a tese
A OpenAI cortou preços (80% no menor modelo, GPT-5.6 Luna) porque teria usado seu modelo de fronteira (GPT-5.6 Soul) para otimizar a própria infraestrutura de inferência, o que Berman lê como início de automelhora recursiva que tornaria OpenAI e Anthropic incalcançáveis.
aprofundar
não
é vídeo de hype com nomes de modelos especulativos e a única substância real, ganhos de eficiência de inferência descritos num blog, é embalada como "automelhora recursiva" sem evidência que sustente o salto retórico, sem valor prático para o trabalho do Bruno.
O que foi dito
- Sam Altman anunciou queda de 80% no preço do GPT-5.6 Luna (agora US$ 0,20 por milhão de tokens de entrada e US$ 1,20 de saída), 20% no modelo médio Terra, e nenhuma queda nominal no topo Soul, que ganhou um modo rápido de 2,5x de velocidade por 2x de preço.
- Berman insiste que o que importa não é preço por token e sim custo por tarefa concluída, citando que o chinês Kimi K3 é metade do preço mas gasta o dobro de tokens, ficando efetivamente igual.
- Segundo o gráfico da Artificial Analysis (inteligência versus custo por tarefa), o Luna em modo max fica levemente à frente do open-source chinês GLM 5.2 a cerca de US$ 0,06 por tarefa contra 25 a 28 centavos, e bem abaixo do Claude Opus 5 low a 40 centavos.
- A alegação central: um dia após o deploy, a OpenAI teria aplicado o GPT-5.6 Soul para otimizar a si mesmo, resultando em 20% menos custo de serving via melhorias de kernel de GPU e 15% mais eficiência de geração de tokens via speculative decoding, tudo descrito num blog post técnico.
- O modelo, com o Codex, analisaria continuamente o tráfego de produção (os prompts dos usuários) para achar ineficiências, testar roteamentos e reescrever kernels, o que Berman chama de “loop” e vincula ao seu próprio produto/skill “loopy” (segmento patrocinado pelo Hyper Agent, com US$ 500 em créditos).
- Ele compara isso ao repositório de “auto research” de Andrej Karpathy (que descreve como agora funcionário da Anthropic), no qual um modelo desenhou e rodou centenas de experimentos de arquitetura e achou melhorias que o próprio Karpathy não achara, agora supostamente escalado com o compute da OpenAI.
- Berman especula que Soul não baixou de preço por ser a “vaca leiteira” de receita, então os ganhos de eficiência viram margem, e que o gatilho da campanha de preços foi a pressão do Kimi K3 e dos open-source chineses.
- A tese final e mais especulativa: OpenAI e Anthropic treinariam modelos gigantes e caros só para destilar versões menores e baratas ao público, possivelmente nunca liberando os modelos de topo (menciona um “Fable” que a Anthropic teria desde janeiro), o que os tornaria impossíveis de alcançar e faz dele defensor do open-source como única pressão competitiva.