comparativo · 08 de outubro de 2026 · 18:35
Haiku, Sonnet e Opus: quando usar cada um
O vídeo testa Haiku, Sonnet e Opus lado a lado em custo, velocidade e desempenho em cenários reais. A conclusão é que cada modelo encaixa num tipo de trabalho diferente: Haiku para volume e subagentes, Sonnet para tarefas diárias com bom custo-benefício e Opus para programação complexa e refatoração em larga escala.
O que separa os dois
01Tabela final: cada modelo tem um cenário ideal
A tabela final do vídeo recomenda Haiku para classificação, resumos e subagentes em grande volume; Sonnet para documentos, apresentações e agentes com custo controlado; e Opus para programação complexa, refatoração em larga escala e trabalho aberto que exige julgamento constante.
02Diferença de preço e latência entre os três
O Opus custa duas vezes mais que o Sonnet e 40 vezes mais que o Haiku por milhão de tokens. Em latência, o Haiku é o mais rápido, o Sonnet é rápido e o Opus é moderado. Haiku e Sonnet aparecem no plano gratuito; Opus é exclusivo dos planos pagos.
03Programação: Sonnet às vezes supera Opus
No teste oficial de agentes, com esforço alto, Sonnet resolve 43% e Opus 64,2%. No esforço máximo, Sonnet alcança 70,6% contra 66,4% de Opus. Em outro teste de código, na mesma condição máxima, a ordem se inverte e Opus marca 89,9 contra 81,3 de Sonnet. O Haiku fica em 39,2% no primeiro e 64,8 no segundo.
04Raciocínio: Opus lidera, Sonnet aproxima-se
No teste multidisciplinar de raciocínio, Sonnet marca 56,9% e Opus 64,4%. No trabalho intelectual com esforço máximo, as pontuações ficam em 1.420 para Haiku, 1.551 para Sonnet e 1.551 para Opus, com a distância entre eles variando conforme o esforço.
05Preferência humana no LM Arena
Na Arena de texto, Opus em esforço alto ocupa o quarto lugar com 1.504 pontos e mais de 4.500 votos. Na Arena de agentes, Opus está em segundo e Sonnet em terceiro. O Haiku ainda não entrou no ranking de agentes.
06Dica: ajuste o esforço antes de trocar de modelo
O vídeo encerra com a recomendação de ajustar o nível de esforço antes de trocar de modelo, já que essa alavanca costuma render mais do que migrar para outro modelo.
Perguntas
Como saber qual modelo usar na prática?
O vídeo encerra com uma tabela por cenário: Haiku para volume, subagentes e latência; Sonnet para tarefas diárias e agentes com custo controlado; Opus para programação complexa, refatoração larga e trabalho aberto que exige discernimento.
Vale mais a pena ajustar o nível de esforço ou trocar de modelo?
O vídeo diz que ajustar o nível de esforço é, em geral, uma alavanca melhor do que mudar de modelo, e recomenda experimentar o esforço antes de migrar.
Quer ir além do vídeo?
Continue por aqui
Este resumo foi escrito a partir da transcrição do vídeo. As citações são literais. Para o conteúdo completo, assista no YouTube.