Por que o HeyPlugi não roda no modelo de IA mais inteligente do mundo

Em 9 de julho a OpenAI lançou a família GPT-5.6 — Sol, Terra e Luna. Recordes em programação, em uso de computador, em pesquisa científica. Uma configuração ultra que coordena quatro agentes em paralelo. É, por várias medidas, o modelo mais capaz já colocado no mercado.

O HeyPlugi continua rodando em gpt-4.1-mini. Em todos os fluxos, sem exceção.

Não é desleixo nem falta de orçamento. É uma decisão que a gente revisita a cada lançamento e que, até agora, sempre chegou na mesma resposta. Vale explicar o porquê — com os números abertos.

O que roda hoje, fluxo a fluxo

Todo o cérebro do HeyPlugi vive em workflows de N8N. Quando você manda uma mensagem no WhatsApp, ela passa por uma cadeia de agentes:

• Orquestrador — classifica a intenção em cinco caixas: finanças, lembrete, indicação, amigo ou dúvida.
• Agente Pai — interpreta o lembrete: é único ou recorrente? É consulta? É só um "obrigado"?
• Agente Criador — pega o que já foi interpretado e devolve um JSON rígido: título, data, hora. Ele nem tem permissão pra interpretar; o prompt proíbe explicitamente.
• Finanças — extrai descrição, valor, categoria e data de um gasto. E, desde julho, também parcelamento.
• Cadastro de amigo — resolve apelidos ("manda pro Pedrão") pra um membro real do seu círculo.

Todos em gpt-4.1-mini. Áudio é transcrito com Whisper antes de entrar na cadeia. E tem um detalhe que gosto de contar: consultar seus lembretes não usa IA nenhuma. É JavaScript puro lendo o banco e formatando texto. O modelo só entra pra descobrir qual período você quis dizer.

O trabalho não é difícil — é chato

Aqui está o ponto. O que os benchmarks do GPT-5.6 medem é resolver bugs em bases de código reais, criar exploits, navegar a web por horas, montar modelos financeiros. Trabalho de horizonte longo, muitos passos, muita ambiguidade.

O que o HeyPlugi pede é: "me lembra de pagar o boleto sexta que vem" → {"title": "pagar seu boleto", "specific_date": "2026-08-08", "time": "09:00"}.

Isso é extração estruturada em português. É um problema resolvido há uns dois anos. O trabalho pesado não está no modelo — está no prompt, que tem regras explícitas ("você NÃO interpreta intenção", "você NÃO corrige anos"), exemplos, um schema de saída fixo e um output parser validando tudo depois. Um modelo mais inteligente não acerta mais que 100% do "sexta que vem".

Quando erramos — e erramos — quase nunca é o modelo que falhou. É o prompt que não previu o caso, ou o fluxo que roteou errado. Um bug que caçamos em julho, de mensagem de finanças caindo como lembrete, estava em três nós de uma cadeia de checagem de pendência. Nenhum modelo do mundo teria consertado.

A conta por interação

Fizemos a conta nó a nó: quantas chamadas de IA e quantos tokens cada tipo de interação consome de verdade.

Criar um lembrete por texto passa por 4 chamadas de IA, ~4.700 tokens de entrada e ~250 de saída. Custo: US$ 0,0023 — pouco mais de um centavo de real por lembrete criado.

Registrar um gasto é mais barato ainda: 2 chamadas, US$ 0,0015. Uma dúvida que a gente não entende custa US$ 0,0003.

O que aconteceria se a gente migrasse

Os preços do GPT-5.6, por 1 milhão de tokens:

Nosso perfil de uso é pesado em entrada e leve em saída — system prompts grandes, respostas de duas linhas em JSON. Aplicando aos tokens reais de criar um lembrete:

Treze vezes mais caro pra fazer exatamente a mesma coisa. Extrair "R$ 50, mercado, alimentação" de "gastei 50 no mercado" não fica mais certo com um modelo que resolve genômica.

Vale registrar a honestidade do outro lado: o GPT-5.6 é genuinamente mais barato por unidade de trabalho difícil. A tese da OpenAI — mais inteligência por token, menos idas e vindas — se sustenta em tarefas agênticas longas. Só que nossos fluxos não são longos. São uma chamada, um JSON, fim. Não temos gordura de tokens pra o modelo economizar.

Onde está a economia de verdade

Se a meta é reduzir custo de IA, o caminho não é trocar de modelo — é cache de prompt. Nossos system prompts são fixos e grandes (o de finanças tem cerca de 2.500 tokens) e se repetem em toda chamada. Entrada em cache custa US$ 0,10 por milhão, 75% de desconto. Como a maior parte do nosso custo é entrada, isso sozinho cortaria a conta de IA em cerca de 70% — mais do que qualquer troca de modelo economizaria.

E o GPT-5.6 trouxe justamente uma melhora aí: cache com duração mínima de 30 minutos e pontos de quebra explícitos. Essa é a novidade que a gente vai testar primeiro, não o modelo.

Quando a gente troca

Não é uma posição ideológica. Já temos os gatilhos escritos:

1. Erro sistemático de interpretação em português que o prompt não resolve — datas relativas complicadas, recorrências ambíguas ("toda última sexta do mês").
2. Um fluxo novo que exija raciocínio de verdade — um relatório financeiro que analise padrões de gasto em vez de só somar, por exemplo. Aí o trabalho muda de natureza e o modelo passa a importar.
3. Latência. Se um modelo mais novo responder mais rápido pelo mesmo dinheiro, trocamos sem pensar duas vezes. No WhatsApp, três segundos de espera são percebidos.

Fora isso, a régua que importa não está no Agents' Last Exam nem no SWE-Bench. É se o lembrete chegou na sexta certa, no horário certo, com o texto que faz sentido pra quem vai ler.

Pra essa régua, gpt-4.1-mini passa.

Fontes

• OpenAI — GPT-5.6: inteligência de fronteira que acompanha a sua ambição
• OpenAI — Tabela de preços da API