{"meta":{"title":"Comparação de modelos de IA usando tarefas diferentes","intro":"Explore exemplos reais de tarefas comuns do desenvolvedor, juntamente com exemplos de prompts, respostas e diretrizes para ajudar você a escolher o modelo de IA certo para seu fluxo de trabalho.","product":"GitHub Copilot","breadcrumbs":[{"href":"/pt/copilot","title":"GitHub Copilot"},{"href":"/pt/copilot/tutorials","title":"Tutoriais"},{"href":"/pt/copilot/tutorials/compare-ai-models","title":"Comparar modelos de IA"}],"documentType":"article"},"body":"# Comparação de modelos de IA usando tarefas diferentes\n\nExplore exemplos reais de tarefas comuns do desenvolvedor, juntamente com exemplos de prompts, respostas e diretrizes para ajudar você a escolher o modelo de IA certo para seu fluxo de trabalho.\n\n## Visão geral\n\nCada modelo de IA com suporte no Bate-papo do Copilot tem vantagens diferentes. Para ajudar você a decidir qual modelo usar, este artigo fornece exemplos reais de tarefas comuns do desenvolvedor, juntamente com prompts de exemplo, respostas e diretrizes sobre por que um modelo específico é uma boa opção.\n\nEsses exemplos mostram como os modelos variam em seu estilo de raciocínio, profundidade de resposta e capacidade de lidar com a entrada visual. Use-os para comparar a qualidade da saída e escolher o modelo certo para seu fluxo de trabalho específico.\n\nPara obter uma lista completa de modelos com suporte e comparações de recursos lado a lado, confira [Comparação de modelos de IA](/pt/copilot/reference/ai-models/model-comparison).\n\n## GPT-4.1\n\nO GPT-4.1 é uma boa opção para tarefas comuns de desenvolvimento que se beneficiam de velocidade, capacidade de resposta e raciocínio de uso geral. Se você está trabalhando em tarefas que exigem conhecimento amplo, iteração rápida ou compreensão básica de código, o GPT-4.1 provavelmente é o modelo a ser usado.\n\n### Cenário de exemplo\n\nConsidere um cenário em que você está escrevendo funções auxiliares para access control em um serviço Python. Você deseja adicionar docstrings para esclarecer a finalidade da função.\n\nAbaixo está a função auxiliar que concede acesso de editor a um documento:\n\n```python id=grant-editor-access\ndef grant_editor_access(user_id, doc_id):\n    access = AccessManager()\n    access.assign_role(\n        resource_type=\"document\",\n        resource_id=doc_id,\n        role=\"editor\",\n        user_id=user_id\n    )\n```\n\n### Exemplo de prompt\n\n```copilot prompt copy ref=grant-editor-access\nAdd a docstring to the function that explains what it does.\n```\n\n### Exemplo de resposta\n\n> \\[!NOTE] A resposta a seguir é um exemplo. Respostas do Bate-papo do Copilot são não determinísticas, portanto, você pode obter uma resposta diferente da mostrada aqui.\n\n```python\ndef grant_editor_access(user_id, doc_id):\n    \"\"\"\n    Grants editor access to a specific document for a given user.\n\n    This function uses the AccessManager to assign the \"editor\" role\n    to the specified user for the provided document ID.\n\n    Args:\n        user_id (str): The ID of the user to grant access to.\n        doc_id (str): The ID of the document to which access is being granted.\n    \"\"\"\n    access = AccessManager()\n    access.assign_role(\n        resource_type=\"document\",\n        resource_id=doc_id,\n        role=\"editor\",\n        user_id=user_id\n    )\n```\n\n### Por que o GPT-4.1 é uma boa opção?\n\n* A função é curta e independente, tornando-a ideal para a geração rápida de docstrings.\n* O GPT-4.1 pode reconhecer o padrão e fornecer uma explicação clara e concisa.\n* A tarefa não requer raciocínio profundo ou lógica complexa.\n\n## Mini GPT-5\n\nOpenAI Mini GPT-5 é um modelo rápido e econômico projetado para tarefas de codificação simples ou repetitivas. Ele fornece respostas confiáveis e concisas com latência muito baixa, tornando-o ideal para sugestões em tempo real e fluxos de trabalho de desenvolvimento leves. Mini GPT-5 é otimizado para velocidade e capacidade de resposta, para que você possa iterar rapidamente pequenas alterações no código ou obter feedback instantâneo sobre prompts diretos.\n\n### Cenário de exemplo\n\nSuponha que você esteja criando o script de um utilitário e precise filtrar uma lista de registros de usuário para incluir apenas usuários ativos, classificados pela data de inscrição. A tarefa é simples e não requer raciocínio profundo nem lógica de várias etapas.\n\nAqui está uma lista de amostra de usuários:\n\n```python id=user-list\nusers = [\n    {\"name\": \"Alice\", \"active\": True, \"signup_date\": \"2023-12-10\"},\n    {\"name\": \"Bob\", \"active\": False, \"signup_date\": \"2023-11-05\"},\n    {\"name\": \"Charlie\", \"active\": True, \"signup_date\": \"2024-01-15\"}\n]\n```\n\n### Exemplo de prompt\n\n```copilot prompt copy ref=user-list\nFilter the list of users to only include active users, and sort them by signup_date.\n```\n\n### Exemplo de resposta\n\n> \\[!NOTE] A resposta a seguir é um exemplo. Respostas do Bate-papo do Copilot são não determinísticas, portanto, você pode obter uma resposta diferente da mostrada aqui.\n\n```python\n# Filter to only include active users\nactive_users = [user for user in users if user[\"active\"]]\n\n# Sort active users by signup_date\nactive_users_sorted = sorted(active_users, key=lambda user: user[\"signup_date\"])\n\nprint(active_users_sorted)\n```\n\n### Por que Mini GPT-5 é uma boa opção\n\n* A tarefa é simples e se beneficia de respostas rápidas e de baixa latência.\n* Mini GPT-5 é otimizado em termos de custo e velocidade, tornando-o ideal para edições rápidas, prototipagem e código utilitário.\n* Use esse modelo quando quiser respostas confiáveis para perguntas de codificação simples sem esperar por profundidade desnecessária.\n\n## GPT-5.2\n\nGPT-5.2 permite entrada de imagens para que os desenvolvedores possam incorporar contexto visual em tarefas como inspeção de interface do usuário, análise de diagramas ou depuração de layout. Isso torna GPT-5.2 particularmente útil para cenários em que a entrada baseada em imagem aprimora a resolução de problemas, como pedir a Copilot para analisar uma captura de tela da interface do usuário em busca de problemas de acessibilidade ou para ajudar a entender um bug visual em um layout.\n\n### Cenário de exemplo\n\nVocê está criando um sistema de carrinhos de compras e tem um diagrama de classe UML que descreve as relações entre `Cart`, `Product`, `User`e `Order`. Em vez de escrever o sistema do zero, você deseja carregar a imagem do diagrama e solicitar que o Copilot gere as classes.\n\n![Captura de tela de um diagrama UML do carrinho de compras, mostrando os detalhes da classe para Cart, Product, User e Order.](/assets/images/help/copilot/shopping-cart-uml.png)\n\n### Exemplo de prompt\n\n```copilot copy\nUse this UML diagram to generate the classes for a shopping cart system.\n```\n\n### Exemplo de resposta\n\n> \\[!NOTE] A resposta a seguir é um exemplo. Respostas do Bate-papo do Copilot são não determinísticas, portanto, você pode obter uma resposta diferente da mostrada aqui.\n\nO Copilot gerará uma classe para cada uma das classes no diagrama, incluindo as relações entre elas. Aqui está o código de exemplo gerado para a classe `Cart`:\n\n```python\nfrom cart_item import CartItem\nfrom order import Order\n\nclass Cart:\n    def __init__(self, cart_id, user_id):\n        self.cart_id = cart_id\n        self.user_id = user_id\n        self.items = []\n\n    def add_item(self, item):\n        self.items.append(item)\n\n    def remove_item(self, item):\n        self.items = [i for i in self.items if i != item]\n\n    def calculate_total(self):\n        return sum(item.quantity * item.product.price for item in self.items)\n\n    def place_order(self):\n        # Implementation for placing an order\n        return Order(\"\", None, 0)\n```\n\n### Por que o GPT-5.2 é uma boa opção?\n\n* Pode interpretar ativos visuais, como diagramas UML, wireframes ou fluxogramas, para gerar a estrutura básica de código ou sugerir a arquitetura.\n* Pode ser útil para revisar capturas de tela de layouts de interface do usuário ou designs de formulários e geração.\n\n## Claude Haiku 4.5\n\nClaude Haiku 4.5 é uma boa opção para suporte de codificação do dia a dia, incluindo escrever documentação, responder a perguntas específicas da linguagem ou gerar código padrão. Oferece respostas úteis e diretas sem complicar demais a tarefa. Se você estiver trabalhando dentro de restrições de custo, Claude Haiku 4.5 é recomendado, pois oferece um desempenho sólido em muitas das mesmas tarefas que Claude Soneto 4.5, mas com menor uso de recursos.\n\n### Cenário de exemplo\n\nConsidere um cenário em que você está implementando testes de unidade e testes de integração para um aplicativo. Você deseja garantir que os testes sejam abrangentes e abranjam quaisquer casos extremos, pensados ou não.\n\nPara obter um passo a passo completo do cenário, consulte [Escrevendo testes com GitHub Copilot](/pt/copilot/tutorials/writing-tests-with-github-copilot).\n\n### Por que Claude Haiku 4.5 se encaixa bem\n\n* Ele tem um bom desempenho em tarefas diárias de codificação, como geração de testes, estrutura básica e lógica de validação.\n* A tarefa tende para o raciocínio de várias etapas, mas ainda permanece dentro da zona de confiança de um modelo menos avançado porque a lógica não é muito profunda.\n\n## Claude Soneto 4.5\n\nClaude Soneto 4.5 se destaca em todo o ciclo de vida de desenvolvimento de software, desde o projeto inicial até as correções de bugs, passando pela manutenção e pelas otimizações. É particularmente adequado para a refatoração de vários arquivos ou o planejamento arquitetônico, em que a compreensão do contexto entre os componentes é importante.\n\n### Cenário de exemplo\n\nConsidere um cenário em que você está modernizando um aplicativo COBOL herdado reescrevendo-o em Node.js. O project envolve a compreensão do código-fonte desconhecido, a conversão da lógica entre idiomas, a criação iterativa da substituição e a verificação da correção por meio de um conjunto de testes.\n\nPara obter um passo a passo completo do cenário, consulte [Modernizando o código herdado com GitHub Copilot](/pt/copilot/tutorials/modernizing-legacy-code-with-github-copilot).\n\n### Por que Claude Soneto 4.5 é uma boa opção\n\n* Claude Soneto 4.5 lida bem com contextos complexos, tornando-o adequado para fluxos de trabalho que abrangem vários arquivos ou idiomas.\n* Sua arquitetura de raciocínio híbrido permite alternar entre respostas rápidas e solução de problemas passo a passo mais profunda.\n\n## Leitura adicional\n\n* [Comparação de modelos de IA](/pt/copilot/reference/ai-models/model-comparison)\n* [Livro de Receitas do GitHub Copilot Chat](/pt/copilot/copilot-chat-cookbook)"}