Guia Completo de Modelos de IA

🏢OpenAI — Família GPT

A OpenAI é a empresa mais influente no espaço de LLMs. Seus modelos GPT definiram o padrão para chat, raciocínio e geração de código.

// OpenAI SDK
import OpenAI from 'openai';
const openai = new OpenAI({ apiKey: process.env.OPENAI_API_KEY });

const resp = await openai.chat.completions.create({
  model: 'gpt-4o',
  messages: [{ role: 'user', content: 'Explique embeddings em 3 frases.' }],
  temperature: 0.7,
  max_tokens: 500
});

🔶Anthropic — Família Claude

A Anthropic foca em IA segura e alinhada. Os modelos Claude são conhecidos pela qualidade de escrita, instrução following e janela de contexto massiva.

// Anthropic SDK
import Anthropic from '@anthropic-ai/sdk';
const client = new Anthropic({ apiKey: process.env.ANTHROPIC_API_KEY });

// Com extended thinking
const resp = await client.messages.create({
  model: 'claude-opus-4-7',
  max_tokens: 16000,
  thinking: { type: 'enabled', budget_tokens: 10000 },
  messages: [{ role: 'user', content: 'Qual a complexidade do algoritmo de Dijkstra?' }]
});

🟦Google — Família Gemini

O Google DeepMind combina décadas de pesquisa em IA com infraestrutura global. Gemini é nativo multimodal e profundamente integrado ao ecossistema Google.

// Gemini via Google AI SDK
import { GoogleGenerativeAI } from '@google/generative-ai';
const genAI = new GoogleGenerativeAI(process.env.GEMINI_API_KEY);
const model = genAI.getGenerativeModel({ model: 'gemini-2.5-pro' });

const result = await model.generateContent('Analise este codigo...');
console.log(result.response.text());

🦙Meta — Llama (Open Source)

A Meta libera os pesos dos modelos Llama publicamente, permitindo execução local, fine-tuning e deploy sem custos de API. Revolucionou o ecossistema open-source.

Como rodar localmente

# Com Ollama (mais simples)
ollama pull llama3.3
ollama run llama3.3

# Via API local compativel com OpenAI
curl http://localhost:11434/api/chat -d '{
  "model": "llama3.3",
  "messages": [{"role":"user","content":"Hello"}]
}'

⚡Mistral AI

Startup europeia conhecida por modelos eficientes com alta qualidade para seu tamanho. Introduziu Mixture of Experts (MoE) para LLMs de produção.

🎯Como Escolher um Modelo

A escolha do modelo certo depende de requisitos de qualidade, latência, custo e privacidade do seu caso de uso.

Framework de Decisão

1. Defina o caso de uso (chat, RAG, agente, code, vision...)
2. Estime volume de tokens/mes -> calcule custo estimado
3. Teste qualidade: crie benchmark com seus casos reais
4. Avalie latencia: p50, p95 no seu volume esperado
5. Considere privacidade e compliance (dados sensiveis?)
6. Implemente com abstracao (LiteLLM, Vercel AI SDK)
   -> facil trocar de provedor sem reescrever codigo

⚙️Parâmetros e Configurações

Entender os parâmetros de inferência permite extrair o máximo de qualquer modelo.

// Configuracao tipica para codigo
{ temperature: 0.1, top_p: 0.95, max_tokens: 2048 }

// Para escrita criativa
{ temperature: 0.9, top_p: 1.0, max_tokens: 4096 }

// Para extracao de dados estruturada
{ temperature: 0.0, max_tokens: 1024, response_format: { type: 'json_object' } }

🔌Unificando Providers com LiteLLM

LiteLLM é uma biblioteca que oferece uma interface OpenAI-compatível para 100+ modelos de diferentes provedores. Facilita trocar modelos sem mudar código.

import litellm

# Todos usam a mesma interface
response = litellm.completion(
  model="anthropic/claude-opus-4-7",
  # model="openai/gpt-4o",
  # model="gemini/gemini-2.5-pro",
  # model="ollama/llama3.3",
  messages=[{"role": "user", "content": "Ola!"}]
)

# Em Node.js via Vercel AI SDK
import { generateText } from 'ai'
import { anthropic } from '@ai-sdk/anthropic'

const { text } = await generateText({
  model: anthropic('claude-sonnet-4-6'),
  prompt: 'Ola!'
})