Você não vai usar um único modelo
Essa semana teve Gemini 4 Argon, Claude Sonnet 5.5, GPT-6.1 Sol, modelos com 10 milhões de tokens de contexto, novos modelos de voz, decisão, ciência e imagem.
O que mais me chamou atenção não foi quem ficou em primeiro lugar no benchmark. Foi perceber que a stack de IA está ficando cada vez mais especializada. Um modelo pensa. Outro decide. Outro transcreve. Outro fala. Outro entende documentos. Outro gera imagem. E a aplicação escolhe qual deles usar em cada parte do trabalho.
Talvez a pergunta “qual modelo você usa?” esteja ficando velha rápido.
Bora ao que aconteceu.
A Jogada da Semana
O futuro pode ser uma equipe de modelos
O Google lançou o Gemini 4 Argon, seu novo modelo frontier para trabalhos longos e complexos. Ele lidera benchmarks de engenharia de software, automação e conhecimento profissional, além de aumentar o limite de output para até 1 milhão de tokens. É um modelo claramente pensado para continuar trabalhando por muito tempo em uma única trajetória. Google
Quase ao mesmo tempo, a Anthropic lançou o Claude Sonnet 5.5, mais de 30% mais rápido que o Sonnet 5 e até 30% mais barato por tarefa, mantendo preço de US$ 2 de input e US$ 10 de output por milhão de tokens. Em alguns benchmarks ele chega perto do Opus 5.5, mas com uma proposta diferente: resolver muito bem o trabalho cotidiano sem pagar sempre pelo modelo mais pesado. Anthropic
A OpenAI foi pelo mesmo caminho com o GPT-6.1 Sol. Ele mantém o preço do Sol anterior, mas chega perto do Astra em coding, computer use e trabalho profissional. No DeepSWE v1.1, por exemplo, iguala o Astra com custo muito menor. OpenAI
Até aqui parece só mais uma semana de modelos melhores e mais baratos. Mas aí aparecem Cloudflare e AWS lançando outra categoria.
O Clef, da Cloudflare, e o Strands Decider 2B, da AWS, são decision models. Eles não existem para escrever texto bonito ou raciocinar durante dezenas de segundos. Existem para tomar decisões pequenas, estruturadas e muito rápidas dentro de um workflow. Escolher uma rota. Classificar uma intenção. Decidir qual ferramenta chamar. Tudo com latência bem menor que um LLM tradicional. Cloudflare | Strands
E pra mim esse é o pedaço mais interessante da semana.
Talvez a stack de IA não caminhe para um supermodelo fazendo absolutamente tudo. Pode caminhar para vários modelos especializados trabalhando juntos.
O frontier entra quando o problema exige raciocínio pesado. Um modelo pequeno toma decisões rápidas. Outro cuida da voz. Outro faz percepção. Outro trabalha com imagem. E uma camada acima decide quem recebe cada tarefa.
A disputa começa a parecer menos “qual modelo é melhor?” e mais “como eu monto a melhor equipe de modelos para esse trabalho?”.
Para Builders
A Voltropy lançou o Vast-10M, uma família com 10 milhões de tokens de contexto nativo. É dez vezes a janela dos modelos frontier mais comuns hoje. A empresa criou uma arquitetura de atenção chamada VSA e diz conseguir manter boa parte da capacidade mesmo no limite máximo de contexto. Ainda é early access, mas 10M muda bastante o tipo de problema que pode caber numa única execução. Voltropy
A Cloudflare também colocou os Clef decision models no Workers AI, com versões focadas em velocidade e decisões estruturadas. O Clef-flash chega a latências de dezenas de milissegundos. É o tipo de modelo que pode ficar no caminho crítico de um agente sem transformar cada decisão simples numa chamada cara para um frontier model. Cloudflare
E o AstaBrief 8B, da Ai2, é outro exemplo interessante de especialização. Ele foi treinado especificamente para gerar relatórios científicos com citações e virou o modo Fast do Asta. A empresa diz que o pipeline produz relatórios em média em 51 segundos, contra 178 segundos do modo Thinking baseado em Claude, além de abrir pesos e dados de treinamento. Ai2
Voz está virando infraestrutura
A Microsoft lançou o MAI-Transcribe-2-Streaming, com transcrição em tempo real para 60 idiomas, e atualizou sua família MAI-Voice. A ideia é montar a camada inteira de entrada e saída de voz para agentes com baixa latência. Microsoft
A ElevenLabs lançou Eleven v4 e v4 Turbo. O v4 mira qualidade e expressividade em mais de 90 idiomas, enquanto o Turbo leva a mesma geração para cenários em tempo real com latência mediana próxima de 100 ms. ElevenLabs
A AssemblyAI também atualizou seu modelo realtime com o Universal-3.6 Pro, agora cobrindo 32 idiomas e focando exatamente no ambiente onde voice agents sofrem mais: ruído, sotaques e telefonia. AssemblyAI
Quando transcrição e síntese começam a chegar nessa faixa de latência, voz deixa de parecer feature e começa a virar interface.
Drops
A Black Forest Labs atualizou sua linha de imagem com o FLUX 3 Image, juntando geração e edição no mesmo fluxo e permitindo trabalhar com múltiplas referências. Black Forest Labs
A Kuaishou abriu o Kling 4.0 Flash em early access. A nova linha trabalha com vídeos mais longos, múltiplos keyframes, referências multimodais e áudio sincronizado. Kling
A Suno lançou o Speech beta, seu primeiro modelo que gera fala e trilha sonora juntas no mesmo take. Dá para criar desde narração com música até formatos mais experimentais sem montar as duas camadas separadamente. Suno
A Aleph Alpha lançou o Kolibri-1, modelo open-weight alemão-inglês com 78B parâmetros totais e cerca de 3,5B ativos por token. Ele roda com diferentes níveis de reasoning, tool calling e contexto testado até 1 milhão de tokens. Aleph Alpha
O Ling-3.1-flash, da InclusionAI, também entrou no Vercel AI Gateway com foco em coding, agentes e documentos longos. Vercel
Ferramenta da Semana: FastRouter
A FastRouter é um gateway para quem já percebeu que provavelmente não vai usar um único modelo.
Você integra uma API compatível com OpenAI e ganha acesso a mais de 200 modelos, com roteamento automático baseado em custo, latência e qualidade. Também tem fallback entre providers, observabilidade, controle de orçamento, governança e suporte a MCP.
O que gostei é a proposta de tirar a escolha do modelo de dentro da lógica da aplicação. Em vez de espalhar if modelo == X pelo código, você cria uma camada que decide qual modelo deve receber cada request.
Isso conversa perfeitamente com a tese dessa edição. Se a stack vai usar vários modelos especializados, alguém precisa orquestrar essa bagunça. FastRouter
Dica da Semana: /360view
O /360view pega uma imagem de referência e gera diferentes ângulos do mesmo objeto ou personagem, mantendo identidade, proporção e detalhes visuais.
É especialmente útil para produto, personagem, mockup e qualquer coisa que você queira reutilizar em várias cenas sem redesenhar tudo do zero.
Comando:
/360view
Fechando o Lab
Nas últimas semanas a pergunta “qual é o melhor modelo?” ficou cada vez menos útil.
Argon pode ser ótimo para uma tarefa longa. Sol pode entregar quase o mesmo resultado por menos. Um decision model pode resolver em 40 ms algo que seria desperdício mandar para qualquer um dos dois. E quando entra voz, imagem ou ciência, aparecem outros modelos especializados fazendo melhor aquele pedaço.
Talvez a arquitetura que vença não seja a que escolheu o modelo certo.
Seja a que consegue trocar de modelo sem o produto perceber.
Nos vemos semana que vem.
💖 Feito com IA, café e senso crítico 👉 doug.ia.br