O GPT-5.6 cria um vídeo de motion a partir de um único prompt, e é muito bom

O que de fato foi lançado

O GPT-5.6 chegou ao público em 9 de julho de 2026, depois de uma prévia limitada no fim de junho. É uma família, não um único modelo: o Sol é o carro-chefe, o Terra o equilibrado, o Luna o barato e rápido. A OpenAI chama o Sol de seu melhor modelo de programação até agora, e há uma configuração de esforço máximo e um modo ultra que permite delegar trabalho a subagentes em problemas difíceis.

Nada disso soa como vídeo. Esse é o ponto, e é por isso que a história passou despercebida. O GPT-5.6 não é um modelo de vídeo. É um modelo de raciocínio e programação que ficou tão bom em escrever código que agora consegue construir uma animação, o que se revela uma forma muito mais precisa de fazer motion graphics do que gerar filmagens.

Então, como um modelo de chat faz um vídeo?

Ele o escreve. Você descreve o vídeo, e o modelo escreve a animação como código — HTML, CSS e GSAP, a mesma tecnologia web por trás dos sites mais sofisticados que você já viu. Depois esse código é renderizado quadro a quadro em um MP4.

Esta é a razão de o resultado ser bom. Um gerador de vídeo como o Sora chuta pixels, o que é lindo para um plano de estabelecimento atmosférico e desesperador para um logo que precisa manter a forma e um texto que precisa continuar legível. O código não chuta. Se você diz que o logo entra aos 0,4 segundo e que o título tem o laranja exato da sua marca, é isso que acontece, em todos os quadros, sempre. É a diferença entre descrever uma pintura e escrever as instruções para construí-la.

Por que leva horas?

Porque o que há de bom vem do pensamento. Em esforço máximo, o GPT-5.6 raciocina por um bom tempo antes de escrever, e com o modo ultra ele pode acionar subagentes para trabalhar em partes em paralelo. As pessoas estão deixando ele rodar uma ou duas horas em um único clipe. Ele também agora inspeciona o resultado renderizado em vez de apenas disparar código às cegas, então percebe o que parece errado e corrige antes de devolver. É o ciclo que um motion designer percorre, só que automatizado, e é lento pelo mesmo motivo que o bom trabalho é lento.

A contrapartida é o dinheiro. O Sol começa em US$ 2 por milhão de tokens de entrada e US$ 10 por milhão de saída, com entrada em cache a US$ 0,20 por milhão. Prompts acima de 272.000 tokens de entrada usam tarifas mais altas de contexto longo, e uma execução longa de raciocínio em uma animação complexa ainda queima muitos tokens. Não são US$ 200 por clipe, mas também não é de graça, e no caminho faça-você-mesmo você ainda precisa montar o pipeline de renderização por conta própria.

O resultado é mesmo bom?

Sim, e é isso que faz valer a pena escrever sobre o assunto. Tipografia cinética, aberturas de logo, reels de lançamento, gráficos animados, promos de produto — a animação gráfica fiel à marca que a maioria das equipes de marketing de fato publica. Bem feito, é o tipo de coisa que antes significava uma tarde no After Effects ou uma semana esperando um freelancer.

Onde ele ainda falha é exatamente onde você esperaria: VFX cinematográficos, 3D, animação de personagens feita à mão, acabamento de broadcast com precisão de quadro. Um motion designer sênior no After Effects ainda vence nisso, e vai vencer por um tempo. Mas esse nunca foi o trabalho de que a maioria das equipes precisava. O trabalho de que a maioria das equipes precisava acabou de ser automatizado. Aprofundamos onde fica essa linha em como fazer motion graphics sem o After Effects.

GPT-5.6 vs os modelos de vídeo

O que isso significa de verdade

Um modelo de chat de uso geral, feito para programação e para o trabalho corporativo, agora é bom o suficiente para fazer motion graphics como efeito colateral de ser bom em código. Ninguém na OpenAI lançou um recurso de motion graphics. Ele simplesmente surgiu do modelo ficando mais inteligente. Isso deveria dizer para onde as coisas caminham: toda vez que a fronteira avança, isso melhora, de graça, sem que ninguém construa um recurso de vídeo.

A lacuna honesta é o fluxo de trabalho. Horas de raciocínio, um pipeline de renderização para domar, tokens para pagar e uma nova rodada de ajustes toda vez que uma cena sai errada. A capacidade está aqui. A conveniência não, a menos que alguém a construa para você. Essa é a parte que vale acompanhar, e é a parte em que trabalhamos: o fluos roda nessa mesma geração de modelos e transforma o ciclo faça-você-mesmo de duas horas em um chat e uma prévia ao vivo. Nos primeiros 500 vídeos feitos no fluos, a renderização levou em média cerca de três minutos. Para um panorama mais amplo, nosso panorama honesto das melhores ferramentas de IA para motion graphics compara as opções.

Perguntas frequentes

O GPT-5.6 consegue fazer vídeos?

Não como modelo de vídeo. Ele escreve a animação como código (HTML e GSAP) que é renderizado em um MP4, e é assim que as pessoas estão obtendo motion graphics prontos a partir de um único prompt. Ele não exporta um vídeo direto da janela do chat.

Por que o GPT-5.6 leva horas para fazer um vídeo?

Os bons resultados vêm do raciocínio em esforço máximo, em que o modelo pensa por bastante tempo e pode delegar para subagentes antes de escrever a animação. Execuções longas de raciocínio levam tempo e custam tokens.

O GPT-5.6 é melhor que o Sora para motion graphics?

Para animação gráfica fiel à marca — logos, texto, layout — sim, porque o código é exato e as filmagens geradas oscilam. Para filmagens fotográficas e cinematográficas, o Sora é a ferramenta certa. Eles resolvem problemas diferentes.

Quanto custa?

O GPT-5.6 Sol começa em US$ 2 por milhão de tokens de entrada e US$ 10 por milhão de saída, com entrada em cache a US$ 0,20 por milhão. Prompts acima de 272.000 tokens de entrada usam tarifas mais altas de contexto longo, então o custo cresce com o tamanho do contexto e com o quanto você deixa o modelo pensar.

Quando o GPT-5.6 foi lançado?

Publicamente em 9 de julho de 2026, depois de uma prévia limitada no fim de junho. Ele vem em três níveis: Sol, Terra e Luna.