Perplexity adota GPT-6 Astra de ponta a ponta: menos supervisão humana e melhor busca

O que a Perplexity anunciou

A Perplexity, empresa de busca com IA, passou a usar o GPT-6 Astra, o modelo mais recente da OpenAI, de ponta a ponta em seus sistemas. Segundo a OpenAI, o answer engine agora usa o Astra para escrever comunicações, alterar software e monitorar sistemas de produção — e verifica o trabalho com muito menos frequência do que com os modelos anteriores.

O depoimento vem de Johnny Ho, cofundador e diretor de estratégia da Perplexity. Antes, os engenheiros da empresa precisavam “babá” dos modelos; agora, a supervisão do dia a dia caiu de forma acentuada.

Os números do WANDR

No WANDR, benchmark interno da Perplexity para pesquisa em larga escala com evidências, o GPT-6 Astra marcou 0,682 a US$ 11,98 por tarefa — a maior pontuação entre todos os modelos testados pela empresa.

Na comparação direta, o Astra ficou 13,5% acima do Claude Fable 5.1 custando 6,1% menos, e 27,0% acima do Opus 5 com custo 3,3% maior. A Perplexity também anunciou que o Astra chegará ao Perplexity Computer para assinantes Pro e Max.

Por que código e busca convergem

A ligação entre habilidade de programar e qualidade de busca não é óbvia à primeira vista, mas Ho traça uma linha direta. Os programas que fazem a busca e o resumo precisam ser bem escritos — e cada ganho de capacidade de código do Astra se traduz em ganho de desempenho na busca.

O desafio mais difícil sempre foi conectar essa força informacional a sistemas reais: software de produção, comunicações ao vivo e infraestrutura que não pode falhar. Ho diz que o Astra fecha essa lacuna de um jeito que os modelos anteriores não conseguiam, permitindo entregar tarefas que antes exigiam checagem humana constante.

Por que isso importa

Para desenvolvedores e fundadores, o caso da Perplexity é um lembrete de que “empresa de busca” e “empresa de modelos de código” estão convergindo rápido. O modelo não só responde perguntas: ele monta os próprios pipelines que buscam e condensam informação, criando um ciclo de feedback mais apertado do que a maioria dos times de produto consegue operar.