Demandas complexas decompostas em waves paralelas entre 12 modelos canônicos em 6 providers. Sprint 13 (19-mai-2026) executou bateria E2E pós-Sprint 12 e fechou seis gaps em sequência: Gemini 2.5 Pro ativado em analysis, fact_check e data_processing (era Flash); Claude Sonnet 4.6 promovido a review primary (era Groq Heavy) garantindo Anthropic em planos COMPLEX; diversity guarantee dinâmico com target = min(plan_size, 5); Perplexity com return_citations=true e search_recency_filter=year; model_id e citations persistidos no audit; thinkingBudget reservado em 1/3 do max_tokens em Gemini Pro (corrige parts=[]) e UX em tempo real com preview por wave no stdout. Mantém Sprint 12: COPY PREMIUM ONLY (GPT-5.5 → Opus 4.7 → Gemini Pro) e cap Perplexity 0,50.
Painel executivo · pronto para apresentação
Snapshot do orquestrador: 4 sprints lançadas no mês (Sprint 10 → 13), 6 LLMs canônicos em 6 providers e dataset auditado em bateria E2E. Estilizado para captura de tela — copie a imagem direto para slides.
Ping + doctor + finops + plan + run + board executados em sequência. Bug crítico Sonnet 4.6 dependencies-as-dicts resolvido. AVG_COST_PER_CALL Perplexity recalibrado 6× (real $0,05/call). Cap Perplexity de 0,50 → 0,35 protegeu wall time. 218/220 verde.
Grok 4.3 / 4.20-multi-agent / 4.20-non-reasoning adicionados com busca live em X/Twitter via search_parameters. 6 task types exclusivos. Diversity guarantee 4/6 providers em planos COMPLEX 5+. Upgrades simultâneos: Opus 4.6 → 4.7, Llama 3.3 → Llama 4 Scout (5× barato).
writing/copywriting/seo agora só GPT-5.5 → Opus 4.7 → Gemini Pro (Sonnet/Haiku/Flash banidos de copy). Cap Perplexity 0,35 → 0,50 restaurado. FALLBACK_CHAINS['research']: perplexity → gemini Pro → claude Opus → gpt-5.5. OpenAI gpt-4o → gpt-5.5 canônico.
Gemini 2.5 Pro ativado em analysis/fact_check/data_processing (era Flash). Sonnet 4.6 promovido a review primary (era Groq Heavy). Diversity target dinâmico min(plan, 5). Perplexity com return_citations + recency=year. model_id + citations persistidos no audit. thinkingBudget guard. UX wave preview no stdout.
Recebe uma demanda em linguagem natural (PT-BR), decompõe em tasks tipadas com dependências, distribui entre 12 modelos canônicos em 6 providers respeitando o cap por família e a diversity guarantee dinâmica (target = min(plan_size, 5)) em planos COMPLEX, executa em waves paralelas com cache semântico e validação por rubrica, grava métricas + model_id + citations, e devolve um relatório estruturado. Pós-Sprint 13, Gemini 2.5 Pro é primary em analysis, Claude Sonnet 4.6 em review, Perplexity expõe citations array com URLs/DOIs e o pipeline emite preview por wave no stdout em tempo real.
Decisões priorizam zero dependência adicional quando possível, padrões da indústria quando necessário e tipagem forte em todas as camadas.
Da demanda em linguagem natural até o relatório estruturado. Cada fase tem responsabilidade única e pode ser substituída isoladamente. Fases determinísticas (sem LLM) reduzem custo e latência; LLMs entram apenas onde raciocínio é necessário. Sprint 13 explicitou a fase Diversity Guarantee como etapa separada entre Smart Router e Plan Rebalance.
O usuário descreve a tarefa em PT-BR. Pode ser uma frase ou um briefing de 500 palavras com restrições, exemplos e referências.
Pipeline de 3 etapas determinísticas (parse, enrich, optimize). Sem chamada de LLM. Inspirado em HALO (arXiv 2505.13516).
Sprint 9 reverteu o decompose para Sonnet (wave 1 estável). Gera plano JSON com tasks tipadas e dependências. Fallback: Gemini → Opus.
Classifica tier (SIMPLE/MODERATE/COMPLEX) com premium signals expandidos (Sprint 11). Define quantos LLMs participam e em qual tier.
Sprint 13: target = min(len(tasks), 5). _ensure_provider_diversity faz upgrades estratégicos quando rebalance inicial não cobre o alvo. Plano de 5 tasks busca 5 providers únicos, plano de 6+ capado em 5. Antes era fixo em 4.
Tasks determinísticas (slugify, JSON parse, regex) resolvidas sem LLM. Inspirado em Huryn/Medium. Economia ~30%.
Bag-of-words similarity sobre task description. Hit rate ~25%. TTL ajustado por Quality Judge.
Pré-aloca cada task respeitando PROVIDER_SHARE_CAP. Anthropic ≤ 40%, OpenAI ≤ 45%, Google ≤ 45%, Perplexity ≤ 50% (Sprint 12 restaurou de 35%), Groq ≤ 65%, xAI ≤ 30%. Architecture/critical_review hard-pin. Copy (writing/copywriting/seo) tem hierarquia premium-only: gpt-5.5 → Opus 4.7 → Gemini Pro.
Tasks independentes executam simultaneamente em waves topológicas. Speedup observado: 2-5x. Sprint 13 adicionou wave preview em tempo real no stdout (>>> Wave N + [OK] tN -> provider) e expôs model_id + citations no TaskResult.
Rubrica de 5 dimensões (factual, completude, PT-BR, eficiência, fontes). Verdict APROVADO/RESSALVAS/REPROVADO. Sprint 13 promoveu Sonnet a review primary (era Groq Heavy) — supera em PT-BR e diversifica Anthropic em COMPLEX.
execution_*.json com model_id + citations gravado, .kpi_history.jsonl atualizado, /health pollable (6 providers). Auto-trigger de recalibração se drift.
Tasks determinísticas (slugify, JSON parse, regex match) resolvidas sem LLM. Reduz ~30% das chamadas em demandas com componente operacional.
Pipeline de 3 etapas (parse, enrich, optimize) que enriquece a demanda antes de decompor. Aumenta ~25% a qualidade do plano gerado.
Jaccard similarity sobre bag-of-words da task description. Hit rate ~25% em runs repetidos. TTL ajustado pelo Quality Judge.
Classifica demand tier (SIMPLE/MODERATE/COMPLEX) e marca complexity por task. Define quantos LLMs participam e em qual tier.
Macro-plan inicial pode ser detalhado wave-a-wave por demanda complexa. Reduz over-decomposition em demandas simples.
LLM-as-Judge com rubrica de 5 dimensões. Sprint 13 promoveu Claude Sonnet 4.6 a primary (era Groq Heavy) — supera em qualidade editorial PT-BR e diversifica Anthropic. Verdict APROVADO/RESSALVAS/REPROVADO ajusta TTL do cache e dispara retry.
Sprint 11 + Sprint 13: em planos COMPLEX 5+ tasks, _ensure_provider_diversity calcula target = min(plan_size, 5) providers únicos (Sprint 13 trocou o target fixo de 4 por esse alvo dinâmico). Ensemble heterogêneo bate homogêneo em +7-15% quality (GSM8K/MATH) e reduz single-point-of-failure de 12% para 2% em outage.
O SmartRouter classifica cada demanda em SIMPLE / MODERATE / COMPLEX antes de rotear qualquer task. O score é a soma de 4 dimensões — Sprint 11 adicionou premium signalsque puxam demandas curtas com sinal crítico ("monitorar X agora", "debate de múltiplas perspectivas") direto pra COMPLEX.
Cada domínio detectado na demanda adiciona ao multi-domain score. Sprint 11 adicionou 3 domínios canônicos que invocam providers específicos: realtime (xAI Grok), multi_perspective (grok_multi com 4 agentes paralelos nativos) e premium_reasoning (Claude Opus 4.7).
Em planos COMPLEX com 5+ tasks, o router calcula o alvo de cobertura como target = min(len(tasks), 5) (Sprint 13 trocou o target fixo de 4 por esse cálculo). Se o rebalance inicial não atinge o alvo, o router faz upgrades estratégicos usando hints por provider ausente. Architecture e critical_review nunca são movidos (hard-pin). Baseado em Mixture of Agents (Wang 2024, +7-15% quality), RouteLLM (Ong 2024, single-point-of-failure 12% → 2%) e When Agents Disagree (mar/2026, 0,810 vs 0,512 win rate).
O caminho completo da demanda até o relatório, com os 4 pontos de decisão chave.
# 1. Refine + decompose
plan = Sonnet_4_6.decompose(refined_demand) # wave 1 estável
tier = classify_demand(demand, len(plan.tasks)) # SIMPLE/MODERATE/COMPLEX
# 2. Plan rebalance (cap por provider × 6 famílias)
assignments = rebalance_plan_assignments(plan) # anthropic ≤40%, google ≤45%,
# perplexity ≤50%, groq ≤65%,
# openai ≤45%, xai ≤30%
# 3. Diversity guarantee (Sprint 11 + Sprint 13)
if tier == COMPLEX and len(plan.tasks) >= 5:
target = min(len(plan.tasks), 5) # Sprint 13: era fixo em 4
assignments = _ensure_provider_diversity(
assignments, plan.tasks, tier, target,
)
# 4. Execute em waves com circuit breaker + health-aware + UX preview
for wave in topological_sort(plan.tasks):
print(f">>> Wave {wave.n} ({len(wave)} em paralelo):") # Sprint 13
results = await asyncio.gather(*[
llm_client.query( # 5xx → 1 retry curto
assignments[task.id], task, # 429 → backoff 2/4/8s
check_breaker=True, # provider OPEN → skip <100ms
# Sprint 13: thinking_budget=max(512, min(2048, max_tokens/3)) p/ Gemini Pro
# Sprint 13: return_citations=true p/ Perplexity → TaskResult.citations
) for task in wave
])
# 5. Quality Judge (Sprint 13: Sonnet 4.6, era Groq Heavy) + persist
verdict = ClaudeSonnet.judge(results, rubric_5_dims)
write(execution_id + ".json", report) # model_id + citations + KPIsO scheduler agrupa as tasks por dependências em waves e executa cada wave com asyncio.gather(). Tasks independentes na mesma wave rodam simultaneamente em LLMs diferentes — speedup observado em produção: 3-5×.
O fan-out é controlado pelo cap por provider (pré-alocação plan-level entre 6 famílias) e pela diversity guarantee dinâmica em planos COMPLEX (target = min(plan_size, 5) providers únicos). O fan-in passa pelo Quality Judge (Sprint 13: Claude Sonnet 4.6, era Groq Heavy), que valida e ajusta o TTL do cache.
Decompose gera N tasks. Plan rebalance pré-aloca respeitando o cap por provider; _ensure_provider_diversity garante target = min(plan_size, 5) providers únicos em planos COMPLEX 5+ (Sprint 13 trocou target fixo de 4 por esse alvo dinâmico). Anthropic ≤ 40%, OpenAI ≤ 45%, Google ≤ 45%, Perplexity ≤ 50% (Sprint 12 restaurou de 35%), Groq ≤ 65%, xAI ≤ 30%.
DAG das dependências quebrado em níveis. Tasks no mesmo nível executam paralelo. Speedup = soma(durações)/wall_clock — KPI persistido. Sprint 13 adicionou preview por wave no stdout (>>> Wave N + [OK] tN -> provider) para acompanhamento em tempo real.
Outputs consolidados passam pelo Quality Judge. Sprint 13 promoveu Claude Sonnet 4.6 a primary (era Groq Heavy) — supera em qualidade editorial PT-BR e diversifica Anthropic em COMPLEX. Verdict ajusta TTL do cache e pode disparar retry no próximo da fallback chain.
Cada LLM tem papel definido pelas suas forças. Pós-Sprint 13, GPT-5.5 + Opus 4.7 + Gemini 2.5 Pro formam o tier premium-only de copy (writing/copywriting/seo — Sonnet/Haiku/Flash banidos); Perplexity sonar-deep-research é prioridade em research com return_citations=true + search_recency_filter=year (Sprint 13); Opus 4.7 reservado a architecture, critical_review e fallback de copy; Sonnet 4.6 decompõe wave 1 + primary em review (Sprint 13 promoveu de Groq Heavy); Gemini 2.5 Pro protagonista em code, analysis e fallback de fact_check/data_processing (Sprint 13 ativou crédito Google Cloud em produção); Gemini 2.5 Flash em data_processing primary e fallback de analysis; Groq Heavy (gpt-oss-120b) primary em code_review e extraction, fallback de review; Groq Llama 4 Scout em classification/summarization; xAI Grok (com K) exclusivo em realtime_search, social_listening, current_events e brand_monitoring.
Sprint 12 · diretriz canônica: “COPY PREMIUM ONLY” — toda task de writing, copywriting ou SEO segue obrigatoriamente a hierarquia gpt-5.5 → claude-opus-4-7 → gemini-2.5-pro → perplexity. Sonnet, Haiku e Flash só entram como último recurso em outage simultâneo dos 4 flagships. Decisão editorial de Alexandre Caramaschi: voz PT-BR densa exige reasoning nativo + 1M ctx; downgrade automático para tiers menores gerou incidentes documentados (curso saude-mental-vibecoding 14-05-2026).
Atenção: xAI Grok (com K) ≠ Groq Inc (com Q). xAI tem modelos próprios (grok-4.3, grok-4.20-multi-agent, grok-4.20-non-reasoning) com busca live em X/Twitter; Groq Inc opera infra LPU para Llama 4 Scout e openai/gpt-oss-120b. Providers diferentes, mantidos como entidades canônicas distintas no orchestrator.
Arquiteto-chefe. Reservado a architecture e critical_review pós-rebalanceamento. Upgrade 4.6 → 4.7 em 17-05 mantém o tier $15/$75. Não roteado em code/review padrão.
Tier intermediário Anthropic. Sprint 9 promoveu Sonnet a decomposer canônico (wave 1 estável). Sprint 13 oficializou Sonnet 4.6 como REVIEW PRIMARY (era Groq Heavy) — supera em qualidade editorial PT-BR e garante presença Anthropic em planos COMPLEX 5+. Sonnet 4.7 testado em 17-05 retornou 404 (modelo não-GA); 4.6 segue canônico. ~80% mais barato que Opus.
Tier econômico Anthropic. Acionado por downgrade automático em complexity LOW. ~19x mais barato que Opus.
Redator e copywriter PREMIUM canônico pós-Sprint 12. Upgrade Sprint 11 trocou model_id gpt-4o → gpt-5.5 (lançado 23-04-2026, 1M ctx + reasoning nativo + pt-BR otimizado); Sprint 12 oficializou como PRIMARY de writing/copywriting/seo na diretriz COPY PREMIUM ONLY.
Analista profundo principal pós-Sprint 13. Crédito Google Cloud carregado em produção habilitou Gemini 2.5 Pro como primary em analysis e code (era Pro só em code, Flash em analysis) e como fallback em fact_check e data_processing (era Flash). Sprint 13 também corrigiu bug de thinkingBudget — reserva 1/3 do max_tokens para thinking interno (mín 512, máx 2048) garantindo que parts[] não retorne vazio em respostas longas. 1M ctx mantido.
Tier Flash do Google · adicionado Sprint 10 pós-outage 02-mai. Mantém 1M context com latência ~3x menor e custo ~5x menor que Pro. Sprint 13 redefiniu papel: primary apenas em data_processing (lote massivo) e fallback de analysis quando Pro saturar; classification e summarization permanecem como fallback secundário.
Pesquisador profundo. Sprint 13 ativou return_citations=true + search_recency_filter=year no POST body — LLMResponse e TaskResult agora expõem citations: list[str] (URLs/DOIs verificáveis) persistidos no JSON de auditoria. Bateria E2E validou Aggarwal SIGIR 2024 e Reyes-Lillo 2025 com DOIs reais. Sprint 12 restaurou cap 0,35 → 0,50 (era restritivo pós-bateria 360); adaptive_decomposer decompõe research em sub-tasks naturalmente.
Velocista LPU. Sprint 11 fez upgrade Llama 3.3 70B → Llama 4 Scout 17B 16E ($0,59/$0,79 → $0,11/$0,34, 5x mais barato). Latência sub-segundo, throughput ~10x outros providers. Triagem em massa, classificação e tradução.
Modelo de raciocínio open-weights na infra Groq. 120B parâmetros, 56 reasoning tokens internos. Sprint 9 promoveu para review primary; Sprint 13 cedeu review primary para Claude Sonnet 4.6 (qualidade editorial PT-BR + diversifica Anthropic em COMPLEX) e manteve Groq Heavy como primary em code_review e extraction, e fallback de review com latência sub-segundo.
Flagship xAI · adicionado Sprint 11 como 6º provider canônico. search_parameters: auto dá busca live em X/Twitter (nenhum outro provider tem). 1M context, reasoning, function calling, vision. Canal exclusivo para realtime_search, social_listening, current_events e brand_monitoring. Tom edgy por padrão — exige prompt explícito de tom neutro quando preciso.
Multi-Agent xAI · 4 agentes paralelos nativos (Grok+Harper+Benjamin+Lucas) com 2M context em uma única chamada. Primary em multi_perspective_decomposition e long_context_synthesis. Não confundir com groq_heavy (Groq Inc, com Q) — providers diferentes apesar do nome similar.
Variante rápida sem CoT interno. Para classificação, extração e respostas curtas onde reasoning explícito não agrega. Mantém o canal live X/Twitter mas sem custo de reasoning tokens. Não substitui Groq (com Q) Llama 4 Scout em bulk — Scout mantém vantagem ~10x em throughput LPU.
O cap é aplicado por família de provider, não por alias. Anthropic (Opus 4.7 + Sonnet 4.6 + Haiku 4.5) compartilha o mesmo teto de share por run; Google (Pro + Flash); Groq (Llama 4 Scout + Heavy gpt-oss-120b); xAI (Grok 4.3 + Multi + Fast); Perplexity (sonar-deep-research) restaurada a 50% na Sprint 12, com return_citations=true ativado em Sprint 13. O método rebalance_plan_assignments() pré-aloca cada task respeitando esses limites antes da execução; em planos COMPLEX 5+ tasks, o _ensure_provider_diversity() garante cobertura mínima dinâmica de min(len(tasks), 5) providers únicos (Sprint 13 trocou o target fixo de 4 por esse alvo dinâmico).
Sprint 9 elevou de 30% → 40%. Sonnet/Haiku precisam de espaço para cobrir wave 1 (decomposition voltou para Sonnet) + reviews e fallbacks cross-provider. Inclui Opus 4.7 + Sonnet 4.6 + Haiku 4.5 somados.
Capacidade saudável para writing/copywriting/SEO ser primary sem dominar planos analíticos.
Sprint 9 reduziu de 55% → 45%. Cap menor diminui o blast radius em outage do provider e força diversidade na fallback chain. Inclui Pro + Flash somados (Sprint 10 split runtime).
Sprint 12 RESTAUROU cap 0,35 → 0,50 pela diretriz canônica 'Perplexity como prioridade em research'. O cap de 0,35 (Sprint 10/bateria 360) sufocava deep research editorial; o adaptive_decomposer agora decompõe research em sub-tasks naturalmente, e o cap rígido não era mais necessário.
Cap mais alto reflete o custo ultra-baixo. Volume permitido é grande em classification/translation/summarization sem riscar o budget. Llama 4 Scout LPU ($0,11/$0,34) + Groq Heavy gpt-oss-120b ($0,15/$0,20).
Sprint 11 adicionou xAI Grok como 6º provider com cap conservador inicial. Pricing flat $1,25/$2,50 não tem tier barato; demanda multi-task pode estourar crédito rápido. Cap revisado quando houver baseline real de uso.
Cada tipo de task tem um primary (LLM padrão) e um fallback automático. Quando o primary falha, atinge timeout ou estoura o cap, a fallback chain assume sem perda de tarefa. Sprint 11 adicionou 6 task types exclusivos da família xAI (realtime_search, social_listening, current_events, brand_monitoring, multi_perspective_decomposition, long_context_synthesis). Sprint 13 (19-mai-2026) ativou Gemini 2.5 Pro em analysis (primary, era Flash) e nos fallbacks de fact_check e data_processing; Claude Sonnet 4.6 virou primary de review (era Groq Heavy), com Groq Heavy mantido como fallback sub-segundo.
| Task type | Categoria | Primary | Fallback |
|---|---|---|---|
| research | PESQUISA | Perplexity | Gemini Pro |
| fact_check | PESQUISA | Perplexity | Gemini Pro |
| analysis | CONSTRUÇÃO | Gemini Pro | Gemini Flash |
| data_processing | CONSTRUÇÃO | Gemini Flash | Gemini Pro |
| writing | CONSTRUÇÃO | GPT-5.5 | Opus 4.7 |
| copywriting | CONSTRUÇÃO | GPT-5.5 | Opus 4.7 |
| seo | CONSTRUÇÃO | GPT-5.5 | Opus 4.7 |
| code | CONSTRUÇÃO | Gemini Pro | Sonnet 4.6 |
| review | VALIDAÇÃO | Sonnet 4.6 | Groq Heavy |
| code_review | VALIDAÇÃO | Groq Heavy | Sonnet 4.6 |
| architecture | VALIDAÇÃO | Opus 4.7 | Gemini Pro |
| critical_review | VALIDAÇÃO | Opus 4.7 | Gemini Pro |
| decomposition | CONSTRUÇÃO | Sonnet 4.6 | Gemini Pro |
| extraction | VELOCIDADE | Groq Heavy | Gemini Flash |
| classification | VELOCIDADE | Groq Scout | Gemini Flash |
| translation | VELOCIDADE | Groq Scout | GPT-5.5 |
| summarization | VELOCIDADE | Groq Scout | Gemini Flash |
| realtime_search | PESQUISA | Grok 4.3 | Perplexity |
| social_listening | PESQUISA | Grok 4.3 | Perplexity |
| current_events | PESQUISA | Grok 4.3 | Perplexity |
| brand_monitoring | PESQUISA | Grok 4.3 | Perplexity |
| multi_perspective_decomposition | CONSTRUÇÃO | Grok Multi | Sonnet 4.6 |
| long_context_synthesis | CONSTRUÇÃO | Grok Multi | Gemini Pro |
Pesquisa profunda · Sprint 12 restaurou cap 0,35→0,50 e Sprint 13 ativou return_citations=true com search_recency_filter=year (DOIs/URLs persistidos)
Verificação factual · Sprint 13 oficializou Gemini 2.5 Pro como fallback (era Flash) para preservar qualidade de fonte
Análise profunda · Sprint 13 promoveu Gemini 2.5 Pro a primary (era Flash) e moveu Flash para fallback — crédito Google Cloud aplicado em produção
Processamento de datasets em lote · Sprint 13 oficializou Pro como fallback (era Groq) para preservar 1M ctx em outage Flash
Conteúdo longo PT-BR · Sprint 12 COPY PREMIUM ONLY: fallback Opus 4.7 (era Gemini)
Copy persuasivo · Sprint 12 COPY PREMIUM ONLY: fallback Opus 4.7 (era Sonnet)
SEO de longa cauda · Sprint 12 COPY PREMIUM ONLY: fallback Opus 4.7 (era Perplexity)
Geração de código de produção
Review padrão · Sprint 13 promoveu Claude Sonnet 4.6 a primary (era Groq Heavy) — supera em PT-BR e garante Anthropic em planos COMPLEX
Sub-review rápido de código com fallback cross-provider (Sonnet)
Desenho de arquitetura · Opus 4.7 canônico pós-Sprint 11
Validação final crítica antes de release
Quebra de demanda em plano · Sprint 9 voltou pra Sonnet (wave 1 estável)
Extração estruturada de dados não estruturados
Triagem ultra-rápida · Llama 4 Scout LPU (5x mais barato pós-Sprint 11)
Tradução PT-EN, EN-PT e similares
Resumo executivo de textos longos
Busca live em X/Twitter via search_parameters (exclusivo xAI · Sprint 11)
Escuta social timeline X em tempo real (exclusivo xAI)
Eventos atuais com cross-check live X (exclusivo xAI)
Monitoramento de marca em redes sociais (exclusivo xAI)
4 agentes paralelos nativos via grok-4.20-multi-agent
Síntese >500K tokens · 2M ctx do grok_multi vs 1M Gemini
Cada sprint resolveu uma tese específica: fundação CLI, otimização de custo, observabilidade, self-healing, reliability, enterprise readiness, rebalanceamento Gemini-first, resiliência em produção, hardening de bateria 360, xAI Grok como 6º provider com diversity guarantee, COPY PREMIUM ONLY + Perplexity prioridade na Sprint 12 e — última — Sprint 13 (19-mai-2026): bateria E2E pós-Sprint 12 fechou 6 gaps em sequência — Gemini 2.5 Pro ativado em analysis/fact_check/data_processing (era Flash), Claude Sonnet 4.6 promovido a review primary (era Groq Heavy), diversity guarantee target dinâmico min(plan_size, 5), Perplexity com return_citations=true + search_recency_filter=year, model_id e citations persistidos no TaskResult, Gemini 2.5 Pro thinkingBudget reservado em 1/3 do max_tokens, pipeline com UX em tempo real (wave preview no stdout). Próximas sprints implementam topology-first routing (AdaptOrch fev/2026), difficulty-conditional depth (DAAO set/2025) e confidence-based cascading (FrugalGPT). Roadmap atualizado em tempo real com origem de cada decisão.
De abril a maio de 2026, doze sprints entregaram desde a fundação do CLI até a bateria E2E pós-Sprint 12: Gemini 2.5 Pro ativado em analysis/fact_check/data_processing, Claude Sonnet 4.6 promovido a review primary, diversity target dinâmico, Perplexity com citations expostas, model_id no audit e UX wave preview.
11 fixes P0/P1 cirúrgicos validados por bateria científica
Claude Opus → Sonnet → Haiku acionado automaticamente por complexity
AVG_COST_PER_CALL ajustado + tier_engagement + fallback_save_rate
Loop FinOps fechado com aprendizado de custo a partir do histórico real
Cobertura ponta-a-ponta sem custo de LLM e health check pollable
YAML como single source of truth, HTTP pollable e dashboard publicável
Opus reservado a architecture/critical_review · Gemini protagonista em code/review · Groq Heavy via gpt-oss-120b
Outage de provider deixa de quebrar a wave · circuit breaker religado · backoff por classe · redistribuição cross-provider
218/220 verde → 223/224 pós-fix · cap Perplexity 50→35% · gemini_flash ativo em tasks medium
Grok (com K) ≠ Groq (com Q) · 12 modelos / 6 providers · realtime_search exclusivo · Mixture of Agents · Opus 4.6 → 4.7 · Llama 4 Scout
Copy só usa GPT-5.5 → Opus 4.7 → Gemini Pro (Sonnet/Haiku/Flash banidos) · cap Perplexity 0,35 → 0,50 · catalog YAML v2.1 gpt-5.5 canônico
6 fixes pós-bateria E2E · Pro ativo em analysis/fact_check/data_processing · Sonnet em review primary · target=min(plan_size,5) · model_id + citations no audit · thinkingBudget guard · UX wave preview
thinkingBudget estendido ao Gemini 3.x Pro + code roteado para GPT-5.5
Cada item entregue com descrição, justificativa, métricas e arquivos tocados.
11 fixes P0/P1 cirúrgicos validados por bateria científica
Religação completa do cli.py ao Orchestrator(smart=True).run(), removendo o caminho legado v1.0.
Claude Opus → Sonnet → Haiku acionado automaticamente por complexity
O SmartRouter aplica downgrade dentro da família Claude com base em task.complexity (1-2 → Haiku, 3 → Sonnet, 4-5 → Opus).
AVG_COST_PER_CALL ajustado + tier_engagement + fallback_save_rate
Mede a percentagem de tarefas Claude que foram roteadas para Sonnet/Haiku em vez de Opus, validando a adoção do downgrade automático.
Loop FinOps fechado com aprendizado de custo a partir do histórico real
Novo módulo cost_calibrator.py varre os últimos N execution_*.json, agrupa custos por LLM, filtra outliers e persiste a calibração em .cost_calibration.json.
Speedup = sum(task_durations) / total_duration. 1.0 = totalmente sequencial; 5.0 = 5 tarefas paralelas perfeitas.
Cobertura ponta-a-ponta sem custo de LLM e health check pollable
Verifica em uma chamada: api_keys, catalog_consistency, finops_daily, kpi_history freshness, cost_calibration age e drift_detector.
YAML como single source of truth, HTTP pollable e dashboard publicável
build_llm_configs_from_catalog() constrói o dict LLMConfig a partir de catalog/model_catalog.yaml em tempo de import.
Servidor http.server minimal expõe GET /health (200/503), GET /metrics e GET / (docs). Zero dependência adicional.
Opus reservado a architecture/critical_review · Gemini protagonista em code/review · Groq Heavy via gpt-oss-120b
code e review saíram de primary=claude para primary=gemini. Opus reservado exclusivamente a architecture e critical_review (raciocínio arquitetural ou validação final crítica).
Novo alias groq_heavy controlado via env var GROQ_HEAVY_MODEL. Default ativado: openai/gpt-oss-120b (120B parâmetros, 131K context, 56 reasoning tokens internos).
Outage de provider deixa de quebrar a wave · circuit breaker religado · backoff por classe · redistribuição cross-provider
src/circuit_breaker.py existia completo (310 linhas, CLOSED/OPEN/HALF_OPEN, registry singleton) desde o Round 3 mas nunca foi importado em pipeline.py nem llm_client.py — vaporware. Religado: 3 falhas seguidas em qualquer provider abrem o circuito por 90s; tasks subsequentes raise CircuitBreakerError em ~0ms e caem para o próximo da fallback chain.
compute_provider_health() lê o CircuitBreakerRegistry e gera 3 campos novos por entry: provider_health (dict por provider com state, consecutive_failures, totals, health_score), min_provider_health_score (pior provider da run) e providers_open (quantos circuits ficaram OPEN).
218/220 verde → 223/224 pós-fix · cap Perplexity 50→35% · gemini_flash ativo em tasks medium
Sonnet pós-rebalance 02-mai começou a devolver dependencies como list de dicts ({task_id:t1}) em vez de strings simples ([t1]). ValidationError quebrava cli.py plan totalmente. Agora _parse_plan aceita os dois formatos e formatos mistos.
Bateria 360 mostrou Perplexity sonar-deep-research consumindo 84% do wall time e 82% do custo em runs com 1 task de research profunda. AVG_COST_PER_CALL elevado de $0,008 para $0,05 (5-9x mais real). Cap reduzido de 50% para 35% força decomposição em sub-tasks ou downgrade para sonar-pro em queries simples.
GEMINI_MODEL e GEMINI_FLASH_MODEL controlam Pro/Flash em runtime. Flash ($0,30/$2,50 por Mtok) mantém 1M context com latência ~3x menor e custo ~5x menor que Pro. Pro reservado para code/architecture/decomposition; Flash entra em analysis, data_processing, fact_check fallback, classification, summarization, extraction.
Grok (com K) ≠ Groq (com Q) · 12 modelos / 6 providers · realtime_search exclusivo · Mixture of Agents · Opus 4.6 → 4.7 · Llama 4 Scout
Provider.XAI adicionado ao enum. 3 entradas LLMConfig: grok (grok-4.3 flagship, 1M ctx, $1,25/$2,50 per Mtok, realtime_search+vision+reasoning), grok_multi (grok-4.20-multi-agent-0309, 2M ctx, 4 agentes paralelos nativos), grok_fast (grok-4.20-0309-non-reasoning, classificação rápida sem CoT interno).
realtime_search, social_listening, current_events, brand_monitoring (todos primary=grok, fallback=perplexity), multi_perspective_decomposition (primary=grok_multi, fallback=claude_sonnet), long_context_synthesis (primary=grok_multi, fallback=gemini). _infer_task_type do adaptive_decomposer reconhece keywords PT-BR/EN testadas ANTES das genéricas (research/analysis) — "monitorar Twitter agora" vira realtime_search em vez de research.
Novo método no SmartRouter garante cobertura mínima de 4/6 providers únicos em planos COMPLEX com 5+ tasks. Faz upgrades estratégicos quando rebalance_plan_assignments inicial não atinge o alvo, usando hints por provider ausente (architecture → claude opus, writing → gpt4o, research → perplexity, code → gemini pro, classification → groq, realtime_search → grok).
Claude Opus 4.6 → 4.7 (GA desde 16-04-2026, mesmo tier $15/$75). Groq default Llama 3.3 70B → meta-llama/llama-4-scout-17b-16e-instruct ($0,59/$0,79 → $0,11/$0,34, 5x mais barato). Groq Heavy default consolidado em openai/gpt-oss-120b (era llama-3.3-70b por compatibilidade segura).
Copy só usa GPT-5.5 → Opus 4.7 → Gemini Pro (Sonnet/Haiku/Flash banidos) · cap Perplexity 0,35 → 0,50 · catalog YAML v2.1 gpt-5.5 canônico
writing, copywriting e seo agora têm primary=gpt4o (GPT-5.5) e fallback=claude (Opus 4.7). FALLBACK_CHAINS começa com gpt4o → claude → gemini → perplexity — os 4 primeiros slots são todos premium-tier. Sonnet 4.6, Haiku 4.5 e Gemini 2.5 Flash banidos de copy.
Cap restaurado ao valor pré-bateria 360. FALLBACK_CHAINS['research'] reordenado: perplexity → gemini Pro → claude Opus → gpt-5.5; groq só como último recurso.
catalog/model_catalog.yaml v2.1 substitui referências a gpt-4o por gpt-5.5 canônico (lançado 23-04-2026, 1M ctx + reasoning nativo + pt-BR otimizado). Pricing $5.00/$15.00 por Mtok refletido em test_sprint7.py.
6 fixes pós-bateria E2E · Pro ativo em analysis/fact_check/data_processing · Sonnet em review primary · target=min(plan_size,5) · model_id + citations no audit · thinkingBudget guard · UX wave preview
Quatro alterações cirúrgicas em src/config.py:296-321. analysis: primary=gemini (Pro, era gemini_flash), fallback=gemini_flash (era groq_heavy). review: primary=claude_sonnet (era groq_heavy), fallback=groq_heavy (era gemini_flash). fact_check: fallback=gemini (Pro, era gemini_flash). data_processing: fallback=gemini (Pro, era groq).
src/smart_router.py:704 antes fixava target=4. Bateria E2E mostrou que plano de 5 tasks fechava com 4/5 providers porque o alvo já estava satisfeito em 4. Agora target = min(len(tasks), 5) — plano de 5 tasks busca 5 providers únicos, plano de 6+ busca 5 (capado pelo número viável dado os 6 providers disponíveis e os hard-pins).
src/models.py: TaskResult ganhou model: str e citations: list[str]. src/pipeline.py:_call_llm popula ambos a partir da LLMResponse. Antes ficava model='?' no execution_*.json (impossível auditar qual versão do modelo respondeu). Citations array vem populada de Perplexity sonar-deep-research e ficará vazia para os demais providers.
src/llm_client.py:_call_perplexity adiciona ao POST body: return_citations=true, return_related_questions=false, search_recency_filter='year'. citations expostas na resposta como list[str] de URLs/DOIs; recency filter limita o índice de busca a publicações do último ano.
src/llm_client.py:_call_google reserva 1/3 do max_tokens para thinking interno (mínimo 512, máximo 2048), restando 2/3 para output visível. Em chamadas longas (>4096 tokens de output), Pro consumia todo o orçamento em thinking e devolvia HTTP 200 com parts=[] (resposta vazia).
src/pipeline.py imprime no stdout antes de cada wave: '>>> Wave N (X tarefa(s) em paralelo): t1→provider(task_type) | t2→...'. Depois de cada task: '[OK] tN -> provider (model_id) -> Xs | Y tok | $Z'. Antes era silêncio entre wave-start e relatório final.
thinkingBudget estendido ao Gemini 3.x Pro + code roteado para GPT-5.5
src/llm_client.py:_call_google_model passa a injetar thinkingConfig.thinkingBudget em qualquer modelo Gemini *-pro (não mais só gemini-2.5-pro), cobrindo o default atual gemini-3.1-pro-preview, que antes rodava com raciocínio interno ilimitado até o maxOutputTokens. Validado em 2026-06-05: o 3.1-pro-preview aceita o campo e responde finishReason=STOP (num probe usou ~503 tokens de thinking, bem abaixo do teto de 2048).
src/config.py:TASK_TYPES — a task code teve o primary trocado de gemini (Pro) para gpt4o (GPT-5.5), com gemini virando fallback. Distribui a carga de código para a OpenAI (forte em código) e reduz o consumo de Gemini Pro. analysis profundo permanece em Gemini Pro (agora com thinking capado).
Itens identificados pela literatura 2025-2026 (AdaptOrch, DAAO, FrugalGPT, RCR-Router, Mixture of Agents) + análise técnica dos próprios 6 LLMs em produção + revisão crítica das 11 sprints anteriores.
Decidir topology (parallel/sequential/hierarchical/hybrid) ANTES de escolher modelo. Hoje o pipeline decide modelo task-by-task; topology emerge do DAG implícito.
Substituir complexity score único (1-5) por tupla (difficulty ∈ [0,1], n_subtasks, needs_judge, evidence_required, realtime_data). Cada dimensão pondera independentemente o tier alocado.
Para task type T, tentar primeiro Scout/Flash; se a saída tem confidence < threshold, escalar para Pro/Opus. Hoje todas as tasks com tier alocado pagam o tier desde a primeira chamada.
Cada subagent recebe apenas o subset relevante da memória/contexto para seu papel. Hoje todas as tasks recebem o briefing completo, inflando tokens em ~30%.
Sprint 13 executou bateria E2E manual contra APIs reais (ping + board + run completos, 6 providers, custo ~$0,09/run). Falta tornar essa bateria um workflow CI semanal gated por GEO_E2E_REAL=1 com artifact anexado.
Pipeline diário que gera o dashboard HTML via cli.py dashboard --html e publica em alexandrecaramaschi.com/geo-orchestrator/dashboard.
Adicionar GET /metrics?format=prometheus que serve as métricas em formato exposition compatível com Prometheus scraping.
GEO_ALERT_WEBHOOK no .env. Quando drift dispara ou um provider passa de 95% do limite, o orchestrator faz POST com payload estruturado.
Adicionar GEO_TENANT env var que prefixa output/, .kpi_history e .cost_calibration por tenant.
Loop de governança fechado sem intervenção humana: detecta drift, recalibra, aplica safety threshold, faz backup automático e segue. Quatro vias de health check (CLI, HTTP, HTML, recovery) para integrar a qualquer pipeline existente.
Detecção → ação corretiva → próxima execução com valores ajustados. Sem dashboard manual. Pós-Sprint 10, AVG_COST_PER_CALL[perplexity] foi auto-recalibrado de $0,008 para $0,05 após a bateria 360. Pós-Sprint 11, FINOPS_DAILY_LIMITS inclui xAI ($15/dia) e PROVIDER_SHARE_CAP cobre 6 famílias.
Cada execution_*.json grava cost por LLM, latência, tokens e verdict.
Se 3 runs consecutivos saem da banda 0.7-1.5x, alerta dispara em .kpi_history.jsonl.
Orchestrator chama recalibrate() varrendo os últimos 30 reports — sem intervenção humana.
Calibrações > 5x ou < 0.2x do default são rejeitadas e logadas em safety_rejections[].
.cost_calibration.json copiado para .backup.json antes de persistir. cli.py finops calibrate-rollback restaura.
Loop fechado: o run seguinte aplica os custos atualizados sem ação humana.
Quatro vias de saúde: síncrona (CLI), assíncrona (HTTP), publicável (HTML) e recuperação manual.
6 health checks (api_keys, catalog, finops, kpi, calibration, drift). Saída humana ou JSON. --strict faz exit 1 — pronto para CI gating.
Servidor HTTP stdlib. GET /health (200/503), /metrics (KPI timeseries), / (docs). Bearer token opcional via GEO_HEALTH_TOKEN.
Gera HTML auto-contido com Chart.js. 5 gráficos + KPI cards + tabela dos 10 últimos runs. Deploy em qualquer servidor estático.
Restaura .cost_calibration.backup.json se a recalibração mais recente apresentou drift suspeito. Recovery one-shot.
Dúvidas técnicas e conceituais sobre o geo-orchestrator pós-Sprint 13.
12 LLMs canônicos em 6 providers, hierarquia premium-only em copy (GPT-5.5 → Opus 4.7 → Gemini Pro), Gemini 2.5 Pro em analysis, Claude Sonnet 4.6 em review, Perplexity com citations expostas (URLs/DOIs), diversity guarantee dinâmico min(plan_size, 5) em planos COMPLEX, cap por provider, audit com model_id e citations, governança FinOps automatizada e roadmap público atualizado a cada sprint. Open-source, sem lock-in.