GPT-5 ainda existe? Status da API e alternativas

GPT-5 ainda existe na API da OpenAI, mas não está mais disponível dentro do ChatGPT e seus modelos originais estão marcados como Deprecated. GPT-5 Instant e GPT-5 Thinking foram retirados do ChatGPT em 13 de fevereiro de 2026, enquanto o acesso remanescente ao GPT-5 Pro terminou em 19 de fevereiro de 2026.

Na API, os identificadores gpt-5, gpt-5-mini, gpt-5-nano e gpt-5-pro continuam documentados, mas suas páginas exibem o status Deprecated e recomendam modelos mais recentes para novos projetos. Além disso, os snapshots originais com data têm desligamento programado para 11 de dezembro de 2026.

Isso significa que uma aplicação existente ainda pode funcionar temporariamente com GPT-5, dependendo do model ID utilizado. Para um projeto novo, porém, a escolha mais sustentável é avaliar o catálogo atual da OpenAI e começar com um modelo que tenha horizonte de suporte mais longo.

Informações verificadas em 10 de outubro de 2026. Modelos, preços, aliases, snapshots, datas de desligamento e substitutos podem mudar. Confirme a documentação oficial antes de publicar ou executar uma migração.

GPT-5 em resumo

Pergunta	Resposta atual
O GPT-5 está disponível no ChatGPT?	Não. GPT-5 Instant e Thinking foram retirados em 13 de fevereiro de 2026.
O GPT-5 Pro continua no ChatGPT?	Não. O acesso remanescente terminou em 19 de fevereiro de 2026.
O GPT-5 ainda funciona pela API?	Os aliases principais continuam documentados, mas aparecem como Deprecated.
Quando os snapshots originais serão desligados?	11 de dezembro de 2026 para os snapshots de GPT-5, mini, nano e Pro listados oficialmente.
É recomendado para um projeto novo?	Não como primeira opção. A OpenAI recomenda modelos mais recentes.
Qual é a janela de contexto do GPT-5?	400 mil tokens.
Qual é a saída máxima?	128 mil tokens no GPT-5, mini e nano; 272 mil no GPT-5 Pro.
GPT-5 aceita imagens?	Sim, como entrada. A saída nativa é texto.
GPT-5 gera imagens?	Não como capacidade nativa do modelo. A geração depende de uma ferramenta ou modelo de imagem separado.
GPT-5 é gratuito?	Não na API. O uso é cobrado separadamente da assinatura do ChatGPT.

O que é GPT-5?

GPT-5 é uma geração de modelos e um sistema de inteligência artificial apresentado pela OpenAI em 7 de agosto de 2025. No lançamento, ele foi posicionado como sucessor de modelos anteriores usados em conversa, raciocínio, programação e tarefas autônomas.

Dentro do ChatGPT, GPT-5 não era apenas um único modelo fixo. O cartão do sistema do GPT-5 descreve uma arquitetura unificada composta por:

um modelo rápido para a maioria das perguntas;
um modelo com maior capacidade de raciocínio para problemas difíceis;
um direcionador, ou router, que escolhia o caminho mais adequado;
versões mini utilizadas quando os limites de uso eram alcançados;
uma configuração Pro que aplicava mais processamento a tarefas complexas.

Na API, a OpenAI ofereceu acesso mais direto aos modelos de raciocínio da família. Por isso, a experiência que uma pessoa recebia no ChatGPT não era necessariamente equivalente a enviar uma solicitação ao model ID gpt-5.

A página histórica GPT-5 chegou continua útil para entender o lançamento, mas não deve ser usada isoladamente para confirmar disponibilidade atual, preços, modelos do ChatGPT ou datas de desligamento.

GPT-5 e ChatGPT são a mesma coisa?

Não. GPT-5 é o nome de uma geração de modelos e do sistema lançado em 2025. ChatGPT é um produto que pode utilizar diferentes modelos, ferramentas e sistemas de roteamento ao longo do tempo.

Termo	O que é	Situação atual
GPT-5	Geração de modelos e sistema lançado pela OpenAI	Fora do ChatGPT; modelos originais da API estão Deprecated
ChatGPT	Produto para conversa, pesquisa, arquivos, voz, imagens, projetos e outras tarefas	Ativo, utilizando modelos mais recentes
OpenAI API	Plataforma para integrar modelos e ferramentas a aplicativos próprios	Ativa, com cobrança separada do ChatGPT
Codex	Produto e ambiente especializado em desenvolvimento de software	Não deve ser confundido com um modelo GPT-5 isolado

Uma assinatura do ChatGPT não inclui créditos para usar gpt-5 pela API. A OpenAI mantém sistemas de cobrança separados para ChatGPT e API.

Também não é correto afirmar que “todo ChatGPT usa GPT-5”. O produto troca de modelos conforme novos sistemas são lançados e modelos anteriores são retirados.

Quando o GPT-5 saiu do ChatGPT?

A OpenAI retirou GPT-5 Instant e GPT-5 Thinking do ChatGPT em 13 de fevereiro de 2026. GPT-5 Pro continuou disponível temporariamente para usuários pagos, e determinados workspaces Enterprise mantiveram acesso aos modelos GPT-5 até 19 de fevereiro de 2026.

A página oficial sobre a retirada de modelos do ChatGPT confirma que esses modelos não podem mais ser escolhidos em conversas comuns ou no seletor atual.

Hoje, o ChatGPT utiliza famílias mais recentes. A disponibilidade varia conforme plano, região, etapa de implantação e configurações do workspace. Portanto, uma página antiga que ensina a selecionar “GPT-5 Thinking” no menu não representa a interface atual.

Linha do tempo do GPT-5

Data	Acontecimento
7 de agosto de 2025	GPT-5 é lançado no ChatGPT e na API.
6 de outubro de 2025	Snapshot documentado do GPT-5 Pro é publicado.
13 de fevereiro de 2026	GPT-5 Instant e GPT-5 Thinking deixam o ChatGPT.
19 de fevereiro de 2026	Termina o acesso remanescente ao GPT-5 Pro e aos modelos GPT-5 em workspaces elegíveis.
23 de julho de 2026	`gpt-5-chat-latest` e `gpt-5-codex` são desligados na API.
11 de dezembro de 2026	Desligamento programado dos snapshots originais de GPT-5, mini, nano e Pro.

A linha do tempo mostra por que existem informações aparentemente contraditórias. Uma página de agosto de 2025 descreve o lançamento; a página de modelos mostra o estado atual; e a página de descontinuações informa quando um identificador deixará de funcionar.

Como funcionava o sistema unificado do GPT-5?

No ChatGPT, o direcionador do GPT-5 analisava fatores como:

complexidade da solicitação;
necessidade de ferramentas;
tipo de conversa;
intenção explícita do usuário;
pedido para pensar com mais profundidade;
limite de uso disponível na conta.

Com base nesses sinais, o sistema encaminhava a pergunta para um modelo rápido ou para um modelo de raciocínio. Essa arquitetura ajudava a equilibrar velocidade e qualidade sem obrigar todas as pessoas a escolher manualmente um modelo para cada pergunta.

Os nomes internos descritos no cartão do sistema, como gpt-5-main e gpt-5-thinking, não devem ser tratados automaticamente como model IDs públicos disponíveis na API.

Na API, gpt-5 representava o acesso direto ao modelo de raciocínio. Isso explica por que configurações, limites e comportamento podiam diferir da experiência roteada do ChatGPT.

GPT-5 Instant, Thinking e Pro: qual era a diferença?

GPT-5 Instant

Era o caminho rápido utilizado para perguntas cotidianas e tarefas que não exigiam análise prolongada. O sistema podia responder diretamente ou encaminhar a solicitação para um modo de raciocínio quando identificava maior complexidade.

GPT-5 Thinking

Era o modelo voltado a problemas que exigiam mais planejamento, programação, análise ou raciocínio em várias etapas. Usuários também podiam solicitar explicitamente uma resposta mais refletida.

GPT-5 Pro

Utilizava mais processamento para produzir respostas mais precisas em tarefas difíceis. Na API, a página atual do GPT-5 Pro informa que ele aceita apenas reasoning.effort: high e pode levar vários minutos para concluir determinadas solicitações.

Esses nomes descreviam modos e superfícies diferentes. Não devem ser tratados como se fossem três planos de assinatura equivalentes ou três aliases intercambiáveis.

GPT-5, mini, nano e Pro na API

Modelo	Status atual	Contexto	Saída máxima	Preço por 1 milhão de tokens
`gpt-5`	Deprecated	400 mil	128 mil	US$ 1,25 entrada; US$ 0,125 cache; US$ 10 saída
`gpt-5-mini`	Deprecated	400 mil	128 mil	US$ 0,25 entrada; US$ 0,025 cache; US$ 2 saída
`gpt-5-nano`	Deprecated	400 mil	128 mil	US$ 0,05 entrada; US$ 0,005 cache; US$ 0,40 saída
`gpt-5-pro`	Deprecated	400 mil	272 mil	US$ 15 entrada; US$ 120 saída

Os preços acima são tarifas legadas publicadas nas páginas atuais dos modelos. Não incluem ferramentas, armazenamento, novas tentativas, processamento regional ou trabalho de revisão.

As páginas oficiais podem ser consultadas em:

Alias e snapshot não são a mesma coisa

Um alias é um nome curto, como gpt-5, que pode apontar para uma versão gerenciada pela OpenAI. Um snapshot é um identificador fixo e datado, como gpt-5-2025-08-07, criado para preservar comportamento mais estável.

As páginas atuais marcam a família GPT-5 como Deprecated. Entretanto, a tabela oficial de desligamentos de 11 de dezembro de 2026 cita especificamente estes snapshots:

Snapshot com desligamento programado	Substituto oficial indicado
`gpt-5-2025-08-07`	`gpt-5.6-sol`
`gpt-5-mini-2025-08-07`	`gpt-5.6-terra`
`gpt-5-nano-2025-08-07`	`gpt-5.6-luna`
`gpt-5-pro-2025-10-06`	`gpt-5.6-sol` com `reasoning.mode: pro`

A página de descontinuações da API deve ser tratada como a fonte principal para confirmar o desligamento de cada model ID.

Não presuma que um alias e seu snapshot terão necessariamente a mesma data de encerramento quando a tabela oficial não listar os dois separadamente. Também não presuma que um alias continuará disponível indefinidamente apenas porque ainda aparece na página do modelo.

O que aconteceu com gpt-5-chat-latest e gpt-5-codex?

Dois identificadores especializados já foram encerrados:

gpt-5-chat-latest, que apontava para o snapshot de GPT-5 usado anteriormente no ChatGPT;
gpt-5-codex, uma variante voltada a tarefas de programação.

Os dois foram desligados em 23 de julho de 2026. A substituição oficial indicada para ambos foi gpt-5.6-sol.

Isso é importante para tutoriais antigos. Um exemplo de código que utiliza gpt-5-chat-latest ou gpt-5-codex não deve ser apresentado atualmente como executável.

Especificações técnicas do GPT-5

Especificação	GPT-5
Model ID	`gpt-5`
Status	Deprecated
Descrição atual	Modelo anterior para programação, raciocínio e tarefas autônomas
Janela de contexto	400 mil tokens
Saída máxima	128 mil tokens
Corte de conhecimento	30 de setembro de 2024
Entrada de texto	Suportada
Entrada de imagem	Suportada
Saída nativa	Texto
Áudio nativo	Não suportado
Vídeo nativo	Não suportado
Streaming	Suportado
Function calling	Suportado
Structured Outputs	Suportado
Fine-tuning	Não suportado
Predicted Outputs	Não suportado

O corte de conhecimento não significa que o modelo conhece automaticamente tudo o que aconteceu até aquela data nem que seja incapaz de trabalhar com informações mais recentes. Conteúdo atual pode ser fornecido no prompt, em arquivos ou por uma ferramenta de pesquisa.

O modelo isolado não acessa a internet apenas por ser GPT-5. Web search, file search, execução de código e outras capacidades dependem das ferramentas disponíveis na aplicação.

O que é reasoning effort?

reasoning.effort é um parâmetro que orienta quanto processamento de raciocínio o modelo deve aplicar antes e durante a geração da resposta.

Para o GPT-5, a página atual lista os níveis:

minimal;
low;
medium;
high.

Um nível maior pode ajudar em tarefas difíceis, mas também pode aumentar o tempo de resposta e o consumo de tokens de raciocínio. O nível mais alto não é necessariamente a melhor escolha para classificação, extração simples, respostas rápidas ou tarefas de grande volume.

O GPT-5 Pro é diferente: sua documentação informa que ele aceita somente reasoning.effort: high. Por utilizar mais processamento, determinadas solicitações podem levar vários minutos e se beneficiar de execução em background.

Não descreva esses tokens como uma transcrição completa do “pensamento” do modelo. Eles são uma forma de processamento interno contabilizada separadamente da resposta visível.

O que fazia o parâmetro verbosity?

No lançamento do GPT-5 para desenvolvedores, a OpenAI apresentou o parâmetro verbosity para controlar o nível de detalhamento da resposta.

Ele não substituía uma instrução clara. Uma aplicação ainda precisava especificar:

objetivo;
público;
formato;
limites;
campos obrigatórios;
critérios para considerar a tarefa concluída.

Ao manter um sistema legado, confira se o parâmetro ainda é aceito pelo model ID de destino. Uma migração pode alterar nomes, valores permitidos ou a forma como o modelo responde à mesma configuração.

400 mil tokens equivalem a quantas páginas?

Não existe uma conversão fixa entre tokens e páginas. A quantidade varia conforme idioma, tamanho das palavras, formatação, código, tabelas, imagens e método de extração do documento.

A janela de contexto de 400 mil tokens representa o espaço total utilizado por elementos como:

instruções do sistema e do usuário;
histórico enviado ao modelo;
texto dos documentos;
imagens convertidas em tokens;
resultados de ferramentas;
tokens de raciocínio;
espaço necessário para a resposta.

Ela não é igual a:

400 mil palavras;
um número garantido de páginas;
limite de upload de arquivos;
memória permanente do usuário;
garantia de recuperação de todos os detalhes;
garantia de análise perfeita de um livro ou repositório.

O que afeta a qualidade em contextos longos

qualidade da extração de texto;
OCR de páginas escaneadas;
posição da informação;
quantidade de documentos;
semelhança entre trechos;
estrutura das tabelas;
clareza da pergunta;
necessidade de cruzar trechos distantes;
espaço reservado para ferramentas e resposta;
custo e latência de enviar uma entrada extensa.

Uma janela grande não elimina a necessidade de RAG, segmentação ou recuperação de documentos. Para muitos sistemas, enviar apenas os trechos relevantes continua sendo mais barato e mais fácil de avaliar.

Prompt para avaliar documentos longos

Analise somente os documentos fornecidos.

1. Liste as cinco conclusões principais.
2. Para cada conclusão, indique o arquivo, a seção e o trecho que a sustenta.
3. Separe informações explícitas de inferências.
4. Identifique contradições entre os documentos.
5. Quando um dado não estiver presente, escreva “não encontrado”.
6. Não complete lacunas com conhecimento externo.
7. Liste tabelas, imagens ou páginas que não conseguiu interpretar.
8. Preserve exatamente nomes, datas, valores e unidades.

Depois, abra os documentos e confira cada referência. Uma resposta organizada ainda pode citar a seção errada ou ignorar uma exceção.

GPT-5 aceita imagens, mas não gera imagens sozinho

GPT-5 aceita texto e imagens como entrada e produz texto como saída. Isso permite tarefas como:

descrever uma imagem;
interpretar uma captura de tela;
analisar determinados gráficos;
extrair informações visuais;
comparar elementos de imagens;
responder perguntas sobre páginas convertidas em imagem.

Isso não significa que o modelo gere ou edite imagens como saída nativa. Uma aplicação pode disponibilizar uma ferramenta de geração visual, mas essa ferramenta pertence a um modelo ou endpoint separado.

As páginas atuais de GPT-5 também não documentam áudio ou vídeo como modalidades nativas de entrada ou saída. Transcrição, síntese de voz e análise de vídeo dependem de serviços especializados no sistema ao redor do modelo.

GPT-5 era bom para programação?

Programação e tarefas autônomas foram áreas centrais no lançamento do GPT-5. A OpenAI destacou sua capacidade de seguir especificações, gerar interfaces, corrigir erros e trabalhar em sequências longas de chamadas de ferramentas.

O modelo podia ajudar em tarefas como:

explicar código;
gerar funções;
propor patches;
escrever testes;
refatorar trechos;
analisar vários arquivos fornecidos como contexto;
escolher ferramentas;
produzir saídas estruturadas.

O model ID isolado, porém, não possui acesso automático a um repositório, terminal ou executor de testes. Essas capacidades precisam ser oferecidas pelo agente ou aplicativo que utiliza o modelo.

Por esse motivo, GPT-5 como modelo não deve ser comparado diretamente ao Codex como produto. Codex acrescenta acesso controlado a arquivos, terminal, sandbox, ferramentas de desenvolvimento, revisão de alterações e integração com repositórios.

Analise este repositório e corrija o problema descrito em ISSUE.md.

Regras:
- não altere APIs públicas sem necessidade;
- não invente bibliotecas;
- explique quais arquivos precisam ser modificados;
- execute a suíte de testes disponível;
- adicione um teste que falhe antes da correção e passe depois;
- informe todos os comandos executados;
- liste testes aprovados, falhas e limitações restantes;
- não classifique o resultado como pronto para produção sem revisão.

Uma comparação responsável precisa executar os testes, examinar as dependências, revisar permissões e verificar se o patch introduziu regressões ou vulnerabilidades.

Function calling e Structured Outputs

GPT-5 oferece suporte a function calling e Structured Outputs. Os dois recursos têm funções diferentes.

Recurso	O que faz	O que não garante
Instrução textual	Pede ao modelo que siga um formato ou regra	Não garante conformidade perfeita
JSON comum	Pede uma resposta em JSON	Não garante compatibilidade com um schema específico
Structured Outputs	Restringe a estrutura ao schema definido	Não garante que os valores estejam corretos
Function calling	Permite escolher uma função e gerar argumentos	Não executa a função por conta própria
Ferramenta externa	Executa a ação no sistema responsável	Pode falhar, exigir autorização ou retornar dados incorretos

Uma aplicação precisa validar os argumentos, controlar permissões, executar a ferramenta, tratar erros e verificar o resultado. Se a resposta disser que um e-mail foi enviado ou que uma reserva foi alterada, isso não comprova que a ação aconteceu.

Quanto custa usar GPT-5 pela API?

A cobrança considera tokens de entrada, entrada armazenada em cache e saída. Ferramentas, armazenamento, pesquisa, execução de código e processamento adicional podem gerar outros custos.

Modelo	Entrada	Entrada em cache	Saída
GPT-5	US$ 1,25	US$ 0,125	US$ 10,00
GPT-5 Mini	US$ 0,25	US$ 0,025	US$ 2,00
GPT-5 Nano	US$ 0,05	US$ 0,005	US$ 0,40
GPT-5 Pro	US$ 15,00	Tarifa de cache não publicada na página do modelo	US$ 120,00

Os valores são por 1 milhão de tokens e estão em dólares. Não incluem impostos, conversão de moeda, ferramentas ou revisão humana.

Exemplo de cálculo com GPT-5

Considere uma solicitação com:

40 mil tokens de entrada sem cache;
100 mil tokens de entrada em cache;
8 mil tokens de saída.

Entrada: 0,04 × US$ 1,25 = US$ 0,05
Cache: 0,10 × US$ 0,125 = US$ 0,0125
Saída: 0,008 × US$ 10,00 = US$ 0,08

Total estimado do modelo: US$ 0,1425

O cálculo pressupõe que os 100 mil tokens se qualificam para a tarifa de cache. Não inclui ferramentas, armazenamento, novas tentativas nem trabalho de revisão.

custo estimado =
entrada
+ entrada em cache
+ saída
+ ferramentas
+ armazenamento
+ processamento adicional
+ novas tentativas
+ revisão humana

O modelo com menor preço por token não é necessariamente o mais barato no resultado final. Uma opção que exige mais chamadas, respostas mais longas ou mais correção pode elevar o custo total.

GPT-5 é open source?

Não. A OpenAI publicou páginas técnicas, avaliações e um cartão do sistema, mas não disponibilizou os pesos do GPT-5 para download ou implantação independente.

Acesso pela API também não significa código aberto. A API permite enviar solicitações a um modelo hospedado pela OpenAI, sem entregar ao cliente os pesos, o conjunto de treinamento ou o controle da infraestrutura do modelo.

A empresa também não publicou todos os detalhes internos, como número total de parâmetros, arquitetura integral, lista completa dos dados de treinamento ou custo exato de treinamento. Estimativas externas não devem ser apresentadas como especificações oficiais.

GPT-5 funciona em português do Brasil?

GPT-5 consegue receber e produzir texto em português. Isso não significa que toda resposta seja naturalmente adaptada ao português do Brasil ou que o modelo seja superior aos modelos atuais nesse idioma.

Para avaliar PT-BR, use a mesma tarefa, o mesmo nível de raciocínio e as mesmas restrições.

Escreva um e-mail de até 120 palavras em português do Brasil.

Contexto: uma empresa precisa informar a um cliente que a reunião mudou de 14 para 17 de outubro.
Tom: profissional, cordial e direto.
Use “você”.
Não invente o motivo da mudança.
Não use português europeu, emojis ou frases genéricas.
Preserve exatamente as duas datas.
Entregue somente o e-mail.

Revise:

uso natural de “você”;
vocabulário comum no Brasil;
concordância e pontuação;
ausência de construções do português europeu;
preservação das datas;
cumprimento do limite;
informações acrescentadas sem autorização.

Como GPT-5 está Deprecated, uma avaliação nova deve incluir pelo menos um modelo atual que possa permanecer no projeto por mais tempo.

Ainda vale a pena usar GPT-5?

GPT-5 pode continuar temporariamente quando…

a aplicação existente já foi testada e funciona de forma estável;
o model ID utilizado ainda está acessível;
o sistema não depende de um snapshot que será desligado em breve;
o custo e a latência permanecem aceitáveis;
a equipe possui avaliações automatizadas;
já existe um plano de migração e rollback.

Um modelo atual tende a ser melhor quando…

o projeto está começando agora;
a aplicação terá vida útil longa;
há um modelo atual mais barato ou mais eficiente para a tarefa;
o sistema precisa de ferramentas modernas;
o projeto depende de um snapshot com shutdown anunciado;
a equipe não possui testes para detectar regressões;
o modelo foi escolhido somente porque o nome GPT-5 é conhecido.

Deprecated não significa que todas as solicitações falharão imediatamente. Significa que o modelo está em uma trajetória de substituição e não deve ser tratado como uma dependência permanente.

Quais modelos usar no lugar do GPT-5?

A resposta depende de a aplicação estar migrando um snapshot antigo ou iniciando um projeto novo.

Substitutos oficiais para os snapshots originais

Dependência atual	Substituto indicado
`gpt-5-2025-08-07`	`gpt-5.6-sol`
`gpt-5-mini-2025-08-07`	`gpt-5.6-terra`
`gpt-5-nano-2025-08-07`	`gpt-5.6-luna`
`gpt-5-pro-2025-10-06`	`gpt-5.6-sol` com modo Pro

Modelos destacados para projetos novos

O catálogo atual da OpenAI recomenda começar por opções mais recentes:

Necessidade	Modelo destacado atualmente	Uso típico
Maior capacidade	GPT-6 Astra	Raciocínio, programação e trabalhos complexos
Equilíbrio entre capacidade e custo	GPT-6.1 Sol	Trabalho profissional e aplicações gerais complexas
Alto volume e menor custo	GPT-6 Luna	Classificação, extração e tarefas focadas em escala

Não substitua GPT-5 pelo modelo mais novo apenas pelo nome. Compare:

qualidade na tarefa real;
latência;
custo de entrada e saída;
janela de contexto;
saída máxima;
níveis de raciocínio;
ferramentas suportadas;
Structured Outputs;
modalidades;
tempo esperado de suporte.

O substituto indicado pela página de descontinuações é um ponto de partida, não uma garantia de compatibilidade total.

Como migrar uma aplicação que usa GPT-5

Localize todos os model IDs: procure aliases, snapshots, variantes Pro, chat e Codex.
Separe alias de snapshot: não trate gpt-5 e gpt-5-2025-08-07 como a mesma dependência operacional.
Confirme o status atual: consulte a página do modelo e a tabela de descontinuações.
Registre o comportamento: salve prompts, parâmetros, ferramentas, schemas e exemplos reais de resposta.
Crie um conjunto de avaliações: inclua tarefas frequentes, casos difíceis, entradas longas, imagens e erros conhecidos.
Escolha candidatos: teste o substituto oficial e modelos atuais adequados ao fluxo.
Revise reasoning effort: o modelo de destino pode aceitar valores e padrões diferentes.
Revise verbosity e tamanho: a resposta pode ficar mais curta, longa ou estruturada de outra forma.
Valide Structured Outputs: confira schemas, tipos, campos obrigatórios e valores ausentes.
Valide function calling: revise nomes, argumentos, permissões, resultados e tratamento de erros.
Teste documentos longos: confirme trechos, exceções e referências.
Teste imagens: compare interpretação visual e consumo de tokens.
Atualize o SDK e o endpoint: considere a Responses API para fluxos atuais.
Faça rollout gradual: envie uma pequena parcela do tráfego ao novo modelo.
Mantenha rollback: preserve uma configuração anterior durante a validação.
Monitore depois da troca: acompanhe erros, custo, latência, recusas e feedback.
Remova dependências antigas: conclua a migração antes do shutdown do snapshot.

Trocar apenas o valor de model pode produzir mudanças silenciosas em formato, comprimento, uso de ferramentas, recusas, custo e qualidade.

Exemplo de migração para o substituto do snapshot principal

O exemplo abaixo utiliza o substituto indicado para gpt-5-2025-08-07. Ele não prova que esse seja o melhor modelo para toda aplicação; execute avaliações antes da troca.

from openai import OpenAI

client = OpenAI()

response = client.responses.create(
    model="gpt-5.6-sol",
    instructions=(
        "Responda em português do Brasil. "
        "Não invente informações ausentes. "
        "Preserve exatamente nomes, datas e valores."
    ),
    input=(
        "Analise o texto fornecido e entregue: "
        "1) três conclusões; "
        "2) o trecho que sustenta cada conclusão; "
        "3) informações que precisam ser confirmadas."
    ),
)

print(response.output_text)

Antes de executar:

instale ou atualize o SDK oficial openai;
configure OPENAI_API_KEY no ambiente;
não coloque a chave diretamente no código;
confirme o acesso da organização ao model ID;
registre erros, tokens, latência e custo;
valide a saída antes de utilizá-la em produção.

Como avaliar se a migração funcionou

Critério	O que medir
Precisão	Erros factuais, campos incorretos e conclusões sem apoio
Instruções	Regras ignoradas, tom, formato e tamanho
JSON e schemas	Validade, tipos, campos obrigatórios e valores ausentes
Ferramentas	Funções escolhidas, argumentos, permissões e falhas
Contexto longo	Trechos recuperados, contradições e referências
Imagens	Detalhes identificados, omissões e interpretações incorretas
Código	Testes, regressões, dependências e vulnerabilidades
Latência	Tempo até o primeiro token e duração total
Custo	Entrada, cache, saída, ferramentas e novas tentativas
Estabilidade	Variação entre solicitações semelhantes

Principais limitações do GPT-5

O lançamento apresentou melhorias em precisão, instruções, programação e redução de alucinações em avaliações específicas. Isso nunca significou que GPT-5 fosse infalível.

podia inventar fatos, fontes ou detalhes;
não possuía informação atual sem receber dados ou usar pesquisa;
contexto longo não garantia recuperação perfeita;
Structured Outputs garantiam estrutura, não veracidade;
function calling não garantia execução correta;
código plausível podia conter erros e vulnerabilidades;
imagens podiam ser interpretadas incorretamente;
níveis maiores de raciocínio aumentavam tempo e custo;
benchmarks de lançamento não representavam todos os usos reais.

Os resultados históricos devem ser usados para entender a evolução do modelo, não para declarar que GPT-5 supera os modelos atuais.

Quando a resposta exige revisão especializada

GPT-5 não deve ser tratado como autoridade final em áreas de alto impacto. A mesma cautela vale para seus substitutos.

diagnósticos e tratamentos médicos;
contratos e orientação jurídica;
investimentos, crédito e decisões financeiras;
engenharia e sistemas críticos;
imigração e documentação oficial;
segurança da informação;
contratação e avaliação educacional de alto impacto;
código que controla pagamentos, infraestrutura ou dados sensíveis.

Use o modelo para organizar informações, produzir uma primeira versão ou levantar perguntas. A decisão final deve permanecer com uma pessoa qualificada e ser baseada em fontes primárias.

Privacidade depende do produto, não do nome GPT-5

Não existe uma única política de privacidade chamada “política do GPT-5”. O tratamento dos dados depende da superfície utilizada:

conta pessoal do ChatGPT;
ChatGPT Business ou Enterprise;
OpenAI API;
Codex;
aplicativo de terceiro que envia dados à OpenAI;
ferramentas e provedores conectados ao fluxo.

A OpenAI informa que, por padrão, não usa inputs e outputs de ChatGPT Business, Enterprise, Edu e da API para treinar seus modelos. Uma organização pode optar voluntariamente por compartilhar determinados dados.

Essa política não significa ausência automática de retenção, logs, análise de segurança ou armazenamento feito pelo próprio aplicativo. Antes de enviar dados sensíveis, verifique:

quem opera a interface;
qual model ID é utilizado;
quais ferramentas recebem os dados;
como os logs são armazenados;
qual política de retenção se aplica;
quem possui acesso na organização;
se os dados podem ser anonimizados;
quais obrigações legais e internas devem ser atendidas.

Consulte a página de privacidade de dados empresariais da OpenAI para as condições atuais. Nenhum modelo ou plano garante automaticamente conformidade com a LGPD.

O que fazer agora

Se você usa o ChatGPT

Não procure GPT-5 Instant, Thinking ou Pro no seletor. Eles não estão mais disponíveis no ChatGPT. Utilize os modelos atuais oferecidos ao seu plano e confirme a seleção no próprio produto.

Se sua aplicação usa um snapshot do GPT-5

Trate a migração como urgente. Os snapshots originais listados oficialmente serão desligados em 11 de dezembro de 2026. Identifique o model ID exato, teste o substituto indicado e conclua o rollout antes do shutdown.

Se sua aplicação usa o alias gpt-5

Não presuma que o alias oferece estabilidade de longo prazo. A página atual o classifica como Deprecated. Monitore a tabela de descontinuações, crie avaliações e prepare a troca para um modelo atual.

Se você está começando um projeto

Comece pelo catálogo atual da OpenAI. Defina requisitos de qualidade, contexto, custo, velocidade, ferramentas, modalidades e tempo esperado de suporte. Depois, teste os candidatos com dados reais anonimizados.

O GPT-5 continua importante para entender a evolução do ChatGPT, dos modelos de raciocínio e das aplicações baseadas em ferramentas. Como dependência técnica, porém, ele entrou na fase de substituição: saiu do ChatGPT, seus modelos originais estão Deprecated e seus principais snapshots possuem data de desligamento.