Entender o que mudou nos modelos e o vocabulário que você vai usar

Prompt escrito para os modelos de 2024 falha nos de 2026 porque o modelo agora decide quanto pensar, lê até 1 milhão de tokens (pedaços de palavra) e recusa parâmetros que antes eram rotina. Para quem aprova projeto de IA sem programar, a saída é dominar 14 termos e usá-los hoje para auditar uma proposta de fornecedor em cinco perguntas.

Em outubro de 2026, o Claude Opus 5.5 devolve erro quando alguém ajusta a temperatura fora do padrão, e o Grok 4.7 não deixa desligar o raciocínio. Instruções que davam certo há dois anos viram erro de chamada ou custo sem retorno, e quase ninguém percebe até a fatura chegar.

A proposta comercial sofre do mesmo atraso. Ela chega com a janela de 1 milhão de tokens vendida como qualidade, preço fechado e uma cláusula que deixa o fornecedor trocar o modelo quando quiser. Sem o vocabulário certo, ninguém na sala converte essas promessas em número conferível, e o contrato decide no lugar do comitê.

O que mudou nos modelos entre 2024 e 2026

O modelo passou a pensar antes de responder, e o controle saiu do texto do prompt para um parâmetro. A Anthropic chama o mecanismo de raciocínio adaptativo (adaptive thinking): o modelo decide quanto pensar, e você regula o teto pelo esforço (effort), o botão que vai de low a max. OpenAI, Google, xAI e os modelos abertos fazem o mesmo com outros nomes. Por isso a velha linha “pense passo a passo” sai do prompt, como o próximo capítulo detalha.

Cresceu também o volume que o modelo lê de uma vez. Claude Opus 5.5 e GPT-6 Astra aceitam cerca de 1 milhão de tokens por chamada, perto de 555 mil palavras na conta da Anthropic. Caber muito está longe de ler bem: no relatório Context Rot, da Chroma (julho de 2025), os 18 modelos testados acertaram mais com um prompt focado de cerca de 300 tokens do que com a versão completa de 113 mil. Daí nasceu em 2025 a engenharia de contexto (context engineering), que a Anthropic define como o trabalho de escolher e manter o conjunto ideal de tokens a cada chamada.

Com ferramentas e conectores, o modelo passou a agir. Ele consulta a agenda, abre chamado e envia mensagem em laço até concluir a tarefa, e nesse modo recebe o nome de agente. Para quem decide, o efeito é direto: a proposta passa a ser julgada pelo que entra na janela, pelo esforço contratado, pelo formato da resposta e pelo que o agente pode fazer sozinho, muito além do texto da instrução.

O curso segue um caminho único, na ordem em que as dúvidas aparecem diante de uma proposta real de IA. Cada parte resolve uma pergunta que a anterior deixou aberta.

Os 14 termos abaixo aparecem em proposta, contrato e fatura de IA em 2026. Cada definição traz uma comparação do dia a dia e, quando existe, o número público com modelo e data, para você conferir a promessa sem abrir código.

Cinco números públicos de outubro de 2026 resolvem boa parte da conversa com fornecedor, porque mexem direto no custo por tarefa. Eles dizem quanto cabe na janela, quanto o modelo devolve de uma vez, a partir de que tamanho o cache passa a valer e quanto custa reler o trecho guardado.

O mesmo termo muda de nome e de regra em cada fornecedor, e é na migração que o prompt copiado quebra. Esforço é output_config.effort na Anthropic, reasoning.effort na OpenAI e thinking_level no Google; quem troca de modelo sem trocar o parâmetro recebe erro de chamada ou paga raciocínio que não pediu.

A temperatura fixada em 0,2 num prompt antigo dá erro 400 no Claude Opus 5.5 e passa sem erro no Gemini 3, onde pode piorar o raciocínio, segundo o Google; os dois capítulos seguintes fazem a limpeza completa. A tabela resume o que muda e o cuidado de cada fornecedor.

O vocabulário rende onde há dinheiro ou contrato em jogo. Três situações comuns em empresas brasileiras mostram o termo certo virando pergunta para o fornecedor.

Ler uma proposta de IA é transformar cada promessa em uma das cinco perguntas que saem desse vocabulário: modelo, tokens por tarefa, janela e cache, avaliação e o que o agente faz sozinho. Se o sistema foi medido, o fornecedor já tem esses números e responde em poucos dias. Quando a resposta volta com adjetivo, a lacuna está na engenharia por trás da proposta, e cabe ao fornecedor fechá-la antes do comitê. O prompt de auditoria faz a primeira triagem em minutos e deixa para a reunião só as perguntas sem número.

Continue como aluno

Para seguir o estudo com uma conta no portal, cadastre-se como aluno. Depois de criar a conta, você volta para este curso.

Faça hoje

Pegue a proposta de IA mais recente da sua mesa, cole o texto no prompt de auditoria acima e envie ao fornecedor, ainda nesta semana, as perguntas que voltarem marcadas como adjetivo ou ausente. Em 30 minutos a folha fica pronta. Deu certo quando cada uma das cinco perguntas tem um número ou um prazo de resposta anotado ao lado, e a proposta com duas ou mais lacunas sai da pauta do comitê até o fornecedor responder.