Migrar um agente de produção para o GPT-5.6: 2,2× mais rápido, 27 % mais barato - a verdadeira autópsia

O primeiro retorno numérico de uma migração frontier→frontier. Um caso de estudo para quem está a preparar a próxima mudança.

Em termos simples

A equipe do ploy.ai migrou um agente em produção do GPT-5.4 para o GPT-5.6 e publicou os números brutos: 2,2× menos latência, 27 % menos custo, +8 pontos na taxa de conclusão. A análise pós-morte é mais útil do que os benchmarks de marketing.

O fato

Publicado em 12 de julho de 2026 no ploy.ai/blog, o artigo cobre uma migração real: um agente comercial (pesquisa + qualificação + e-mail) que processa ~40 mil requisições/dia. Migração progressiva em 5 dias, A/B no harness, telemetria completa.

Análise

Três lições concretas merecem destaque:

1. O ganho de latência vem principalmente do modelo, não do harness. O mesmo trace de agente roda 2,2× mais rápido na mediana, 3,1× no P99. Isso é consistente com os anúncios da OpenAI sobre otimização de serving (decodificação especulativa + reutilização de cache KV).
2. O ganho de custo é em parte ilusório. O preço por token caiu, mas a nova versão tende a gerar saídas mais longas (~+18 %). Os -27 % líquidos vêm primeiro da redução dos rounds do agente (menos iterações), não apenas do preço por token.
3. Os +8 pontos na taxa de conclusão vêm de um melhor tool-calling. Em fluxos multi-etapas, o GPT-5.6 erra menos na escolha da ferramenta e refaz menos tentativas. É um ganho do harness induzido pelo modelo, não um ganho de inteligência bruta.

Por baixo dos panos

O harness exigiu três ajustes para a migração: (1) ajustar o prompt do sistema (menos coaching explícito porque o modelo precisa menos disso), (2) endurecer o parser dos tool calls (novo formato de chamada mais estrito), (3) recalibrar os limites de retry (menos falhas → limite reduzido).

O orçamento total de compute só cai se você fixar a meta de latência — caso contrário, a tentação é aproveitar para adicionar etapas.

Cenários

• Adoção ampla (60 %) : a maioria dos agentes em produção migrará para o 5.6 até o Q4 de 2026, motivados pelo tripé latência/custo/tool-calling.
• Adoção parcial (30 %) : aqueles com um modelo fine-tunado 5.4 aguardam o pipeline de fine-tuning 5.6.
• Aguardando (10 %) : aqueles com forte dependência de fornecedor (Azure early tier, contratos anuais) aguardam a renovação.

E então?

Para uma equipe que prepara a migração: os 5 dias de A/B no harness são não negociáveis. Os ganhos são reais, mas dependem do seu harness — não há atalho. Para um executivo: o verdadeiro KPI é custo por fluxo concluído, não custo por token. A diferença pode ser um fator 2.

A se observar

Os post-mortem das equipes que migraram para o Claude Cowork ou para o Gemini 3 — ainda faltam bases objetivas. Os próximos pipelines de fine-tuning 5.6 (anunciados como "verão" pela OpenAI).