Roteamento de modelos para equipes de agentes: quais tarefas vão para Luna, Sol ou Opus 5.5

Sua equipe já distribui o trabalho entre modelos. Só que faz isso de cabeça. Um engenheiro roda tudo no nível caro porque ele falha menos. Outro migrou para um barato no mês passado e não contou para ninguém. Um terceiro continua naquilo que a ferramenta definiu como padrão na instalação. Isso é sustentável enquanto uma pessoa opera um agente. Deixa de ser no momento em que cinco Agentes executam em paralelo e ninguém consegue dizer qual deles está gastando quarenta vezes mais do que deveria em uma docstring, ou qual está falhando em silêncio em uma tarefa para a qual nunca teve força suficiente.

Em 22/09/2026, a diferença entre os níveis ficou grande o bastante para importar. A Anthropic lançou o Claude Opus 5.5. A OpenAI lançou o GPT-6 Sol e o GPT-6 Luna. A distância entre o mais barato e o mais caro dos três é de um fator de quarenta nos tokens de entrada, e todos os três são bons o suficiente para receber uma Tarefa de verdade.

Uma regra de roteamento é uma declaração escrita, não uma preferência

Uma regra de roteamento é uma declaração escrita de qual classe de Tarefa roda em qual Runtime, atrelada ao Agente que executa o trabalho, e não à pessoa que por acaso iniciou a execução.

É essa a ideia toda, e a parte importante é que ela é "escrita". Uma preferência vive no terminal de uma pessoa e expira quando ela entra de férias. Uma regra vive ao lado do Agente, então um Responsável que assume uma Tarefa já a herda, um revisor consegue ver qual nível gerou o diff que está lendo, e mudar de ideia no próximo trimestre é uma edição em vez de seis conversas.

Uma regra de roteamento não é um ranking de modelos. Ela não declara um vencedor, e não precisa de um. Ela diz para onde cada tipo de trabalho vai por padrão e o que acontece quando esse padrão se revela errado.

Quanto custam os três níveis

Para referência: Claude Opus 5 a $5 / $25, e GPT-6 Astra a $10 / $50. A OpenAI descreve Sol e Luna como 50% mais baratos que o preço promocional do GPT-5.6. A palavra "promotional" é da própria OpenAI e muda o sentido: a base desse título é uma tarifa com desconto, não uma tarifa de tabela. A OpenAI também afirma que o Astra "continua sendo nosso melhor modelo em todos os aspectos", o que é um lembrete útil de que o Sol é o nível de custo-benefício da própria família, e não o carro-chefe dela.

Uma verificação prática antes de fixar um nível em uma regra: a OpenAI lista Sol e Luna no ChatGPT Work e no Codex para Plus, Pro, Business, Enterprise e Edu, com Free e Go recebendo o Luna no aplicativo para desktop, e diz que nenhum dos dois está no Chat ainda. A disponibilidade molda uma regra de roteamento tanto quanto o preço, porque um nível que metade da sua equipe não consegue acessar não é um nível.

Roteie pelo custo por tarefa concluída, não pela tarifa de tokens

O preço do token é uma aproximação do número que você de fato paga. Um modelo que custa um quinto da tarifa mas exige quatro tentativas e um resgate humano não é mais barato. A OpenAI publicou o custo por tarefa junto com a pontuação neste lançamento, o que é incomumente direto e tem o formato certo de evidência para uma decisão de roteamento.

Duas coisas são verdadeiras nessa tabela ao mesmo tempo. As margens são grandes, e foram medidas contra o Claude Opus 5, não o Opus 5.5, que não existia quando o post da OpenAI foi escrito e chegou horas depois, custando 40% menos para rodar que o Opus 5, segundo a própria Anthropic. Ninguém refez a comparação. Trate as linhas como os últimos números publicados, e o ranking que elas sugerem como uma hipótese a testar no seu próprio repositório.

O que sobrevive a essa ressalva é o formato, e o formato é justamente o que uma regra de roteamento precisa. Os níveis baratos se sustentam bem em trabalho limitado e repetitivo, por uma fração pequena do custo. As próprias alegações da Anthropic para o Opus 5.5 não têm nada a ver com preço por tarefa: 40% menos para rodar que o Opus 5, saída cerca de 30% mais rápida, 128k de saída máxima e capacidade de manter-se na tarefa por 18 horas ou mais. Isso descreve um modelo para o qual você aponta trabalho longo e ingrato, não um para o qual você aponta cem tarefas pequenas.

A regra, escrita por extenso

Aqui está o artefato. Ele é deliberadamente entediante, e pertence ao lugar onde a equipe o lê, não a um arquivo de configuração privado em um notebook.

ROUTING RULE  (owner: platform, review: end of Sprint)

Tier 1  Runtime: Codex on gpt-6-luna
  Triage, labelling, changelog and release notes, first-pass review
  comments, test scaffolding, dependency bumps, doc edits.
  Rule of thumb: if a wrong answer costs a reviewer one minute, route here.

Tier 2  Runtime: Codex on gpt-6-sol           <- default
  Bounded feature work, bug fixes with a reproduction, refactors inside
  one module, anything repeated many times a day and cheap to retry.

Tier 3  Runtime: Claude Code on claude-opus-5-5
  Migrations, cross-cutting refactors, work that must hold context for
  hours, anything where stopping halfway costs more than the tokens.

ESCALATION
  A Tier 1 or Tier 2 Task that fails twice returns to the Task with its
  log and does NOT silently re-run on Tier 3. A person moves it.

EXCEPTIONS
  Named on the Task, with a reason, by the Assignee. Not in a DM.

Três linhas fazem o trabalho de verdade. O nível padrão é nomeado, então uma Tarefa na qual ninguém pensou cai em algum lugar sensato. A escalada é explícita, então uma falha barata não pode virar uma falha cara sem que ninguém perceba. As exceções ficam registradas na Tarefa, que é a diferença entre uma regra e uma sugestão.

A escalada é a metade que as equipes deixam de lado

As economias da tabela acima são reais por tentativa. Elas evaporam se uma tentativa barata vira rotineiramente uma nova tentativa cara mais um resgate humano, porque aí você paga pelas duas execuções e pela interrupção. Esse é o modo de falha das cadeias de fallback automáticas: elas escondem o custo do nível barato dentro da conta do caro, e ninguém consegue ver a taxa de câmbio.

Então torne a escalada manual e visível. Uma execução que falha retorna à Tarefa com seu log, seu diff até o momento e a pergunta na qual travou. Uma pessoa decide se deve redirecioná-la para um nível acima, dividi-la ou esclarecê-la. Agentes pesquisam, executam, testam e reportam. Pessoas definem a direção, concedem autoridade e aceitam o resultado. Se o seu caminho de escalada é um loop de novas tentativas, você automatizou exatamente a decisão que precisava de um humano.

Mais uma coisa que vale a pena observar antes de direcionar trabalho sensível à latência para um nível mais baixo. A Artificial Analysis, uma terceira parte e não um dos fornecedores, mediu as variantes de raciocínio "max" em 115,2 tokens de saída por segundo para o Sol, com 102,15 segundos até o primeiro token, e 153,9 tokens por segundo para o Luna, com 124,23 segundos. Confirme esses números na listagem atual antes de se apoiar neles. [VERIFY] O formato é o que importa: no esforço máximo de raciocínio, os modelos baratos não são os de início rápido, e um Agente que está pensando por cem segundos se parece exatamente com um Agente que travou. Qualquer que seja o nível para o qual você roteia, como o Runtime sinaliza progresso e falhas decide se alguém vai perceber a diferença.

Quando não escrever uma regra de roteamento

Se você roda um agente em um repositório, não faça nada disso. Escolha o nível que combina com o seu trabalho e siga em frente. O roteamento custa um documento para manter e uma discussão para ter, e só compensa quando vários Agentes rodam ao mesmo tempo e seus custos ou padrões de falha diferem.

O limiar é mais ou menos este: escreva a regra quando duas ou mais pessoas podem iniciar uma execução, ou quando um único orçamento cobre vários Agentes simultâneos. Abaixo disso, a regra é sobrecarga. Acima disso, a ausência dela é o motivo pelo qual ninguém consegue explicar a fatura do mês passado.

O número que não se move

O custo por tarefa concluída caiu bastante nos dois lados deste lançamento. Para dar escala, a OpenAI relata que seu pesquisador mediano gasta mais de $600 por dia com agentes de código, com o percentil 90 em $7.000. As equipes abaixo dessa linha acabaram de ganhar várias vezes mais trabalho finalizado de agentes pelo mesmo orçamento, o que vale a pena acompanhar por Runtime em vez de por fatura.

Elas não ganharam nenhuma hora extra de revisão. O roteamento é uma alavanca de custo e de confiabilidade, e não é uma alavanca de throughput, porque a fila de trabalho esperando que uma pessoa o aceite continua igual. O que o roteamento pode fazer é tornar essa fila legível: qual nível gerou este diff, quanto custou, quantas tentativas exigiu e se a Tarefa que falhou duas vezes está parada na caixa de entrada de alguém ou em lugar nenhum. Mantenha a meta, a execução, o custo, os bloqueios e a revisão na Tarefa, da solicitação à entrega, e a regra de roteamento se torna uma configuração que a equipe edita, em vez de um hábito que seis pessoas guardam em particular.

A Sharkly não roda o modelo nem o escolhe por você. Ela é a camada compartilhada de Tarefa, Computer, contexto e revisão em torno das ferramentas que o fazem, que é onde uma regra de roteamento precisa morar se quiser sobreviver à pessoa que a escreveu. Se você já roda vários agentes de código, qual modelo recebe qual tarefa e qual agente a executa são a mesma decisão vista de dois lados. Conecte um Computer, crie um Agente por nível e dê ao barato algo entediante.