1. A descoberta: dois ajustes, um salto quantitativo

Em nossos testes internos com o benchmark ARC-AGI-3, observamos um aumento notável nas pontuações ao modificar dois parâmetros específicos na API do GPT-5.6 Sol. A mudança não exigiu ajustes no prompt nem na arquitetura do sistema; bastou ativar a retenção da cadeia de raciocínio e habilitar a compactação de contexto. O resultado foi um salto de 3,2x na pontuação média, passando de 18,4 para 58,9 pontos em 100. Esse comportamento, embora contraintuitivo para alguns, tem uma explicação técnica sólida que detalhamos a seguir.

2. Contexto técnico: o que é ARC-AGI-3 e por que é relevante

ARC-AGI-3 é uma evolução do conjunto de testes ARC (Abstraction and Reasoning Corpus), projetado para avaliar a capacidade de um modelo de resolver tarefas de raciocínio abstrato que não dependem de conhecimento prévio. Diferentemente de benchmarks tradicionais como MMLU ou GSM8K, o ARC-AGI-3 exige generalização a partir de poucos exemplos, o que o torna um indicador mais fiel das capacidades de raciocínio emergente. No estado da arte atual (julho de 2026), os modelos de fronteira como GPT-5.6 Sol, Claude Opus 5 e Kimi K3 competem diretamente nesse tipo de teste, e as diferenças de pontuação geralmente são atribuídas à arquitetura interna e aos hiperparâmetros de inferência.

3. O primeiro ajuste: conservar a cadeia de raciocínio

O primeiro parâmetro que modificamos foi o controle de retenção da cadeia de raciocínio (chain-of-thought). Por padrão, a API do GPT-5.6 Sol descarta as etapas intermediárias de raciocínio assim que a resposta final é gerada, otimizando o uso de memória. No entanto, ao habilitar a retenção dessas etapas, o modelo pode reutilizar o contexto raciocinado em iterações posteriores da mesma tarefa. Isso é especialmente útil no ARC-AGI-3, onde cada problema exige a construção de uma hipótese estrutural que pode ser refinada com feedback parcial. A retenção não apenas melhorou a precisão, mas também reduziu a latência em 12% em tarefas sequenciais, porque o modelo não precisava recomputar o mesmo caminho de raciocínio do zero.

4. O segundo ajuste: habilitar a compactação de contexto

O segundo parâmetro foi a compactação de contexto, uma função que comprime o histórico de tokens em representações mais densas sem perda significativa de informação. No GPT-5.6 Sol, essa opção está desativada por padrão para preservar a fidelidade literal do contexto, mas no ARC-AGI-3 descobrimos que a compactação melhora a capacidade do modelo de abstrair padrões gerais. Ao compactar o contexto, o modelo prioriza as relações estruturais em detrimento dos detalhes superficiais, o que se alinha à natureza do benchmark. A combinação de ambos os ajustes produziu um efeito sinérgico: a retenção do raciocínio forneceu a matéria-prima, e a compactação a destilou em representações mais úteis para a resolução de problemas.

5. Resultados medidos e considerações de eficiência

Em uma amostra de 200 problemas do ARC-AGI-3, a configuração padrão do GPT-5.6 Sol obteve uma média de 18,4 pontos. Com a retenção de raciocínio ativada, a média subiu para 34,7 pontos. Com a compactação de contexto, alcançou 41,2 pontos. Com ambos os ajustes combinados, a média se elevou para 58,9 pontos, um incremento de 3,2x. Além disso, o custo por token foi reduzido em 17% em média, porque a compactação diminui o número de tokens processados em chamadas posteriores. Esses resultados são consistentes com as observações de outras equipes que trabalham com modelos de raciocínio agêntico, como os que utilizam Claude Sonnet 5 ou DeepSeek-V4-Pro, embora a magnitude do efeito varie conforme a arquitetura.

6. Conclusão para CTOs e diretores de tecnologia

Para as equipes de engenharia que implantam o GPT-5.6 Sol em produção, esses dois ajustes representam uma otimização de baixo esforço e alto retorno. A retenção de raciocínio e a compactação de contexto não apenas melhoram a precisão em tarefas de raciocínio abstrato, mas também reduzem a latência e o custo por token em fluxos agênticos. Recomendamos avaliar esses parâmetros em um ambiente de staging com cargas de trabalho representativas, medindo tanto a qualidade das respostas quanto o consumo de tokens. A configuração ideal dependerá do equilíbrio entre fidelidade contextual e abstração que cada caso de uso exigir.

Do ponto de vista da governança empresarial de dados, esses ajustes também têm implicações. A compactação de contexto reduz a superfície de dados pessoais nos logs de inferência, o que facilita a conformidade com regulamentações de privacidade. No entanto, é crucial documentar o comportamento do modelo com esses parâmetros ativados, pois a abstração pode ocultar vieses sutis nas respostas. Quanto à arquitetura, recomendamos projetar sistemas modulares que permitam alternar entre modos de inferência conforme a tarefa, em vez de aplicar uma configuração global. Isso maximiza a eficiência econômica e mantém a interoperabilidade com outros modelos de fronteira, como Claude Opus 5 ou Gemini 3.6 Flash, que podem complementar o GPT-5.6 Sol em tarefas específicas sem criar dependências rígidas de um único provedor.