A OpenAI ampliou o acesso ao Deep Research dentro do ChatGPT para assinantes dos planos Plus, Team, Edu e Enterprise, segundo anúncio feito em 25 de fevereiro de 2025. Na prática, a ferramenta passa a ficar disponível fora do plano Pro, com limites de uso mensais que variam por plano e foram ajustados em atualizações posteriores.
O que muda para quem assina
O anúncio de 25 de fevereiro de 2025 indica que o Deep Research deixou de ser exclusivo do ChatGPT Pro e passou a alcançar os demais planos pagos, começando por Plus e avançando para Team, Edu e Enterprise. A forma mais simples de entender o impacto é que uma tarefa que antes exigia pesquisa manual em várias abas pode ser delegada para um modo de trabalho assíncrono do próprio ChatGPT.
O que caracteriza essa expansão é a combinação de três pontos:
- Acesso mais amplo: o recurso sai do “clube do Pro” e entra na rotina de quem paga o plano padrão.
- Saída com documentação: a proposta é entregar um relatório com fontes e estrutura, não só um resumo.
- Melhorias progressivas: a OpenAI passou a incluir imagens com citações e a lidar melhor com arquivos enviados, segundo comunicações posteriores da empresa.
Para referência oficial, a descrição do lançamento e as atualizações de rollout ficam no post “Introducing deep research” no site da OpenAI, que reúne mudanças por data. Leia na OpenAI
O que o Deep Research faz na prática
Deep Research é um modo do ChatGPT voltado para pesquisa em várias etapas na web, com síntese e rastreabilidade das fontes. A OpenAI descreve o recurso como um agente que busca, compara, interpreta e consolida informações de muitos sites para produzir um relatório, e também pode trabalhar com arquivos que o usuário envia. FAQ em PDF no Help Center
Em termos simples, ele tenta fazer o que um analista faria em um briefing:
- Planejar a pesquisa: quebrar o pedido em subtarefas e rotas de busca.
- Coletar evidências: ler e cruzar páginas, documentos e, quando aplicável, PDFs.
- Gerar um relatório: organizar achados, ressalvas e referências.
Exemplo prático
Uma aplicação bem comum no Brasil é compra de eletrônico caro. Em vez de pedir “qual é o melhor notebook”, a tarefa que costuma render resultado é: “Compare três modelos vendidos no Brasil, priorize garantia nacional, desempenho em edição leve de vídeo, e liste prós e contras com fontes”. O Deep Research tende a lidar melhor com esse tipo de pedido porque precisa juntar preço, ficha técnica, avaliações e disponibilidade.
Regra de decisão rápida
Usar Deep Research faz mais sentido quando o pedido exige múltiplas fontes e comparação e quando a resposta precisa ser conferível. Se a pergunta cabe em uma explicação direta, um chat normal costuma ser mais rápido e barato em termos de uso.
Limites de uso e por que eles existem
Esse tipo de pesquisa é pesado em computação porque envolve navegação, leitura e síntese em ciclos. Por isso, a OpenAI adota limites mensais por plano e ajusta esses números conforme otimiza a infraestrutura e cria versões mais eficientes do recurso. A página oficial de lançamento registra atualizações de limites e expansão de disponibilidade ao longo do tempo. Atualizações por data
O que aparece com frequência nas atualizações é um padrão de produto: quando a demanda cresce, a empresa sobe limite para planos mais comuns e empurra parte do uso para variantes mais leves.
| Momento | Quem tinha acesso | Como a OpenAI descreveu os limites |
|---|---|---|
| Início de fevereiro de 2025 | Pro (com rollout gradual por região) | Modelo inicial com limite mensal mais alto para Pro, por ser a fase mais cara de operar |
| 25 de fevereiro de 2025 | Plus, Team, Edu e Enterprise | Expansão para planos pagos, com limites menores fora do Pro, segundo anúncio público |
| 24 de abril de 2025 | Inclui também Free em formato leve | A OpenAI registra aumento de cotas e a introdução de uma versão “lightweight” para escalar |
Para o anúncio público de 25 de fevereiro de 2025, a OpenAI apontou a expansão na conta oficial no X. Post no X
Onde isso se encaixa na corrida dos agentes
A disputa não é só “quem escreve melhor”, é quem automatiza mais etapas do trabalho. Deep Research e produtos similares avançam na direção de agentes, que buscam informação, fazem triagem, montam síntese e, em alguns casos, executam ações.
Do lado da OpenAI, essa estratégia aparece junto de outros lançamentos de “agentes” e ferramentas. Um exemplo é o Operator, anunciado como um agente capaz de interagir com páginas usando um navegador próprio, com evolução para integração ao modo de agente no ChatGPT. Introducing Operator
No campo competitivo, o Google também vem reforçando a linha Gemini e capacidades de pesquisa e planejamento. Página do Gemini no Google DeepMind
Mini modelo de mercado para entender o movimento
Uma forma útil de enxergar essa fase é o triângulo Tempo, Talento e Compute:
- Tempo: reduzir horas de pesquisa humana para minutos de agente.
- Talento: capturar a “forma de pensar” de quem sabe pesquisar bem, em forma de ferramenta replicável.
- Compute: o gargalo real, que explica limites, filas e versões leves.
É por isso que o produto aparece com cotas e atualizações frequentes, a empresa ajusta o equilíbrio entre custo e utilidade conforme escala.
Riscos, qualidade e o que a OpenAI promete
Ferramentas de pesquisa automatizada ainda erram, tanto por inventar detalhes quanto por dar peso demais a fontes frágeis. A OpenAI publicou um system card específico descrevendo avaliações, riscos e mitigação do Deep Research, incluindo preocupações com “alucinações”, distinção entre boato e fato e proteção de privacidade ao navegar na web. Deep research System Card
O documento também se apoia no Prepareness Framework da empresa para explicar como a OpenAI organiza testes e governança antes de ampliar o rollout. Preparedness Framework
Na prática, a recomendação mais segura é tratar o Deep Research como um “estagiário rápido” que traz material com referências. A validação final ainda depende de checar as fontes, principalmente em temas sensíveis como saúde, finanças e políticas públicas.
Para quem quer acompanhar a evolução do recurso e dos limites por plano, a página oficial de lançamento é a referência mais estável, já que ela concentra atualizações por data. Introducing deep research