Resposta rápida: deixe o GPT-6 Astra com a parte pesada e difícil: procurar, nos dados do livro de ofertas e dos negócios, padrões de scalping que ninguém descreveu ainda. Deixe o Claude Opus 5.5 com todo o resto: preparação de dados, ambiente de testes, correção de bugs, testes de regressão, backtests, tentativa de derrubar os resultados e gestão das tarefas. A ideia não é usar a IA mais inteligente para tudo. É usar o Astra como um pesquisador caro e o Opus 5.5 como um encarregado de obra que não para.
1. O que chamou atenção não foi a inteligência, mas o fato de não parar
Numa sessão longa de manutenção de software, a IA não corrigiu o primeiro erro e deu o trabalho por encerrado.
Ela achou a causa de um teste que falhava por diferenças no ambiente de execução, usando injeção de dependência. Reescreveu um teste antigo que ainda checava uma regra já extinta. Consertou uma auditoria que não tinha acompanhado a mudança para um validador compartilhado. E, no fim, descobriu que faltavam dados de teste (fixtures) que bloqueavam a compilação real. A cada correção, rodou a suíte inteira de testes de novo e, no final, também a compilação de verdade.
Para uma pessoa, isso vale mais do que uma única resposta brilhante.
No trabalho com agentes, o gargalo costuma ser o custo das interrupções humanas:
- A IA encontra um problema.
- Corrige uma coisa.
- Descobre outra falha.
- Para com um “confira isto a seguir”.
- Uma pessoa precisa dizer “não, continue” e reiniciar tudo.
A Anthropic apresenta o Opus 5.5 como um modelo para sessões longas de programação, bases de código grandes e trabalho de agentes com várias ferramentas, com pouca supervisão. Ela também diz que cargas de trabalho típicas cobradas por token custam cerca de 40% menos do que com o Opus 5.[1]
O ponto é que o valor de uma IA não está só em resolver bem um problema difícil. No trabalho real, o que conta é se ela vai até o fim: achar a causa, corrigir, verificar, corrigir de novo e confirmar que terminou.
2. Então o Astra é desnecessário? Não: só compensa o preço se for usado para explorar
O GPT-6 Astra é o modelo mais avançado que a OpenAI oferece para o trabalho de ponta a ponta mais difícil. Na API, custa 10 dólares por milhão de tokens de entrada e 50 por milhão de saída. O Opus 5.5 custa 4 e 20.[2][1]
O anúncio do Astra pela OpenAI também cita a Jane Street, que viu uma melhora clara em relação ao GPT-5.6 Sol em testes de “trading intuition” (intuição para operar). O produto da OpenAI para serviços financeiros diz ainda que o Astra é forte em buscar informações, raciocinar sobre finanças e produzir entregas prontas.[2][3]
Por isso, seria desperdício gastar o Astra para arrumar arquivos CSV, corrigir dependências, criar dados de teste ou renomear arquivos.
Dê ao Astra só os problemas de tipo pesquisa:
- Você não sabe o que realmente funciona.
- Há muitas características possíveis.
- Há muitas combinações de condições.
- Você ainda não sabe como seria uma boa resposta.
- É preciso descartar uma enorme quantidade de hipóteses erradas.
Não precisa de um carro de Fórmula 1 para construir uma estrada. Chame a F1 quando a pista já existir.
3. A busca reversa no livro de ofertas parte dos movimentos futuros do preço e volta no tempo
O jeito comum de montar uma estratégia é a pessoa definir a regra primeiro: “se o IFR (RSI) está baixo, compro” ou “tem muita compra no livro, talvez suba”.
A busca reversa faz o contrário.
Primeiro, separa-se automaticamente os momentos em que o preço se moveu mais do que as taxas e o spread, depois de 500 milissegundos, 1 segundo, 3 segundos ou 5 segundos. Depois, volta-se ao livro de ofertas e aos negócios logo antes desses momentos para ver o que eles tinham em comum.
Alguns sinais possíveis:
- o volume perto da melhor oferta de compra e de venda
- o desequilíbrio entre vários níveis de preço
- a direção e a força das ordens a mercado
- o desequilíbrio do fluxo de ordens (order-flow imbalance)
- a proporção entre ordens canceladas e ordens novas
- a velocidade com que o livro é reabastecido
- o spread aumentando ou diminuindo
- como o livro se recupera depois de um negócio
- a diferença entre o microprice e o preço médio
- o tipo de volatilidade do momento
- o horário do dia
- a ordem dos eventos em intervalos de algumas centenas de milissegundos
Cont, Kukanov e Stoikov mostraram que variações de preço em prazos curtos se ligam ao desequilíbrio do fluxo de ordens perto da melhor compra e venda com mais força do que ao simples volume negociado, e que esse efeito também depende da profundidade do mercado.[4]
Ou seja, o livro de ofertas não é uma foto parada do tipo “tem muita compra, então sobe”. É uma sequência de eventos no tempo: ordens novas, cancelamentos, ordens a mercado e reposições.
É essa a parte em que vale a pena pedir ao Astra que explore.
4. Mas “testei 100 ideias e a melhor deu lucro” pode ser uma loteria de sobreajuste, não um santo graal
A maior armadilha da exploração com IA é que, quanto mais inteligente ela fica, mais estratégias consegue testar.
Bailey e colegas estudaram esse problema: se você testa uma quantidade enorme de candidatas num backtest e escolhe a melhor, é muito fácil ficar com uma estratégia que só parecia boa por acaso naqueles dados.[5]
Por isso, quando o Astra encontra 10 mil condições e diz “esta é a melhor”, é hora de desconfiar mais, não menos.
Uma busca reversa deve, no mínimo:
- Separar o período de busca do período do teste final.
- Não confiar só em divisões aleatórias que quebram a ordem do tempo.
- Não voltar várias vezes ao mesmo período para ajustar condições.
- Registrar quantas ideias foram testadas.
- Verificar se os resultados se sustentam em diferentes tipos de mercado.
- Avaliar os resultados depois de taxas e spread.
- Checar se alguma informação do futuro vazou para dentro.
Aqui o Opus 5.5 faz o papel de revisor cujo trabalho é derrubar o que o Astra encontra.
O Astra descobre. O Opus desconfia.
Uma equipe de pesquisa funciona melhor quando seus membros não se dão muito bem.
5. O mais assustador num backtest de livro de ofertas: você realmente teria conseguido operar nesse preço?
No scalping, ver um preço no gráfico não é o mesmo que ter a sua ordem executada nesse preço.
Uma ordem limitada tem um lugar na fila. A chance de execução depende de quantas ordens estão na sua frente, de quantas ordens contrárias chegam e de as da frente serem canceladas ou não.
Um estudo publicado na Management Science em 2025 analisa como atrasos aleatórios podem mudar a ordem da fila até para ordens limitadas enviadas quase ao mesmo tempo.[6] Uma pesquisa recente sobre o mercado de criptomoedas também relata que existe um atraso entre ver o livro e a ordem chegar ao motor de execução. Por causa disso, às vezes não dá para operar o volume que você viu. É a chamada falha de execução (failure-to-fill), e ela afeta backtests de alta frequência.[7]
Então o simulador precisa lidar, no mínimo, com:
- taxas
- spread
- derrapagem (slippage), a diferença entre o preço esperado e o real
- latência
- posição na fila
- execuções parciais
- atraso no cancelamento
- ordens rejeitadas e falhas de execução
- seleção adversa, ou seja, operar justamente com quem sabe mais que você
Se não lidar, quanto melhor o Astra explorar, mais rápido você vai produzir lindos lucros imaginários.
Uma IA mais inteligente com um simulador de execução desleixado é como uma Ferrari com pneus de papelão.
6. Quem faz o quê: o Opus administra a fábrica, o Astra administra o laboratório
No uso real, esta divisão é fácil de acompanhar:
| Tarefa | Responsável principal |
|---|---|
| Coletar dados do livro de ofertas e dos negócios | Opus 5.5 |
| Corrigir dados faltantes, sincronizar horários, normalizar | Opus 5.5 |
| Montar Parquet, bancos de dados e repositório de características | Opus 5.5 |
| Programar o backtester e o modelo de execução | Opus 5.5 |
| Testes, proteção contra regressões e logs | Opus 5.5 |
| Preparar a variável-alvo e o espaço de busca | Opus 5.5 + uma pessoa |
| Busca reversa de características e condições desconhecidas | Astra |
| Gerar hipóteses e explorar agrupamentos | Astra |
| Verificar se usou informação do futuro (look-ahead / vazamento de dados) | Opus 5.5 |
| Tentar derrubar o sobreajuste e a dependência do tipo de mercado | Opus 5.5 |
| Reprogramar os candidatos e refazer os testes em grande escala | Opus 5.5 |
| Definir a próxima pergunta de pesquisa | Opus 5.5 → Astra |
A Anthropic diz claramente que o Opus 5.5 é um modelo para o dia a dia em programação, agentes, uso do computador e trabalhos que passam por vários aplicativos.[1]
A OpenAI, por sua vez, chama o Astra de seu modelo mais avançado para raciocínio complexo, programação, uso do computador e pesquisa.[2]
Como as capacidades se sobrepõem, o melhor projeto não é “quem consegue faz tudo”, e sim “chamar o caro só quando realmente for preciso”.
7. Fazer o Opus usar o Chrome para operar o Astra serve para protótipo; em produção, uma API é mais limpa
Esta é uma montagem em que uma IA usa a outra. O Opus 5.5, com permissão para controlar um navegador, abre a tela de conversa do Astra e:
- envia uma tarefa de exploração
- confere se terminou
- recolhe o resultado
- tenta derrubá-lo por conta própria
- envia a próxima busca, se não for suficiente
Como protótipo, é muito fácil de entender.
A Anthropic aponta o uso do computador como uma das principais funções do Opus 5.5. Com um navegador ou um sistema de controle do computador adequado, ele consegue conduzir um trabalho de vários passos como esse.[1]
Mas, quando a rotina já está definida, normalmente é mais fácil trabalhar com uma API do que passando por uma tela.
Usar o navegador traz problemas como:
- a sessão de login expirar
- mudanças no layout da tela
- o estado confuso dos botões
- não saber se ainda está gerando ou se travou
- perder parte da resposta
- uma conversa que cresce demais
- o próprio navegador quebrar
Com uma API, dá para guardar de forma organizada o identificador do experimento, um hash dos dados de entrada, a versão do prompt, a resposta e os resultados da avaliação.
Por isso, a ordem natural é:
Primeiro, automatize no Chrome o que uma pessoa faria, para ver se vale a pena. Quando o ciclo de busca estiver sólido, migre para uma API.
Não é preciso construir uma nave espacial no começo. Amarre primeiro um foguete numa bicicleta e confirme que você realmente quer ir nessa direção.
8. O objetivo não é “fazer o Astra pensar”, e sim “dar ao Astra só problemas que merecem o esforço dele”
O jeito mais desperdiçado é jogar para o Astra uma montanha de dados brutos e código quebrado e dizer:
“Ache uma estratégia que dê lucro.”
O jeito forte é o contrário. Do lado do Opus 5.5, é preciso:
- garantir a qualidade dos dados
- montar um ambiente de experimentos que possa ser repetido
- oferecer uma API de busca
- definir o que é sucesso
- incluir um modelo de custos
- automatizar as checagens de vazamento de dados
- guardar os resultados
- testar os candidatos devolvidos pelo Astra com uma verificação separada que tente derrubá-los
Só então você pede ao Astra que escave onde ninguém ainda pensou em uma característica.
O fluxo de trabalho fica assim:
O Opus 5.5 constrói a base → o Astra explora o desconhecido → o Opus 5.5 tenta quebrar o resultado → só o que sobrevive avança.
Não se trata de entregar tudo a uma IA genial.
Deixe o pesquisador pesquisar e o encarregado cuidar da obra.
Mesmo na era dos agentes de IA, o que mais funciona no fim é a forma de organizar a equipe.
- Anthropic — „Introducing Claude Opus 5.5“ und Produktseite zu Claude Opus (22.09.2026) https://www.anthropic.com/claude/opus Belegt die Einordnung von Opus 5.5 bei agentischem Programmieren, langen Arbeiten, Computernutzung und Abläufen über mehrere Anwendungen, außerdem Preise und die rund 40 % geringeren Kosten typischer, nach Token abgerechneter Arbeiten im Vergleich zu Opus 5 anthropic.com
- OpenAI — „GPT-6 Astra: A new generation of intelligence“ und API-Modellseite zu GPT-6 Astra (09/2026) https://developers.openai.com/api/docs/models/gpt-6-astra Belegt die offizielle Einordnung von Astra, die API-Preise und das Zitat von Jane Street zu Fortschritten bei „Trading Intuition“-Tests gegenüber GPT-5.6 Sol openai.com
- OpenAI — „Introducing ChatGPT for Financial Services“ (10.09.2026) Belegt die Einordnung von Astra bei Informationssuche, Finanzanalyse und der Erstellung fertiger Ergebnisse openai.com
- Cont, Rama; Kukanov, Arseniy; Stoikov, Sasha — „The Price Impact of Order Book Events“, Journal of Financial Econometrics 12(1), 2014 Belegt den Zusammenhang zwischen kurzfristigen Kursänderungen, dem Ungleichgewicht im Orderfluss und der Markttiefe arxiv.org
- Bailey, David H.; Borwein, Jonathan M.; López de Prado, Marcos; Zhu, Qiji Jim — „The Probability of Backtest Overfitting“, Journal of Computational Finance https://doi.org/10.21314/jcf.2016.322 Belegt das Risiko, dass die Auswahl des besten Ergebnisses nach dem Test vieler Strategiekonfigurationen einen überangepassten Gewinner liefert escholarship.org
- Yueshen, Bart Zhou — „Queuing Uncertainty of Limit Orders“, Management Science, online veröffentlicht am 17.09.2025 Belegt die Unsicherheit der Position in der Warteschlange und zufällige Verzögerungen bei fast gleichzeitigen Limit-Orders pubsonline.informs.org
- „The good, the bad, and latency: exploratory trading on Bybit and Binance“, Quantitative Finance, 2025 Belegt Latenz, nicht ausgeführte Orders, Slippage, Adverse Selection und Fragen bei Hochfrequenz-Backtests doi.org
