Como a Anthropic quer que você use IA a partir de hoje

Vídeo de autoria do canal indicado, não da IANIA; todos os direitos pertencem ao criador. Transcrição, resumo e tradução gerados automaticamente; o conteúdo no idioma original é preservado na versão em idioma original.

Idioma original: português

Vídeo original: Como a Anthropic quer que você use IA a partir de hoje · Canal: Billy IA · 16:37 · Assistir no YouTube

Tópicos: Agentes de IA, Automação de tarefas e workflows, Claude Code, Modelos de IA

Resumo

O vídeo apresenta orientações atribuídas à Anthropic para escolher modelos e níveis de esforço de acordo com a complexidade das tarefas. Tarefas operacionais e bem definidas podem usar baixo esforço, enquanto programação complexa, agentes e trabalhos longos podem exigir níveis mais altos. O apresentador destaca que usar sempre o máximo pode aumentar o consumo de tokens, o custo e o tempo de resposta. Também recomenda evitar trocar de modelo no meio do mesmo chat, pois o modelo novo precisa reler o contexto da conversa.

Pontos-chave

Escolha o modelo conforme o tipo e a complexidade da tarefa, em vez de usar sempre o modelo mais avançado.
Use baixo esforço para tarefas operacionais, rápidas e com um resultado já bem definido.
O esforço médio pode equilibrar qualidade, velocidade e custo em tarefas que exigem alguns cálculos ou alterações conhecidas em código.
O esforço alto é indicado para raciocínio complexo, programação difícil e agentes.
O esforço extra pode ser útil para trabalhos longos, com várias etapas, integrações ou grandes volumes de dados.
O nível máximo deve ficar reservado para tarefas muito complexas, quando custo e consumo de tokens são menos importantes.
Ajustar o esforço pode reduzir o gasto de tokens e o tempo de espera quando a tarefa não exige raciocínio aprofundado.
Segundo o vídeo, trocar de modelo no mesmo chat pode aumentar o consumo de tokens, pois o novo modelo precisa ler o histórico.
Para tarefas simples depois de uma interação complexa, o apresentador sugere reduzir o esforço ou abrir um novo chat com outro modelo.

Capítulos

Início	Capítulo	Resumo
00:00	Como escolher modelos e níveis de esforço	O apresentador introduz a orientação da Anthropic para selecionar modelos e esforço conforme a tarefa.
02:07	Baixo e médio esforço	São explicados os usos de baixo esforço em tarefas operacionais e de médio esforço em tarefas que exigem equilíbrio e alguns cálculos.
05:44	Alto esforço para tarefas complexas	O vídeo recomenda alto esforço para programação difícil, agentes e projetos que exigem análise mais aprofundada.
08:52	Esforço extra e máximo	O apresentador relaciona o esforço extra a trabalhos longos e com várias etapas, e o máximo a tarefas muito complexas.
14:01	Trocar de modelo no mesmo chat	O vídeo explica que a troca de modelo pode consumir tokens adicionais e sugere reduzir o esforço ou iniciar outro chat.

Citações

Pedir a uma IA para gerar algo que você já sabe como quer receber e que seja rápido e prático de executar. — 03:09

Se você colocar tudo no máximo, vai torrar seus tokens. — 05:13

É para tarefas mais longas de código, ou para agentes, podendo durar mais de 30 minutos. — 08:52

Quando você troca o modelo, o outro modelo tem que ler todas aquelas informações daquele chat para entender onde parou. — 15:04

Conceitos e entidades

Anthropic (empresa): Empresa citada como fonte das orientações sobre modelos e níveis de esforço.
Claude (ferramenta): Assistente de IA da Anthropic usado no vídeo como exemplo de produto.
Claude Code (ferramenta): Ferramenta mencionada para realizar tarefas de programação e alterações em projetos.
Haiku (modelo): Modelo apresentado como uma das opções mais simples da Anthropic.
Sonnet 5 (modelo): Modelo citado como opção intermediária e usado no exemplo de troca entre modelos.
Opus 5.5 (modelo): Modelo usado como referência para explicar os níveis de esforço.
Fable (modelo): Modelo descrito no vídeo como o mais avançado da sequência apresentada.
Ultra Code (modelo): Nome citado pelo apresentador para um nível de raciocínio avançado, comparado ao nível máximo.
níveis de esforço (conceito): Configurações que determinam quanto raciocínio o modelo emprega antes de responder.
consumo de tokens (conceito): Quantidade de tokens usada durante a execução de uma tarefa, que pode aumentar com níveis de esforço maiores ou troca de modelo no mesmo chat.

Tradução completa (pt-BR)

00:00 Cara, a Anthropic compartilhou um material extremamente importante, mas pouca gente prestou atenção nele. Então, se você usa inteligência artificial, não só da própria Anthropic, como o Claude, mas também qualquer outra, como ChatGPT, Gemini ou qualquer outra IA, este guia vai te dar uma orientação que, durante todo esse tempo, ficou meio vaga para a maioria das pessoas que usam IA. Muita gente acabou usando por tentativa e erro, pelo feeling, para descobrir qual modelo usar para cada tipo de

00:32 tarefa que você vai fazer. Então, a gente sempre teve uma noção, né? Para tarefas mais simples, você usa um modelo mais simples; para tarefas mais rápidas, um modelo com menos capacidade de raciocínio, que processa mais rápido. Para uma tarefa mais complexa, um modelo mais avançado, com um nível de raciocínio mais avançado. Mas isso nunca ficou tão claro quanto agora, com a explicação da Anthropic. Eles detalharam exatamente quais modelos você deve usar para cada tipo de tarefa. E, melhor ainda, quais níveis de raciocínio você deve

01:03 usar para cada tipo de tarefa que vai executar, desde as mais simples até as mais avançadas. Olha, recentemente tenho usado bastante o Opus 5; em segundo lugar, o Sonnet 5, como vocês podem ver aqui pela porcentagem. Entre esses modelos que usei, sempre fiquei variando o nível de raciocínio, né? Nível de raciocínio é este aqui, ou nível de esforço: é o quanto a IA vai pensar antes de dar uma resposta. É sobre isso que quero falar para você, tá? E, com base nos testes que fiz, considerando que uso IA há mais de três anos, para projetos e tarefas de diferentes níveis, consegui realmente validar tudo o que eles apresentaram, beleza? Então, bora lá. A primeira coisa: como você escolhe o modelo? O que vou falar aqui vale tanto para você que está usando a versão para usuários, aqui dentro, quanto para você que usa o Cloud Code ou uma API diretamente, para desenvolver seu próprio agente.

01:36 ou automação, beleza? Então, olha só: quando você clica aqui embaixo, consegue escolher o modelo. Temos os modelos mais simples, começando pelo Haiku. Atualmente, a ordem é esta: depois vem o Sonnet, depois o Opus e, por fim, o Fable, que é o mais avançado de todos. Só que ele costuma ser meio inviável, porque consome créditos muito rápido e, agora, se não me engano, é preciso ter o plano mais caro da Anthropic para

02:07 poder usar. Então, vamos considerar o Opus 5.5, que foi o principal foco do estudo que eles fizeram aqui. Olha só, temos os níveis de esforço. Para que serve o nível de esforço baixo? Para as tarefas mais simples que você vai executar. Todo mundo fala isso. Então, torne isso concreto para mim, Billy. Quais são essas tarefas mais simples? É isso que o artigo apresenta e é sobre isso que vou falar agora. Bom, tarefas mais simples que você pode fazer.

02:37 Pedir para uma IA gerar algo quando você já sabe como quer o resultado e precisa que seja rápido e prático de executar. Imagine o seguinte: se você fosse fazer uma tarefa, se fosse pedir para alguém fazê-la, que tipo de tarefa seria considerada simples para você ou para essa pessoa executar? Pegar um texto e resumir, pegar uma imagem e transcrever o que está escrito nela. Ou pegar algumas informações de uma planilha e passar para outra. São coisas muito operacionais, coisas em que você não

03:09 precisa pensar muito. Só para você ter uma noção geral, antes de eu me aprofundar nesses modelos — mas vou falar bem rápido, tá? —, pense em uma tarefa simples comparada a uma tarefa avançada parecida. Se você vai pegar informações de uma planilha e colocar em outra, é uma tarefa simples. Agora, se precisa analisar os dados daquela planilha para tirar algum insight, por exemplo, analisar suas finanças e descobrir onde está gastando mais, onde está

03:41 gastando menos, ainda assim é um esforço baixo, né? Mas, se você precisa analisar suas finanças e tentar entender as oportunidades, e suas finanças têm muitas informações — é o financeiro da sua empresa, com informação demais para analisar —, aí é preciso ter muita estratégia. Por exemplo, analisar sua estratégia de marketing, que envolve muitas métricas. Envolve uma planilha que tem, por exemplo, CTR, CPM,

04:11 e muitas outras métricas que precisam ser analisadas; aí já é necessário um nível de raciocínio maior. Então, lembre-se: a tarefa é parecida. Em ambos os casos, é preciso pegar uma planilha e ler os dados dela, mas o nível de raciocínio necessário para executar a tarefa é diferente. Uma coisa é transferir uma informação ou simplesmente analisar os números e fazer cálculos matemáticos básicos; aí podemos usar um nível médio de raciocínio e obter uma resposta. Outra coisa é analisar várias métricas diferentes, compará-las e dizer

04:42 qual campanha teve o melhor desempenho e onde você vai investir mais dinheiro, tá? Só com isso você já começa a entender os diferentes níveis de raciocínio. E é aí que você vai começar a definir esses níveis de acordo com a tarefa que vai fazer. Por que tenho que fazer isso, Bira? Por que não coloco tudo no máximo? Porque, se colocar tudo no máximo, vai torrar seus tokens. Ou, se você tiver um agente de atendimento, um agente que vai trabalhar constantemente para você, vai ter um orçamento muito alto sem necessidade.

05:13 Ou, às vezes, você quer executar tarefas rápidas e está usando um modelo que precisa raciocinar mais: ele vai demorar muito mais para processar e dar a resposta. Às vezes, você só quer uma resposta instantânea. Você coloca o esforço no nível baixo e ele responde rapidinho. Continuando: nível de esforço médio. Quando a Anthropic recomenda usá-lo? Basicamente, quando se busca um equilíbrio entre qualidade, velocidade e

05:44 custo. E esse é o modo padrão do Opus 5.5. O que estou mostrando aqui foi publicado pela própria Anthropic, mas estou resumindo para você. Lembra do exemplo da planilha que mencionei? É uma planilha com a qual você vai trabalhar, mas ainda precisa fazer alguns cálculos. Por mais simples que sejam, é preciso calcular e não pode haver erros. Então, coloque no nível médio, né? Ou então, quero fazer um ajuste em um dashboard, em uma solução que já desenvolvi.

06:14 Você sabe exatamente o que precisa fazer? Por exemplo, entrar lá e pedir para o Claude Code acessar minha página, meu site, meu dashboard ou meu CRM e mudar a cor desta aba para aquela cor, ou mudar a organização destes elementos exatamente do jeito que quero. Por exemplo, além de alinhar em ordem crescente e em formato de tabela, quero que fique no estilo Kanban,

06:45 que é aquele outro estilo de organização. Então, quando você já sabe o que quer, mas a tarefa envolve código, e a IA precisa analisar o código, você coloca o nível médio. Nível alto, nível de esforço alto: quando usar? Segundo a Anthropic, para raciocínio complexo, programação difícil e agentes. É um dos modelos que mais uso. Para mim, é o mais equilibrado para muitas coisas. Exceto quando, como eu estava dizendo, são alterações simples, coisas simples, ajustes; nesses casos, uso os outros modelos com um nível de esforço menor.

07:15 Mas, quando você vai criar uma página web, fazer uma página de vendas, criar um novo sistema mais simples — como, por exemplo, criar seu próprio CRM, unificar informações do seu negócio em um único painel para controlar seus dados, juntar várias planilhas e vários documentos e fazer uma conciliação, como uma conciliação bancária, para ver se você só precisa colocar os extratos lá —, isso nós já desenvolvemos para nós aqui. A gente tem, né, o…

07:47 Mas, quando você vai criar uma página web, fazer uma página de vendas, criar um novo sistema que seja mais simples, como, por exemplo, criar o seu próprio CRM, unificar informações do seu negócio em um único painel para você ter controle dos seus dados, pegar várias planilhas, vários documentos, fazer uma conciliação, por exemplo, conciliação bancária, tá? Para ver se você joga só os extratos lá. Isso aqui a gente já desenvolveu para a gente aqui, a gente tem, né, o

08:19 O nosso sistema financeiro, que a gente fez com a própria IA. Só que, no final do mês, tem a questão dos lançamentos, né? A gente vai lançando as despesas, as receitas e tudo mais. Só que, quando chega o final do mês, a gente joga os extratos bancários de contas diferentes que a gente tem, e ele faz a conciliação: compara se está tudo certinho, se faltou alguma coisa, se há alguma inconsistência. Para tudo isso, a gente usa o nível alto. E tem muito mais que você pode usar. Agora, nós temos aqui o de esforço extra.

08:52 O que isso aqui faz? É para tarefas mais longas de código, né, ou para agentes, que podem durar mais de 30 minutos. Aqui, eles foram bem específicos, então isso é muito bom quando fica algo mais tangível desse jeito, né? Ou seja, para as mesmas tarefas que você faria no alto, se precisar executar mais etapas e demorar mais, você pode usar o extra. Imagine o CRM. Se você for criar um CRM, se for simplesmente um CRM

09:24 que vai pegar a informação de um lugar só, é mais rápido desenvolver. Agora, se precisar unificar WhatsApp e Instagram, se houver várias formas de usar esse CRM, se ele for buscar informações em fontes diferentes e precisar de mais tempo de execução, de um nível maior de raciocínio e de mais integrações, use o extra aqui, porque ele vai demorar mais tempo para executar. Vou dar outro exemplo de marketing. A gente tem um time de agentes aqui e vários fluxos que foram desenvolvidos com o próprio Claude, ó.

09:55 Então, por exemplo, só para fazer pesquisa, eu tenho cinco tipos diferentes de agentes. Cada agente tem seu próprio treinamento, as skills que usa e uma estrutura. Tudo o que a gente cria aqui fica sob nosso controle, e a gente pode usar qualquer ferramenta, independentemente de uma estar tendo um desempenho melhor ou não, tá? Isso ajuda a gente a distribuir nosso conteúdo por várias mídias diferentes. E o mais interessante é que todos esses agentes,

10:26 a gente não precisa ficar treinando o tempo todo nem colocando os prompts. A gente já tem uma base de conhecimento aqui, ó, com informações sobre meu posicionamento e minha voz, quais são meus produtos e minhas ofertas, como eu me comunico, quais são minhas crenças e meus valores, qual é a crença da minha marca, meu ICP e o público que quero atingir. Aí, com base nos agentes que crio, eles pesquisam nessa base. Ou seja, quando vou criar um novo agente, uma nova base de conhecimento ou um novo fluxo

10:57 de execução aqui, uso o nível de esforço extra, porque ele precisa raciocinar mais, comparar e trabalhar com muitos dados. Ele tem que entender quais tipos de informação precisa buscar na base de conhecimento, com quais agentes vai trabalhar, como isso vai funcionar na prática e fazer testes. Então, demora mais. Agora, quando já tenho essa base montada, simplesmente faço um ajuste em um agente ou crio facilmente um agente que vai fazer algo parecido com outro, só que com algumas mudanças. Aí não precisa ser o extra,

11:28 né? O extra é para criação de longa duração. Aí você pode usar o alto para fazer isso. Ou, se for um ajuste muito simples, por exemplo: “Ah, só muda o meu CTA no final dos roteiros”, é um ajuste simples; você pode usar até o baixo ou o médio para fazer isso, tá? Agora, a gente tem o Max, que é o máximo, né? É para capacidade máxima, como o próprio nome diz, quando custo e quantidade de tokens são secundários. Ou seja, você só vai usar este quando o extra não

11:58 der conta. Se você for fazer uma tarefa e ele não der conta, se não ficar do jeito que você quer e precisar ficar ainda melhor, escolha o Max, o máximo, porque ele vai ter um desempenho melhor. E aí, quando os tokens não forem um problema, porque você tem muitos tokens sobrando, beleza, pode passar para este aqui. Mas, se estiver equilibrando os tokens para manter o controle e não acabar com eles, este não será tão indicado. Então, basicamente, é para tarefas bem

12:29 complexas mesmo, que exigem trabalhar com muitos dados, com processamento de informações por muito tempo, né, ou executar tarefas por muito tempo. Por exemplo, se você vai fazer um jogo ou um sistema mais robusto e mais complexo, aí sim precisa de modelos mais avançados, como o Ultra Code, que tem o nível de raciocínio mais inteligente que existe. E, neste artigo, eles não deixaram claro quando é que você vai usar o Ultra Code,

13:00 mas, pelo que pesquisei, é parecido com o Max. Ou seja, se você testou o extra e ele não deu conta, considere que o extra é o topo de linha. Agora, se o extra não deu conta, aí você passa para o Max. Se o Max não der conta, use o Ultra Code. É para os casos mais extremos, quando você for fazer algo de que os modelos anteriores não dão conta, porque

13:30 não vai ter tanta necessidade de usar isso aqui, tá? Porque os tokens vão acabar rapidinho. Então, realmente precisa ser uma tarefa que exija muito raciocínio, algo extremamente inteligente para poder fazer, como os exemplos que dei anteriormente, mas só se os modelos anteriores não derem conta. Estas são as recomendações da Anthropic. Agora, me fala aqui embaixo se você concorda, se não concorda, se usa de forma diferente. Tem uma forma mais prática, mais fácil que você considera usar? Deixa aqui embaixo para a gente saber. Agora, vou te dar uma dica para você que

14:01 ficou até o final do vídeo. Eu não vi ninguém falando sobre isso aqui. Ó, por exemplo, quando estou trabalhando com o modelo, não estou falando agora do nível de raciocínio, tá? Nem do nível de esforço; estou falando do modelo mesmo. Por exemplo, se estou trabalhando neste chat, neste projeto, com o Opus 5.5 e às vezes vou mudar para o Sonnet, aparece um aviso. Agora não apareceu, mas às vezes aparece. E muita gente ignora esse aviso. Só que aqui o aviso diz que, se você está

14:33 em um projeto dentro de um chat e mudar o modelo… O pessoal faz muito isso, né? Eu mesmo, antes de saber disso e analisar essa questão, pensava do mesmo jeito. “Ah, estou num chat. Às vezes, estou fazendo umas interações mais complexas, pedindo para ele criar um agente e tudo mais. Depois, só quero fazer um teste; depois, só quero fazer um ajuste no mesmo chat. Então, vou baixar o modelo. Vou ficar alternando

15:04 entre Opus e Sonnet.” Só que, segundo a Anthropic, isso não é eficiente. Fazer isso gasta mais tokens. Olha só que doideira! Porque é como se, ao trocar de modelo, você trocasse o cérebro do negócio. Aí, para o outro modelo continuar trabalhando, ele tem que ler todas as informações daquele chat que você teve para entender onde parou e o que precisa fazer para continuar. Então, gasta mais tokens. Olha só que loucura, eu não sabia disso. Aprendi na prática, com os avisos

15:35 que a Anthropic me deu. Depois, fui me aprofundar nos artigos da própria Anthropic para entender. Olha só, então, o que você faz? Se quiser continuar aquelas tarefas, mas fazendo coisas mais simples, imagine que está trabalhando neste chat, neste projeto, neste chat com o Opus. Ou você coloca o esforço mais baixo para ele continuar com as tarefas, só que fazendo tarefas mais simples, ou

16:05 abre um novo chat e usa só o Sonnet para as tarefas mais simples. Você vai tirar proveito dos melhores modelos específicos para as tarefas de que precisa. A IA vai conseguir produzir por muito mais tempo para você. Sabia dessa? Me fala aqui nos comentários. Espero que este vídeo tenha te dado mais clareza. Agora, se você quer ajuda para saber qual tarefa do seu negócio vai automatizar com IA e como colocar IA para ajudar nos seus processos operacionais, clica no link aqui embaixo ou lê o QR code. Vai ser um prazer enorme entender os problemas que

16:37 A sua empresa tem enfrentado, e juntos a gente pode construir um negócio mais eficiente, mais autônomo, sem precisar contratar mais, para você poder crescer mais com inteligência artificial de forma mais automatizada.

Transcrição original

[00:00] Cara, a Anthropic compartilhou um material extremamente importante que pouca gente se atentou nisso daqui. Então, se você utiliza inteligência artificial, não só da própria Anthropic, né, como o Claude, mas qualquer outra, ChatGPT, Gemini, qualquer outra IA, esse guia aqui, cara, vai te dar uma orientação que durante todos esses tempos ficaram meio vagos na maioria das pessoas que utilizam IA. Muita gente acabou usando ali pelos testes, pelo feeling, que é a questão de saber qual o modelo utilizar para qual tipo de

[00:32] tarefa você vai fazer. Então, a gente sempre tinha noção, né, de tarefas mais simples, você vai usar um modelo mais simples, tarefas mais rápidas, um modelo que tem um raciocínio menor, processa mais rápido. Um modelo, uma tarefa mais complexa, um modelo mais avançado, com um nível de raciocínio mais avançado. Mas isso nunca ficou tão claro como a Anthropic deixou agora. Então, eles detalharam quais são exatamente os os modelos que você vai usar para que tipo de tarefa. E melhor, quais são os níveis de raciocínio que você vai

[01:03] usar para cada tipo de tarefa que você vai executar. Desde tarefas mais simples até as mais avançadas. Ó, recentemente eu tenho usado bastante o Opus 5, em segundo lugar, o Sonnet 5. Tá, como vocês podem ver aqui na porcentagem. E dentre esses modelos que eu usei, eu sempre fiquei variando de nível de raciocínio, né? Nível de raciocínio é esse aqui, ou nível de esforço, que é o quanto a IA vai pensar antes de te dar uma resposta. É sobre isso que eu quero passar para você, tá? E baseado nos testes que eu fiz, né, de

[01:36] tanto que eu utilizo IA, que tem mais três anos que eu uso IA, para projetos e tarefas de níveis diferentes, aqui eu consegui realmente validar tudo o que eles passaram, beleza? Então, bora lá. A primeira coisa aqui, como você faz para escolher o modelo? Eu tô, e o que eu tô falando aqui vale tanto para você que tá usando aqui na versão usuário, aqui dentro, ou para você que utiliza o Cloud Code ou que você utilize uma API direto, tá? Para desenvolver o seu próprio agente lá.

[02:07] Ou automação, beleza? Então, olha só, aqui, quando você vai clicar aqui embaixo, você consegue escolher o o modelo, tá? Então, a gente tem os modelos mais simples, que vai desde o Haiku e aí fica nessa ordem aqui atualmente, né? Depois vem o Sonnet, depois o Opus e por fim o Fable, que é o mais avançado de todos. Só que ele costuma ser meio inviável, porque ele consome créditos muito rápido e agora, se eu não me engano, você tem que ter só o plano mais caro da Anthropic para

[02:37] poder usar. Então, vamos considerar aí o Opus 5.5, que foi o principal estudo que eles fizeram aqui. Então, olha só, a gente tem aqui os níveis de esforço. O nível de esforço baixo, ele é usado mais para quê? Para as tarefas mais simples que você vai executar. Tá, todo mundo fala isso. Então, tangibilize isso aqui para mim, Billy. Quais são essas tarefas mais simples? É isso aqui que o artigo traz, é o que eu vou falar aqui agora. Bom, tarefas mais simples que você pode fazer.

[03:09] Pedir uma IA para gerar algo que você já sabe como você quer a entrega e que seja rápido e prático de executar. Imagina o seguinte, se você fosse fazer alguma tarefa, você fosse pedir uma pessoa, que tipo de tarefa que é considerada simples para você ou para essa pessoa executar? Pegar um um texto e resumir, pegar uma imagem e transcrever o que está falando ali na imagem. Ah, pegar umas informações da planilha e passar para outra. São coisas muito operacionais, coisas que você não

[03:41] precisa pensar muito. Só para você ter uma noção geral aqui, antes de eu aprofundar nesses modelos, mas eu vou falar bem rápido aqui, tá? Uma tarefa simples, comparada a uma tarefa eh avançada que são parecidas. Se você vai pegar informações de uma planilha e jogar para outra, é uma tarefa simples. Agora, se você tem que analisar os dados daquela planilha para poder tirar algum insight daquilo, né? Por exemplo, analisar o seu financeiro, saber onde está gastando mais, onde está

[04:11] gastando menos, ainda assim é um esforço baixo, né? Mas se você tem que analisar o seu financeiro e tentar entender oportunidades, o seu financeiro tem muitas informações, é o financeiro da sua empresa, tem informação demais que tem que ser analisada, tem que ter muita estratégia, como por exemplo, analisar o a sua estratégia de marketing que envolve muitas métricas, né? Envolve uma planilha que tem, por exemplo, CTR, CPM,

[04:42] tem muitas métricas ali que tem que ser analisadas e já precisa de um nível de raciocínio maior. Então, lembra que a tarefa é parecida, ambos tem que pegar uma planilha, ler os dados dessa planilha, só que tem níveis de raciocínio diferente para executar aquilo ali. Uma coisa é passar uma informação ou simplesmente analisar os números e calcular ali matematicamente cálculos básicos, aí a gente pode colocar num nível médio de raciocínio e te dar uma resposta. Outra coisa é analisar várias métricas diferentes, comparar elas e te

[05:13] falar qual que é a campanha que mais performou, onde ou onde você vai mais colocar dinheiro, tá? Então, só aí você já começa a entender quais são os níveis de raciocínio diferente. E aqui que você vai começar a colocar esses níveis de acordo com a tarefa que você vai fazer. Por que que eu tenho que fazer isso, Bira? Por que que eu só não coloco tudo no máximo aqui? Porque se você colocar tudo no máximo, você vai torrar seus tokens ou se você tiver um agente de atendimento, um agente que vai trabalhar constantemente para você, você vai ter um orçamento muito alto sem ter essa

[05:44] necessidade, tá? Ou até mesmo, às vezes, você quer executar tarefas rápidas e você tá usando um modelo que precisa de raciocinar mais, ele vai demorar muito mais para processar e te dar aquela resposta. Às vezes, você quer, simplesmente, uma resposta instantânea. Você bota aqui no baixo que rapidinho ele te dá a resposta, tá? Continuando, então, nível de esforço médio. Quando é que a Anthropic orientou a gente usar ele? É, basicamente, para quem quer um equilíbrio entre qualidade, velocidade e

[06:14] custo. E é o modelo, o modo padrão do Opus 5.5, tá? Isso aqui que eu tô colando aqui, ela que a própria Anthropic colocou lá, mas de forma resumida aqui para você. Lembra do exemplo da planilha que eu falei? Ah, é uma planilha que você vai fazer. Só que isso você precisa fazer alguns cálculos ainda. Por mais simples que seja, tem que fazer um cálculo e não pode errar esses cálculos. Então, bota o médio, né? Ah, eu quero fazer um ajuste num num dashboard, numa solução que eu já desenvolvi.

[06:45] Você sabe exatamente o que tem que fazer? Por exemplo, ah, entra lá, daí você vai pedir para o Claude Code, por exemplo, entra na minha página ou no meu no meu site, no no meu dashboard, no meu CRM, muda a cor dessa dessa aba para essa cor, né? Ou muda a organização desses elementos para exatamente esse jeito que eu quero. Por exemplo, além de eu você alinhar, né, por ordem crescente e em tabela, eu quero que isso fique no estilo Kanban,

[07:15] né, que é aquele outro estilo de organização. Então, quando você já sabe o que quer, mas aí já envolve código, né, a a IA tem que analisar o código, você coloca o nível médio, tá? Nível alto, nível de esforço alto. Quando é que eu vou usar? Segundo a Anthropic, para raciocínio complexo, programação difícil e agentes. É um dos modelos que eu mais utilizo. Para mim, ele é o mais equilibrado para muita coisa. A não ser o que Como te falando, quando são alterações simples, coisas simples, ajustes, eu uso os outros modelos no no esforço menor.

[07:47] Mas quando você vai criar uma um uma página web, fazer uma página de vendas, criar um novo sistema que seja mais simples, como por exemplo, criar o seu próprio CRM, unificar informações do seu negócio num num único painel para você ter controle dos seus dados, pegar várias planilhas, vários documentos, fazer uma conciliação, por exemplo, conciliação bancária, tá para para ver se o você joga só os extratos lá, isso aqui a gente já desenvolveu para a gente aqui, a gente tem, né, o o

[08:19] o nosso sistema financeiro que a gente fez com a própria IA. Só que no final do mês e e aí tem a questão dos lançamentos, né? A gente vai lançando ali despesa, receita e tudo mais. Só que quando chega o final do mês, a gente joga os extratos do bancários, de, né, de contas diferentes que a gente tem, e ele faz a conciliação, ele compara se tá tudo certinho, se alguma coisa faltou, se alguma coisa tá tá inconsistente. Isso tudo a gente usa o nível alto. E tem muito mais que você pode usar. Agora nós temos aqui o de esforço extra.

[08:52] Que que isso aqui faz? É para tarefas mais longas de code, né, de código, ou para agentes, podendo durar mais de 30 minutos. Isso aqui eles foram bem específicos, então isso aqui é muito bom quando fica algo mais tangível desse jeito, né? Ou seja, as mesmas tarefas que você vai fazer no alto, se essas tarefas precisam de executar mais etapas, precisa demorar mais, você pode usar o extra. Imagina o CRM. Se você for criar um CRM, se for simplesmente um um CRM

[09:24] que vai pegar a informação de um lugar só, é mais rápido desenvolver. Agora, se vai precisar unificar WhatsApp, Instagram, vai ter várias formas de você usar esse CRM, vai puxar de fontes diferentes, vai precisar de um tempo maior de execução, de um nível maior de raciocínio, de mais integrações. Então, usa o extra aqui, porque ele vai demorar mais tempo para executar. Vou dar outro exemplo no marketing aqui. A gente tem um time de agentes aqui e vários fluxos que foram desenvolvidos com o próprio Cloud, ó.

[09:55] Então, por exemplo, só para poder fazer pesquisa, eu tenho cinco tipos de agentes diferentes. Cada agente desse, ele tem seu próprio treinamento, ele tem as skills que ele usa, ele tem uma estrutura. Tudo aqui que a gente cria fica no nosso controle e a gente pode usar qualquer ferramenta, independentemente se uma está performando melhor ou não, tá? Isso aqui ajuda a gente em em espalhar o nosso conteúdo para várias mídias diferentes. E o mais interessante é que todos esses agentes,

[10:26] a gente não tem que ficar toda hora treinando eles, colocando os prompts. A gente já tem uma base de conhecimento aqui, ó, que, por exemplo, eu tenho informações sobre o meu posicionamento e voz, qual que quais são os meus produtos e as minhas ofertas, como é a forma que eu me comunico, quais são as minhas crenças e valores, qual que é a crença da minha marca, o meu ICP, o público que eu quero atingir. E aí, baseado nos agentes que eu crio, eles pesquisam lá. Ou seja, quando eu vou criar um novo agente, uma nova base de conhecimento, um novo fluxo

[10:57] de execução aqui, eu uso o nível de esforço extra, porque ele precisa raciocinar mais, ele precisa comparar, trabalhar com muitos dados, ele tem que entender quais são os tipos de informação na base de conhecimento que ele tem que puxar, quais os agentes que ele vai trabalhar, como isso vai funcionar na prática, fazer teste, então demora mais. Agora, quando eu já tenho essa base montada, eu simplesmente vou fazer um ajuste em um agente ou criar um agente que vai fazer algo parecido com o outro fácil, só que com algumas mudanças. Aí não precisa ser o extra,

[11:28] né? O extra é para criação de do longa duração. Aí você pode usar ali o o alto para poder fazer isso. Ou se for um ajuste muito simples, né, por exemplo, ah, só muda no final dos meus roteiros o meu CTA. É um ajuste simples, você pode usar até o baixo ou médio para fazer isso, tá? Agora a gente tem o o Max, que é o máximo, né? É para capacidade máxima, como o próprio nome diz, quando custo e quantidade de tokens são secundários. Ou seja, esse aqui você vai usar só quando o extra não

[11:58] der conta. Se você for fazer uma tarefa e não der conta daquilo, né, não ficou do jeito que você quer, precisa ficar ainda melhor, coloca o o Max, né, o máximo aqui, porque ele vai performar melhor. E aí quando os tokens não forem um problema, porque se você tá com muitos tokens sobrando, beleza, aí você pode passar para esse aqui. Mas se você tá equilibrando os seus tokens para ter um controle, para não acabar, esse não vai ser tão indicado. Então basicamente é para tarefas bem

[12:29] complexas mesmo, que exige trabalhar com muitos dados, com com processamento de informação por muito tempo, né, executar muito tempo. Por exemplo, se você vai fazer um jogo, se você vai fazer um sistema mais robusto, mais complexo, aí sim você precisa de modelos mais ultra avançados, como a gente tem aqui o Ultra Code, que é o nível de raciocínio mais inteligente que tem. E o Ultra Code, eles não deixaram claro neste artigo quando é que

[13:00] você vai usar, mas pelo que eu pesquisei, é parecido com o Max, ou seja, se você testou o extra, não deu conta, então considera que o extra é o o top de linha. Agora, se o extra não deu conta, aí você vai para o Max. Se o Max não deu conta, é Ultra Code. É extremamente últimos casos para você fazer isso aqui. É quando você for fazer realmente algo que os modelos anteriores não derem conta porque

[13:30] não não vai ter tanta necessidade de usar isso aqui, tá? Porque rapidinho vai torrar os tokens. Então realmente precisa ser uma tarefa que você precisa de muito raciocínio, você precisa de algo extremamente inteligente para poder fazer. Como os exemplos que eu dei anteriormente, mas se os modelos anteriores não derem conta. Essas aqui são as indicações da Anthropic. Agora me fala aqui embaixo se você concorda, se você não concorda, se usa de forma diferente. Tem uma forma mais prática, mais fácil que você considera usar? Deixa aqui embaixo para a gente poder saber. Agora eu vou te dar uma dica para você que

[14:01] ficou até o final do vídeo aqui. Eu não vi ninguém falando sobre isso aqui. Ó, por exemplo, quando eu tô trabalhando com o modelo eu não tô falando agora de nível de raciocínio, tá? De nível de esforço, eu tô falando de modelo mesmo. Por exemplo, se eu tô trabalhando nesse chat aqui, nesse projeto com o Opus 5.5, se eu vou mudar para o Sonnet às vezes, ah, agora não apareceu, mas às vezes aparece um aviso. E esse aviso, muita gente ignora. Só que aqui o aviso fala que se você tá

[14:33] em um projeto dentro de um chat e você mudar o modelo, o pessoal usa muito assim, né? Eu até mesmo antes de saber disso aqui, de analisar isso, eu pensava desse mesmo jeito. Ah, eu tô num chat. Às vezes eu eu tô fazendo umas interações ali que são mais complexas, pedindo para ele criar um agente e tudo mais. E depois eu só quero fazer um teste, depois eu só quero fazer um ajuste no mesmo chat. Então eu vou baixar o modelo. Eu vou usar, eu vou ficar intercalando

[15:04] entre Opus e Sonnet. Só que isso não é eficiente segundo a Anthropic. Fazer isso gasta mais tokens, olha só que doideira. Porque meio que quando você troca o modelo, é digamos que você troca o cérebro do negócio. E aí para o outro modelo continuar trabalhando, o modelo tem que ler todas aquelas informações daquele chat que você teve para entender onde parou e o que que ele tem que fazer para continuar. Então gasta mais tokens. Olha só, que loucura, não sabia disso. Aprendi aqui na prática com os avisos

[15:35] que a Anthropic me deu, fui depois me aprofundar lá nos artigos da própria Anthropic para poder entender. Olha só, então o que que você faz? Se você vai quer continuar aquelas tarefas, mas fazendo coisas mais simples, você imagina que você tá trabalhando aqui nesse chat, né? Nesse projeto, nesse chat com o Opus. Ou você coloca o esforço mais baixo para que ele continue ali com tarefas, só que fazendo tarefas mais simples, ou

[16:05] você abre um novo chat e usa só o Sonnet para as tarefas mais simples. Você vai tirar proveito dos melhores modelos específicos para as tarefas que você tá precisando. A IA, né, vai conseguir produzir por muito mais tempo para você. Sabia dessa aqui? Me fala aqui nos comentários. Espero que esse vídeo tenha te dado mais clareza. Agora, se você quer ajuda para saber qual tarefa do seu negócio você vai automatizar com IA, colocar IA para te ajudar nos seus processos aí operacionais, clica no link aqui embaixo ou então lê o QR code que vai ser um prazer enorme entender os problemas que

[16:37] a sua empresa tem enfrentando e juntos a gente poder construir um negócio mais eficiente, mais autônomo, sem precisar contratar mais, você poder crescer mais com inteligência artificial de forma mais automatizada.