Mapa de Modelos de Decisão
Ir para notas que citam estaMapa de modelos de decisão é o panorama das ofertas da categoria lançadas entre 15/09 e 07/10/2026, de uma startup à OpenAI, à Cloudflare, à AWS e ao fine-tuning aberto.
Em três semanas, o modelo de decisão deixou de ser aposta de um fornecedor só e passou a ter versões fechadas, abertas e uma forma aberta de treinar o próprio decisor.
Lançamentos de setembro e outubro de 2026
| Data | Lançamento | Quem | Destaques |
|---|---|---|---|
| 15/09 | Jev | TypeSafe | fechado; US$ 0,042 por milhão de tokens de entrada; 70 a 500 ms |
| 01/10 | Clef e Clef-flash | Cloudflare | 27B e 9B, Apache 2.0; preço não publicado; 209 ms e 38,8 ms |
| 01/10 | Strands Decider 2B | AWS | 2B, Apache 2.0; grátis, roda local; cerca de 115 ms numa RTX 3090; experimental (versão 0.2.0) |
| 06/10 | Decisions API | OpenAI | beta, sobre o GPT-6 Luna; US$ 0,10 por milhão de tokens de entrada; cerca de 10x mais rápida que a Responses API |
| 07/10 | Pull request 12772 da Unsloth | fine-tuning aberto | treina um decisor numa GPU de jogo; um Qwen3.5 0,8B sai de 1 a 2% para 74,4% no banking77; pico de 4,3 GB de VRAM |
Todos os números de desempenho da tabela vêm dos próprios fornecedores. O post da Cloudflare mostra o próprio Clef perdendo para o Jev no benchmark When2Call (72,4 contra 81,0). Os limites desse tipo de comparação estão em Benchmark de Modelos de IA.
As duas ofertas comparadas pela bancada
O Strands Decider e a Decisions API são as duas ofertas comparadas no ensaio da bancada: uma aberta, que roda local, e outra na nuvem, sobre o mesmo modelo usado como LLM. A contribuição da Unsloth aproxima os decisores do Fine-tuning: um dia depois da Decisions API, já dava para treinar o próprio decisor numa GPU de jogo.
O Strands Decider é instalado com pip, roda bem numa GPU comum e também em CPU, mais devagar; por ser tão pequeno, já é estudado para rodar offline em dispositivos móveis. A Decisions API usa o mesmo modelo de chamada de um LLM, tem documentação própria e ainda está em beta.
Para onde a categoria pode ir: apostas da bancada
As apostas abaixo são opinião, não dado: a bancada Generative AI as fez em outubro de 2026 para os seis meses seguintes, e nenhuma delas é certeza.
- Decisor escolhe o modelo. Antes de chamar um LLM caro, um decisor escolhe qual modelo cada tarefa merece, um pequeno ou um de fronteira, automatizando parte da Escolha do Modelo de IA: uma mensagem curta de WhatsApp vai para um modelo pequeno, o resumo elaborado de uma reunião vai para um modelo mais pesado.
- Decisor como juiz. Avaliações que usam um LLM como juiz, que escreve uma nota e uma justificativa, viram uma escolha entre boa, ruim ou precisa revisar, com confiança e sem o retorno longo que ferramentas de revisão de material de estudo costumam escrever.
- Decisão no dispositivo. Os decisores já são pequenos (2B); o próximo passo é decidir no celular ou no navegador, sem rede, como na Execução de Modelos de Linguagem no Navegador. Um exemplo é o GPS do carro que perde o sinal e precisa escolher a melhor entre rotas já traçadas.
- Decisores no lugar de regras. Cadeias de if e else em fluxos (se a mensagem traz uma dúvida, vai para o canal de dúvida; se fala de pagamento, vai para o de pagamento) e no n8n viram decisores configurados em português: perguntas com opções, ajustáveis sem código.
- Decisão sobre áudio e imagem. Triar uma ligação ou uma foto direto, sem transcrever ou descrever antes, na linha da Inteligência Artificial Multimodal.
O risco que acompanha as apostas é ter dezenas de decisores pequenos, cada um com seu limiar, e nenhum com dono.