Testei o GPT 5.4 Thinking — Eis o Que Realmente Mudou

Fiz o GPT 5.4 Thinking criar para mim uma apresentação de 15 slides, uma planilha Excel totalmente funcional com fórmulas ao vivo e um relatório de pesquisa com citações — tudo dentro da mesma sessão, tudo em menos de dez minutos. Depois pedi que escrevesse um gancho para YouTube com a minha voz, e soou como um comunicado de imprensa corporativo vestindo um chapéu casual.

Essa contradição — impressionantemente capaz em algumas áreas, frustrantemente desafinado em outras — é o resumo mais honesto que posso te dar do mais recente modelo principal da OpenAI. GPT 5.4 Thinking não é uma pequena atualização incremental. É um salto genuíno em certas dimensões e um movimento lateral em outras. Depois de dois dias de testes intensivos em codificação, pesquisa, criação de documentos e geração de conteúdo, tenho uma imagem clara de onde este modelo brilha, onde tropeça e — mais importante — onde ele se encaixa em um cenário onde o Opus 4.6 da Anthropic e o Gemini 3.1 Pro do Google estão competindo pela mesma coroa.

Antes de entrar nos benchmarks, você precisa entender a linha de modelos porque a OpenAI não lançou apenas uma coisa — lançaram uma família.

Três Modelos, Três Funções, Um Esquema de Nomes Confuso

A geração GPT 5.x da OpenAI agora tem três variantes distintas, e as diferenças entre elas importam mais do que os nomes sugerem sozinhos.

GPT 5.4 Thinking é o modelo principal — aquele projetado para raciocínio profundo e tarefas complexas. Quando você pergunta algo difícil, ele não simplesmente gera uma resposta. Ele entra em uma fase visível de "pensamento" onde o modelo processa, delibera e trabalha o problema antes de responder. Pense nele como o modelo que faz uma pausa para considerar em vez de soltar a primeira resposta plausível. Esse processo de pensamento é o motivo pelo qual ele se destaca em síntese de pesquisa, análise de múltiplas etapas e tarefas onde acertar a cadeia de raciocínio importa mais que velocidade bruta. Os tokens de pensamento não são cobrados da mesma forma que os tokens de saída, o que mantém os custos razoáveis apesar do processamento adicional.

GPT 5.4 Pro é o nível de pesquisa — a mesma arquitetura subjacente mas com tempo de pensamento estendido, limites de contexto maiores e acesso a mais computação por consulta. A OpenAI posiciona isso para usuários profissionais e empresariais que precisam do teto absoluto de capacidade e estão dispostos a pagar significativamente mais por consulta para obtê-lo. Não tive tempo suficiente com o Pro para dar uma avaliação definitiva, mas os testes iniciais sugerem que a diferença de qualidade sobre o 5.4 Thinking padrão é mais perceptível em tarefas muito longas e muito complexas — análise de múltiplos documentos, revisões de código abrangentes em repositórios grandes, esse tipo de coisa. Para trabalho de conhecimento cotidiano, o 5.4 Thinking padrão é mais que suficiente.

GPT 5.3 Instant adota a abordagem oposta. Velocidade é o ponto central. Sacrifica profundidade por capacidade de resposta, entregando respostas em frações de segundo em vez dos 5-15 segundos que o modo Thinking às vezes exige. A qualidade é notavelmente inferior em tarefas complexas — você sente o modelo cortando caminho no raciocínio — mas para consultas rápidas, brainstorming, interações tipo chat e tarefas onde "bom o suficiente em 0,3 segundos" supera "excelente em 12 segundos," Instant é genuinamente útil. Comecei a usá-lo como minha opção padrão para perguntas rápidas durante sessões de desenvolvimento onde preciso de uma verificação rápida, não de uma análise profunda.

A abordagem de três níveis faz sentido estratégico. A OpenAI está reconhecendo o que os usuários avançados já sabem: diferentes tarefas precisam de diferentes compromissos entre velocidade e qualidade. Mas a nomenclatura é uma bagunça. "GPT 5.4 Thinking" versus "GPT 5.3 Instant" implica que Instant é uma geração anterior, quando na verdade é um modelo contemporâneo otimizado para um caso de uso diferente. Suspeito que a OpenAI vai limpar a nomenclatura eventualmente, mas por enquanto, apenas lembre: Thinking = profundo e minucioso, Pro = capacidade máxima, Instant = rápido e leve.

Com a família de modelos mapeada, aqui está o que muda o jogo na arquitetura do GPT 5.4 de uma forma que a maioria dos revisores ainda não está discutindo.

O Uso Nativo do Computador Muda Toda a Proposta de Valor

Cada modelo GPT anterior era essencialmente uma máquina de texto-entra, texto-sai. Claro, você podia conectá-lo a plugins, ligá-lo a ferramentas de navegação, construir fluxos de trabalho de agentes ao redor dele. Mas o modelo em si vivia dentro de uma janela de chat. Ele podia te dizer o que fazer no seu computador. Não podia fazer.

GPT 5.4 cruza essa linha.

Uso nativo do computador significa que o modelo pode realizar ações web diretamente — entrada de dados, gerenciamento de emails, interação com aplicativos de calendário, preenchimento de formulários. Não através de uma camada precária de automação de navegador que quebra toda vez que um site muda seu CSS. Nativamente. Como uma capacidade integrada que a OpenAI incorporou na funcionalidade central do modelo.

Tenho acompanhado essa capacidade evoluir em todo o cenário de IA. A Anthropic introduziu o uso do computador com o Claude em 2024, e o Google tem experimentado com recursos semelhantes através do Project Mariner e das capacidades de agente do Gemini. Mas a implementação do GPT 5.4 parece diferente pela fluidez com que se integra ao ecossistema existente do ChatGPT. Você não precisa configurar um agente separado nem configurar um sandbox de navegador. Você simplesmente... pede para ele fazer algo na web, e ele faz.

As implicações para trabalhadores do conhecimento são enormes, e vou mostrar alguns exemplos específicos mais adiante. Mas primeiro — a parte que todos realmente querem saber.

Os Benchmarks Contam Metade da História

Os materiais de marketing da OpenAI posicionam o GPT 5.4 Thinking como estado da arte, reivindicando uma ligeira vantagem sobre Opus 4.6 e Gemini 3.1 Pro em certos benchmarks. Depois de executar meus próprios testes, aqui está minha avaliação honesta: eles estão certos sobre "ligeira," e estão sendo generosos com "vantagem."

Em tarefas de trabalho de conhecimento — criar documentos estruturados, sintetizar pesquisa, construir saídas formatadas — GPT 5.4 é genuinamente impressionante. Ele lida com lógica complexa de planilhas que teria confundido completamente o GPT 5.2. As fórmulas estão corretas, a formatação está limpa e os gráficos realmente fazem sentido visual. Isso não é a saída "quase certa" que temos tolerado da geração de documentos com IA no último ano. Está pronto para produção.

Em tarefas de codificação, o quadro fica mais interessante. A OpenAI afirma que as capacidades de codificação do GPT 5.4 agora igualam seu modelo especializado GPT 5.3 Codex — a variante especificamente ajustada para geração de código que os desenvolvedores têm usado através da API. Meus testes confirmam isso parcialmente — tarefas de codificação simples a moderadamente complexas são bem tratadas, com maior precisão que o GPT 5.2, e o fato de que um modelo de propósito geral agora iguale um especializado em código é genuinamente impressionante. Mas "igualar o Codex" e "ser o melhor modelo de codificação disponível" não são a mesma afirmação. Construí um pequeno aplicativo web com cards arredondados e um toggle de modo claro/escuro. O GPT 5.4 entregou uma implementação funcional, mas alguns links não funcionavam e os recursos de filtragem que solicitei na verdade não filtravam nada. Funcional? Sim. Impressionante? Mais ou menos. Melhor do que o que obtenho do Opus 4.6 no Claude Code? Honestamente, não — e digo isso como alguém que usa ambos os ecossistemas diariamente.

Aqui está a tabela comparativa dos meus testes:

A redução de 33% nas alucinações em relação ao GPT 5.2 merece menção específica porque aborda uma das críticas mais persistentes da linha GPT. Executei vários testes de recuperação factual — especificações técnicas, datas históricas, detalhes de documentação de API — e o GPT 5.4 foi notavelmente mais cuidadoso ao qualificar respostas incertas. Disse "Não estou confiante sobre este número de versão específico" em situações onde o GPT 5.2 teria alucinado com confiança uma resposta que soasse plausível.

Dito isso, "33% menos alucinações" ainda significa que alucinações acontecem. Confiar mas verificar continua sendo a única abordagem sensata. Mas a tendência é encorajadora.

O que os benchmarks não capturam de forma alguma é a sensação de trabalhar com esses diferentes modelos — e é aí que vivem minhas opiniões mais firmes.

O Fluxo de Trabalho de Pesquisa Que Realmente Me Impressionou

A maioria das avaliações de modelos de IA testa capacidades de pesquisa fazendo uma única pergunta e avaliando a resposta. Esse é um teste terrível. Ninguém usa pesquisa com IA dessa forma na prática. Pesquisa real é iterativa — você começa com uma pergunta ampla, obtém resultados, estreita seu foco, ajusta seu ângulo, aprofunda em um fio específico.

GPT 5.4 Thinking lida com esse fluxo iterativo melhor do que qualquer modelo que testei.

Comecei com uma consulta ampla: "Analise o estado atual das ferramentas de automação de marketing impulsionadas por IA, focando em líderes de mercado, modelos de preços e capacidades de integração." O modelo começou seu processo de pensamento, pesquisou na web e retornou uma análise estruturada em cerca de 45 segundos. Seções limpas, nomes de produtos específicos com preços atuais, comparações de ecossistemas de integração. Bom mas não extraordinário — Gemini e Claude podem fazer um trabalho similar.

Aqui é onde ficou interessante. Eu disse: "Na verdade, reduza isso a ferramentas que se integrem especificamente com Shopify para email marketing de e-commerce, e adicione uma comparação de suas capacidades de personalização com IA."

Com GPT 5.2, esse tipo de mudança no meio do caminho teria exigido essencialmente começar do zero. O modelo trataria como uma nova pergunta, perdendo o contexto da primeira passada de pesquisa. GPT 5.4 ajustou seus parâmetros de busca, manteve as descobertas relevantes da primeira consulta e construiu sobre elas. A saída refinada cruzou a referência da visão geral do mercado original com dados de integração específicos do Shopify, produzindo uma comparação que parecia vir de alguém que realmente fez um mergulho profundo em vez de duas buscas rasas separadas.

A saída estava estruturada em descobertas com citações, uma matriz de comparação competitiva e — um toque agradável — uma lista de verificação de critérios de avaliação para fazer uma seleção final. O tipo de entregável que teria me levado 2-3 horas de pesquisa manual para produzir.

Levei um passo adiante e pedi que convertesse a pesquisa em uma apresentação. Quinze slides, corretamente estruturados, com um fluxo narrativo lógico da visão geral do mercado até recomendações específicas. O design padrão era corporativo-insosso (como esperado), mas quando pedi um redesign minimalista e moderno, a segunda versão era genuinamente utilizável. Não premiada — mas absolutamente boa o suficiente para uma reunião estratégica interna.

Depois pedi que construísse uma planilha Excel resumindo os pontos de dados chave com fórmulas de comparação e um gráfico. Entregou um arquivo .xlsx baixável com fórmulas VLOOKUP funcionais, formatação condicional e um gráfico de barras comparando preços entre provedores. Abri no Excel e tudo funcionava. Sem referências quebradas, sem erros de fórmula, sem dados fantasma.

Este é o fluxo de trabalho onde o GPT 5.4 absolutamente conquista seu lugar. Pesquisa → Apresentação → Planilha, tudo em uma conversa, cada um construindo sobre a saída anterior. Para trabalhadores do conhecimento que passam seus dias montando informações em documentos, este é um multiplicador de produtividade genuíno.

Mas há uma ressalva significativa que preciso abordar antes que alguém fique empolgado demais com essas capacidades de planilhas.

O Complemento do Excel É Impressionante Mas Não É o Que Você Pensa

A OpenAI lançou o complemento ChatGPT para Excel junto com o GPT 5.4, disponível para assinantes pagos. No papel, parece o recurso definitivo para usuários empresariais — integração de IA fluida diretamente dentro das suas planilhas.

Na prática, é útil mas mais limitado do que o marketing sugere. O complemento permite usar funções GPT dentro de células do Excel, o que é ótimo para tarefas como categorizar dados, extrair informações de colunas de texto ou gerar fórmulas baseadas em descrições em linguagem natural. O que ele não faz é transformar o Excel em uma plataforma de análise totalmente potencializada por IA. Você ainda está trabalhando dentro do paradigma do Excel; a IA apenas ajuda com tarefas específicas no nível da célula.

Onde encontrei valor genuíno foi na geração de fórmulas. Descrever o que eu queria em português simples — "calcule a taxa de crescimento ano a ano comparando a coluna C com a coluna D, mas apenas para as linhas onde a coluna A contém 'Enterprise'" — e receber uma fórmula funcional de volta instantaneamente. Isso economiza tempo real, especialmente para fórmulas aninhadas complexas que de outra forma exigiriam vinte minutos consultando documentação.

Onde não encontrei muito valor foi nos casos de uso mais amplos de "IA no Excel." Para análise séria de dados, eu ainda preferiria exportar os dados e trabalhar com eles no Claude Code ou em um notebook Python. A abordagem de IA célula por célula parece usar um carro de corrida para ir até a caixa de correio — tecnicamente funciona, arquitetonicamente errado para a tarefa.

A verdadeira história do GPT 5.4 não é nenhum recurso individual. É o padrão do que a OpenAI está otimizando — e o que não está.

Onde o GPT 5.4 Fica Aquém (E Por Que Isso Importa)

Pedi ao GPT 5.4 Thinking para escrever cinco ganchos para vídeos do YouTube em um tom conversacional e direto. "Sem linguagem corporativa. Sem travessões longos. Escreva como se estivesse conversando com um amigo que te fez uma pergunta."

A primeira saída usou quatro travessões longos em cinco ganchos.

Esclareci: "Zero travessões longos. Nenhum. Nem um."

A segunda saída usou dois travessões longos e adicionou "ademais" a um dos ganchos.

Essa não é uma reclamação pequena. Aderência ao estilo de escrita é uma das capacidades mais fundamentais que criadores de conteúdo precisam de um modelo de IA, e o GPT 5.4 é mensuravelmente pior nisso que tanto Claude quanto Gemini. Passei tempo suficiente com os três para dizer isso com confiança: se seu caso de uso principal é gerar conteúdo que corresponda a uma voz ou estilo específico, GPT 5.4 não deveria ser sua primeira escolha.

O problema não é que o modelo não consiga gerar bom texto. As frases individuais são bem construídas. O vocabulário é sofisticado. As ideias são relevantes. Mas o GPT 5.4 tem uma tendência persistente a cair em um registro formal, levemente acadêmico, que tem dificuldade em superar mesmo com instruções explícitas. É como trabalhar com um consultor brilhante que fez escola de negócios e não consegue parar de dizer "sinergizar" não importa quantas vezes você peça para ele falar normalmente.

Claude — particularmente na iteração atual do Opus 4.6 — lida com aderência de estilo dramaticamente melhor. Quando digo ao Claude "escreva em um tom conversacional em primeira pessoa," a saída realmente soa conversacional. Quando digo "sem palavras de transição como ademais ou entretanto," essas palavras desaparecem. A lacuna de seguimento de instruções entre GPT 5.4 e Claude em restrições estilísticas é ampla o suficiente para que eu não consideraria trocar meus fluxos de trabalho de geração de conteúdo.

Gemini 3.1 Pro fica no meio. Melhor que GPT 5.4 para igualar tons conversacionais, não tão flexível quanto Claude para instruções de estilo nuançadas, mas geralmente confiável para tarefas de conteúdo diretas.

Isso importa porque revela para o que a OpenAI está otimizando com a linha GPT 5.4 — e o que estão despriorizando. O modelo está claramente projetado para trabalho de conhecimento: pesquisa, análise, criação de documentos, saídas estruturadas. Estes são casos de uso empresariais com potencial de receita empresarial. Geração de conteúdo com voz de marca específica é um caso de uso da economia criativa com menos valor empresarial óbvio. As escolhas de otimização fazem sentido comercial mesmo que frustrem pessoas como eu que querem um modelo que faça tudo.

O que me leva à pergunta que continuo me fazendo após cada lançamento de modelo novo.

A Realidade Multi-Modelo Que Ninguém Quer Aceitar

Aqui vai uma opinião que pode soar óbvia mas que quase ninguém realmente aplica: não existe um único melhor modelo de IA. Nem GPT 5.4. Nem Opus 4.6. Nem Gemini 3.1 Pro. O modelo certo depende inteiramente do que você está fazendo com ele.

Sei que isso é insatisfatório. Queremos um vencedor. Queremos dizer "use este" e pronto. Mas depois de testar os três extensivamente — e me refiro a trabalho real em projetos, não puzzles de benchmarks — a resposta honesta é que uso diferentes modelos para diferentes tarefas, e você provavelmente deveria fazer o mesmo.

Minha alocação atual de modelos é assim:

• Codificação e desenvolvimento de software: Opus 4.6 no Claude Code. Nem chega perto. O fluxo de trabalho agêntico, o acesso ao sistema de arquivos, a capacidade de iterar em uma base de código em vez de gerar trechos isolados — nada mais iguala essa experiência agora.

• Pesquisa e criação de documentos: GPT 5.4 Thinking. O pipeline de pesquisa-para-apresentação-para-planilha é incomparável. Se preciso produzir um documento de estratégia, uma análise de mercado ou um relatório formatado, é por aqui que começo.

• Geração de conteúdo e escrita: Claude (Opus ou Sonnet, dependendo da complexidade). Melhor aderência de estilo, melhor seguimento de instruções para trabalho criativo e de voz de marca, saída conversacional mais natural.

• Perguntas rápidas e brainstorming: Gemini 3.1 Pro ou GPT 5.3 Instant. Velocidade importa mais que profundidade para ideação rápida, e ambos são rápidos o suficiente para parecer uma conversa em tempo real. As respostas de menos de um segundo do Instant fazem parecer autocomplete turbinado — perfeito para consultas tipo "qual é a sintaxe para X?" ou "me dê cinco nomes para Y."

• Uso do computador e automação web: GPT 5.4 por enquanto, embora esse cenário esteja mudando rapidamente à medida que Claude e Gemini expandem suas capacidades de agente.

Essa abordagem multi-modelo adiciona complexidade. Você precisa de contas com múltiplos provedores. Precisa desenvolver intuição para qual modelo se encaixa em qual tarefa. Precisa alternar contexto entre diferentes interfaces e paradigmas de interação. É mais bagunçado do que ter uma ferramenta para tudo.

Mas também é dramaticamente mais eficaz. Usar GPT 5.4 para uma tarefa onde Claude se destaca (ou vice-versa) significa que você está obtendo 70% da qualidade possível quando poderia estar obtendo 95%. Ao longo de dezenas de tarefas por semana, essa lacuna de qualidade se acumula em uma diferença de produtividade significativa.

As pessoas que obterão mais valor do GPT 5.4 não são as que mudam exclusivamente para ele. São as que o adicionam ao seu kit de ferramentas para os casos de uso específicos onde ele supera todo o resto — e continuam usando outros modelos onde esses modelos são mais fortes.

Economia de Tokens: A História Oculta nos Preços do GPT 5.4

A OpenAI tomou uma decisão de preços interessante com o GPT 5.4. O custo por token é ligeiramente maior que GPT 5.2, mas o modelo usa menos tokens para realizar as mesmas tarefas. Isso significa que o custo real por tarefa é menor na maioria dos casos, mesmo que o preço de tabela tenha subido.

Rastreei o uso de tokens em dez tarefas comparáveis entre GPT 5.2 e GPT 5.4. Em média, GPT 5.4 usou 22% menos tokens para saídas equivalentes. Considerando a mudança de preço, o custo líquido foi aproximadamente 15% menor por tarefa. Não uma economia dramática, mas significativa em escala — especialmente para equipes que executam centenas de chamadas de API diariamente.

A melhoria na eficiência de tokens também significa respostas mais rápidas. Menos tokens gerados significa menos tempo esperando, o que se acumula quando você executa fluxos de trabalho iterativos onde cada etapa depende da saída anterior. Meu pipeline de pesquisa-para-apresentação completou aproximadamente 30% mais rápido com GPT 5.4 comparado ao 5.2, o que se traduz em economia de tempo real ao longo de um dia de trabalho.

Para usuários de API que constroem produtos sobre GPT, esse ganho de eficiência é provavelmente a melhoria mais praticamente significativa em todo o lançamento. Não é o tipo de coisa que vira manchete, mas é o tipo de coisa que aparece na sua fatura mensal da OpenAI.

O Que Isso Significa Para os Próximos Seis Meses

Tenho testado novos modelos de IA a cada poucas semanas por mais de um ano, e um padrão claro surgiu. Cada novo lançamento de qualquer provedor importante reduz a lacuna com os concorrentes em suas áreas fracas enquanto avança mais em suas áreas fortes. GPT 5.4 segue esse padrão exatamente — fechou terreno nas capacidades de codificação do Claude (embora não as tenha superado), avançou mais em trabalho de conhecimento e criação de documentos, e fez melhorias incrementais nas taxas de alucinação.

A dinâmica competitiva que isso cria é genuinamente boa para os usuários. A OpenAI melhorando a codificação pressiona a Anthropic a melhorar suas capacidades de pesquisa. O Google melhorando ambos pressiona todos a otimizar a eficiência de tokens. Ninguém pode descansar em uma única vantagem porque os outros provedores fecharão essa lacuna em um ou dois ciclos de lançamento.

O que estou observando para os próximos seis meses:

Da OpenAI: Um GPT 5.5 ou GPT 6 que finalmente resolva a aderência ao estilo de escrita. Essa é a lacuna mais óbvia em sua linha, e eles sabem. Os clientes empresariais que estão cortejando precisam de consistência de voz de marca tanto quanto precisam de capacidades de pesquisa.

Da Anthropic: Uso expandido do computador e um pipeline de criação de documentos mais robusto. A dominância do Claude em codificação está segura por enquanto, mas a lacuna de trabalho de conhecimento com GPT 5.4 é real.

Do Google: As capacidades de pensamento profundo do Gemini aplicadas a tarefas mais longas e complexas. O Google tem a vantagem de dados (Search, YouTube, Scholar) que nenhum concorrente pode igualar; a questão é se conseguem traduzir acesso a dados em capacidade do modelo.

O modelo que mais me empolga não é nenhum lançamento específico — é o fluxo de trabalho onde posso direcionar tarefas para o melhor modelo disponível automaticamente, sem troca manual. Ainda não chegamos lá, mas estamos mais perto a cada lançamento.

Pare de Esperar o Modelo Perfeito

Abri este artigo descrevendo o GPT 5.4 criando para mim uma apresentação, uma planilha e um relatório de pesquisa em menos de dez minutos — e depois falhando ao escrever um simples gancho sem travessões longos. Essa contradição não se resolveu. Não vai se resolver nesta geração de modelos, e provavelmente nem na próxima.

O modelo de IA perfeito tudo-em-um é uma fantasia que está impedindo as pessoas de obter valor real dos modelos imperfeitos que existem agora. GPT 5.4 Thinking é o melhor modelo de trabalho de conhecimento e pesquisa disponível hoje. Não é o melhor modelo de codificação. Não é o melhor modelo de escrita. Não é o melhor modelo de mais-nada. E tudo bem.

Se você é um trabalhador do conhecimento se afogando em pesquisa, relatórios e apresentações, o GPT 5.4 acabou de te economizar dez horas por semana. Se você é um desenvolvedor procurando um melhor assistente de codificação, Opus 4.6 ainda é sua resposta. Se você é um criador de conteúdo que precisa de IA que realmente soe como você, Claude ganha essa corrida por uma margem confortável.

As pessoas ganhando vantagem competitiva real com IA agora não são as que debatem qual modelo é "o melhor." São as que descobriram qual modelo é o melhor para cada coisa específica que fazem — e construíram fluxos de trabalho que direcionam de acordo.

GPT 5.4 Thinking conquistou um lugar permanente no meu kit de ferramentas hoje. Não como substituto de nada. Como adição. E honestamente? Esse é o maior elogio que posso dar a qualquer modelo de IA em 2026.

Vamos Trabalhar Juntos

Quer construir sistemas de IA, automatizar fluxos de trabalho ou escalar sua infraestrutura tecnológica? Adoraria ajudar.

• Fiverr (desenvolvimento personalizado e integrações): fiverr.com/s/EgxYmWD
• Portfólio: mejba.me
• Ramlit Limited (soluções empresariais): ramlit.com
• ColorPark (design e branding): colorpark.io
• xCyberSecurity (serviços de segurança): xcybersecurity.io