Em 3 de setembro de 2026, a OpenAI lançou o GPT-6 Astra, e seu presidente, Greg Brockman, encerrou a apresentação com a frase “Bem-vindo à era da AGI”. No mesmo dia, o ARC Prize, organização que opera o teste ARC-AGI-3, mediu o modelo em 99,9% na sua melhor configuração — contra 30% da pontuação máxima anterior. Em sete semanas, o Google respondeu com o Gemini 4 Argon, a Anthropic com Claude Fable 5.1 e Opus 5.5, a Mistral com um modelo de 1 trilhão de parâmetros e a Qubic publicou uma pontuação obtida sem uma única placa gráfica. Esta comparação classifica sete sistemas naquilo que pode ser verificado: pontuações publicadas, preços, abertura, computação e governança.
Como foi construída esta comparação?
Cinco critérios verificáveis, sem opiniões. O primeiro deles é a pontuação no ARC-AGI-3, um teste em que o modelo precisa descobrir as regras de jogos desconhecidos à medida que os joga, concebido por François Chollet e administrado pelo ARC Prize sobre um conjunto de tarefas semi-privado. Foram usadas as pontuações “verificadas” divulgadas em arcprize.org, além do ARC-AGI-2 quando o ARC-AGI-3 não está disponível. O segundo é o preço público da API por milhão de tokens. O terceiro é a abertura: pesos baixáveis ou não. O quarto é a computação declarada para o treinamento. O quinto é a governança: quem decide e quem audita.
A estrutura retoma a que foi usada na comparação de criptomoedas de IA, que já se recusava a classificar por capitalização de mercado. Aqui, a recusa é classificar com base em comunicado de imprensa.
| Sistema (desenvolvedor, data) | ARC-AGI-3 | ARC-AGI-2 | Preço da API ($/M tokens, entrada / saída) | Pesos abertos | Computação e governança |
| GPT-6 Astra (OpenAI, 3 de set.) | 99,9% (adaptador do provedor); 62,7% (padrão) | 95,0% | 10 / 50 | Não | Mais de 100.000 GPUs em Stargate (Texas); primeiro modelo classificado como “crítico” para cibersegurança; acesso gradativo |
| Gemini 4 Argon (Google, 30 de set.) | 97,3% (adaptador do provedor); 46 a 50% (padrão, execuções incompletas) | 91,3% | 2 / 10 no lançamento, depois 4 / 20 | Não | Distribuído pelo programa Fairwind (defensores cibernéticos), depois assinantes Ultra e API |
| Claude Fable 5.1 / Opus 5.5 (Anthropic, 15 e 22 de set.) | Não publicado | 90,0% / 93,3% | 10 / 50 (Fable 5.1) | Não | Mythos 5.1, o mesmo modelo com salvaguardas mais leves, reservado a organizações americanas certificadas |
| Grok 4.7 (xAI, 21 de set.) | 10,1% | 61,4% | Não coletado | Não | Grok 5 anunciado, sem data verificada |
| DeepSeek V4.1 Flash (DeepSeek, 10 de set.) | 3,3% | 72,9% | Não coletado | Sim (família liberada como pesos abertos) | Laboratório chinês; melhor relação abertura-pontuação no ARC-AGI-2 |
| Mistral Large 4 “Le Chonk” (Mistral, 6 de out.) | Sem resultado público | Sem resultado público | Não divulgado | Prometido dentro de três semanas após testes de segurança | 1 trilhão de parâmetros, cerca de 4.000 GPUs Nvidia; Samsung como acionista, avaliação de €21 bilhões |
| Neuraxon / Aigarth (Qubic, 22 de set.) | 0,38 auto-relatado (0,13 no início), fora do protocolo ARC Prize | Não avaliado | Não aplicável (sem API LLM) | Código de referência aberto | Computação fornecida por mineradores (CPUs), prova útil de trabalho; arquitetura evolutiva, não um LLM |
GPT-6 Astra: o mais forte, o mais caro, o mais monitorado
Os números vêm primeiro. No ARC-AGI-3, o Astra sai de 62,7% no mecanismo padrão e chega a 99,9% quando o mecanismo mantém seu estado de raciocínio, com custo de avaliação de $18.817 na melhor configuração e de até $49.791 na pior (ARC Prize, 3 de setembro). Depois de compreender as regras de um jogo, o modelo precisou de menos ações que a mediana humana em 96% dos níveis. O ARC Prize acrescenta duas observações que os comunicados pouco captaram: saturar o teste “não representaria prova de atingir AGI”, e os ambientes avaliados seguem muito mais simples que o mundo real.
O treinamento ocorreu em mais de 100.000 GPUs na unidade Stargate da OpenAI no Texas, a maior execução de treinamento da história da empresa, e o modelo é o primeiro que a OpenAI classifica como “crítico” para cibersegurança — o que implica capacidade teórica de localizar e explorar vulnerabilidades desconhecidas sem orientação humana passo a passo (Axios, 3 de setembro). Daí a liberação gradual: primeiro um círculo restrito de organizações, depois assinantes pagantes e a API, com usuários gratuitos na fila de espera.
Greg Brockman, presidente da OpenAI, em 3 de setembro: “Acho que pode ser sobre este modelo.” Em seguida: “Bem-vindo à era da AGI.” Três dias depois, o chefe da Nvidia, Jensen Huang, afirmou que “a AGI chegou”. O detalhe jurídico importa: o contrato original entre OpenAI e Microsoft vinculava a declaração de AGI a mudanças nos direitos de acesso e na divisão de receita; uma emenda de 27 de abril de 2026 retirou essa cláusula. Agora Brockman pode falar de AGI como um “conceito de missão ou conceito espiritual” sem qualquer consequência contratual.
Gemini 4 Argon e Claude: os desafiantes jogam outro jogo
Gemini 4 Argon, anunciado em 30 de setembro, é o único outro modelo próximo da saturação: 97,3% no ARC-AGI-3 no adaptador do provedor e 91,3% no ARC-AGI-2, verificado em 13 de outubro, com uma ressalva do ARC Prize sobre execuções incompletas no mecanismo padrão por problemas de API (cartão ARC Prize). Sua arma é o preço: $2 por milhão de tokens de entrada e $10 para saída durante o período de lançamento, cinco vezes menos que o GPT-6 Astra, e depois $4 e $20 (9to5Google, 30 de setembro).
O Google libera o modelo inicialmente para defensores cibernéticos por meio do programa Fairwind, com uma versão sem salvaguardas cibernéticas reservada a defensores confiáveis.
A Anthropic preferiu não publicar pontuação no ARC-AGI-3 para o Claude Fable 5.1, lançado em 15 de setembro, nem para o Claude Opus 5.5, de 22 de setembro. No ARC-AGI-2, os dois modelos são verificados em 90,0% e 93,3%, atrás dos 95% do GPT-6 (cartão ARC Prize).
A Anthropic destaca outras métricas — trabalhos agentivos longos e tarefas científicas no terminal — e cobra pelo Fable 5.1 o mesmo valor do Astra: $10 e $50 (anúncio Anthropic). Há uma particularidade: o Claude Mythos 5.1 é o mesmo modelo com salvaguardas mais leves em cibersegurança e biologia, disponível apenas para organizações americanas verificadas. Três desenvolvedores, três formas de enfrentar o mesmo problema — um modelo capaz demais para ser aberto a todos.
Grok, DeepSeek, Mistral: a corrida pela abertura
Atrás dos três principais, a diferença é nítida. O Grok 4.7, verificado em 21 de setembro, alcança 10,1% no ARC-AGI-3 e 61,4% no ARC-AGI-2; o Grok 5 foi anunciado há meses, sem data verificável. O DeepSeek V4.1 Flash, verificado em 10 de setembro, marca 3,3% e 72,9%, mas integra uma família liberada como pesos abertos, o que o torna o melhor modelo baixável da tabela no ARC-AGI-2.
O Mistral Large 4 é um caso distinto: ainda sem pontuação, mas com uma promessa. Anunciado em 6 de outubro sob o apelido “Le Chonk”, o modelo tem 1 trilhão de parâmetros, foi treinado em cerca de 4.000 GPUs Nvidia — “duas a três vezes menos que nossos concorrentes chineses”, segundo Pierre Stock, VP de ciência da Mistral — e seus pesos devem ser liberados em até três semanas após os testes de segurança (TechCrunch, 6 de outubro). Emmanuel Macron o enxerga como “um terceiro caminho em IA”. A verificação chegará no dia em que o ARC Prize publicar seu cartão.
O outro caminho: inteligência sem centro de dados
Um objeto de natureza diferente, que deve ser comparado com cuidado. O Neuraxon não é um grande modelo de linguagem. Trata-se de uma rede de unidades simples que se coordenam e se especializam, inspirada na “sociedade da mente” de Marvin Minsky, aperfeiçoada pelo framework evolutivo Aigarth a partir das redes geradas pelos mineradores da rede Qubic. A computação não sai de um centro de dados, mas de prova útil de trabalho, que redireciona o poder dos mineradores para o treinamento — um mecanismo detalhado em Qubic: Transformando Cada Ciclo de CPU em Valor no Mundo Real.
Em 22 de setembro, a Qubic publicou uma pontuação de 0,38 no ARC-AGI-3, acima dos 0,13 iniciais, após 141 ciclos de melhoria evolutiva e 450.000 tentativas, em processadores comuns, sem GPU e sem modelo de linguagem embutido (resumo Qubic). Em sua análise de 26 de setembro, a equipe científica do projeto é a primeira a estabelecer os limites: as avaliações rodam em “alguns CPUs”, e uma rede distribuída continua “muito menos capaz em tarefas de linguagem” do que um modelo treinado em 100.000 GPUs (Qubic, Academia de Inteligência Neuraxon vol. 13).
Três precauções para a leitura.
O 0,38 não é uma pontuação verificada pelo ARC Prize e seu protocolo não é o do conjunto semi-privado: não há comparação direta possível com os 99,9% do Astra. Não existe uma API Neuraxon equiparável ao ChatGPT ou ao Claude. E a tese da Qubic não é “estamos à frente”, mas “AGI é uma organização emergente, distribuída e verificável, não um modelo atravessando um limite”. Trata-se de uma posição tanto sobre governança quanto sobre técnica, e é nesse critério que o projeto se sobressai na tabela: código-fonte aberto, computação fornecida por milhares de máquinas e resultados apresentados em conferências, não em keynotes.
O que a classificação não diz
Um teste saturado deixa de medir. O ARC-AGI-3 foi concebido para resistir aos modelos de 2025; dois sistemas agora o superam com mais de 97%, e o ARC Prize alerta que isso não prova AGI. Comparar mecanismos diferentes é como comparar corredores com e sem vento a favor: o mesmo Astra pontua 62,7% ou 99,9%, conforme seu estado de raciocínio seja mantido ou não.
O custo quase nunca aparece nos comunicados. Avaliar o Astra custou até $50.000 em chamadas de API, enquanto os 500 humanos do grupo de referência receberam cerca de $12,78 por jogo tentado. E a própria OpenAI reconhece que o Astra é mais difícil de monitorar em testes de evasão de controle — um retrocesso que a empresa considera sério. Amelia Glaese, VP de pesquisa da OpenAI: “Quando modelos podem fazer mais coisas autonomamente, precisamos confiar mais neles.”
As próximas datas já estão definidas. A Mistral deve liberar os pesos do Large 4 até o fim de outubro; o Google amplia o Gemini 4 Argon para desenvolvedores; a Anthropic não anunciou execução no ARC-AGI-3 para o Fable 5.1; a Qubic apresentará o estado de sua prova útil de trabalho em uma palestra principal na Conferência Blockchain TUM, em Munique, no dia 29 de outubro. A tabela será atualizada a cada cartão verificado pelo ARC Prize.
Perguntas Frequentes
O que é o ARC-AGI-3?
É um teste em que um sistema precisa descobrir sozinho as regras de jogos nunca vistos, jogando-os, e depois resolvê-los com o menor número possível de ações. Mede o aprendizado de novas habilidades, não a memorização. É administrado pelo ARC Prize sobre um conjunto de tarefas semi-privado, com um grupo de referência de cerca de 500 humanos.
Qual IA é “a melhor” em outubro de 2026?
No ARC-AGI-3 verificado, o GPT-6 Astra (99,9%) está à frente do Gemini 4 Argon (97,3%). No preço, o Gemini 4 Argon é cinco vezes mais barato no lançamento. Na abertura, o DeepSeek hoje e o Mistral Large 4 assim que seus pesos forem liberados. Nenhum sistema vence em todos os critérios.
O Neuraxon da Qubic pode ser usado como o ChatGPT?
Não. O Neuraxon não é um assistente conversacional e não possui API para consumidores. É um programa de pesquisa de IA distribuída, financiado pela mineração na rede Qubic, cujos resultados são publicados pelo projeto e discutidos em conferências.
