> For the complete documentation index, see [llms.txt](https://docs.airops.com/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.airops.com/docs/pt/acoes/workflow-concepts/workflow-steps/ai-steps/llm/choosing-a-model.md).
# Guia de Seleção de Modelo
Compare modelos suportados e escolha um para uma etapa Prompt LLM
## Escolha um modelo
O modelo que você selecionar afeta a qualidade da saída, a velocidade, o custo e os recursos disponíveis em uma [etapa Prompt LLM](/docs/pt/acoes/workflow-concepts/workflow-steps/ai-steps/llm.md). Use o seletor de modelos como fonte de verdade para a disponibilidade no seu workspace.
### O que considerar
Compare estes fatores antes de selecionar um modelo:
1. **Janela de contexto:** Verifique quanto de entrada o modelo pode processar. Um token equivale aproximadamente a quatro caracteres em inglês.
2. **Complexidade da tarefa:** Use modelos de raciocínio mais fortes para planejamento, análise e lógica em várias etapas.
3. **Acesso à web:** Confirme que o modelo oferece suporte à pesquisa na web quando a tarefa precisar de informações atuais.
4. **Custo:** Compare o nível de custo do modelo no seletor, especialmente para Workflows de alto volume.
5. **Velocidade:** Equilibre o tempo de resposta com a profundidade de raciocínio que a tarefa exige.
## Modelos comuns da AirOps
Os modelos a seguir cobrem casos de uso comuns em novos fluxos de trabalho. Uma marca de seleção indica que a capacidade está disponível na etapa Prompt LLM da AirOps.
| Modelo | Fornecedor | Descrição | Janela de contexto | Visão | Modo JSON | Acesso à web |
| ---------------------- | ---------- | ------------------------------------------------------------------- | ------------------ | ----- | --------- | ------------ |
| GPT-6 Astra | OpenAI | Raciocínio complexo e trabalho agêntico | 1M | ✓ | ✓ | ✓ |
| GPT-6.1 Sol | OpenAI | Padrão para novas etapas Prompt LLM | 1M | ✓ | ✓ | ✓ |
| GPT-6 Sol | OpenAI | Raciocínio forte para codificação e trabalho agêntico | 1M | ✓ | ✓ | ✓ |
| GPT-6 Luna | OpenAI | Modelo eficiente para trabalho focado e de alto volume | 1M | ✓ | ✓ | ✓ |
| GPT-5.6 Sol | OpenAI | Modelo principal GPT-5.6 para raciocínio complexo e codificação | 1M | ✓ | ✓ | ✓ |
| GPT-5.6 Terra | OpenAI | Modelo GPT-5.6 equilibrado para alto desempenho a menor custo | 1M | ✓ | ✓ | ✓ |
| GPT-5.6 Luna | OpenAI | Modelo GPT-5.6 econômico para cargas de trabalho de alto volume | 1M | ✓ | ✓ | ✓ |
| GPT-5.5 | OpenAI | Modelo principal anterior para tarefas complexas de raciocínio | 1M | ✓ | ✓ | ✓ |
| GPT-5.4 | OpenAI | Modelo avançado para trabalho profissional | 1M | ✓ | ✓ | ✓ |
| GPT-5.4 Mini | OpenAI | Modelo GPT-5.4 mais rápido para tarefas bem definidas | 400K | ✓ | ✓ | ✓ |
| GPT-5.2 | OpenAI | Modelo principal com raciocínio aprimorado de longo contexto | 400K | ✓ | ✓ | ✓ |
| GPT-5 | OpenAI | Modelo para tarefas complexas | 200K | ✓ | ✓ | ✓ |
| O3 Pro | OpenAI | Modelo avançado para raciocínio complexo | 200K | ✓ | ✓ | - |
| O3 | OpenAI | Modelo de raciocínio com pesquisa na web | 200K | ✓ | ✓ | ✓ |
| Claude Opus 5.5 | Anthropic | Raciocínio complexo e trabalho agêntico | 1M | ✓ | - | ✓ |
| Claude Opus 5 | Anthropic | Para codificação agêntica complexa e trabalho empresarial | 1M | ✓ | - | ✓ |
| Claude Fable 5.1 | Anthropic | Raciocínio exigente e trabalho agêntico de longo prazo | 1M | ✓ | - | ✓ |
| Claude Fable 5 | Anthropic | Raciocínio exigente e trabalho agêntico de longo prazo | 1M | ✓ | - | ✓ |
| Claude Sonnet 5.5 | Anthropic | Modelo rápido para codificação e tarefas do dia a dia | 1M | ✓ | - | ✓ |
| Claude Sonnet 5 | Anthropic | Raciocínio híbrido para respostas rápidas ou pensamento aprofundado | 1M | ✓ | - | ✓ |
| Claude Opus 4.8 | Anthropic | Modelo principal anterior para tarefas complexas em várias etapas | 1M | ✓ | - | ✓ |
| Claude Opus 4.7 | Anthropic | Raciocínio complexo, codificação e trabalho de longo contexto | 1M | ✓ | - | ✓ |
| Claude Opus 4.6 | Anthropic | Raciocínio complexo e codificação | 200K | ✓ | - | ✓ |
| Claude Sonnet 4.6 | Anthropic | Opção Sonnet atual para tarefas complexas | 200K | ✓ | - | ✓ |
| Claude Haiku 5.5 | Anthropic | Classificação rápida, extração e tarefas leves | 1M | ✓ | - | ✓ |
| Claude Haiku 4.5 | Anthropic | Modelo rápido para tarefas leves | 200K | ✓ | - | ✓ |
| Gemini 3.8 Flash | Google | Raciocínio e geração com base no Google Search | 1M | - | ✓ | ✓ |
| Gemini 3.5 Flash | Google | Modelo rápido com base no Google Search | 1M | - | ✓ | ✓ |
| Gemini 3.1 Pro Preview | Google | Raciocínio avançado com base no Google Search | 1M | - | ✓ | ✓ |
| Gemini 3 Flash Preview | Google | Modelo rápido para tarefas leves | 1M | - | ✓ | ✓ |
| Gemini 3.1 Flash Lite | Google | Modelo econômico para tarefas leves | 1M | - | ✓ | ✓ |
| Perplexity Sonar | Perplexity | Modelo equilibrado para pesquisa online na web | 128K | - | - | ✓ |
## Modelos OpenAI
### GPT-6 Astra
Selecione **GPT-6 Astra** para raciocínio complexo e tarefas agênticas. Ele oferece suporte a esforço de raciocínio, verbosidade, visão, saída em JSON e pesquisa na web na etapa Prompt LLM. Controles de temperatura não estão disponíveis.
### GPT-6.1 Sol
Novas etapas Prompt LLM usam por padrão **GPT-6.1 Sol** com **Média** esforço de raciocínio. Você pode escolher **Baixa**, **Média**, ou **Alta**. A etapa oferece suporte a visão, saída em JSON, pesquisa na web e controles de verbosidade, com uma janela de contexto de 1M de tokens e até 128.000 tokens de saída. Controles de temperatura não estão disponíveis. As seleções de modelos compatíveis existentes permanecem inalteradas.
### GPT-6 Sol e Luna
Use **GPT-6 Sol** para codificação exigente, raciocínio e trabalho agêntico. **GPT-6 Luna** é uma opção de menor custo para tarefas focadas e de alto volume.
Ambos oferecem suporte a visão, saída em JSON, pesquisa na web, esforço de raciocínio e controles de verbosidade. Controles de temperatura não estão disponíveis. As etapas existentes mantêm o modelo selecionado.
### Série GPT-5
Os modelos GPT-5 combinam raciocínio com geração de uso geral. O GPT-5.6 aparece no seletor de modelos como Sol, Terra e Luna. Esses modelos continuam disponíveis para etapas existentes e novas.
Os controles de raciocínio variam de acordo com o modelo:
* O GPT-5 oferece suporte a `mínimo`, `baixo`, `médio`, e `alto`.
* O GPT-5.1, GPT-5.2, GPT-5.4, GPT-5.5 e GPT-5.6 oferecem suporte a `nenhum`, `baixo`, `médio`, e `alto`.
### Modelos O3
Use o O3 para raciocínio complexo em várias etapas. O O3 oferece suporte a `baixo`, `médio`, e `alto` níveis de raciocínio. O O3 Pro aumenta a capacidade de raciocínio, mas não oferece suporte à pesquisa na web na etapa Prompt LLM.
## Diferenças entre os modelos Claude
### Claude Opus 5.5
Selecione **Claude Opus 5.5** para raciocínio complexo e trabalho agêntico. Ele oferece suporte a uma janela de contexto de 1M de tokens, visão e pesquisa na web. Ative **Ativar pensamento** para usar o pensamento adaptativo. Controles de temperatura e Web Fetch não estão disponíveis para este modelo na etapa Prompt LLM.
### Claude Opus 5
O Claude Opus 5 lida com codificação agêntica complexa e trabalho empresarial. Ative **Ativar pensamento** na etapa Prompt LLM quando a tarefa se beneficiar de raciocínio adicional. O Claude Opus 5 oferece suporte a **Pesquisa na web**, mas não oferece suporte a **Web Fetch**.
### Claude Fable 5.1 e Fable 5
O Claude Fable 5.1 oferece suporte a raciocínio exigente e trabalho agêntico de longo prazo, com uma janela de contexto de 1M de tokens, visão, pensamento adaptativo, pesquisa na web e Web Fetch. O Fable 5 permanece disponível para fluxos de trabalho existentes.
### Claude Sonnet 5.5
Selecione **Claude Sonnet 5.5** para codificação e tarefas do dia a dia. Ele oferece suporte a uma janela de contexto de 1M de tokens, visão, pesquisa na web e Web Fetch. Ative **Ativar pensamento** para usar o pensamento adaptativo com esforço Baixo, Médio ou Alto. Controles de temperatura não estão disponíveis.
### Claude Sonnet 5
Claude Sonnet 5 equilibra respostas rápidas com raciocínio mais profundo e está marcado com estrela no seletor de modelos LLM.
### Claude Opus 4.8 e 4.7
Claude Opus 4.8 e 4.7 oferecem suporte a Workflows complexos em várias etapas, conteúdo de formato longo e tarefas de pesquisa. Ambos os modelos oferecem suporte a janelas de contexto de 1M de tokens.
### Claude Haiku 5.5
Selecione **Claude Haiku 5.5** na etapa Prompt LLM para classificação, extração e tarefas leves. Ele oferece suporte a visão, pesquisa na web, uma janela de contexto de 1M de tokens e até 128.000 tokens de saída.
Ativar **Ativar pensamento** para pensamento adaptativo com **Baixa**, **Média**, ou **Alta** esforço. Controles de temperatura, Top P, Top K e Priority Tier não estão disponíveis para este modelo.
### Claude Sonnet 4.6 e Haiku 4.5
Use o Claude Sonnet 4.6 para tarefas complexas que precisem de equilíbrio entre raciocínio e velocidade. Use o Claude Haiku 4.5 para cargas de trabalho mais leves.
## Modelos Gemini Flash
O Gemini 3.8 Flash oferece suporte a uma janela de contexto de 1M de tokens, saída em JSON e baseamento no Google Search. Visão e ferramentas MCP não estão disponíveis para este modelo na etapa Prompt LLM. O Gemini 3.8 Flash não expõe controles de temperatura.
## Modelos Groq
Selecione **GPT OSS 120B** ou **GPT OSS 20B** para modelos de pesos abertos hospedados pela Groq. O GPT OSS 20B é destinado a tarefas mais leves.
A Groq aposentou o Llama 3.1 8B Instant e o Llama 3.3 70B Versatile em 16 de agosto de 2026. A AirOps mapeia as seleções afetadas para GPT OSS 20B e GPT OSS 120B, respectivamente. Revise e teste a substituição antes de executar em lote um fluxo de trabalho afetado.
## Disponibilidade do modelo
A AirOps oculta modelos descontinuados do seletor para novos fluxos de trabalho. Se um fluxo de trabalho existente usar um modelo descontinuado, o modelo selecionado continua visível para que você possa revisar a alteração. A AirOps pode atualizar automaticamente a seleção para um modelo compatível quando o fluxo de trabalho for carregado. Se uma substituição também tiver sido descontinuada, a AirOps segue a cadeia de substituição até um modelo compatível.
Revise o modelo selecionado e teste o fluxo de trabalho após uma atualização automática. O comportamento do modelo, o custo e as configurações suportadas podem mudar entre versões.
### Substituições de modelos agendadas
A programação de substituição configurada da AirOps inclui:
| Modelo descontinuado | Substituição | Remoção agendada |
| --------------------- | --------------------- | ---------------------- |
| GPT-5.4 Nano | GPT-6 Luna | 1º de abril de 2027 |
| GPT-5.1 | GPT-6 Sol | 1º de abril de 2027 |
| Claude Sonnet 4.5 | Claude Sonnet 5.5 | 30 de novembro de 2026 |
| Gemini 3.7 Flash | Gemini 3.8 Flash | 28 de janeiro de 2027 |
| Gemini 2.5 Flash Lite | Gemini 3.1 Flash Lite | 20 de outubro de 2026 |
| Gemini 2.5 Flash | Gemini 3.8 Flash | 20 de outubro de 2026 |
| Gemini 2.5 Pro | Gemini 3.1 Pro | 20 de outubro de 2026 |
A data de remoção configurada do Claude Opus 4.1 era 5 de agosto de 2026; sua substituição é o Claude Opus 4.8. Teste os fluxos de trabalho afetados com o modelo de substituição antes de executá-los em lote.
## Capacidades de pesquisa na web
Vários modelos oferecem suporte à pesquisa na web, permitindo acessar informações atuais durante a geração:
**OpenAI:** GPT-6 Astra, GPT-6.1 Sol, GPT-6 Sol, GPT-6 Luna, GPT-5, GPT-5.2, GPT-5.4, GPT-5.4 Mini, GPT-5.5, GPT-5.6 Sol, GPT-5.6 Terra, GPT-5.6 Luna e O3 oferecem suporte à pesquisa na web quando ativado na etapa Prompt LLM.
**Anthropic:** Os modelos Claude atuais oferecem suporte à pesquisa na web. A disponibilidade do Web Fetch depende do modelo selecionado. Claude Opus 5.5 e Opus 5 oferecem suporte a **Pesquisa na web**, mas não a **Web Fetch**.
**Google:** Os modelos Gemini atuais oferecem suporte à pesquisa na web por meio do baseamento no Google Search.
**Perplexity:** Os modelos Sonar incluem acesso à web para pesquisa online.
## Quanto custará para executar?
O custo para executar um modelo depende do número de tokens de entrada e saída.
### Aproximação de tokens
**Tokens de entrada:** para aproximar o total de tokens de entrada, copie e cole seus prompts de sistema, usuário e assistente em [o tokenizador da OpenAI](https://platform.openai.com/tokenizer)
**Tokens de saída:** para aproximar o total de tokens de saída, copie e cole sua saída em [o tokenizador da OpenAI](https://platform.openai.com/tokenizer)
### Aproximação de custo
**OpenAI:** divida os tokens de entrada e saída por 1000; depois multiplique pelos respectivos custos [com base nos preços da OpenAI](https://openai.com/pricing)\*
**Anthropic:** divida os tokens de entrada e saída por 1.000.000; depois multiplique pelos respectivos custos [com base nos preços da Anthropic](https://www-cdn.anthropic.com/files/4zrzovbb/website/31021aea87c30ccaecbd2e966e49a03834bfd1d2.pdf)\*
{% hint style="info" %}
\*Este é o custo se você [trouxer sua própria chave de API](/docs/pt/o-seu-espaco-de-trabalho/settings/byo-key.md). Se você escolher usar modelos hospedados pela AirOps, você será [cobrado pelas tarefas de acordo com o seu uso](https://airopshq.notion.site/AirOps-Task-Pricing-by-Hosted-Service-fd825db1300545cb8c3b5de8bc16529e).
{% endhint %}
---
# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.
## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation by asking a question.
Perform an HTTP GET request on the following URL with the `ask` and `goal` query parameters:
```
GET https://docs.airops.com/docs/pt/acoes/workflow-concepts/workflow-steps/ai-steps/llm/choosing-a-model.md?ask=&goal=
```
`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is what the user is ultimately trying to achieve, the reason they need the answer. Sharing it helps GitBook give you a better, more relevant answer. A goal is most helpful when it describes the outcome the user wants rather than restating the question. For example, with `ask=how do I create an API token`, a goal like `automate deployments from our CI pipeline` lets GitBook tailor the answer to that use case.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.
Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.
