Model routing — modelo certo para a tarefa

TL;DR

Model routing direciona cada tarefa para o modelo com melhor custo-benefício: budget para autocomplete, mid-tier para coding diário, flagship para raciocínio complexo. Isso reduz custos em 30-70% sem degradar qualidade perceptível. A implementação mais simples é manual (escolher modelo por tarefa). A mais sofisticada usa classificadores que avaliam complexidade em tempo real.

Como funciona

A pirâmide de routing

graph TD
    A{Complexidade?} --> B["Simples<br>autocomplete, boilerplate"]
    A --> C["Média<br>coding, análise"]
    A --> D["Complexa<br>arquitetura, debugging"]
    B --> E["GPT-4.1 Nano / Flash-Lite<br>$0.10-0.40/MTok"]
    C --> F["Claude Sonnet / GPT-4.1<br>$2-15/MTok"]
    D --> G["Claude Opus / GPT-5.4<br>$5-25/MTok"]

Economia real

Cenário	Sem routing (tudo Sonnet)	Com routing	Economia
60% simples, 30% médio, 10% complexo	$100/mês	$35/mês	65%
30% simples, 50% médio, 20% complexo	$100/mês	$55/mês	45%

Model cascading

Enviar primeiro para modelo barato; se a confiança é baixa, escalar para flagship:

1. Enviar para Nano → resposta com score de confiança
2. Se confiança > 80% → aceitar
3. Se confiança < 80% → reenviar para Sonnet
4. Se ainda baixa → escalar para Opus

Implementação prática

Manual (recomendado para início):

• Configure modelo default como Sonnet no Cursor
• Mude para Opus quando a tarefa exigir raciocínio profundo
• Use Nano/Flash para geração de testes, boilerplate

Automática (para sistemas):

• Classifier baseado em comprimento/complexidade do prompt
• Rules engine: “se contém ‘refactor’ → Sonnet; se contém ‘architecture’ → Opus”

Armadilhas

• Routing errado degrada qualidade — enviar tarefa complexa para modelo budget resulta em código ruim que gera retries.
• Overhead do router — classificação adiciona 5-20ms de latência. Para interativo, pode ser perceptível.
• Não monitorar qualidade por modelo — sem métricas, você não sabe se o routing está funcionando.

Veja também

• 01 - O problema — por que tokens custam dinheiro
• 12 - Batch API — economia em volume
• 11 - Comparativo — qual ferramenta para qual tarefa (Trilha 2)

Referências

• Redis — Intelligent Model Routing for LLMs (2026).
• Prem AI — Model Cascading Patterns (2026).