3

Cara tenho dito isso algumas vezes e o pessoal não escuta, faça o mesmo teste com deepseek v4 pro, o cache é melhor. O modelo é bom, para dados criticos use mcp, e seja feliz.
https://www.tabnews.com.br/macnator/model-context-protocol-mcp-a-nova-camada-de-abstracao-que-todo-desenvolvedor-precisa-entender
Obs.: Vocêr pode integrar outros agentes especificos em MCPs, é uma forma de organizar também, eu mesmo dei visão computacional a um mcp para testes de front end nos sites por exemplo, o modelo avaliador ve o que o cliente real ve e meche com um modelo barato, só o tempo que poupa ja se paga.

Tem um modelo Japones agora também equivalente ao top da Antropic que esta bloqueado, esse os eua ainda não conseguiram bloquear.
https://rendageek.com.br/noticias/modelos-de-ia-asiaticos-miram-mythos/

Bem mais caro claro, mas para quem testou e gostou do Fable pode fazer sentido.

Carregando publicação patrocinada...
1

Valeu, macnator. O ponto do MCP é o que mais bate com o paper.

No experimento, o Qwen devolvia o stdout do bash até 4000 chars (tipo "rodei pytest, aqui está o log inteiro"). Esses 4000 chars caíam no contexto do Opus e eram relidos via cache toda iteração. Um MCP bem desenhado força o executor a devolver um JSON tipado (tipo {passed: 5, failed: 2, first_error: 'test_foo.py:42'}) em vez do log cru, e o Opus passa a reler 50 bytes em vez de 4000. Teu exemplo do MCP de visão segue exatamente isso: o avaliador devolve "botão X fora do viewport", não a screenshot inteira.

DeepSeek v4 pro viraria um 5º arm (executor cloud barato com cache bom), mas o paradoxo do orquestrador relendo o log continua. Sobre o Fugu da Sakana, fiquei curioso justamente porque ele é conhecido por orquestrar vários modelos de fronteira via API. Ainda não testei, mas quero pegar a chance quando rolar.