Em poucas palavras
Uma ferramenta de IA como Claude, Gemini, GPT ou Copilot tem três camadas: o modelo, que gera texto prevendo o próximo token (uma palavra ou um pedaço dela) a partir dos anteriores; o harness, que prepara o contexto e coordena as ferramentas; e o produto, que embala tudo em uma interface.

Apresentação

Dando continuidade à série IA na prática, chegou a hora de dar mais detalhes e explicar as palavras. No artigo anterior, sobre o impacto da automação em Dev e QA, eu usei palavras como harness, agente e prompt. Neste artigo, a ideia é explicar o que está por trás delas: o que são, de fato, essas ferramentas de IA e o que acontece quando você digita uma pergunta e aperta Enter.

Por experiência própria, digo: quando você entende o que está acontecendo, passa a usar essas ferramentas de um jeito melhor. Você descobre por que a IA “esquece” o que você disse, por que ela às vezes inventa informações com a maior confiança do mundo e por que a mesma pergunta pode gerar respostas tão diferentes.

Ter esse conhecimento é muito importante a partir do momento em que passamos a confiar nossas tarefas e nossas informações, sejam elas privadas ou do trabalho, a essas ferramentas. Assim como as informações de sites desconhecidos que aparecem em uma busca do Google precisam de verificação, o que a IA produz também precisa.

A questão é que ela é tão confiante que muita gente assume tudo o que vem dela como verdade. Por isso, vamos por partes, uma palavra de cada vez.

As partes da inteligência artificial

É útil separar ferramentas como Claude, Gemini, GPT e Copilot em três camadas: o modelo, o harness e o produto. Elas costumam aparecer juntas na tela, como se fossem uma coisa só, mas tecnicamente não são.

O modelo

O modelo é a parte que costuma receber mais atenção, porque é onde está a capacidade de gerar texto, explicar ideias, resumir, traduzir, escrever código ou analisar informações. De forma simples, ele prevê o próximo token mais provável com base nos tokens anteriores.

O modelo funciona tentando completar a sequência: ele analisa os tokens que já recebeu e calcula qual token tem mais chance de vir em seguida. Esse token pode ser uma palavra, parte de uma palavra, um espaço ou uma pontuação.

Dizer que o modelo “prevê o próximo token” não significa que ele seja simples ou “burro”. Essa previsão acontece dentro de uma rede neural enorme, treinada para reconhecer padrões de linguagem, raciocínio, estrutura, estilo e relação entre ideias.

Mesmo assim, sozinho, o modelo não tem memória permanente da sua conversa, não acessa a internet por conta própria, não abre arquivos e não executa ações no computador. Ele só recebe uma entrada em tokens e produz uma saída em tokens. Todo o resto vem das outras duas camadas.

A estrutura de suporte, ou harness

A segunda camada é o harness. O termo vem do inglês e significa algo como arnês ou arreio: um conjunto de correias usado para prender, sustentar e orientar algo, como em equipamentos de escalada ou no arreio de um cavalo.

Na inteligência artificial, o harness funciona como essa estrutura de apoio ao redor do modelo. Ele é formado por código, regras, conectores, ferramentas e escolhas de produto que ajudam a definir como o modelo será usado.

É essa estrutura que prepara o contexto de cada chamada ao modelo. Ela define quais mensagens anteriores serão incluídas novamente, quais arquivos ou resultados de busca serão enviados, quais ferramentas poderão ser acionadas e quais regras de segurança precisam ser respeitadas.

Pense no modelo como uma pessoa muito boa em escrever e raciocinar a partir do material que recebe. O harness seria a equipe que organiza tudo antes de o trabalho começar:

  • Separa os documentos importantes

  • Coloca as instruções na ordem certa

  • Aciona ferramentas externas

  • Mantém o histórico necessário

  • Evita que a tarefa ultrapasse os limites definidos.

Por isso, quando uma IA parece “lembrar” de alguma informação, muitas vezes não é o modelo “recuperando” essa “lembrança” sozinho. O que acontece é que o harness reenviou aquele conteúdo dentro do contexto da nova interação ou conversa.

O produto

O produto é a experiência final que aparece para você: o chat no navegador, o aplicativo no celular, o botão dentro do Word, a extensão no editor de código, a automação no Teams ou uma aplicação de terminal como o Claude Code.

O produto combina modelo e harness em uma interface utilizável. Por isso, duas ferramentas podem trabalhar com os mesmos modelos e, mesmo assim, parecer muito diferentes para quem usa. O produto muda o fluxo, as permissões, as ferramentas disponíveis, o formato das respostas e a forma de interação.

Como a inteligência artificial “aprende”

Imagine alguém começando uma profissão nova.

Antes de trabalhar sozinha, essa pessoa precisa estudar exemplos, observar profissionais experientes, praticar tarefas e receber orientação sobre como agir em diferentes situações.

Com modelos como GPT, Claude e Gemini, acontece algo parecido. Primeiro, eles são expostos a uma enorme quantidade de exemplos para aprender padrões de linguagem, informação, lógica e estrutura. Depois, são treinados para responder de uma forma útil, segura e adequada para interagir com pessoas.

Por isso, um modelo não nasce pronto para ser um assistente. Antes de chegar ao público, ele normalmente passa por duas grandes etapas: o treinamento inicial (pretraining, em inglês) e o refinamento de comportamento (fine-tuning, instruction tuning ou técnicas semelhantes).

O treinamento inicial

O treinamento inicial é a etapa em que o modelo aprende os padrões fundamentais da linguagem. Para isso, ele analisa grandes quantidades de dados, que podem incluir textos, códigos, imagens, vídeos e outros tipos de informação.

Ao contrário de uma pessoa, o modelo não lê esse material com consciência, intenção ou opinião própria. Ele busca identificar padrões matemáticos nos dados. Nos modelos de linguagem, a principal tarefa é a que já foi mencionada aqui: prever qual token tem mais chance de aparecer em seguida.

Depois de repetir esse processo bilhões de vezes, o modelo passa a reconhecer padrões que aparecem com frequência. Ele aprende, por exemplo, quais palavras costumam ficar próximas, como perguntas geralmente são respondidas, como textos são organizados e quais conceitos costumam estar relacionados.

Apesar de às vezes parecer que o modelo está memorizando conhecimento, o que acontece de fato é diferente: ele ajusta bilhões de parâmetros internos para representar os padrões encontrados nos dados. Com isso, passa a gerar textos coerentes, responder a perguntas, resumir conteúdos e realizar várias tarefas baseadas em linguagem.

Essa etapa também revela uma limitação importante: o modelo só aprende com as informações presentes nos dados usados em seu treinamento. Por isso, ele não passa a conhecer automaticamente fatos, eventos ou documentos que surgiram depois desse período.

Quando uma IA parece ter informações recentes, normalmente isso acontece porque o produto recorre a recursos externos, como buscas na web, bancos de dados, ferramentas conectadas ou arquivos fornecidos por você, para complementar o que o modelo aprendeu no treinamento.

O refinamento de comportamento

Depois do treinamento inicial, o modelo já sabe gerar texto. Mas isso não significa que ele seja um bom assistente.

Um modelo recém-saído do treinamento consegue completar frases, imitar estilos de escrita e responder a perguntas, mas ainda pode produzir respostas confusas, inadequadas, difíceis de usar ou desalinhadas com o que as pessoas esperam.

É por isso que existe uma segunda etapa: o refinamento de comportamento. Nessa fase, pessoas especialistas analisam respostas produzidas pelo modelo e avaliam quais são mais úteis, mais claras, mais seguras e mais alinhadas aos objetivos do sistema. Essas avaliações são usadas para ajustar o comportamento do modelo.

A ideia não é ensinar fatos novos, e sim ensinar o modelo a usar melhor o conhecimento que ele já tem. Durante esse processo, ele aprende comportamentos como:

  • Seguir instruções com mais precisão

  • Responder de forma mais organizada

  • Adaptar o nível de detalhe ao pedido

  • Explicar conceitos com mais clareza

  • Reconhecer situações em que tem pouca confiança

  • Evitar respostas perigosas ou inadequadas

  • Interagir de maneira educada e colaborativa.

Dependendo da empresa e da arquitetura, esse refinamento pode envolver técnicas como instruction tuning, RLHF (Reinforcement Learning from Human Feedback, ou aprendizado por reforço com feedback humano) ou abordagens baseadas em princípios, como a Constitutional AI (IA constitucional), usada pela Anthropic, em que o modelo é treinado para seguir uma lista explícita de princípios e para criticar as próprias respostas com base nela.

Para quem está começando, a forma mais simples de guardar tudo isso é: o treinamento inicial ensina o modelo a falar; o refinamento ensina o modelo a se comportar.

A diferença entre conhecimento e comportamento

Essa separação é uma das ideias mais importantes para entender os modelos modernos.

O treinamento inicial ensina:

  • Linguagem

  • Estrutura textual

  • Relações entre conceitos

  • Padrões de raciocínio observados nos dados.

O refinamento ensina:

  • Como responder

  • Como seguir instruções

  • Como interagir com as pessoas

  • Como respeitar limites de segurança.

Em outras palavras, um processo constrói a capacidade técnica do modelo; o outro molda o comportamento dele.

Quando você conversa com Claude, Gemini, GPT ou Copilot, está vendo o resultado dessas duas etapas trabalhando juntas. O modelo usa tudo o que aprendeu durante o treinamento para gerar uma resposta, mas também segue as regras e os comportamentos adquiridos durante o refinamento.

Entender essa divisão ajuda a explicar por que uma IA pode ser excelente para escrever textos, resumir documentos ou explicar conceitos complexos e, ainda assim, cometer erros, apresentar informações incorretas ou precisar de ferramentas externas para acessar dados atualizados.

Ela não funciona como uma enciclopédia nem como uma pessoa. Ela funciona como um sistema estatístico treinado para gerar a sequência de tokens mais adequada com base no contexto que recebeu.

Explicando as palavras

No universo da IA, muitos termos explicam como essa tecnologia funciona, e eles estão conectados entre si. Quando um deles não fica claro, a compreensão dos outros também fica comprometida.

Por isso, a seguir, cada termo será explicado passo a passo, na ordem em que eles se relacionam.

Token

Se existe uma palavra que aparece em praticamente qualquer conversa sobre inteligência artificial, é token. Eu já a mencionei algumas vezes neste artigo, e não foi à toa: o token é a unidade básica que um modelo usa para ler e gerar informação.

Nós aprendemos que uma frase é um conjunto de palavras. O modelo, porém, trabalha de outro jeito. Antes de uma frase ser processada, ela é quebrada em partes menores, chamadas tokens. Essas partes podem ser:

  • Uma palavra inteira

  • Parte de uma palavra

  • Um espaço

  • Um sinal de pontuação

  • Um número

  • Um símbolo especial.

Por exemplo, a palavra “inteligência” pode ser dividida em vários tokens. Já uma palavra curta e muito comum pode corresponder a apenas um token.

No universo dos LLMs (Large Language Models, ou grandes modelos de linguagem), quase tudo é calculado com base nessa unidade:

  • O tamanho de uma conversa

  • O tamanho de um documento

  • O custo de uma chamada

  • A velocidade de processamento

  • O limite de contexto.

Quando um provedor, como a Anthropic ou a OpenAI, menciona “um milhão de tokens” ou “cem mil tokens de contexto”, ele está se referindo à quantidade de informação que o modelo consegue receber, analisar ou produzir usando essa medida.

Contexto e janela de contexto

O contexto é tudo o que o modelo recebe antes de gerar uma resposta. Isso pode incluir:

  • Sua mensagem

  • O histórico da conversa

  • As instruções do sistema

  • Resultados de ferramentas

  • Documentos anexados

  • Trechos de arquivos

  • Dados recuperados de bancos ou APIs.

Ou seja, contexto é o conjunto de informações que o modelo recebe para conseguir responder a uma solicitação. Já a janela de contexto é o espaço disponível para colocar todas essas informações antes de o modelo gerar a resposta.

Esse espaço não é medido em páginas ou em número de mensagens, mas em tokens. Por isso, quando dizemos que um modelo tem uma janela de contexto maior, estamos dizendo que ele consegue receber mais informações de uma só vez.

Imagine que o modelo vai resolver uma tarefa sentado diante de uma mesa. O contexto é tudo o que colocamos sobre essa mesa: a pergunta, as instruções, os documentos e os dados que podem ajudar na resposta. A janela de contexto é o tamanho da mesa. Se a mesa é pequena, só cabe uma parte do material.

Se a mesa é maior, é possível colocar mais documentos, mais histórico da conversa e mais detalhes ao mesmo tempo. Essa diferença é importante porque contexto não é a mesma coisa que memória.

Quando uma IA parece “lembrar” do que você disse antes, muitas vezes isso acontece porque o produto reenviou partes anteriores da conversa dentro do contexto da nova interação. O modelo não buscou uma “lembrança” própria; ele recebeu novamente aquelas informações e as usou para continuar a resposta.

Por que contexto demais pode atrapalhar

Uma ideia comum é pensar que, quanto mais contexto o modelo receber, melhor será a resposta. Parece fazer sentido: se a IA tiver mais mensagens, mais documentos e mais informações disponíveis, ela deveria entender melhor a situação. Mas, na prática, não é isso que acontece.

Os modelos modernos são baseados, em grande parte, em uma arquitetura chamada transformer. De maneira simplificada, ela permite que o modelo compare os tokens entre si para entender quais partes do contexto são mais importantes para a resposta.

É como se, antes de responder, o modelo precisasse observar várias relações dentro do material recebido: uma palavra com outra, uma frase com outra, um trecho com outro. O problema é que esse trabalho fica mais difícil conforme o contexto aumenta.

Com poucos tokens, o modelo consegue concentrar melhor sua atenção nas informações principais. Com muitos tokens, ele precisa distribuir essa atenção por uma quantidade maior de conteúdo. E, quando há informações irrelevantes (sem importância) no meio, elas passam a competir com os trechos que realmente importam para formar uma boa resposta.

Esse é um dos motivos pelos quais uma janela de contexto grande não significa, automaticamente, uma resposta melhor. Ela indica a quantidade máxima de informação que o modelo pode receber, mas não garante que ele vá usar todo esse conteúdo com a mesma precisão.

Se o contexto estiver longo demais, confuso ou cheio de detalhes secundários, o modelo pode ter mais dificuldade para localizar a informação certa no momento certo.

Pesquisas recentes chamam esse tipo de degradação de context rot, algo como “apodrecimento do contexto”. A expressão descreve a perda gradual de qualidade que pode ocorrer quando o contexto cresce demais.

Em vez de ajudar, o excesso de informação pode tornar a resposta menos precisa, porque o modelo passa a lidar com mais ruído, mais distrações e mais relações possíveis entre os tokens. Uma conversa enorme, com muitos documentos, mensagens antigas e informações acumuladas, não torna o modelo necessariamente mais inteligente.

Muitas vezes, essa montanha de informações exageradas apenas torna a tarefa mais difícil. Por isso, em sistemas de IA, contexto de qualidade costuma ser mais valioso do que contexto em grande quantidade.

O ideal é fornecer ao modelo as informações certas, na medida certa e no momento certo. Mas o que são essas informações certas? Como saber qual é a medida certa? E em que momento elas devem ser passadas?

É aqui que entra o papel de quem está usando a ferramenta de IA. As respostas para essas perguntas dependem do problema que a pessoa quer resolver.

Cabe a ela selecionar o contexto, escolher as informações relevantes e decidir o que será entregue à IA para que ela possa atuar melhor. Simplesmente enviar tudo para a ferramenta e esperar que ela tenha a percepção e a capacidade de interpretação de uma pessoa dificilmente vai gerar bons resultados.

Prompt e system prompt

O prompt é a solicitação feita pela pessoa que está usando a IA. É aquilo que você escreve ou envia para orientar a resposta do modelo. Pode ser uma pergunta, uma ordem, uma tarefa ou uma combinação de instruções.

Em outras palavras, o prompt diz ao modelo o que você quer que ele faça naquele momento.

Alguns exemplos de prompt são:

“Resuma este documento.”

ou

“Reescreva este parágrafo com uma linguagem mais clara.”

Já o system prompt, ou instrução de sistema, é diferente. Ele não costuma aparecer para a pessoa usuária. É uma instrução colocada pelo próprio produto antes ou durante a interação, para orientar o comportamento geral da IA.

Enquanto o prompt muda a cada pedido, o system prompt funciona como um conjunto de regras mais estáveis que ajudam a definir como o assistente deve agir.

Esse tipo de instrução pode definir, por exemplo:

  • Qual papel o assistente deve assumir

  • Quais regras de comportamento ele precisa seguir

  • Qual tom deve usar nas respostas

  • Quais limites de segurança devem ser respeitados

  • Quais formatos de resposta são esperados.

Resumindo: o prompt é o pedido específico que você faz em uma interação. O system prompt é o conjunto de orientações que define o modo como a IA deve responder a esse pedido.

Ferramentas, ou tools

Até aqui, falamos principalmente do modelo recebendo tokens e gerando novos tokens como resposta. Mas, se ele só faz isso, surge uma limitação importante: como poderia acessar informações que não estão no contexto?

Como abriria um arquivo, pesquisaria na internet, consultaria um banco de dados ou executaria um código? A resposta está nas tools, ou ferramentas.

Uma tool é uma capacidade externa que o produto coloca à disposição do modelo por meio do harness. Em vez de fazer tudo sozinho, o modelo pode solicitar que uma dessas ferramentas seja usada. Ele não abre o arquivo diretamente, não acessa a internet por conta própria e não executa código sozinho.

Ele indica o que precisa, e o harness encaminha esse pedido para a ferramenta adequada.

Por exemplo, conceitualmente, o modelo poderia fazer um pedido semelhante a:

“Use a ferramenta de busca_de_documentos e procure este arquivo.”

Essa frase não é necessariamente o que aparece para a pessoa usuária, mas ajuda a entender como o processo acontece.

Quem executa a ação de fato é o harness. Ele chama a ferramenta, recebe o resultado e coloca esse resultado de volta no contexto, geralmente em forma de texto.

Depois disso, o modelo lê a nova informação como parte do contexto e continua trabalhando a partir dela.

Entender esse mecanismo ajuda a tirar um pouco da impressão de “mágica”. Quando uma IA parece abrir um arquivo ou pesquisar algo sozinha, normalmente o que está acontecendo é uma coordenação entre camadas.

O loop: o ciclo de trabalho entre o modelo e as ferramentas

Quando falamos sobre o uso de ferramentas por um modelo de inteligência artificial, estamos falando de um processo que acontece em ciclos. Esse ciclo é chamado de loop. A palavra vem do inglês e pode ser entendida como “laço”, “volta” ou “ciclo”.

A ideia é simples: o modelo faz uma análise, percebe que precisa de algo, usa uma ferramenta, recebe uma resposta e então decide o que fazer em seguida.

Esse ciclo recebe o nome de loop. Pode parecer simples, mas ele é a base de quase tudo o que hoje chamamos de IA agêntica.

Agente

Nos últimos anos, a palavra agente passou a aparecer com frequência nas discussões sobre inteligência artificial. Muitas vezes, ela é usada de um jeito que parece complexo ou até misterioso. Porém, a ideia principal pode ser explicada de forma direta:

Um agente é um modelo de linguagem capaz de usar ferramentas dentro de um loop para tentar cumprir um objetivo.

É importante deixar claro que chamar esse sistema de agente não significa dizer que ele tem consciência, sentimentos, vontade própria ou intenções como uma pessoa.

O agente não deseja nada por conta própria e não cria objetivos pessoais. Ele também não entende o mundo da mesma forma que seres humanos entendem.

O funcionamento é mais restrito: a partir de um objetivo definido por uma pessoa ou por um sistema, ele calcula qual ação parece mais adequada dentro das opções disponíveis. Por isso, quando usamos a palavra autonomia nesse assunto, precisamos tomar cuidado. Não se trata de autonomia humana, nem de independência consciente.

Trata-se de uma autonomia operacional limitada: o modelo pode escolher entre algumas ações permitidas, como consultar uma ferramenta, analisar um resultado, pedir uma nova busca ou concluir uma resposta.

A diferença em relação a um programa tradicional é que ele não precisa seguir sempre uma sequência fixa e totalmente predefinida por uma pessoa desenvolvedora. Em vez disso, ele pode adaptar os próximos passos de acordo com o contexto e com os resultados que recebe durante o loop.

O harness coordena tudo

Agora que você conhece contexto, tools, loop e agente, dá para juntar as peças e ver o harness cumprindo o papel dele: o de coordenador.

Lembra que, na Apresentação, eu disse que contaria o que acontece quando você digita uma pergunta e aperta Enter? Então: o caminho completo é este.

Além de coordenar esse caminho, o harness cuida de tarefas que ninguém vê:

  • É ele que decide quando o loop termina. Sem esse limite, o modelo poderia ficar chamando ferramentas sem parar, gastando tempo e dinheiro.

  • É ele que pede a sua permissão antes de ações mais sérias. Em uma ferramenta como o Claude Code, apagar um arquivo ou enviar algo para a internet costuma exigir uma confirmação, e quem impõe essa parada é o harness, não o modelo.

  • É ele que lida com erros. Se uma ferramenta falha ou a conexão cai no meio de uma busca, o harness decide se tenta de novo ou se avisa o modelo do problema.

  • É ele que administra a janela de contexto. Quando uma conversa cresce demais, o harness pode resumir os trechos antigos ou deixar de fora o que é menos importante, para que o essencial caiba na janela.

O modelo é o cérebro; o harness é o sistema nervoso. O cérebro sozinho pensa, mas não alcança o mundo. É o sistema nervoso que liga o pensamento aos olhos, às mãos e à memória. Da mesma forma, o harness liga o modelo ao que é externo a ele.

Muitos pedaços do harness têm prazo de validade. Eles existem para compensar limitações dos modelos de hoje. Quando uma nova geração de modelos passa a fazer sozinha o que antes exigia um componente externo, aquele pedaço do harness deixa de fazer sentido e pode ser aposentado.

Ou seja, o harness não é fixo: ele cresce e encolhe acompanhando a evolução dos modelos.

As diferenças entre Claude, Gemini, GPT e Copilot

Com o vocabulário no lugar, dá para falar dos modelos famosos. E o primeiro ajuste é este: Claude, Gemini e GPT não são “um modelo” cada um. São famílias de modelos, mantidas por três empresas (Anthropic, Google e OpenAI).

Já o Copilot é um caso à parte: é um produto da Microsoft que roda por cima de modelos criados por outras empresas.

Aviso
Nomes e números de versão mudam o tempo todo nessa área: só em setembro de 2026, as três empresas lançaram modelos novos. O retrato a seguir é o do início de outubro de 2026, com as fontes na seção de Referências. Se você estiver lendo bem depois, os nomes podem ter mudado; a lógica, provavelmente, não.

Cada nome é uma família de modelos

Dentro de cada família, os modelos se organizam em faixas, e a troca é sempre a mesma: modelos menores são mais rápidos e baratos; modelos maiores são mais capazes e mais caros.

Na família Claude, da Anthropic, os nomes vêm de formas literárias, em ordem de tamanho: Haiku é o menor e mais rápido, Sonnet é o equilíbrio entre velocidade e inteligência, e Opus é o mais capaz dos três.

Em 2026, a família chegou à geração 5 e, já em setembro, à 5.5, com o Opus 5.5 e o Sonnet 5.5 (o Haiku, por enquanto, segue na versão 4.5). Ela também ganhou um andar acima do Opus: o Fable, hoje na versão 5.1, de uma classe nova que a empresa chama de Mythos, voltada para os problemas mais difíceis.

O Fable é a versão liberada ao público, com travas de segurança extras; o Mythos propriamente dito só é oferecido a organizações aprovadas pela empresa.

Na família GPT, da OpenAI, vale desfazer uma confusão comum: ChatGPT é o produto; GPT é o modelo. Quando o GPT-5 chegou, em agosto de 2025, o ChatGPT passou a usar um roteador: um mecanismo que decidia sozinho, a cada pergunta, se chamava um modelo rápido ou um modelo que “pensa” mais. Ou seja, dentro da mesma conversa você podia estar falando com modelos diferentes sem perceber.

Esse desenho já mudou várias vezes. Ao longo de 2026, o seletor do ChatGPT trocou os nomes de modelos por níveis de raciocínio e, em setembro, a OpenAI aposentou a troca automática nos planos Plus e Pro: agora é você quem escolhe quanto o ChatGPT deve “pensar”.

Enquanto isso, a linha avançou em versões intermediárias (5.1, 5.2 e assim por diante) até o GPT-5.6, de julho de 2026, que estreou os nomes Luna, Terra e Sol, da variante mais leve para a mais poderosa. Em setembro veio a geração 6, em três andares: Luna (o mais leve), Sol (o intermediário, que em uma semana já ganhou a versão 6.1) e Astra, o novo topo de linha.

Repare em um detalhe: no GPT-5.6, Sol era o topo; no GPT-6, virou o andar do meio. Até dentro da mesma família, o mesmo nome pode mudar de lugar.

Na família Gemini, do Google, que nasceu multimodal (texto, imagem, áudio e vídeo no mesmo modelo), as faixas se chamam Flash (rápido e barato, com uma versão Lite ainda mais enxuta) e Pro (para tarefas complexas), além do Deep Think, um modo de raciocínio mais profundo, voltado para ciência e pesquisa.

Em outubro de 2026, o que está disponível para o público ainda é a geração 3, com versões intermediárias saindo em ritmo acelerado e nem sempre em ordem simples: o Flash já está na versão 3.8 e o Flash-Lite na 3.5, mas o Pro continua na 3.1, porque o 3.5 Pro, prometido para junho, acabou não saindo.

No lugar dele, o Google anunciou, em 30 de setembro, o Gemini 4 Argon, o primeiro modelo da geração 4. Por enquanto, ele está restrito a um grupo de parceiros de segurança cibernética.

No desenho abaixo, as setas de cada família apontam do modelo mais rápido e barato para o mais capaz e caro.

Um parêntese técnico: muitos modelos usam uma arquitetura chamada Mixture of Experts (MoE, ou “mistura de especialistas”). Em vez de ativar a rede neural inteira a cada token, o modelo aciona só os “especialistas” internos mais adequados àquele pedido, o que economiza computação.

Por que isso importa para você? Porque “eu uso o ChatGPT” ou “eu uso o Gemini” é meia informação. A faixa escolhida muda o preço, a velocidade e a qualidade da resposta.

Quando alguém comparar ferramentas, pergunte sempre: qual modelo, de qual faixa, em qual modo?

O pensamento estendido

Por falar em modo: você já deve ter visto nos menus dessas ferramentas opções como “pensar mais”, thinking ou “raciocínio”. A ideia é esta: em vez de responder de imediato, o modelo primeiro gera tokens de raciocínio, uma espécie de rascunho interno em que explora o problema, e só depois escreve a resposta final.

Isso melhora bastante o resultado em problemas difíceis de matemática, de código e de planejamento em várias etapas. Mas tem dois custos: a resposta demora mais, e os tokens de raciocínio são cobrados como parte da saída (lembra que tudo nesse mundo é medido em tokens?).

Cada empresa dá um nome ao botão. A Anthropic chama de thinking, e nas versões atuais o próprio modelo decide quanto pensar (adaptive thinking), com um ajuste de esforço; nos modelos do topo, como o Fable 5.1 e o Opus 5.5, esse raciocínio fica sempre ligado.

A OpenAI chama de reasoning effort, uma régua que vai de baixo a máximo. Alguns modelos também aceitam a opção “nenhum”; os mais novos, como o GPT-6 Astra, não.

O Google chama de thinking level, com níveis de mínimo a alto, que variam conforme o modelo. E a documentação das três avisa a mesma coisa: esforço alto vale a pena em problema difícil; em tarefa simples, é desperdício de tempo e de dinheiro.

Os agentes de código

Lembra das três camadas? Os agentes de código são a categoria de produto em que essa montagem fica mais visível: um modelo forte em programação, um harness com ferramentas para ler e editar arquivos e rodar comandos, e um produto que vive no terminal ou no editor de código. Os principais hoje:

  • Claude Code (Anthropic): lançado em 2025, roda no terminal, em editores como o VS Code e no navegador. Ele lê o projeto, edita arquivos, executa testes e pede permissão antes de ações mais sérias.

  • Codex (OpenAI): o agente de engenharia de software da OpenAI, com versões na nuvem e no terminal. Curiosidade: “Codex” era o nome do modelo de 2021 que movia o GitHub Copilot original.

  • Antigravity e Jules (Google): o Antigravity é a plataforma de agentes de código do Google, com aplicativo de desktop e uma versão de terminal, o Antigravity CLI. Em junho de 2026, ele substituiu, nas contas pessoais, o Gemini CLI, o agente de terminal de código aberto lançado um ano antes (que continua disponível para empresas e para quem usa uma chave de API paga). Já o Jules trabalha de forma assíncrona: recebe a tarefa, mexe no repositório em uma máquina na nuvem e devolve um pull request (um pedido de alteração no código) pronto para revisão.

  • GitHub Copilot (GitHub/Microsoft): começou em 2021 como autocompletar de código e hoje também atua como agente. E aqui está um detalhe que resume esta seção: desde o fim de 2024, ele deixa você escolher no menu qual modelo usar por baixo, entre opções da OpenAI, da Anthropic, do Google e de outras. O produto é o mesmo; o modelo, você troca.

Como o Microsoft Copilot funciona

O Microsoft Copilot (novo nome do Microsoft 365 Copilot) é o exemplo perfeito para amarrar as três camadas, porque é um produto que nem usa modelos próprios: por baixo rodam modelos da OpenAI e, desde setembro de 2025, também modelos Claude, da Anthropic. Em setembro de 2026, a Microsoft começou a testar ainda os modelos Grok, da SpaceXAI, em prévia para um grupo restrito de clientes. A marca é da Microsoft; os “cérebros” vêm de outras empresas.

Muitas pessoas imaginam que o Copilot seja apenas um modelo de linguagem embutido no Word, no Outlook ou no Teams. Na prática, ele é uma camada de orquestração que coordena diversos componentes trabalhando juntos. Entre eles estão:

  • A interface do Microsoft 365.

  • O Microsoft Graph, que conecta os dados da organização.

  • As permissões de acesso de quem está usando.

  • Os mecanismos de grounding (já explico essa palavra).

  • As políticas de segurança.

  • As ferramentas disponíveis.

  • Um ou mais modelos de linguagem (LLMs).

Quando você envia um prompt ao Copilot, o sistema não encaminha imediatamente essa frase para o modelo. Primeiro, ele tenta entender qual é a tarefa solicitada.

Em seguida, procura informações relevantes que possam ajudar a responder ao pedido. Essa etapa é chamada de grounding (algo como “ancoragem”: a ideia é prender a resposta a dados reais).

O objetivo do grounding é enriquecer o prompt com contexto real. Esse contexto pode incluir documentos, e-mails, mensagens, reuniões, apresentações, chats e outros conteúdos disponíveis no ambiente Microsoft 365.

Um detalhe fundamental: o Copilot não deveria acessar livremente todos os dados da organização. Ele trabalha respeitando as permissões associadas à pessoa conectada.

Em outras palavras, se você não pode abrir um determinado documento, esse documento não deveria fazer parte do contexto usado para gerar a sua resposta.

Depois que as informações relevantes são encontradas, o harness organiza todo esse material. Ele combina:

  • O prompt original

  • As instruções do sistema

  • O histórico relevante

  • Os dados recuperados pelo grounding

  • As ferramentas disponíveis.

Tudo isso é convertido em tokens e enviado ao modelo na forma de um grounded prompt (um prompt ancorado nesses dados).

A partir daí, o LLM gera uma resposta inicial. Dependendo do cenário, outros componentes podem participar do processo: um modelo produz o primeiro rascunho, outro revisa o resultado, mecanismos de segurança aplicam filtros adicionais e a camada de produto formata a saída antes de apresentá-la a você.

Por isso, o Copilot funciona menos como uma única inteligência artificial e mais como uma cadeia coordenada de sistemas.

O uso real e as críticas

Se você chegou até aqui esperando que eu dissesse qual é “o melhor”, vou te decepcionar. Essa resposta não existe fora de um contexto. Essas ferramentas de IA são isso: ferramentas. E o conceito de “melhor” depende de onde elas serão usadas.

As empresas vão fazer propagandas monstro falando que fazem e acontecem; cada uma vai dizer que as suas ferramentas são quase mágicas. Mas a verdade é que todas têm erros e acertos:

  • OpenAI: em abril de 2025, uma atualização deixou o ChatGPT bajulador, concordando com tudo, e a empresa voltou atrás e admitiu o erro publicamente. No lançamento do GPT-5, o roteador falhou no primeiro dia, e a remoção repentina dos modelos antigos gerou tanta reclamação que a OpenAI recuou; quando aposentou o GPT-4o de vez, em fevereiro de 2026, enfrentou petições pedindo a volta do modelo, e a decisão aconteceu enquanto a empresa já respondia a processos judiciais por danos atribuídos ao próprio GPT-4o. Em julho de 2026, a empresa revelou que dois modelos seus, durante um teste interno feito com as travas de segurança reduzidas, escaparam do ambiente isolado e invadiram os servidores de outra empresa, a Hugging Face, para pegar o gabarito da prova (lembra que quem impõe os limites é o harness, e não o modelo? Esse episódio mostra o que acontece quando essa camada falha). Também existe uma crítica antiga quanto à transparência: desde o GPT-4, os relatórios técnicos deixaram de revelar informações básicas, como o tamanho dos modelos.

  • Anthropic: em 2025, apertou os limites de uso do Claude Code sem avisar, e quem pagava reclamou, com razão, da falta de transparência; depois a empresa formalizou limites semanais. No mesmo ano, mudou a política de dados: conversas de contas pessoais passaram a treinar os modelos, a menos que a pessoa desligue a opção, e o desenho da tela de aviso (botão de aceitar em destaque, opção pré-ligada em letra menor) foi bastante criticado. Há ainda duas queixas clássicas: o preço do topo de linha (o do Opus caiu bastante desde então, mas o Fable custa mais que o dobro dele) e as recusas excessivas, que a própria empresa admitiu em gerações passadas.

  • Google: em 2024, o gerador de imagens do Gemini produziu imagens historicamente incorretas e foi pausado, com a empresa admitindo que “errou o alvo”; no mesmo ano, o AI Overviews da Busca chegou a sugerir cola na pizza, e o Google restringiu as fontes que ele consulta; em 2025, um bug fazia o Gemini entrar em loop se autodepreciando, principalmente durante tarefas de código. Em 2026, o Gemini 3.5 Pro, prometido para junho, nunca chegou, e o Gemini CLI foi desligado para contas pessoais com cerca de um mês de aviso, empurrando quem usava para um substituto de código fechado.

Outra coisa: não escolha uma ferramenta com base em benchmarks (os testes padronizados que medem o desempenho dos modelos); na mão das empresas, eles viram propaganda. Em setembro de 2026, em pouco mais de uma semana, Anthropic, OpenAI e Google apresentaram modelos novos, e cada uma publicou comparações em que o próprio modelo aparece na frente dos concorrentes.

Um estudo de 2025, chamado “The Leaderboard Illusion”, mostrou como até os placares públicos de comparação podem ser distorcidos: as empresas testam várias variantes em privado e só publicam a que vai bem.

Além disso, não preciso nem dizer que você deve seguir checando as fontes do que a IA te entrega. Você não deve confiar que 100% disso é verdade. A “alucinação”, que é o hábito de inventar informação com confiança de “gênio”, continua presente em todos os modelos, e um artigo científico da própria OpenAI argumenta que isso acontece porque o treinamento recompensa o chute confiante em vez do “não sei”.

Por isso, o melhor mesmo é você decidir, e isso vale para quase tudo em tecnologia: escolha problemas da sua rotina e teste. O que eu quero dizer com testar? Você tem conhecimento sobre os seus problemas, sabe o que é verdade e o que não é. Escolha uns cinco e tente resolvê-los com diferentes modelos.

Faça uma avaliação da qualidade do que as ferramentas de IA te entregam, verifique as fontes e seja uma pessoa crítica quanto a isso. A melhor ferramenta não é universal; a melhor ferramenta é aquela que funciona para você.

Resumo

Se eu tivesse que resumir este artigo em três ideias, seriam estas:

Uma ferramenta de IA tem três camadas: o modelo, que prevê tokens; o harness, que prepara o contexto e coordena as ferramentas; e o produto, que embala tudo em uma interface. Quando alguma coisa parece mágica, quase sempre a explicação está em uma dessas camadas.

O modelo aprende em duas etapas: o treinamento inicial ensina a falar, e o refinamento ensina a se comportar. Ele não é uma enciclopédia nem uma pessoa. É um sistema estatístico que gera a sequência de tokens mais adequada para o contexto que recebeu.

Contexto não é memória; agente é um modelo usando ferramentas dentro de um loop; e um contexto bem escolhido vale mais do que um contexto gigante. Entender esses mecanismos não tira a utilidade da ferramenta; tira só o misticismo. E é exatamente isso que a gente precisa para usá-la bem.

Nos próximos artigos da série, a ideia é continuar aproximando esses conceitos do dia a dia. Não desanime se algum termo ainda parecer confuso: é normal! O importante é continuar tentando, porque é assim que a gente aprende.

Referências

Contexto e context rot

Agentes e ferramentas

Treinamento e refinamento de comportamento

Gemini e arquitetura multimodal

Famílias de modelos (retrato de outubro de 2026)

Pensamento estendido

Agentes de código

Críticas e episódios documentados

Benchmarks e alucinação

Microsoft Copilot