GPT-4.5 é um modelo de linguagem de grande porte desenvolvido pela OpenAI, lançado como uma prévia de pesquisa em 27 de fevereiro de 2025. Ele representa um avanço incremental em relação ao seu predecessor, GPT-4, com foco principal em expandir a base de conhecimento do modelo e melhorar a precisão conversacional. O modelo foi inicialmente disponibilizado para assinantes do ChatGPT Plus e Pro, bem como por meio da API da OpenAI, antes de uma implementação mais ampla para clientes empresariais em março de 2025.
Ao contrário de alguns modelos contemporâneos que enfatizavam o raciocínio em cadeia de pensamento, o GPT-4.5 foi projetado como um modelo de propósito geral com capacidades aprimoradas de reconhecimento de padrões e escrita criativa. A OpenAI o descreveu como tendo um tom conversacional mais "natural", com menos casos de alucinação em comparação com versões anteriores. O modelo foi treinado usando uma combinação de técnicas de aprendizado de máquina, incluindo aprendizado supervisionado e aprendizado por reforço com feedback humano, com base na arquitetura Transformer (architecture) que sustenta os sistemas modernos de IA generativa.
Desenvolvimento e Lançamento
A OpenAI começou a desenvolver o GPT-4.5 no início de 2024, após o sucesso comercial do GPT-4. O projeto foi liderado por uma equipe que incluía Jakob Uszkoreit, um dos inventores originais da arquitetura transformer, e Mark Chen, que havia trabalhado anteriormente na escalabilidade de modelos de linguagem. O processo de treinamento utilizou milhares de GPUs da NVIDIA, embora a OpenAI também tenha experimentado hardware da AMD para certas tarefas de inferência. O modelo foi treinado em um conjunto de dados superior a 10 trilhões de tokens, um aumento significativo em relação aos aproximadamente 13 trilhões de tokens usados para o GPT-4.
O lançamento foi inicialmente limitado a uma fase de "prévia de pesquisa", permitindo que um subconjunto de usuários testasse o modelo e fornecesse feedback. Essa abordagem espelhava a estratégia anterior da OpenAI com o GPT-4, que também foi implementado gradualmente. Em 5 de março de 2025, o modelo se tornou disponível para todos os assinantes do ChatGPT Plus e, no final de março, foi integrado à API da OpenAI para desenvolvedores. O preço da API foi definido em US$ 75 por milhão de tokens de entrada e US$ 150 por milhão de tokens de saída, tornando-o mais caro que o GPT-4o, mas mais barato que alguns modelos de raciocínio especializados.
Arquitetura Técnica
O GPT-4.5 mantém o design central de rede neural de seus predecessores, utilizando uma arquitetura Transformer (architecture) somente decodificadora com mecanismos de atenção de múltiplas cabeças. O modelo tem aproximadamente 1,8 trilhão de parâmetros, embora nem todos estejam ativos durante a inferência devido a um design de mistura de especialistas. Essa abordagem, que divide a rede em sub-redes especializadas, permite um cálculo mais eficiente, mantendo alto desempenho.
O processo de treinamento incorporou várias inovações do campo de aprendizado profundo, incluindo normalização de camadas e conexões residuais para estabilizar o treinamento. A otimização usou o otimizador Adam com um agendamento de taxa de aprendizado personalizado que incluía fases de aquecimento e decaimento cosseno. Para evitar overfitting, a OpenAI empregou técnicas de Dropout e recorte de gradiente. O modelo também se beneficiou de estratégias de aumento de dados, incluindo geração de dados sintéticos a partir de versões anteriores do GPT.
Uma diferença notável em relação ao GPT-4 foi a ênfase reduzida em traços de raciocínio explícitos. Enquanto o GPT-4 e seus sucessores, como o1 e o3, foram treinados para produzir raciocínio passo a passo, o GPT-4.5 foi otimizado para respostas diretas e fluidas. Isso o tornou mais rápido em algumas aplicações, mas menos capaz em tarefas matemáticas ou lógicas complexas, uma compensação reconhecida pela OpenAI em sua documentação técnica.
Capacidades e Desempenho
Em testes de benchmark, o GPT-4.5 demonstrou forte desempenho em tarefas intensivas em conhecimento. Ele obteve 71,4% no benchmark MMLU (Massive Multitask Language Understanding), uma ligeira melhoria em relação aos 69,1% do GPT-4. No benchmark de codificação HumanEval, alcançou uma taxa pass@1 de 71,2%, comparável ao GPT-4o. No entanto, no benchmark GPQA (Graduate-Level Google-Proof Q&A), que testa raciocínio científico avançado, o GPT-4.5 obteve 71,0%, significativamente menor que os 86,0% alcançados pelo modelo de raciocínio o3 da OpenAI.
O modelo mostrou pontos fortes particulares em escrita criativa e conversa sutil. Testadores iniciais relataram que o GPT-4.5 produzia diálogos com som mais natural e demonstrava melhor compreensão do contexto cultural. As avaliações internas da OpenAI indicaram uma redução de 38% nas taxas de alucinação em comparação com o GPT-4o, ou seja, o modelo era menos propenso a fabricar fatos ou citar fontes inexistentes.
Para aplicações empresariais, o GPT-4.5 foi integrado ao Serviço OpenAI do Microsoft Azure, permitindo que empresas acessassem o modelo por meio de infraestrutura em nuvem. Ele também se tornou disponível na Amazon Web Services e no Google Cloud por meio de seus respectivos marketplaces de IA. O modelo suportava uma janela de contexto de 256.000 tokens, permitindo o processamento de documentos longos ou conversas de múltiplas etapas.
Limitações e Controvérsias
Apesar de suas melhorias, o GPT-4.5 enfrentou críticas por seu alto custo computacional. O modelo exigia aproximadamente 10 vezes mais computação que o GPT-4o durante a inferência, levando a tempos de resposta mais lentos e maior consumo de energia. Alguns pesquisadores, incluindo Melanie Mitchell, questionaram se os ganhos incrementais justificavam o impacto ambiental, observando que o treinamento do modelo consumiu cerca de 50 gigawatts-hora de eletricidade.
O modelo também apresentou limitações em raciocínio matemático e tarefas espaciais. No benchmark AIME (American Invitational Mathematics Examination) 2024, o GPT-4.5 obteve 36,7%, muito abaixo dos 86,0% alcançados pelo o3. Isso levou alguns observadores a argumentar que a OpenAI priorizou a qualidade conversacional em detrimento da capacidade de resolução de problemas, uma escolha estratégica que divergia de concorrentes como os modelos Claude da Anthropic e a série Gemini do Google DeepMind.
Defensores da privacidade levantaram preocupações sobre os dados de treinamento do modelo, que incluíam conteúdo da web disponível publicamente e conjuntos de dados licenciados. A OpenAI manteve que havia implementado filtros para excluir informações pessoais, mas auditorias independentes por organizações como o Stanford AI Lab encontraram riscos residuais de privacidade. Em abril de 2025, uma ação coletiva foi movida na Califórnia alegando que o GPT-4.5 havia reproduzido texto protegido por direitos autorais sem autorização, um caso que permanecia pendente no final de 2025.
Legado e Impacto
O GPT-4.5 foi amplamente considerado um modelo transicional, preenchendo a lacuna entre o GPT-4 e o antecipado GPT-5. Seu lançamento influenciou a indústria mais ampla de inteligência artificial ao demonstrar que a escalabilidade sozinha poderia produzir melhorias mensuráveis em conhecimento e fluência, mesmo sem avanços arquitetônicos. O design de mistura de especialistas do modelo foi posteriormente adotado por outros desenvolvedores, incluindo AI21 Labs e Inflection AI.
No final de 2025, o GPT-4.5 havia sido superado pelo GPT-5 da OpenAI, que integrou capacidades de raciocínio de forma mais eficaz. No entanto, o GPT-4.5 permaneceu em uso para aplicações que priorizavam eficiência de custo e produção criativa. Seu desenvolvimento também contribuiu para debates contínuos sobre a trajetória da pesquisa em aprendizado de máquina, particularmente o equilíbrio entre tamanho do modelo, dados de treinamento e eficiência de inferência. A decisão da OpenAI de lançar o modelo como uma prévia de pesquisa em vez de um produto completo foi vista como uma resposta ao crescente escrutínio regulatório, à medida que governos na União Europeia e em outros lugares começaram a redigir legislação abrangente de IA.