Combinar vários modelos com rota, reserva e versão fixada

Combinar modelos funciona quando cada tarefa tem rota escrita: modelo principal, reserva testada, dono e versão fixada. Serve para quem já paga dois ou mais fornecedores de IA ou está prestes a contratar o segundo. Hoje, escreva a tabela de rotas da sua equipe e rode o prompt de roteador do guia em dez pedidos reais.

Três fornecedores sem regra de rota multiplicam a fatura e apagam a responsabilidade. Quando uma resposta sai errada, ninguém sabe dizer qual modelo a escreveu, em que versão, nem quem responde por ela. Ficar com um fornecedor só também cobra o seu preço: um modelo sai de linha, uma tarifa dobra (a do Gemini 3.8 Flash dobra em 01/01/2027) ou a API recusa um pedido legítimo, e não há para onde desviar.

Como decidir qual modelo atende cada pedido

Roteamento (routing) é o padrão em que um passo inicial classifica o pedido e o manda ao modelo certo, como a tabela de alçadas que decide quem aprova cada despesa. Quem aplica a regra é o roteador, um programa curto ou um modelo barato com um prompt de classificação. A Anthropic descreve o padrão desde 2024, ao lado do orquestrador com trabalhadores (orchestrator-workers), e a OpenAI registra o mesmo arranjo no guia de raciocínio: o modelo que pensa planeja e um modelo mais rápido executa.

Antes de montar uma cascata, em que o pedido vai primeiro ao modelo barato e só sobe se falhar, meça o modelo mais capaz com esforço baixo. Esforço (effort) é o botão que define quanto o modelo pensa antes de responder, e a Anthropic escreve que baixá-lo corta pensamento, custo e latência (o tempo de espera pela resposta) com mais confiança do que qualquer instrução no prompt. Num estudo com 4.018 trajetórias de programação, gerar duas soluções em esforço baixo e ficar com a melhor chegou a 27,3% de acerto, quase o mesmo das configurações de raciocínio alto, com 43% menos computação (Cuadron et al., 2025). Se o modelo forte em esforço baixo passa no seu gabarito por um preço aceitável, uma rota resolve o que a cascata faria com três modelos e três prompts para manter.

Modelo reserva (fallback) é o segundo modelo que assume quando o principal cai, demora ou recusa, e só conta como reserva se passou pelo mesmo gabarito com prompt próprio. Na API da Anthropic, a recusa chega com stop_reason (o campo que diz por que a resposta parou) igual a refusal e uma categoria em stop_details; o parâmetro fallbacks com valor default, em beta, pede ao próprio servidor que tente outro modelo nesse caso. Use o desvio do servidor para recusa e mantenha no seu código o desvio para outro fornecedor.

No arranjo com orquestrador, um modelo maior divide o trabalho e os menores executam cada parte com a janela limpa e devolvem só um resumo. Na casa Anthropic, um desenho direto em 2026 põe o Opus 5.5 planejando e o Sonnet 5.5 ou o Haiku 5.5 como trabalhadores, a US$ 2 / 10 e US$ 0,10 / 0,50 por milhão de tokens. A ferramenta advisor faz o caminho inverso: o executor rápido conduz a tarefa e consulta o modelo maior só nos pontos difíceis.

Quando o dado não pode sair da empresa, a rota vai para um modelo de pesos abertos (o arquivo do modelo baixado e rodado em servidor próprio): DeepSeek V4, Qwen3.8, Mistral Large 4 ou Muse Glimmer, o modelo aberto da Meta para agentes locais. O Qwen3.8-27B sai sob licença Apache 2.0, com 262.144 tokens de janela nativa. Não existe Llama 5; em 2026 a Meta passou à marca Muse.

O cache de prompt (o começo do prompt que o fornecedor guarda e cobra barato na releitura) vale por modelo. Na Anthropic, reler o prefixo em cache no Opus 5.5 custa 0,05x o preço de entrada; um pedido que pula para outro modelo no meio da conversa paga a entrada cheia. Mudar as ferramentas, o tool_choice (a regra que obriga ou libera o uso de ferramenta) ou o esforço de topo também zera o prefixo, por isso agrupe na mesma rota as tarefas que compartilham a mesma instrução fixa.

Fixar a versão (pinar o snapshot) é chamar o modelo pelo ID completo e trocar só depois de rodar o gabarito. A OpenAI recomenda fixar o snapshot e manter os evals (as baterias de teste com gabarito); a Anthropic publica a data mínima de aposentadoria de cada modelo, e o Opus 5.5 não sai antes de 22/09/2027. Cada rota tem um dono nomeado, que responde pela resposta errada e assina a troca.

Trocar o modelo de uma rota quase nunca é trocar só o nome. O parâmetro que um fornecedor exige, outro recusa com erro 400, e a reserva só funciona se a chamada dela foi escrita para a casa dela.

Acompanhe a atuação de Alexandre na imprensa

A escolha de modelos também aparece nas conversas sobre IA e negócios. Para consultar a atuação pública do autor, veja entrevistas e participações na imprensa. A página também reúne os canais para propor uma pauta.

Faça hoje

Abra uma planilha e escreva a tabela de rotas da sua equipe com quatro colunas (tarefa, modelo principal, reserva e por quê), mais o ID completo e um dono por linha. Troque a tabela da Aurora pela sua no prompt de roteador e passe dez pedidos reais da semana. Deu certo quando o roteador acerta a rota em pelo menos oito dos dez e manda para a rota interna todo pedido com dado pessoal de funcionário.