O problema que só aparece em escala
O ChatGPT pode levar poucos segundos para responder. Para uma pessoa, isso parece instantâneo. Agora imagine 1 milhão de decisões por dia: esse chamado vai para qual time? Essa transação é suspeita? A latência pode virar um problema de fila, de custo e de experiência do cliente.
A OpenAI apresenta a Decisions API como cerca de 10 vezes mais rápida que a Responses API. É uma alegação da fabricante, não uma medição nossa contra o ChatGPT. Numa conta ilustrativa, 1 milhão de decisões a 2 segundos cada levariam cerca de 23 dias; a 0,2 segundo, cerca de 2,3 dias. Isso vale para execução em sequência, sem paralelismo — não é uma previsão da capacidade de produção. Documentação da OpenAI.
A TypeSafe, fundada por Diogo Almeida, ex-pesquisador da OpenAI, apresentou o Jev em 15 de setembro de 2026. O beta público da Decisions API veio em 6 de outubro, três semanas depois; a disponibilidade geral foi anunciada em 22 de outubro. Essa sequência não prova cópia nem que a classificação por IA nasceu com esses produtos. Anúncio do Jev · Histórico da OpenAI.
Escritor versus juiz
Um modelo como o GPT, quando gera texto, escreve token por token — pequenos trechos que podem ser palavras ou partes delas. Pedir uma redação para obter um “sim ou não” acrescenta trabalho desnecessário. Modelos de linguagem também podem devolver respostas curtas e estruturadas.
Um modelo de decisão faz outra coisa. Você define as opções antes e ele devolve um item da sua lista, com probabilidades associadas. No Jev, a resposta não é texto livre: é uma escolha que o software consegue usar diretamente. Isso pode reduzir a latência, mas a vantagem precisa ser medida na sua tarefa. Como o Jev funciona.
Como usar sem se queimar
Três regras práticas:
- Confiança precisa ser validada. Não existe uma regra universal de “acima de 90%, o sistema age sozinho”. No Jev,
confidenceresume a concentração das probabilidades entre as opções; não é a chance comprovada de acerto. Defina limites com casos reais e com o custo dos erros. Definição da TypeSafe. - Preveja “Outro”. Se a resposta certa não está na lista, o modelo pode selecionar uma opção inadequada. “Outro” oferece uma saída, mas não garante que ela será escolhida corretamente. Teste também esses casos.
- Escolha o formato da pergunta. Dá para pedir uma escolha entre opções, avaliar uma condição ou atribuir uma nota. São formatos centrais desses serviços, não um inventário de todos os recursos. Tipos de pergunta.
Os novos modelos
Há modelos fechados, que você paga por uso via API, e modelos com pesos abertos, que podem rodar no seu próprio computador ou servidor. Estes são alguns dos que aparecem nos testes e no debate:
| Modelo | Quem | Tipo | O que se sabe |
|---|---|---|---|
| Jev | TypeSafe AI, lançado em 15/set/2026 | Fechado, API paga | Modelo especializado em decisões estruturadas. Criado por Diogo Almeida, que trabalhou na OpenAI em métodos de seguimento de instruções. |
| Decisions API | OpenAI, beta público em 06/out/2026; disponibilidade geral em 22/out/2026 | Serviço pago via API | Foi mais rápida e mais cara que Jev no comparativo do StackToHeap citado abaixo. Isso não estabelece uma regra para todas as tarefas. |
| Clef e Clef-flash | Cloudflare | Pesos abertos e API hospedada | Licença Apache 2.0. Clef-flash liderou o recorte Banking77 do teste di37; resultados e custos variam por tarefa. |
| Laya | Avaliado no repositório di37 | Execução local no teste | Teve 45,5% de acerto no recorte de 77 categorias desse teste. |
| CLM | Avaliado no repositório di37 | Execução local no teste | Acertou 2 dos 154 casos no recorte Banking77; isso não descreve seu desempenho em todas as tarefas. |
| Microsoft Decision-1 | Avaliado por Akita | Serviço via OpenRouter no teste | Entrou na comparação em inglês e português; os resultados são específicos dos casos avaliados. |
O anúncio do Jev inclui demonstrações da própria fabricante, que devem ser lidas como tal. Essas demonstrações não foram reproduzidas pelo lab. Fontes: TypeSafe, Cloudflare, di37 e Akita. Pesos abertos não eliminam custos de infraestrutura e operação.
Qual é o melhor?
Toda empresa diz que o modelo dela é o mais rápido. Por isso vale olhar testes de terceiros e seus métodos. Estes são os quatro que analisamos, com a fonte de cada um; não os reproduzimos no lab.
Teste 1 · GitHub (di37): as mesmas perguntas para 4 modelos. Mediu o percentual de acerto em 154 mensagens de uma triagem com 77 categorias. Resultados e protocolo.
| Modelo | Acerto |
|---|---|
| Clef-flash | 93,5% |
| Jev | 80,5% |
| Laya | 45,5% |
| CLM | 1,3% |
Clef-flash e Jev ficaram no topo desse recorte. O resultado do Laya foi menor nessa configuração; isso não isola a quantidade de opções como causa.
Teste 2 · stacktoheap: Jev contra a Decisions API, frente a frente.
Foram 770 mensagens do Banking77, com dois exemplos por categoria. As execuções ocorreram em datas diferentes; recusas contam como erro. Teste e metodologia.
| Critério | Jev | OpenAI | Quem leva |
|---|---|---|---|
| Acerto | 85,32% | 84,16% | Resultados próximos |
| Velocidade | 0,5 s | 0,2 s | OpenAI |
| Custo do teste | US$ 0,18 | US$ 0,30 | Jev |
A OpenAI também se recusou a responder algumas perguntas.
Teste 3 · Akita On Rails: com português. Comparou Jev, Clef, OpenAI, Microsoft e Laya, entre outros. No recorte compacto, Clef e Jev tiveram 97,6% em inglês. Em português, Clef marcou 94,0% e Jev, 97,6%. Clef-flash teve custo de API menor que Jev, mas também menos acertos; isso não o torna o melhor custo-benefício para toda tarefa. Os casos são sintéticos, feitos com ajuda de IA e sem anotação humana independente. Estudo de Akita: Qual modelo de decisão/classificador de IA tipo Jev é melhor?.
Teste 4 · Red Hat: moderação de conteúdo. O balde de água fria: os modelos de decisão nem sempre ganharam. O estudo avaliou segurança de conteúdo e tentativas de manipular instruções; houve líderes diferentes conforme a tarefa, e classificadores especializados continuaram competitivos. Estudo da Red Hat.
As fontes são públicas e não foram reproduzidas por nós. Trate os números como pista, não como veredito: o seu caso pode dar outro resultado, e é por isso que o teste com dados reais, mais abaixo, importa.
O fator que nenhum teste mede
Em uma empresa grande que já usa a OpenAI, uma relação contratual existente pode reduzir o esforço de adoção. Mas contrato, acordo de processamento de dados (DPA), faturamento e governança precisam cobrir o novo serviço e o novo uso.
Adotar outro fornecedor pode exigir uma nova avaliação do jurídico e do compliance. O porte do fornecedor, sozinho, não garante conformidade ou menor risco. Para esse perfil, a Decisions API pode fazer sentido pelo esforço de integração e governança, desde que os requisitos sejam atendidos. Não temos uma comparação própria de estabilidade entre os serviços.
O que fazer antes de decidir
Não escolha pelo ranking. Comece com 300 casos reais da sua operação, com uso autorizado, em pelo menos dois modelos, e compare três coisas: acerto, tempo de resposta e custo por mil decisões. Separe casos para ajustar as instruções e casos reservados para avaliar. É um ponto de partida, não uma certificação para operar sem supervisão. Se a diferença for pequena, considere também integração, governança e risco de fornecedor.
Esse teste ainda não foi executado pela visão.md.
O GPT não ficou lento. A gente é que usava um escritor para fazer trabalho de juiz.
Glossário
- API: a porta pela qual um sistema da sua empresa conversa com o modelo.
- Endpoint de decisão: uma API que devolve respostas delimitadas, como uma escolha, uma probabilidade ou uma nota.
- Grau de certeza (confiança): no Jev, uma medida de como as probabilidades se concentram entre as opções. Não equivale à chance comprovada de acerto.
- DPA: contrato que define como o fornecedor trata os dados da sua empresa.
Quer explorar isso com a gente?
Quer trocar experiências sobre o que funciona, o que dá errado e o que ainda vale testar com IA? Leve suas perguntas e aprendizados para a comunidade da visão.md.