OpenAI DevDay 2026: a plataforma ganha forma

A OpenAI realizou o DevDay em São Francisco em 29 de setembro de 2026; a apresentação de abertura ocorreu em 30 de setembro no horário de Pequim. O resumo oficial lista mais de 20 anúncios. Alguns são produtos novos, outros ampliam ferramentas existentes, e vários continuam como prévias ou promessas de disponibilidade futura. Tratar todos como plenamente lançados apagaria uma distinção importante. [1]

Nossa leitura é que a OpenAI está conectando a inteligência dos modelos à execução, ao trabalho compartilhado e à distribuição. Um modelo responde; um agente age; um espaço de trabalho conserva o resultado; um plugin incorpora outra aplicação; uma assinatura ou um marketplace ajuda a pagar por isso. A questão estratégica é quanto dessa cadeia desenvolvedores e clientes escolherão colocar dentro de uma única plataforma.

GPT-6.1 Sol é a nova atualização do modelo. Os preços padrão da API para contexto curto são US$ 2 por milhão de tokens de entrada, US$ 0,10 para entrada em cache e US$ 10 para saída; as tarifas de contexto longo são diferentes. Está disponível pela API, pelo ChatGPT Work e pelo Codex, mas ainda não estava no Chat convencional quando este texto foi publicado. A OpenAI relata desempenho próximo ao Astra em várias avaliações; esse é um resultado divulgado pelo fornecedor sob condições de teste especificadas, não uma prova de desempenho igual em todos os fluxos de trabalho. [2] [22]

A OpenAI relata que Sol iguala Astra no DeepSWE 1.1 com cerca de um quinto do custo por tarefa, superando a melhor pontuação do GPT-6 Sol em 6,4 pontos percentuais com menor esforço de raciocínio. No conjunto offline do OSWorld 2.0, com esforço máximo, fica a 2,1 pontos de Astra com cerca de um sétimo do custo por tarefa. Astra ainda lidera entre os modelos avaliados para pesquisa científica. Essa é uma mudança significativa na relação entre capacidade e custo, não uma evidência de que Sol vence todas as tarefas. [2]

Esses são resultados divulgados pelo fornecedor em avaliações específicas. Configurações de pesquisa ou da API podem diferir das do ChatGPT em produção, e os resultados dos concorrentes foram extraídos de relatórios públicos. Para programação e agentes, nossa inferência é que modelos mais capazes para o trabalho cotidiano poderiam se tornar acessíveis o suficiente para deixar orçamento para revisão e novas tentativas, recorrendo separadamente a modelos de maior capacidade para tarefas difíceis. A pergunta útil é em quais partes do seu fluxo Sol preserva a qualidade, não se um benchmark permite substituir todos os modelos. [2]

Ultrafast acrescenta uma modalidade premium de velocidade. Astra Ultrafast está disponível, enquanto Sol Ultrafast chegará depois. Private Intelligence acrescenta infraestrutura relacionada à privacidade: Private Safety Processing permite revisão automatizada de segurança com proteção do conteúdo do cliente, enquanto Private Inference foi anunciado para uma prévia no outono. São capacidades diferentes, não uma afirmação abrangente de que todas as cargas de trabalho da OpenAI já operam de forma confidencial. [1] [7]

Para desenvolvedores, a métrica útil é o custo por resultado aceito. Preços menores por token podem permitir mais verificações e novas tentativas; uma geração mais rápida pode encurtar a iteração. Nenhuma delas elimina a latência das ferramentas, ações incorretas ou o trabalho de revisão. Um modelo mais barato merece um teste com a carga de trabalho real antes de se tornar a opção padrão.

dots apresenta agentes persistentes que lembram o contexto e assumem trabalho contínuo por meio de ferramentas e computadores conectados. A disponibilização é limitada por critérios de elegibilidade e controles do espaço de trabalho. Codex Cloud leva tarefas de programação a ambientes de nuvem reutilizáveis, nos quais o trabalho pode continuar enquanto o computador local está em suspensão. Executar na nuvem é diferente de controlar remotamente uma máquina local que ainda precisa estar online. [3] [4]

O Codex CLI renovado acrescenta interação por voz e uma visualização /agents. Code Review traz fluxos de revisão para o aplicativo de desktop, com revisões automáticas na nuvem; o suporte ao GitLab ainda é uma prévia. Codex Security Cloud analisa repositórios GitHub conectados e monitora commits. Encontrar um possível problema ou preparar um patch não é o mesmo que comprovar a segurança de um repositório. [1] [17] [18] [19]

Decisions API direciona Luna a perguntas definidas pelo usuário com respostas finitas; está em prévia limitada. A Agents API existente ganha uso do computador, incluindo um navegador hospedado. Bedrock Managed Agents é uma prévia independente, nativa da AWS. Essas ofertas atendem a tarefas diferentes: fazer uma escolha restrita, executar um agente mais amplo ou operar dentro da governança da AWS. [1] [5] [6]

ChatGPT Space e Pages oferecem contexto compartilhado e documentos editáveis para pessoas e agentes. No lançamento, Space permite criar e editar na web e no desktop; em dispositivos móveis, permite encontrar, ler e compartilhar. Slides colaborativos, com edição simultânea e exportação, ainda chegarão em breve. Uma demonstração não significa que todos os recursos de colaboração já estejam disponíveis. [10]

Teams e Team Tasks organizam colegas e trabalho recorrente. @ChatGPT no Slack e no Microsoft Teams leva a assistência às conversas. O plugin Meetings transforma anotações de reuniões em resumos personalizados e ações a realizar; está em beta no macOS para Pro e Business, com suporte mais amplo ainda pendente. Perfis compartilháveis facilitam a descoberta das criações. [1] [11] [12]

Um espaço de trabalho duradouro muda o problema da aceitação. Uma resposta útil pode se tornar material compartilhado que orientará ações de outras pessoas depois. As equipes precisam distinguir material de origem, proposta do agente, decisão revisada e ação já executada. A edição em tempo real, sozinha, não estabelece essa distinção.

Extensões de plugins acrescentam interfaces como painéis laterais e visualizadores de arquivos. A OpenAI também anunciou melhorias na criação, submissão e descoberta de plugins. Sites pode hospedar plugins compatíveis, e MCP Events pode acionar automações a partir de aplicações conectadas. A disponibilidade varia conforme a interface: o suporte a extensões na web para Free e Go ainda chegará em breve, e menções no campo de composição são exclusivas do desktop. [1] [8] [9] [21]

Sign in with ChatGPT combina identidade com uso opcional do plano em ferramentas participantes. Solicitações elegíveis de Plus e Pro consomem a franquia existente de Work e Codex, em vez de criar uma nova reserva ilimitada. Um serviço de terceiros ainda pode cobrar suas próprias tarifas. Isso não transforma a cota do chat convencional em uma chave API de uso geral para qualquer programa em um VPS. [13]

O novo nível Pro 500 amplia o uso e inclui Ultrafast. OpenAI Marketplace permite que clientes empresariais elegíveis destinem parte de um compromisso de gastos existente a softwares aprovados de parceiros. A participação no Marketplace tem critérios comerciais e condições; não é uma promessa de software gratuito. Juntas, essas mudanças tornam a distribuição e a contratação relevantes ao lado do acesso aos modelos. [20] [14]

A TypeSafe AI apresentou Jev em 15 de setembro, antes do DevDay. Sua abordagem System One recebe um estado não estruturado e produz decisões tipadas predefinidas com probabilidades. Decisions API atende a uma necessidade visivelmente relacionada: classificação, roteamento e escolha da próxima ação entre respostas finitas. Há uma sobreposição relevante no tipo de interface que o software consome. [15] [1]

A diferença também importa. A TypeSafe descreve uma arquitetura especializada, amostragem paralela e Reinforcement Learning for Calibrated Decisions. A OpenAI descreve Decisions como a aplicação de Luna a perguntas delimitadas. O material público revisado aqui não comprova que a OpenAI reproduziu a arquitetura da TypeSafe, seu método de treinamento ou toda a semântica de suas saídas. Um lançamento anterior somado à semelhança funcional não é evidência suficiente de cópia. [15] [1]

Para quem compra, vale comparar taxas de erro em casos ambíguos, calibração, abstenção, latência e custo total usando a mesma carga de trabalho. Uma resposta pode corresponder perfeitamente ao seu esquema e ainda selecionar a opção errada. Não reproduzimos os benchmarks de nenhum dos fornecedores nem realizamos uma avaliação comparativa direta.

A Meta apresentou Muse em 8 de setembro. Trabalho persistente, computador e navegador pessoais na nuvem, objetivos lembrados, assistência proativa e aprovação antes de ações sensíveis fazem de Muse uma comparação clara para dots. A semelhança é significativa o bastante para ser discutida sem se transformar em uma acusação. [16] [3]

A distribuição é diferente. Muse se concentra em seu aplicativo e no WhatsApp e começou uma disponibilização nos Estados Unidos com uso gratuito e opções de assinatura. dots se conecta ao ambiente de trabalho do ChatGPT e a canais como Slack e Microsoft Teams, com condições de disponibilização relacionadas a planos pagos e empresas. Essas diferenças afetam como um usuário delega trabalho e como uma organização o governa. [16] [3]

As fontes examinadas não fornecem evidências verificadas de que dots copiou o código, o design protegido ou o sistema interno de Muse. Tampouco um posicionamento semelhante comprova que as implementações foram inventadas de forma independente. O que podemos sustentar é que um participante posterior compete em uma experiência muito próxima. Alegações de cópia exigiriam evidências além de um calendário de lançamentos e uma lista de recursos.

Primeiro, recursos de IA de escopo restrito enfrentam concorrência mais forte dos pacotes de plataforma. Uma ferramenta independente que só gera um resumo ou encapsula um modelo pode encontrar seu recurso dentro de um espaço de trabalho. Conhecimento do setor, integração confiável, resultados revisados e um processo de negócio completo passam a ser possíveis vantagens mais importantes. Esta é nossa inferência estratégica, não uma previsão de que todo especialista desaparecerá.

Segundo, a distribuição pode se tornar uma escolha mais importante para desenvolvedores. Plugins nativos e gastos compartilhados podem reduzir obstáculos à adoção, ao mesmo tempo que aumentam a dependência de regras de descoberta, permissões e condições econômicas da plataforma. Uma equipe deve medir se a plataforma traz novos clientes, em vez de confundir presença em um diretório com demanda.

Terceiro, agentes na nuvem facilitam oferecer operação contínua, mas concentram mais responsabilidade operacional na plataforma de execução. Empresas ainda precisarão de permissões verificáveis, evidências, trabalho exportável e uma forma de interromper ou mover tarefas. Modelos melhores ampliam a oportunidade; não determinam quem controla o fluxo de trabalho nem se o resultado é confiável.

Escolha um piloto delimitado. Uma equipe de engenharia pode comparar Sol com o modelo existente em bugs e alterações de código representativos. Uma equipe de operações pode comparar um serviço de decisões em casos de roteamento rotulados, incluindo exemplos de baixa confiança. Uma equipe de conteúdo pode testar se documentos compartilhados preservam a fonte, a decisão de revisão e a versão final em uma passagem real de trabalho.

Registre disponibilidade, autorização, custo e critérios de aceitação separadamente. Verifique o acesso real da conta aos recursos; mantenha uma referência de comparação; meça a conclusão de ponta a ponta e as correções humanas. Decida quais dados e ações pertencem à plataforma e quais permanecem nos sistemas existentes. Preserve uma saída antes de transferir uma responsabilidade recorrente.

A parte mais importante do DevDay pode ser a conexão entre os anúncios. A OpenAI oferece uma parcela maior do lugar onde o trabalho começa, é executado, armazenado e contratado. Jev e Muse mostram que ideias importantes também surgem fora dessa plataforma. A resposta útil é avaliar tanto os produtos quanto a dependência que está sendo criada, com o mesmo cuidado.