O acelerador

Até pouco tempo, escolher um modelo era escolher inteligência. Hoje são dois eixos independentes — e o segundo é o que quase ninguém usa direito.

Os dois eixos

1. Qual modelo — o tamanho e o treinamento. É o que você comprou de fábrica: Haiku, Sonnet, Opus, Fable / Luna, Terra, Sol.
2. Quanto esforço — quanta computação o modelo gasta naquela resposta específica. É o pé no acelerador.

Um carro potente dirigido devagar e um carro modesto no talo podem chegar juntos. E custam muito diferente.

Isso tem uma consequência prática que muda orçamentos: um modelo menor em esforço alto pode ser melhor e mais barato que um modelo maior em esforço médio. Antes você só podia subir de modelo. Agora existe uma matriz — e o ponto ótimo raramente está no canto mais caro dela.

O panorama de julho de 2026. Nomes e preços mudam rápido — a lógica de família, não.

Anthropic — a família Claude

Nota histórica útil: o acesso a Fable 5 e Mythos 5 foi suspenso em 12 de junho de 2026 para cumprir controles de exportação do Departamento de Comércio dos EUA, e restaurado em 1º de julho quando os controles foram retirados.

OpenAI — a família GPT

O GPT-5.6 acrescenta um segundo dial independente: reasoning.mode, com standard (padrão) e pro. O modo pro faz o modelo trabalhar mais internamente e devolver uma única resposta final — vale quando confiabilidade importa mais que latência.

Não é "modo turbo" e não é "quantidade de texto". É quanto trabalho o modelo se permite fazer para produzir a resposta inteira.

O que o parâmetro realmente controla

Na Anthropic é output_config.effort. Ele afeta todos os tokens da resposta:

• o texto e as explicações;
• as chamadas de ferramenta — em esforço baixo o modelo agrupa operações e chama menos ferramentas; em alto, chama mais e explica o plano antes;
• o pensamento, quando ativo.

Duas consequências: funciona mesmo sem pensamento ligado, e dá controle sobre gasto agêntico, que é onde o dinheiro vai embora de verdade.

A escada, lado a lado

No Claude, high produz exatamente o mesmo comportamento que omitir o parâmetro. O xhigh é mais novo: alguns modelos que aceitam max não aceitam xhigh. Suportam effort: Fable 5, Mythos 5, Opus 5, Opus 4.8, Opus 4.7, Opus 4.6, Sonnet 5, Sonnet 4.6 e Opus 4.5 — Haiku não entra na lista.

Como isso é cobrado

Aqui está o ponto que pega quem não leu a letra miúda: tokens de raciocínio são cobrados como tokens de saída. Não existe sobretaxa de "modo pensante" — esforço alto simplesmente gera mais tokens, e saída é a parte cara da conta (5 a 6× a entrada). Você paga por um pensamento que nem chega a ler.

São dois controles diferentes que todo mundo confunde. Vale trinta segundos separar os dois.

Onde as duas coisas se cruzam: em esforço alto o Claude pensa em quase toda requisição e por mais tempo; em esforço baixo ele pode pular o pensamento em problemas simples. Onde há pensamento adaptativo, effort é o controle recomendado para profundidade.

Mudanças que quebram código antigo

• Opus 5 — pensamento vem ligado por padrão. Desabilitar pensamento com effort xhigh ou max retorna erro 400, verificado a cada requisição. Ou você limita o effort em high, ou remove o campo de thinking.
• Sonnet 5 — pensamento adaptativo por padrão; o pensamento manual com budget_tokens foi removido e agora retorna 400. Definir temperature, top_p ou top_k fora do padrão também dá 400.
• max_tokens vale para tudo — é um limite duro sobre pensamento mais texto visível. Em xhigh ou max, comece em 64k e ajuste, ou o modelo fica sem espaço no meio do trabalho.
• Não passe adaptive como valor de effort. É um modo de pensamento, não um nível de esforço.

Escolha um modelo, suba e desça a escada, veja o que acontece com custo e tempo. Os multiplicadores são ilustrativos — só a relação "high ≈ 2× medium" é documentada; o resto é ordem de grandeza para você raciocinar.

Três números que valem mais que qualquer benchmark de marketing.

Extraídas da documentação oficial dos dois fornecedores e das notas de migração.

1. Defina o effort de propósito. O padrão existe, mas o ponto de partida certo depende do seu modelo e da sua carga.
2. Comece no padrão e desça. No Opus 5, a recomendação é começar em high e usar low e medium liberalmente como controle primário de custo, sempre que suas avaliações mostrarem que a qualidade se mantém.
3. Não reaproveite configuração de modelo antigo. A Anthropic pede explicitamente: rode uma nova varredura de effort nas suas avaliações. Os níveis foram recalibrados — low e medium no Opus 5 são muito mais fortes que nas gerações anteriores.
4. Migrando de GPT-5.5 para 5.6? Mantenha o effort atual como linha de base e teste um nível abaixo. Modelo novo costuma entregar o mesmo com menos.
5. Suba para xhigh só em trabalho agêntico longo — busca repetida, muitas chamadas de ferramenta, exploração. É para isso que o nível existe.
6. Em xhigh ou max, aumente o max_tokens. Comece em 64k. Sem espaço, o modelo trava no meio.
7. Mantenha o effort constante dentro de uma conversa com cache. Trocar o nível muda o prompt renderizado e invalida o cache — varie entre cargas de trabalho, não dentro de uma sessão longa.
8. Apague suas instruções de verificação no Opus 5. Pedidos de "faça uma verificação final" agora causam verificação em excesso: o modelo já confere o próprio trabalho.
9. Cuidado com instrução restritiva em revisão. Se o prompt diz "reporte só o que for grave", o Opus 5 obedece literalmente e reporta menos. Peça tudo e filtre num segundo passo.
10. Se a resposta veio rasa, suba o effort em vez de contornar com prompt. E se precisar manter o effort baixo por latência, adicione uma instrução curta e dirigida: "esta tarefa envolve raciocínio em várias etapas; pense com cuidado antes de responder".

Você não vai digitar output_config em lugar nenhum. Mas o dial está lá, com outro nome.

Ponto de partida por tipo de tarefa. Ajuste depois de medir — nunca antes.