Agentes multi modelo crescem, mas a conta ainda muda de direção

Se você usa agentes de código em produção, o número que mais importa hoje não é uma nota de benchmark. É a quantidade de decisões que o seu fluxo toma antes de chamar um modelo — e o preço que cada uma dessas chamadas deixa na fatura.

O ecossistema já tem escala para isso. Os preços listados no OpenRouter mostram um catálogo com 557 modelos de 70 criadores. Em 25 de agosto, houve 15 mudanças de preço e duas estreias no índice de inteligência do Artificial Analysis. O movimento reforça uma tendência: ferramentas de harness e agentes, como o Minimax Code citado na pauta, podem transformar um único pedido de programação em uma sequência de chamadas para provedores diferentes.

A discussão foi levantada pelo vídeo “Your AI Gets Stuck in the Chat Because You Let It”, de ViktorKav.

O marketing fala em autonomia; a fatura fala em roteamento

Um agente autônomo não precisa usar o mesmo modelo do começo ao fim. Pode recorrer a uma opção barata para classificar uma tarefa, enviar o planejamento a um modelo mais capaz e usar outro serviço para revisar código ou interpretar uma imagem. O harness coordena essas etapas, conserva o contexto necessário e decide quando chamar cada API.

Isso muda a unidade de custo. Em vez de perguntar quanto custa uma resposta, você precisa medir quantas chamadas compõem uma tarefa, quanto contexto é reenviado e qual modelo produz a saída final. Um modelo barato pode deixar de ser barato se o agente repetir tentativas, executar revisões extras ou transferir grandes trechos de código entre provedores.

Os preços do OpenRouter mostram como essa escolha pode mudar rapidamente. O DeepSeek V4 Flash 0731 aparece em alterações que levaram o preço de saída de US$ 0,132 para US$ 0,28 por milhão de tokens e, depois, de US$ 0,28 para US$ 0,08. O mesmo identificador, portanto, não deve ser tratado como uma tarifa fixa sem data e sem controle de versão.

O modelo mais barato não é automaticamente o melhor

No Artificial Analysis, o DeepSeek V4 Flash 0731 com raciocínio e esforço máximo registra índice de inteligência de 51,8 a US$ 0,66 por milhão de tokens. O DeepSeek V4 Flash Vision, também com raciocínio e esforço máximo, estreia com 51,5 a US$ 0,66 por milhão.

A diferença prática está no tipo de tarefa. Um fluxo que precisa operar sobre screenshots, diagramas ou imagens pode aceitar pagar pelo modelo de visão. Para refatorações simples, classificação de tickets e geração de testes, o custo e a latência podem pesar mais do que uma pequena diferença no índice.

O ranking de custo-benefício do Artificial Analysis coloca o GPT-5.6 Luna no topo, com índice de 52,3 e preço de US$ 0,45 por milhão. O DeepSeek V4 Flash 0731 aparece com 51,8 a US$ 0,66, enquanto o Qwen3.8 27B registra 52 a US$ 1,125. As notas ajudam a comparar, mas não substituem um teste no seu repositório, com suas ferramentas, permissões e critérios de aprovação.

O risco está nas versões e nos aliases

A oscilação de preços do DeepSeek é um alerta direto para quem usa aliases como “latest”. O DeepSeek V4 Flash Latest teve registros de mudança de US$ 0,08 para US$ 0,12, depois para US$ 0,075 e novamente para US$ 0,10 por milhão de tokens de saída.

Esse tipo de variação afeta agentes mais do que uma chamada manual. Um assistente que roda poucas vezes por dia pode absorver a diferença. Um agente que abre arquivos, chama ferramentas, testa, corrige e revisa em ciclos pode multiplicar o impacto de uma mudança de tarifa.

O mesmo vale para modelos aparentemente estáveis. O GLM 5.1 subiu de US$ 3,036 para US$ 3,96 por milhão de tokens de saída, enquanto o GLM 5.2 foi de US$ 3,036 para US$ 3,74. O Qwen3.8 27B caiu de US$ 3 para US$ 2,55. A seleção automática sem limites de orçamento pode transformar a flexibilidade em surpresa na fatura.

Para quem isso vale — e para quem não muda nada

A expansão interessa a equipes pequenas que não querem acoplar o produto a um único provedor. Também vale para plataformas de desenvolvimento, ferramentas de revisão de código e empresas que precisam alternar entre raciocínio, visão, velocidade e preço conforme a tarefa.

Para quem mantém um chatbot simples, com uma chamada por interação e um modelo já validado, a existência de um harness multi-provedor não muda muito. O ganho potencial aparece quando há várias etapas, uso de ferramentas, fallback e execução prolongada. Sem observabilidade por tarefa, a arquitetura pode apenas esconder o desperdício.

A decisão prática é tratar o agente como uma aplicação distribuída: fixe versões quando possível, registre cada chamada, defina teto de tokens e orçamento por tarefa e crie fallback explícito. Se o fluxo depende de um alias que mudou várias vezes no mesmo dia, a economia anunciada pode desaparecer antes do próximo ciclo de cobrança.