# Que modelo de IA deve usar para cada tarefa e como pode evitar pagar demasiado? > Modelos por tarefa: GPT-6 Astra, Claude Opus 5.5, Fable 5.1, Sonnet 5, GPT-6 Luna. Preços oficiais em 23.09.2026 e modelos económicos para tarefas em segundo plano: Hermes. Source: https://ailoot.ai/blog/pt-pt/ai-model-for-each-task/ Canonical: https://ailoot.ai/blog/pt-pt/ai-model-for-each-task/ Language: pt-PT Publisher: Ailoot (https://ailoot.ai/) Translation: guide-159 Revision: sha256-44b3f205f22ee4259ff77f94c5b6358c42caa36b8832556036790f92404a9c32 Em resumo: deixe um modelo poderoso pensar e um modelo mais simples executar. Confie o planeamento e as decisões complexas a um modelo de topo (GPT-6 Astra, Claude Fable 5.1 ou Claude Opus 5.5), use um modelo intermédio para trabalhar a partir de um plano concluído e reserve o modelo mais económico que consiga dar conta do recado para tarefas de rotina e chamadas de agentes em segundo plano. Ao mesmo tempo, verifique o resultado: quanto mais económico for o modelo, mais cuidadosamente terá de rever o seu trabalho; caso contrário, as poupanças desaparecem em retrabalho. Segue-se uma tabela «tarefa → modelo», publicada pelo autor original num repositório aberto a 23 de setembro de 2026. Os modelos principais nela indicados são escolhas pessoais do autor, baseadas na sua experiência de trabalho. Não foi realizado nenhum teste comparativo para esta tabela, e os mesmos resultados não estão garantidos para outras tarefas. Selecionei a maioria das opções mais económicas com base em classificações públicas e nas recomendações dos próprios programadores; a escolha do Opus 5.5 para código também se baseia na minha experiência. Os preços do material original foram verificados nas páginas oficiais da OpenAI e da Anthropic em 23.09.2026. Para obter instruções adicionais sobre como trabalhar com o Ailoot, consulte a [documentação](https://ailoot.ai/docs/). ## Porque é que usar um único modelo para tudo fica caro Se pagar pelos tokens através de uma API, todas as tarefas executadas por um modelo de topo custam o preço desse modelo, mesmo quando um modelo mais simples teria sido suficiente. Com uma subscrição, tenha em conta os limites do seu plano e do modelo escolhido: consulte-os na página do plano. Para saber como funcionam os limites da subscrição do Claude e o que os consome, leia o artigo separado [Como não esgotar os limites do Claude Code num só dia](https://ailoot.ai/blog/pt-pt/claude-code-token-limits-saving/). Este artigo aborda a escolha de um modelo para uma tarefa específica. Preços oficiais da API por 1 milhão de tokens em 23.09.2026: | Modelo | Entrada | Saída | Para que foi concebido | |------------------|-------|-------|---------------------------------------------| | GPT-6 Astra | \$10 | \$50 | os trabalhos mais exigentes | | Claude Fable 5.1 | \$10 | \$50 | raciocínio complexo e trabalho prolongado com agentes | | Claude Opus 5.5 | \$4 | \$20 | a maioria das tarefas, segundo a recomendação da Anthropic | | GPT-6 Sol | \$2 | \$10 | código complexo e cenários com agentes | | Claude Sonnet 5 | \$2 | \$10 | equilíbrio entre velocidade e inteligência | | Claude Haiku 4.5 | \$1 | \$5 | o modelo mais rápido do Claude | | GPT-6 Luna | \$0,1 | \$0,5 | tarefas repetitivas em grande volume | Considere uma execução hipotética de um agente: 100 mil tokens de entrada e 10 mil tokens de saída. É um exemplo de cálculo com preços base, sem cache, e não uma medição de uma tarefa real. Essa execução custa cerca de \$1,5 com o GPT-6 Astra ou o Fable 5.1, \$0,6 com o Opus 5.5, \$0,3 com o Sonnet 5 ou o GPT-6 Sol, \$0,15 com o Haiku 4.5 e \$0,015 com o GPT-6 Luna. Neste cálculo, a diferença de preço entre o modelo de topo e o modelo mais económico é de cem vezes. Para saber como calcular o custo de uma execução deste tipo com os seus próprios volumes, consulte [Como calcular o consumo de tokens da API](https://ailoot.ai/blog/pt-pt/api-token-usage-calculation/). Duas notas sobre os preços. Para os modelos GPT-6, os pedidos com mais de 272 mil tokens de entrada são faturados na totalidade a uma tarifa superior: o dobro para a entrada e uma vez e meia para a saída. Os pedidos em lote custam metade do preço normal tanto na OpenAI como na Anthropic. ## A regra: pensar com um modelo poderoso, executar com um económico O trabalho seguinte depende do plano, por isso não poupo nessa etapa e uso o modelo mais poderoso. Um modelo mais simples pode escrever a partir de um plano concluído, recolher dados, mudar os nomes das conversas e comprimi-las. Também sigo três outras regras ao escolher um modelo: 1. **Quanto mais económico for o modelo, mais cuidadosamente tem de verificar o trabalho dele.** A revisão também lhe consome tempo. 2. **Compare o preço de um resultado concluído, não o de um único pedido.** Por exemplo, o Opus 5.5 custa 2,5 vezes menos do que o Fable 5.1 tanto na entrada como na saída. Se o retrabalho levar o Opus a consumir três vezes mais tokens de entrada e de saída numa tarefa, acaba por custar mais. O tempo que dedica à revisão é um custo adicional, para além dos tokens. O artigo [Qual é o agente de IA mais económico: o custo de uma tarefa resolvida](https://ailoot.ai/blog/pt-pt/ai-agent-cost-per-solved-task/) explica como calcular o custo de um resultado. 3. **Se um modelo não lhe servir, experimente outro.** Não há um vencedor único; cada um tem os seus pontos fortes e as suas limitações. Escolher um modelo é uma das partes do trabalho com um agente de IA. ## Tabela: tarefa → modelo Na coluna «Principal» estão os modelos que eu próprio uso. A coluna seguinte apresenta alternativas, a maioria selecionada com base em classificações públicas e recomendações dos programadores. Também escolho o Opus 5.5 para código com base na minha experiência pessoal. Verifique com mais cuidado os resultados de um modelo mais económico. As opções para tarefas de rotina usam diferentes modalidades de pagamento, pelo que esta escolha não será necessariamente mais barata. | Tarefa | Principal | Alternativa | |----|----|----| | Estratégia e planos | GPT-6 Astra | GPT-6 Sol | | Código | Claude Fable 5.1 | Claude Opus 5.5 | | Escrita e remoção do estilo de IA | GPT-6 Astra | Claude Sonnet 5 | | Números e finanças | Claude Fable 5.1 | Claude Opus 5.5 | | Pesquisa e investigação | Claude Sonnet 5 | GPT-6 Luna | | Parsers e tarefas de rotina | Kimi K3 (subscrição Kimi Code) | DeepSeek Flash (API) | **Estratégia e planos.** Um erro no plano pode propagar-se para as etapas seguintes. Aqui uso o modelo mais poderoso. O GPT-6 Sol é uma opção mais económica: a OpenAI posiciona-o para código complexo e cenários com agentes. **Código.** Uso o Fable 5.1 para código. No entanto, a Anthropic recomenda começar pelo Opus 5.5 para a maioria das tarefas e usar o Fable 5.1 para raciocínio complexo e trabalho prolongado com agentes, ou quando o Opus, mesmo com um nível de raciocínio elevado, não consegue dar conta da tarefa. Através da API, o Opus 5.5 custa 2,5 vezes menos; na minha experiência, trabalhar com ele também custa menos. Se o plano estiver pronto, um modelo mais económico pode escrever com base nele. Para uma comparação detalhada dos dois modelos de topo para código, consulte [GPT-6 Astra ou Claude Fable 5.1: qual deve escolher?](https://ailoot.ai/blog/pt-pt/gpt-6-astra-vs-claude-fable-5-1/). **Escrita.** Se um texto se destinar a um cliente, uso um modelo poderoso. O Sonnet 5 é uma opção mais económica: a Anthropic considera-o o melhor equilíbrio entre velocidade e inteligência. Reveja o resultado com mais cuidado. **Números e finanças.** Aqui também uso um modelo poderoso. Esta é uma escolha baseada na minha experiência de trabalho, não o resultado de um teste comparativo. Mas nem um modelo poderoso elimina a necessidade de verificar: confirme os valores na fonte primária. Não envie dados financeiros ou pessoais para planos gratuitos cujos termos permitam que os seus dados sejam utilizados. **Pesquisa e investigação.** Uso o Sonnet 5 para tarefas simples e pesquisas; esta escolha baseia-se na minha experiência. O GPT-6 Luna é uma opção mais económica: a OpenAI posiciona-o para tarefas repetitivas em grande volume. **Tarefas de rotina.** As tarefas de rotina repetem-se muitas vezes, pelo que os custos das execuções individuais se acumulam. Uso o Kimi K3 com uma subscrição Kimi Code. O DeepSeek Flash é uma opção com faturação através da API. São modalidades de pagamento diferentes, e a opção mais económica depende do seu volume. ## Onde não poupo Estas regras baseiam-se na minha prática. Não as testei através de um estudo comparativo. - **Planeamento e arquitetura.** Um erro no plano pode propagar-se para as etapas seguintes. - **Números e finanças.** Aqui uso um modelo poderoso e, ainda assim, confirmo os valores na fonte primária. - **Verificação do resultado.** Quanto mais económico for o modelo que executou a tarefa, mais cuidadosamente tem de verificar o trabalho dele. A compressão de conversas determina o que um agente retém de uma conversa longa, e um modelo demasiado fraco pode perder informações importantes. Pode transferir a compressão para um modelo económico, mas verifique a qualidade nas suas próprias tarefas. ## Como transferir as tarefas em segundo plano do Hermes Agent para um modelo económico Além do trabalho principal, um agente executa tarefas auxiliares: inventar títulos para conversas, comprimir conversas longas, analisar imagens e decidir se um comando pode ser aprovado automaticamente. No [Hermes Agent](https://ailoot.ai/blog/pt-pt/hermes-agent-install-setup/), estas tarefas estão identificadas como auxiliares. Por predefinição, cada uma está definida como `auto`: é o seu modelo principal que a executa. Se o modelo principal for um modelo de topo e pagar através da API, as tarefas auxiliares também são faturadas à tarifa desse modelo. Para a aprovação de comandos no modo `smart`, a documentação do Hermes recomenda um modelo rápido e económico e considera um desperdício usar modelos caros. Para a compressão do contexto e o resumo de páginas Web — isto é, para as relatar brevemente — também recomenda um modelo rápido em vez de um modelo caro de raciocínio. **Passos:** 1. Ligue antecipadamente um fornecedor do modelo económico, com uma chave. Segundo a documentação do Hermes, se atribuir uma tarefa a um fornecedor sem chave, o sistema recorre à opção predefinida e regista um aviso no registo `agent.log`. No modo `auto`, se o modelo principal não conseguir executar a tarefa e não estiver configurada uma cadeia de alternativas, o Hermes ignorará a tarefa com um aviso e não mudará para outros fornecedores ligados. 2. Abra o painel Web do Hermes e siga **Models → Model Settings → Auxiliary tasks → Configure**. Na linha da tarefa pretendida (por exemplo, Compression, Title Gen, Vision), clique em **Change**, escolha um fornecedor e um modelo e, em seguida, clique em **Switch**. A documentação do Hermes indica, em alternativa, um botão **Show auxiliary**; os nomes dependem da versão. 3. Ou introduza as mesmas definições em `~/.hermes/config.yaml`. Exemplo da documentação do Hermes: análise de imagens (vision) com um modelo rápido. [Encontrar guias de ferramentas na documentação do Ailoot](https://ailoot.ai/docs/) Para os títulos das conversas, a documentação sugere fixar um modelo rápido ou definir `auxiliary.title_generation.prefer_fast_model: true`; o Hermes selecionará então um modelo rápido do seu fornecedor. 4. Abra uma sessão **nova**. As alterações de modelo só se aplicam a novas sessões; as conversas que já estão abertas continuam a usar as definições antigas. Se tiver editado manualmente o ficheiro `config.yaml` e uma nova sessão não tiver aplicado a definição, reinicie o Hermes. **Como verificar.** A linha da tarefa deverá apresentar `provider · model` em vez de `auto (use main model)`. Se continuar a apresentar `auto`, a tarefa ainda está a usar o modelo principal. Para repor o modelo principal em todas as tarefas, clique em **Reset all to auto**. Para as tarefas em segundo plano, a tabela indica GPT-6 Luna, Gemini 3.8 Flash, DeepSeek Flash e Claude Haiku 4.5. Escolha entre os fornecedores que já tem ligados. Se ligar modelos da OpenAI através de um fornecedor de subscrição ChatGPT / Codex e o GPT-6 Sol e o GPT-6 Luna ainda não aparecerem entre os seus modelos Hermes, a tabela recomenda o GPT-5.6 Sol ou o GPT-5.6 Luna. Segundo a página da Anthropic, o Haiku 4.5 não será retirado antes de 15 de outubro de 2026. Não há uma data exata, por isso verifique o seu estado antes disso. ## O que a tabela não inclui - **Percentagens de poupança.** Não as medi. O valor que poupa depende das suas tarefas e dos modelos que escolher. - **Utilização exata dos limites da subscrição.** A documentação do Hermes não descreve exatamente como os pedidos do Hermes utilizam os limites da subscrição ChatGPT. - **Preços que nunca mudam.** Os modelos e os planos mudam. Consulte as páginas oficiais antes de comprar. ## O que fazer hoje 1. Faça uma lista de três ou quatro tipos de tarefas que pede com mais frequência ao seu agente. 2. Para cada uma, decida: é preciso pensar ou executar um plano já concluído? 3. Mantenha um modelo de topo para «pensar», use um modelo um nível abaixo para «executar» e reserve o modelo mais económico que consiga dar conta do recado para o trabalho de rotina. 4. No Hermes, comece pelos títulos das conversas: são os mais fáceis de transferir para um modelo económico. Transfira depois a compressão do contexto e verifique, nas suas próprias conversas longas, se o agente começou a perder informações importantes.
### Fontes - [OpenAI - GPT-6 Astra: descrição e preços](https://developers.openai.com/api/docs/models/gpt-6-astra.md) - [OpenAI - GPT-6 Sol: descrição e preços](https://developers.openai.com/api/docs/models/gpt-6-sol.md) - [OpenAI - GPT-6 Luna: descrição e preços](https://developers.openai.com/api/docs/models/gpt-6-luna.md) - [Anthropic - visão geral e preços dos modelos Claude](https://platform.claude.com/docs/en/models/overview.md) - [Hermes Agent - configuração de modelos e tarefas auxiliares](https://raw.githubusercontent.com/NousResearch/hermes-agent/175365345082d996ca74e9368245143c3b4c9500/website/docs/user-guide/configuring-models.md)
Para trabalhar mais com modelos, aceda ao [Ailoot](https://ailoot.ai/). ## Perguntas frequentes ### Um modelo mais barato torna sempre mais barata a tarefa concluída? Não. Inclua tentativas falhadas, entrada e saída adicionais e o seu tempo de revisão. O retrabalho pode superar a vantagem de uma tarifa por token inferior; a tabela de tarefas é uma escolha pessoal, não um benchmark comparativo. ### Como verifico se uma tarefa auxiliar do Hermes deixou de usar o modelo principal? Depois de escolher fornecedor e modelo, abra uma sessão nova e examine a linha da tarefa. Deve apresentar o fornecedor e modelo escolhidos, em vez de auto; uma sessão existente pode manter a seleção antiga. ## Ailoot · A empresa e a sua carteira de projetos A Ailoot assenta numa experiência operacional consolidada, numa ampla base de clientes, num serviço estável e no acompanhamento contínuo dos KPI. A empresa e a sua carteira de projetos: milhões de clientes; vendas mensais na ordem dos milhares de milhões. A Ailoot aplica essa experiência operacional ao acesso por API a funcionalidades de IA nos produtos dos clientes, agentes, aplicações e automatizações.