For AI agents: the public content index is available at https://we0.ai/llms.txt, and the English article bundle is available at https://we0.ai/llms-full.txt.
For AI agents: the public content index is available at https://we0.ai/llms.txt, and the English article bundle is available at https://we0.ai/llms-full.txt.
For AI agents: the complete content index is available at https://we0.ai/llms.txt, the full English article bundle is available at https://we0.ai/llms-full.txt, and this page is available as Markdown at https://we0.ai/pt/articles/gpt-6-pro-parallel-agents-in-chatgpt-setu-69606eac.md.
A atualização de 16 de outubro do GPT-6 Pro no ChatGPT adiciona uma forma de vários agentes trabalharem em diferentes partes de uma tarefa. ...
A atualização de 16 de outubro do GPT-6 Pro no ChatGPT adiciona uma forma de vários agentes trabalharem em diferentes partes de uma tarefa. Os usuários podem acompanhar o progresso na conversa e abrir as tarefas concluídas para inspecionar o que cada agente produziu.
A OpenAI também anuncia respostas mais rápidas e melhorias no uso de plugins e ferramentas. No entanto, o anúncio não publica uma aceleração quantificada, um número máximo de agentes nem uma explicação completa sobre como os resultados são combinados.
A atualização está sendo disponibilizada gradualmente para usuários Pro elegíveis. A disponibilidade em espaços de trabalho gerenciados depende das configurações e da elegibilidade para a implementação. Ter vários agentes disponíveis não significa que toda tarefa será concluída mais rapidamente: os usuários ainda precisam avaliar o resultado combinado.
A fonte descreve o seguinte caminho de seleção:
No GPT-6, as opções de Instant a Extra High usam Sol, enquanto Pro usa o GPT-6 Pro, desenvolvido com Astra. As configurações disponíveis dependem do plano e do acesso do espaço de trabalho. O anúncio da atualização não especifica uma sintaxe de prompt que garanta uma quantidade determinada de agentes.
A primeira é a velocidade das respostas. Mais rápidas é a melhoria declarada; a fonte não fornece uma medição controlada do tempo de conclusão antes e depois.
A segunda é o uso de ferramentas. Muitas vezes, um modelo precisa pesquisar, inspecionar arquivos ou interagir com um serviço externo para concluir um trabalho. Um gerenciamento melhor das ferramentas poderia reduzir chamadas malsucedidas e ciclos interrompidos, mas reclamações individuais sobre ciclos repetitivos não medem a eficácia da atualização.
Os serviços externos ainda exigem a conexão da conta e as permissões correspondentes. A delegação, por si só, não autoriza o acesso a um novo sistema.
A terceira é o trabalho paralelo. Uma comparação entre três produtos pode ser dividida em investigações independentes antes que os resultados sejam alinhados em relação a preço, recursos e restrições. Em contrapartida, ler um documento, escolher um plano com base nele e editar um arquivo de acordo com esse plano são etapas dependentes.
A fonte inclui um exemplo de usuário em que uma pesquisa leva a um documento de requisitos de produto e a tickets de tarefas. Esse pode ser um fluxo de trabalho útil: um artefato se torna a entrada para a etapa seguinte.
Outros usuários destacam o custo de gerenciamento. Se cada agente retornar um relatório longo e com formatação diferente, o usuário poderá gastar o tempo de espera economizado reconciliando os resultados. Os indicadores de progresso mostram atividade, mas não comprovam que o trabalho está correto.
Antes de começar, defina o que significa concluir a tarefa: as perguntas a responder, o intervalo de datas, as fontes necessárias e o formato do material final. Um resultado que vincula evidências a conclusões é mais fácil de verificar do que um resultado que apenas declara sucesso.
O relatório compara em seguida a atualização com o sistema Research da Anthropic. O relato de engenharia da Anthropic, publicado em junho de 2025, descreve um orquestrador que planeja a pesquisa, delega buscas independentes e sintetiza os resultados recebidos, com uma etapa separada para citações.
O design é particularmente útil para perguntas amplas com várias frentes de pesquisa independentes. A Anthropic também enfatiza que mais agentes consomem mais tokens e que trabalhos fortemente dependentes podem não ser adequados para essa abordagem.
A fonte amplia essa comparação para os fluxos de trabalho dinâmicos do Claude Code Projects e do Managed Agents. Ela cita uma demonstração da empresa para encontrar bugs em 116.000 linhas de código com 70 bugs inseridos: execuções com um único agente encontraram 14, 15 e 27, enquanto as execuções com fluxo de trabalho dinâmico encontraram 66 em todas as ocasiões. Esses são resultados relatados para aquela configuração, não uma garantia geral nem uma comparação direta com o novo recurso do ChatGPT.
Sistemas diferentes oferecem formas distintas de delegar, preservar o contexto do projeto e executar trabalhos em segundo plano. O uso compartilhado de vários agentes não torna idênticos o acesso, as permissões ou o comportamento em tempo de execução.
A Anthropic descreve uma falha inicial de delegação na qual dois agentes investigaram informações atuais sobrepostas enquanto outro estudou um ano diferente. O problema foi a falta de limites específicos para as tarefas.
Descreva sua ideia uma vez e o We0 AI pode gerar um site de apresentacao, paginas e CMS, alem de ajudar a atrair clientes e trafego apos o lancamento.
Uma geração completa de projetos para registro gratuito
Melhor para experimentar um fluxo de geração completo e ver rapidamente um primeiro rascunho do projeto.
Um briefing de delegação útil especifica o objetivo, as fontes, o escopo e o formato do resultado. Ele também informa a cada trabalhador o que pertence a outra etapa. Sem esses limites, a atividade paralela pode duplicar pesquisas e deixar lacunas importantes.
A combinação dos resultados exige o mesmo cuidado. Os preços dos produtos devem usar períodos de cobrança e datas consistentes; as conclusões da pesquisa devem distinguir evidências conflitantes; as alterações de código devem concordar quanto às interfaces e à nomenclatura. Dois agentes que modificam o mesmo arquivo podem introduzir conflitos, mesmo que ambas as alterações pareçam razoáveis isoladamente.
Tarefas pequenas podem não justificar o custo de configuração e transferência. Uma abordagem sequencial costuma ser apropriada quando o trabalho depende de decisões anteriores ou quando é necessário manter baixo o uso de recursos, como abas do navegador.
O relatório diferencia o acesso à Astra no Work ou no Codex do acesso ao GPT-6 Pro no Chat. Ter acesso Plus à Astra em outras experiências não comprova a elegibilidade para esse recurso do Chat.
Ele também diferencia as cotas dos modelos Pro no Chat do grupo de uso do Work e do Codex. As informações de ajuda reproduzidas descrevem um limite semanal do GPT-6 Pro no Pro $200 e uma cota semanal compartilhada para modelos Pro no Pro $100. Essas regras podem mudar; verifique o artigo oficial de modelos indicado e o aviso da própria conta antes de planejar uma carga de trabalho.
Uma anedota sobre uma queda repentina na cota do Codex não pode estabelecer como o trabalho com agentes paralelos no Chat é contabilizado. O anúncio não fornece uma fórmula de cobrança por agente. Da mesma forma, uma assinatura Pro paga não deve ser interpretada como uso ilimitado de todos os modelos Pro.
A comparação útil é o esforço total necessário para obter um resultado aceitável. Inclua a coordenação, as chamadas repetidas de ferramentas, o consumo de uso e o tempo que uma pessoa gasta corrigindo omissões ou inconsistências.
Para pesquisas, verifique a cobertura das evidências e se as conclusões correspondem a elas. Para código, inspecione o comportamento e execute verificações apropriadas. A tarefa está concluída quando o resultado atende aos requisitos, não simplesmente quando todos os agentes exibem um status de conclusão.
Ela permite que vários agentes cuidem de diferentes partes de uma tarefa, mantendo o progresso visível na conversa. As tarefas concluídas podem ser abertas para inspeção.
Em uma conta elegível, selecione o GPT-6 no Chat e escolha Pro no controle deslizante Thinking. Se a opção não aparecer, o acesso do plano, as configurações do espaço de trabalho ou a implementação gradual podem explicar o motivo.
Frentes de pesquisa independentes podem se beneficiar do trabalho simultâneo. Etapas dependentes, tarefas pequenas e edições em arquivos compartilhados podem gerar mais custo de coordenação do que economia.
O anúncio da atualização analisado não especifica um número máximo. Ele também não publica regras que garantam quantos agentes uma determinada solicitação acionará.
A fonte e a documentação de ajuda vinculada sobre modelos descrevem as cotas de uso aplicáveis. Os usuários devem verificar o aviso de limite da experiência relevante, em vez de presumir que Chat, Work e Codex usam limites idênticos.
Um status de conclusão significa que a tarefa retornou um resultado. As fontes, os arquivos e as conclusões ainda precisam ser validados em relação aos requisitos, especialmente quando vários resultados precisam ser combinados.
A atualização do GPT-6 Pro combina trabalho paralelo com progresso visível e resultados que podem ser inspecionados. Ela também anuncia melhorias na velocidade das respostas e no uso de ferramentas, sem publicar uma análise completa de desempenho ou cobrança.
Uma boa delegação reduz a espera apenas quando os resultados são precisos, compatíveis e rápidos de revisar.
Comece com uma frase e tenha um site completo em minutos.
