar o espaço da IA em tarefas comuns, especialmente nas que exigem olhar, interpretar e agir. Para entender onde isso faz diferença, precisamos acompanhar o trabalho até o resultado. Uma sequência de cliques impressiona bastante quando a demonstração termina antes da conferência.

Raciocínio visual envolve relacionar informações que aparecem numa imagem. Num formulário, por exemplo, isso pode significar perceber qual rótulo pertence a qual campo. Num catálogo, distinguir produtos parecidos exige considerar detalhes que uma descrição genérica talvez esconda.

Pense numa loja, em outro exemplo hipotético. Ela recebe a foto de uma peça sem identificação e quer localizar o item correspondente no catálogo. A IA poderia sugerir candidatos e explicar quais características observou. A equipe ainda precisaria conferir medidas, versão e código antes de alterar o estoque. Duas peças podem ter a mesma aparência e aplicações incompatíveis.

Uma explicação convincente sobre a fotografia não demonstra que o item escolhido é o correto. O resultado se torna mais útil quando vem acompanhado da referência que permite conferi-lo. Também ajuda separar o que foi observado do que ficou impossível determinar: uma foto frontal pode mostrar o acabamento, mas esconder o encaixe.

Isso muda a forma de pedir ajuda. Se a tarefa exige identificar um código exato, uma resposta aproximada precisa ser reconhecida como aproximação. Caso contrário, a automação pode apenas acelerar a chegada de uma dúvida ao cadastro.

Quando o sistema passa a operar uma aplicação, cada etapa depende do estado deixado pela anterior. Clicar em “salvar” não prova que o registro foi salvo. Pode haver um campo obrigatório vazio, uma mensagem de erro ou uma janela que ainda exige confirmação.

Voltemos à fatura hipotética. Um fluxo delimitado poderia começar pela leitura dos dados, consultar o fornecedor, preparar o lançamento e parar antes da confirmação que gera uma obrigação financeira. A pessoa responsável receberia o documento original e o registro proposto para conferir. É possível discutir mais autonomia depois; primeiro seria preciso saber como o processo se comporta.

O critério de conclusão deve existir antes da execução: fornecedor identificado por código, valores conciliados, duplicidade checada e estado final consultável. A lista concreta varia conforme a empresa. O princípio é oferecer uma maneira de verificar o resultado sem depender apenas do relato da própria IA.

Há ainda uma diferença entre poder executar uma ação e ter autorização para executá-la. Uma permissão de consulta pode bastar para preparar uma proposta. Alterar dados bancários ou confirmar um pagamento exige outra decisão. Essa separação permite aproveitar a assistência sem conceder a mesma liberdade em todas as etapas.

Eu daria bastante valor a um sistema que interrompe a tarefa ao encontrar uma ambiguidade relevante. Na operação, esse comportamento pode poupar mais trabalho do que uma conclusão confiante baseada no fornecedor errado.

Os exemplos a seguir são hipóteses de aplicação, não projetos testados por aqui nem resultados demonstrados para uma empresa específica.

Num escritório que trabalha com desenhos técnicos, a IA poderia ajudar a localizar divergências visuais entre versões e organizar perguntas para o profissional responsável. Seria necessário definir o que comparar: cotas, posição de elementos, legendas ou revisão do documento. Uma imagem aparentemente coerente não comprova viabilidade construtiva, nem substitui responsabilidade técnica.

Numa equipe comercial, ela poderia consultar informações autorizadas, preparar uma proposta e revisar a apresentação. O ganho teria de ser julgado também pela qualidade do texto: preço correto, condições consistentes e promessa compatível com o serviço. Produzir dez páginas rapidamente tem pouco valor se alguém precisa reconstruir o argumento.

Numa rotina administrativa, uma aplicação mais delimitada poderia ser preencher um formulário de teste e entregar a comparação entre os dados recebidos e os campos preparados. Nesse caso, o resultado é relativamente fácil de inspecionar. A mesma facilidade não existe numa decisão aberta sobre qual negociação aceitar.

Esses cenários ajudam a perceber por que o critério de sucesso importa tanto. Quanto mais clara a entrada, o objetivo e a forma de conferir a saída, mais informativa fica uma avaliação. Uma tarefa vaga pode terminar com uma entrega bonita e uma discussão longa sobre o que deveria ter sido feito.

Na API, o serviço usado para integrar o modelo a aplicações, a documentação registra US $1 por milhão de tokens de entrada e US$ 5 por milhão de tokens de saída em Standard. Tokens são unidades de processamento; essas tarifas não correspondem ao preço de uma fatura conferida ou de um formulário concluído. O custo depende do consumo e da configuração. Documentação do modelo.

É útil distinguir quatro perguntas: quanto custa processar informação, quanto custa concluir uma tarefa, quanto tempo ela leva e qual qualidade entrega. Uma resposta barata pode exigir várias tentativas. Uma resposta rápida pode deslocar trabalho para a revisão. Uma execução mais demorada pode ser vantajosa se resolver corretamente uma etapa importante.

Considere uma conta fictícia, sem relação com o desempenho medido do Terra. Uma execução custa R $1 e outra custa R$ 2. Se a primeira exige cinco tentativas e a segunda conclui na primeira, a comparação por execução favorece uma opção; a comparação por tarefa concluída favorece a outra. Depois ainda entram revisão, ferramentas e manutenção.

O tempo também precisa ser medido até a entrega utilizável. Esperar poucos segundos por uma primeira resposta e gastar vinte minutos corrigindo o resultado é uma experiência diferente de receber algo aproveitável em dois minutos. A latência percebida no início não conta toda a história.

Uma tarifa menor pode tornar viáveis atividades que antes custavam demais para o benefício esperado. Essa é uma hipótese econômica interessante. Confirmá-la exige observar volume, erros e tempo humano no processo escolhido. Nenhum desses elementos aparece automaticamente no desconto anunciado.

Também há condições tarifárias: contextos longos e modos de execução podem alterar a cobrança. Ler conteúdo já armazenado em cache e gravá-lo têm preços distintos; a documentação informa Fast a duas vezes o Standard. Ferramentas e infraestrutura podem acrescentar despesas. Por isso, copiar apenas o menor número da página de preços produz um orçamento incompleto.

A OpenAI apresenta avaliações como Agents’ Last Exam, OSWorld 2.1 e MMMU-Pro para discutir execução de tarefas e raciocínio visual. As comparações dependem do teste, do esforço de raciocínio e da configuração. As vantagens anunciadas de custo e velocidade não podem ser transportadas como proporções garantidas para qualquer operação. Os resultados citados são apresentados pela própria empresa no lançamento.

Um teste de desempenho ajuda a formular uma hipótese sobre capacidade. Para escolher uma aplicação, ainda falta descobrir se os problemas avaliados se parecem com os seus e se o critério de acerto corresponde ao que você considera uma entrega boa.

Numa empresa, até a distribuição dos casos pode mudar a conclusão. Um processo com documentos padronizados apresenta um desafio diferente de outro com fotos ruins, fornecedores duplicados e campos preenchidos de formas incompatíveis. Uma média única pode esconder justamente as exceções que consomem mais atenção.

Por isso, eu trataria os resultados do lançamento como motivo para investigar usos delimitados. A confiança cresce quando é possível observar acertos, falhas e interrupções em condições representativas. O slide comercial pode escolher o melhor exemplo. Quem responde pela operação precisa conhecer também o caso inconveniente.

As notas oficiais registram a distribuição do Terra em ChatGPT Work e Codex, além da API. A liberação inclui Plus, Pro, Business, Enterprise e Edu, conforme chegada à conta, região e permissões. O modelo não está disponível na experiência Chat. Os limites gerais dos planos permanecem os mesmos; tarifa da API e franquia de assinatura são contas diferentes. Notas de lançamento.

Há outra distinção útil: a ficha do modelo lista texto e imagem como entrada e texto como saída, sem áudio ou vídeo nativos. Usar ferramentas para trabalhar num programa de edição não equivale a gerar vídeo nativamente com o modelo.

Para o leitor que quer avaliar uma possibilidade, isso ajuda a delimitar a conversa. Qual experiência está disponível? Quais dados ela pode acessar? Que ferramentas estão conectadas? Sem essas informações, duas pessoas podem dizer que estão “usando o mesmo modelo” enquanto realizam tarefas em condições bastante diferentes.

O avanço mais interessante, para mim, é a possibilidade de combinar compreensão visual, escrita e execução em atividades que hoje exigem alternar entre documentos e aplicações. Há trabalho real nesse intervalo: localizar informação, reconciliar campos, preparar uma alteração e explicar o que ficou pendente.

A qualidade dessa assistência depende de como o processo é definido. Uma entrega deveria permitir responder o que foi feito, onde ficou salvo, quais referências foram usadas e o que precisa de decisão humana. Se a revisão exige refazer tudo desde o começo, parte importante do benefício desaparece.

Isso também abre uma discussão sobre o trabalho das pessoas. Menos tempo em preenchimento pode liberar atenção para outras atividades, mas o anúncio de um modelo não demonstra redução de equipe nem define como uma empresa vai distribuir suas tarefas. São decisões organizacionais que precisam de evidência própria.

O GPT-6.1 Terra merece atenção porque combina capacidades úteis com uma proposta de custo menor. Eu acompanharia como essa combinação se traduz em tarefas concluídas e conferíveis. É nesse ponto que a novidade começa a ganhar um significado além do lançamento.

Qual tarefa do seu trabalho exige olhar uma tela, interpretar o que aparece e agir sobre aquilo? Responda a este email com um exemplo e conte como você saberia que ela terminou corretamente. Essa segunda parte provavelmente vai render a melhor conversa.

Nos vemos amanhã.

Filipe, o único humano nesta empresa.