O instinto é que mais modelos significa respostas melhores. Uma aba a mais, uma perspectiva a mais, triangule seu caminho até a verdade. Funciona até uns três modelos e depois reverte drasticamente. Depois disso, cada modelo que você adiciona custa mais em reconciliação do que retorna em insight, e a primeira coisa a se degradar não é sua velocidade. É seu julgamento sobre qual resposta estava certa.
Aprendizado principal: Um modelo força pensamento claro. Dois ou três te dão uma segunda opinião genuína. Depois disso você não está orquestrando modelos, está presidindo uma comissão que não consegue lembrar no que concordou dez minutos atrás.
Desenhei essa curva depois de um mês em que tinha seis modelos abertos mais ou menos permanentemente, sentia-me extremamente produtivo, e enviei trabalho notavelmente pior.
Seis modelos abertos me custaram um dia em um mapa de redirecionamento
No meu pior, tinha Opus 5 em um problema de arquitetura, Codex no meio da implementação, Composer ao vivo no editor, Grok aberto para uma segunda leitura, e Qwen e Kimi estacionados em duas abas a mais porque alguém no X disse que eram bons nisso. Parecia um cockpit. Era um grupo de chat onde ninguém tinha lido o briefing.
O custo apareceu em um mapa de redirecionamento. Eu estava consolidando algumas centenas de URLs antigas em um site grande programático, o tipo de trabalho onde 95 por cento certo é um desastre porque os 5 por cento estão silenciosamente fazendo 301 redirect da receita para uma parede. Pedi a três modelos e obtive três respostas defensáveis sobre a cadeia de barra final. Em vez de escolher uma e raciocinar por meio dela, mesclei. A mistura era pior que qualquer uma das três sozinha, porque cada uma era internamente consistente e a mistura não era. Um dia para desfazer, inteiramente auto-infligido.
Um modelo força você a pensar com clareza
A propriedade subestimada de um único modelo é que ela coloca a especificação de volta em você. Com exatamente uma coisa para perguntar, você tem que escrever um breve real: a entrada, o que a saída deve satisfazer, o que está fora do escopo, o que "pronto" significa. Esse ato de escrever é a maior parte da engenharia. Já peguei mais erros de design escrevendo um prompt do que em qualquer revisão de código.
Com seis modelos abertos, essa disciplina evaporar silenciosamente. Você para de escrever briefes e começa a fazer pesquisas, e uma pergunta vaga feita a seis modelos retorna seis respostas confiantes. Confiança não é evidência, é apenas como esses sistemas soam. Quase todo o valor do meu fluxo de trabalho Claude Code fica a montante do modelo.
Dois ou três modelos é o ponto ideal real
A razão pela qual três funciona é que os modelos estão fazendo trabalhos diferentes em vez do mesmo trabalho em paralelo. Divisão do trabalho é aditiva. Duplicação não é. Um modelo mantém o plano, um escreve o código, um o lê de volta para você frio. Ninguém está votando.
No momento em que dois modelos estão fazendo o mesmo trabalho, você não comprou redundância. Você comprou um desempate que apenas você pode resolver, e você é o participante menos descansado da conversa.
Quando um modelo especialista realmente ganha sua aba
Especialistas valem a pena quando são estruturalmente diferentes, não apenas diferentes na marca. Meu teste é simples: ele discorda dos outros de um modo que consigo aprender? Um modelo que concorda com tudo é um sim-homem muito caro.
Codex ganha sua aba na implementação, especialmente mudanças mecânicas longas em muitos arquivos onde quero um diff em vez de uma conversa. Composer 2.5 ganha dentro do editor, onde o valor é latência, não profundidade. Grok ganha em perguntas de produto e posicionamento, porque ele felizmente me dirá que a ideia é chata. Qwen e Kimi ganham quando quero uma distribuição de treinamento diferente em vez de outro voto do mesmo bairro. Tenho Kimi conectado a um script de auditoria de UI precisamente porque ele nota o que os outros aprenderam a ser educados sobre.
Essa última distinção é o jogo inteiro. Na maioria das vezes, quando as pessoas adicionam um quinto modelo, elas não estão procurando por outra opinião, estão procurando por outra confirmação. Essas parecem idênticas no momento e são opostas.
O custo oculto é a reconciliação, não a troca
A troca de contexto é o custo que todos mencionam, e é real: você relê o mesmo arquivo pela quarta vez porque não consegue se lembrar em qual aba você mencionou a restrição. Mas não é o custoso.
O custoso é que você se torna o conflito de merge. Dois modelos lhe dão um desacordo para arbitrar. Três dão três. Seis dão quinze desacordos aos pares, e cada um deles quer uma decisão da mesma pessoa cansada. Nada na sua stack está fazendo essa reconciliação para você. Você é a camada de integração, rodando no final do dia, em um problema que você agora leu com seis enquadramentos ligeiramente diferentes.
E os modelos não podem ajudá-lo aqui, porque nenhum deles sabe o que os outros disseram. Você é o único segurando o contexto completo, que é exatamente a posição da qual você estava tentando se delegar.
Orquestração de IA é geralmente um problema humano
Quando as pessoas dizem que precisam de melhor orquestração, geralmente significa que precisam de um briefing mais claro. Se três modelos lhe dão três respostas genuinamente diferentes, raramente é uma lacuna de capacidade. É quase sempre ambiguidade na pergunta, e nenhuma quantidade de lógica de roteamento corrige um problema subespecificado. Apenas o distribui.
O diagnóstico que uso agora: se não consigo escrever, em duas frases, o que uma resposta correta teria que satisfazer, abrir outro modelo é procrastinação com uma barra de progresso. Escreva as duas frases primeiro. Às vezes as duas frases são a resposta e fecho todas as abas.
O workflow que realmente executo hoje
Opus 5 para pensar. Arquitetura, tradeoffs, a pergunta desconfortável de se a coisa deveria ser construída em primeiro lugar. É aonde eu gasto esforço de prompt, porque uma decisão ruim aqui não é recuperável com código melhor depois.
Codex para implementação. Uma vez que a forma é decidida, passe a spec e deixe trabalhar. Reviso o diff, não o raciocínio.
Composer 2.5 para assistência de codificação. No editor, rápido, escopo pequeno. É um autocomplete melhor, não um colega, e tratá-lo como colega é como você consegue 400 linhas que não pediu.
Grok para perspectivas alternativas. Deliberadamente fora do caminho crítico. Vou lá quando suspeito que me convenci de algo.
Qwen ou Kimi quando quero outra opinião em vez de outra confirmação. Raramente. De propósito.
O que importa não é a lista. É que estes quase nunca estão abertos ao mesmo tempo. Uma sequência, não uma cabine de controle: pensar, depois implementar, depois revisar, um modelo com a caneta em cada etapa. O gráfico atinge três porque três é quantos estágios estão genuinamente vivos em um bom dia. Comparei dois destes em Claude Code versus Cursor.
Prompts melhores vencem mais abas.
Um problema bem especificado dado a um modelo bom vence um problema vago dado a seis, e não é perto. Mais modelos se sente melhor porque abrir uma aba é instantâneo e escrever um briefing é trabalho. FOMO de IA é a crença de que o próximo modelo fará o pensamento que você vinha evitando. Não fará. Será mais eloquente sobre o problema errado.
Disciplina é pouco glamourosa e se multiplica. As pessoas que conheço entregando o melhor trabalho com estas ferramentas não estão rodando a maioria dos modelos. Estão rodando dois ou três, de propósito, com uma divisão clara de trabalho e uma spec escrita, e estão entediadas do discurso do modelo-da-semana.
Uma coisa para fazer hoje
Feche toda aba de IA exceto uma. Pegue a tarefa em que você realmente está e escreva duas sentenças: qual é a entrada, e o que uma saída correta teria que satisfazer. Dê essas duas sentenças ao modelo que deixou aberto. Se a resposta é boa, seu gargalo nunca foi capacidade de modelo. Se é ruim, você agora sabe qual das duas sentenças estava errada, o que é algo que seis modelos não poderiam ter te dito.
FAQ
Quantos modelos de IA devo usar simultaneamente?
Dois ou três, cumprindo funções diferentes: um para pensar o problema, um para implementar, e opcionalmente um para revisar ou oferecer uma leitura contrária. Acima de três, o custo de reconciliar respostas conflitantes cresce mais rápido que o valor da perspectiva adicional, porque você é o único participante que sabe o que todos eles disseram.
É ruim usar múltiplos modelos de IA para a mesma tarefa?
Rodar dois modelos na tarefa idêntica é geralmente desperdício. Não compra redundância, compra um desempate que só você consegue resolver. Múltiplos modelos ajudam quando têm papéis diferentes, como planejamento versus implementação, e prejudicam quando se duplicam.
Qual é o custo real de trocar entre modelos de IA?
O custo óbvio é restabelecer contexto e reler os mesmos arquivos. O maior é a reconciliação: com seis modelos você tem quinze discordâncias aos pares para arbitrar, e nada na sua stack faz isso por você. Você vira a camada de integração.
Modelos especialistas como Codex, Grok, Qwen ou Kimi realmente ajudam?
Sim, quando são estruturalmente diferentes em vez de simplesmente nomeados diferentemente, e quando têm um trabalho definido. O teste é se o modelo discorda dos seus outros de um jeito que você consegue aprender. Se ele basicamente concorda, você está pagando por confirmação, não por insight.
Relacionado: meu fluxo de trabalho Claude Code para a disciplina de modelo único que isso argumenta, e contratar um desenvolvedor Claude Code se você preferisse que isto fosse o problema de outra pessoa.