Roteamento Modelos Baratos

---
name: roteamento-modelos-baratos
description: Use when choosing cheap models and routing them in agent loops — OpenRouter as provider in Claude Code, cost-per-task budgeting, using a low-cost model as executor while a strong model verifies, and when cheap+verifier loops become viable. Triggers on "rotear modelo barato", "OpenRouter no Claude Code", "custo por tarefa", "modelo barato pra loop", "DeepSeek", "huggingface barato".
metadata:
  origin: ECC
---

# Skill: Roteamento de Modelos Baratos (custo-por-tarefa)

Padrões para usar modelos de baixo custo sem perder qualidade: quem gera em
volume é barato, quem decide/valida é forte. A métrica que importa é
**custo por tarefa concluída**, não preço por token no papel.

## Quando usar

- Loop de geração/verificação que hoje usa modelo caro em todo lugar.
- Escolher provedor/modelo para um job de volume.
- Calcular se um projeto (ex: gerar 100 candidatos) cabe no orçamento.

## Padrões

### 1. Executor barato + verificador forte
- Modelo barato gera candidatos em massa (DeepSeek V4 Flash e similares).
- Modelo forte verifica/rankeia — o custo é por verificação, não por geração.
- Sempre meça nota/qualidade do executor antes de confiar no volume.

### 2. OpenRouter (ou DeepSeek direto) no Claude Code
- Configure OpenRouter como provider (3 env vars: `ANTHROPIC_BASE_URL`,
  `ANTHROPIC_AUTH_TOKEN`, `ANTHROPIC_MODEL`) e escolha modelos por custo/task.
- **Caveat oficial do OpenRouter**: o Claude Code "é garantido só com o
  provedor first-party da Anthropic" e "é otimizado para modelos Anthropic e
  pode não funcionar com outros provedores" (tool-use/parsing pode quebrar).
  Teste o loop antes de depender.
- Alternativa sem agregador: a DeepSeek expõe endpoint Anthropic-compatível
  direto (`https://api.deepseek.com/anthropic`) para o Claude Code.
- Para tarefas repetitivas e determinísticas, o barato resolve. Suba de modelo
  só quando o verificador reprovar de forma consistente.

### 3. Custo-por-tarefa como métrica
- Preço/token é enganoso: tarefa fácil = poucos tokens no barato.
- Calcule: `custo = (tokens de entrada × preço entrada) + (tokens de saída × preço saída)` por execução, vezes o número de execuções.
- Compare o total do loop barato vs rodar tudo no caro uma vez.

### 4. Quando barato+verificador vira opção
- DeepSeek V4 Flash: preço vigente (16/08/2026+) tem **peak/off-peak** —
  off-peak ~$0.22/M entrada e ~$0.66/M saída; peak ~$0.44/$1.32; cache-hit de
  entrada bem mais barato (~$0.007–$0.014/M). O "14¢/M entrada" do anúncio era
  o preço até 15/08/2026 — **sempre confira a página oficial de pricing**
  (preços mudam com frequência).
- Regra prática: se o custo atual do job em modelo forte é alto, divida entre
  geração barata + amostragem de verificação forte (20-30% do volume).

### 5. Stack em 3 tiers + pay-twice (Batch 17a, #50 #51)

- Organize modelos em 3 tiers (SOTA / workhorse / leve) num stack unico,
  nao um modelo unico. Compare sempre com controles max (fronteira) e min
  (local): modelo isolado sem controles nao diz nada.
- "Modelo melhor vs melhor negocio": GLM-5.2 ganha em capacidade,
  MiniMax-M3 ganha em preco — a pergunta e capacidade maxima ou custo.
- Pay-twice: voce paga em dinheiro E no IP revelado nos prompts. Para
  trabalho sensivel, o tier leve local zera a segunda conta — soberania
  de dados entra no tradeoff junto com latencia, qualidade e custo.

### 6. DeepSeek V4 Flash 0731 (Batch 17f, #74)

Repost-train sem mudar o nome: bench 72.5% (King Bench), recorde em
questao 3D, agentic coding real; ~GLM 5.2 em capacidade, decide
preco/harness (no Command Code roda a $1 com tool-calls + cache
repairs). Regra: re-treinos mudam tudo sem mudar o nome — valide o
snapshot atual antes de fixar executor barato.

## Checklist
- [ ] Métrica definida é custo-por-tarefa, não preço/token.
- [ ] Verificador independente do gerador.
- [ ] Amostragem de verificação existe antes de escalar volume.
- [ ] OpenRouter configurado como provider (ou equivalente).
- [ ] Loop barato validado por nota antes de colocar em produção.

## Cursor Model Routing Nativo (enriquecimento 2026-08-20, video `7phrurXJwH8`)

O **Cursor** tem roteamento de modelos embutido (sem OpenRouter) no plano Pro/Max:

| Modo/Modelo | Característica | Quando usar |

## Exemplo

```text
Job: 100 resumos/dia no Opus = R$X/mês → executor DeepSeek Flash + verifier Sonnet 25%
Valida nota do barato antes de escalar; métrica = custo-por-tarefa, não $/token
Caveat: testa o loop no OpenRouter antes (tool-use pode quebrar fora da Anthropic)
```
|---|---|---|