Hoje o radar veio puxado por lançamentos de modelos, mas o que me chamou atenção não foi a potência, e sim a estratégia por trás deles. Separei o destaque do dia e, logo abaixo, tudo o que passou pelo filtro.

Em resumo

A nova família GPT-5.6 reforça uma decisão prática para produto: combinar modelos por etapa do fluxo. O modelo mais caro fica onde raciocínio e precisão importam; opções mais rápidas e baratas assumem tarefas repetitivas e de alto volume.

Quem trabalha com produto em crédito aprende cedo uma coisa: quase nunca existe a “melhor” solução única. Existe a melhor para cada caso.

Lembrei disso lendo sobre o lançamento da nova família GPT-5.6 da OpenAI. Em vez de um modelo só, vieram três: um mais caro e afiado para raciocínio e problemas difíceis, um intermediário com boa qualidade por metade do custo, e um rápido e barato pensado para alto volume.

Parece detalhe técnico, mas o recado é de negócio. A conversa deixou de ser “qual IA eu uso” e virou “qual IA eu uso para cada parte do fluxo”.

No meu mundo isso faz todo sentido. Uma coisa é a etapa que exige precisão e não pode errar. Outra é a tarefa repetitiva, de grande volume, onde velocidade e custo pesam muito mais. Tratar tudo com a mesma ferramenta é caro e, no fim, é preguiça de arquitetura.

Para quem toca produto, tecnologia ou operação, isso muda a forma de pensar custo. Dá para desenhar features de IA combinando modelos por camada, colocando o caro só onde ele realmente entrega valor e deixando o barato cuidar do resto. É a mesma lógica de eficiência que a gente já persegue em qualquer processo financeiro.

Essa escolha também entra no desenho de agentes de IA: cada etapa precisa de um modelo compatível com seu risco, volume e tipo de decisão. Quando o agente toma ações consequentes, como no caso de operações financeiras, custo não é o único critério; permissões e governança de IA também fazem parte da arquitetura.

Gosto de ver esse movimento porque ele tira a IA do campo do hype e coloca no campo da decisão prática: onde investir, onde economizar, o que testar primeiro. E é aí que o profissional que entende de negócio faz diferença de verdade, escolhendo bem em vez de comprar o mais caro por conforto.

Para quem ficou curioso e quer ver os detalhes de cada versão e os preços, deixo a leitura aqui.

O resto do radar

Step 3.7 Flash — mais um fornecedor de baixa latência e custo para features de IA sensíveis a tempo de resposta. Ler mais

Dynamic Workflows no Claude Code — workflows dinâmicos aproximam os agentes de código de fluxos reais e aceleram prototipagem e automação. Ler mais

Cactus Hybrid (Gemma 4) — roteamento por confiança entre on-device e nuvem corta custo e melhora a confiabilidade percebida da IA. Ler mais

Avaliadores LLM ruidosos ainda ajudam — dá para evoluir agentes com avaliação automática imperfeita, sem esperar o benchmark perfeito. Ler mais

GigaToken — tokenização ~1000x mais rápida ataca um gargalo real de custo e throughput em pipelines de IA. Ler mais

Robinhood libera trade por agentes de IA — caso real de agente com ação consequente (dinheiro), ótimo estudo de guardrails, permissão e responsabilidade. Ler mais

Frigade “Skills” — assistente que executa ações dentro do produto sem código, baixando o custo de embutir IA acionável na experiência. Ler mais

Bento (Show HN) — apresentação inteira num único arquivo HTML, uma aula de simplicidade de produto e distribuição sem fricção. Ler mais

IA para PMs por etapa do fluxo — a recomendação de 2026 é montar o stack por etapa, começando pelo discovery, e evitar suítes “tudo em um”. Ler mais

Por hoje é isso. Escolher bem a ferramenta certa para cada etapa continua valendo mais que ter a mais cara.