Pular para o conteúdo
LabS Atlas
Generative AI
Entrar

Mapa de Modelos de Decisão

Ir para notas que citam esta
atualizado há 25 diasEntre para perguntar ao Labinho sobre esta notaO Labinho é o assistente que responde com as notas e as sessões do LabS e mostra de onde tirou cada resposta.

Mapa 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

DataLançamentoQuemDestaques
15/09JevTypeSafefechado; US$ 0,042 por milhão de tokens de entrada; 70 a 500 ms
01/10Clef e Clef-flashCloudflare27B e 9B, Apache 2.0; preço não publicado; 209 ms e 38,8 ms
01/10Strands Decider 2BAWS2B, Apache 2.0; grátis, roda local; cerca de 115 ms numa RTX 3090; experimental (versão 0.2.0)
06/10Decisions APIOpenAIbeta, sobre o GPT-6 Luna; US$ 0,10 por milhão de tokens de entrada; cerca de 10x mais rápida que a Responses API
07/10Pull request 12772 da Unslothfine-tuning abertotreina 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
Números autodeclarados

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.

  1. 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.
  2. 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.
  3. 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.
  4. 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.
  5. 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.