Metodologia

Em resumo: O Promptea pontua prompts com regras determinísticas (motor 2.5.0): a mesma entrada sempre gera a mesma pontuação, e nenhum modelo de linguagem a decide. Uma etapa opcional com LLM pode reescrever o prompt otimizado, mas nunca altera a pontuação. As recomendações de IA vêm de um comparador baseado em regras sobre um registro de modelos conferido na documentação oficial dos provedores. As notícias do AI Daily exigem fontes, e os benchmarks são mostrados por fonte, com data, e nunca fundidos em um número só.

Como um prompt é analisado

  1. Normalizar o texto e separar o que você pediu (o núcleo) de qualquer estrutura que o Promptea tenha gerado antes, para que reanalisar um prompt otimizado não o faça crescer nem empilhe cabeçalhos.
  2. Classificar a tarefa em um de 14 tipos (por exemplo, programação, depuração, extração de dados, tradução, marketing), usando o propósito escolhido e a redação do prompt.
  3. Detectar características: objetivo, insumos, público, exemplos, restrições, tom, tamanho, prazo, formato de saída, critérios de sucesso, detalhes do erro, passos para reproduzir, texto com cara de injeção e contradições.
  4. Pontuar as seis dimensões e combiná-las com pesos que dependem do tipo de tarefa (a verificabilidade pesa mais em depuração do que em um pedido casual de texto).
  5. Aplicar um teto quando falta material essencial (por exemplo, um pedido de tradução sem o texto a traduzir não pode pontuar como completo).
  6. Montar o prompt otimizado para a IA escolhida a partir dos achados e pontuá-lo de novo com a mesma rubrica, para mostrar a pontuação antes → depois.

Esse núcleo roda no servidor, sem chamadas de rede, e aceita até 12.000 caracteres. Suas garantias (idempotência, IDs de achados estáveis, localização estrita por idioma, não amplificar injeção de prompt, entradas que nunca o derrubam) estão escritas no contrato do motor e são verificadas por testes automatizados.

As seis dimensões

Clareza
Há um objetivo declarado e palavras suficientes para dizer o que se quer? Pedidos muito curtos ou sem objetivo pontuam baixo.
Contexto
O prompt inclui o material a ser trabalhado (insumos), diz para quem é a resposta (público) ou dá exemplos?
Restrições
Há limites explícitos, como tom, tamanho, prazo, região ou regras que a resposta precisa respeitar?
Formato de saída
Ele diz que forma a resposta deve ter (lista, tabela, JSON, passos) e como é uma boa resposta?
Verificabilidade
Dá para conferir a resposta? Aqui contam critérios de sucesso, detalhes do erro e passos para reproduzir; pesa mais em depuração e código.
Segurança
Começa em 100 e cai quando há texto que parece injeção de prompt, instruções contraditórias ou um idioma que não bate com o do pedido.

Cada dimensão recebe de 0 a 100, e o total ponderado é a pontuação do prompt. Junto com ela, o Promptea informa um valor de confiança (0–100) que diz quanto sinal o motor encontrou no texto. Não é a probabilidade de o prompt ser bom.

Onde um LLM é usado (e onde não é)

  • A pontuação, os achados e as recomendações nunca são produzidos por um LLM.
  • Refinamento opcional: quando há um provedor configurado, um LLM pode reescrever o prompt otimizado seguindo uma estratégia escolhida pelo motor. Os provedores são tentados em ordem (por padrão, Groq e depois o Claude, da Anthropic, como reserva). A reescrita precisa passar por um controle de qualidade; se não passar, ou se não houver provedor disponível, o prompt determinístico é devolvido.
  • Nessa etapa o seu prompt é tratado como dado, não como instrução; texto que tenta sobrepor as instruções é removido antes da reescrita, e uma reescrita que o repita é rejeitada.
  • Segunda opinião opcional: um LLM avaliador pode ser ativado para casos de baixa confiança. Ele só pode deslocar em até ±10 pontos um valor combinado mostrado à parte; a pontuação do motor nunca é modificada.
  • O ditado por voz, quando você o usa, envia o áudio a um provedor de transcrição apenas para convertê-lo em texto; o áudio não é guardado.

Como o “Encontrar a melhor IA” decide

O comparador é totalmente determinístico e não usa LLM. Ele extrai do prompt sinais ponderados em 15 categorias de tarefa (chat, programação, agente de programação, pesquisa, contexto longo, multimodal, extração de dados, escrita criativa, marketing, tradução, resumo, tutoria, prompts de imagem, raciocínio complexo, rápido/leve) e depois pontua cada modelo candidato pelo quanto suas capacidades verificadas se encaixam nessas categorias.

  • Barreiras rígidas de capacidade: um modelo sem entrada de imagem não pode vencer uma tarefa multimodal, um sem busca nativa tem teto em pesquisa, um sem saída estruturada tem teto em extração de dados.
  • Só modelos atuais podem ser recomendados; modelos aposentados nunca são.
  • A confiança é baixa, média ou alta, e um quase empate é informado, com o fator decisivo, em vez de fingir certeza.
  • Ferramentas como Claude Code ou Codex são tratadas como ambientes, não como modelos.

O registro de modelos

O registro do Promptea lista 37 modelos atuais em 11 famílias de IA. IDs de modelo, janelas de contexto e capacidades são retirados apenas da documentação oficial de cada provedor; cada item guarda a URL da fonte e a data da verificação (a mais recente: 14 de novembro de 2026). Os modelos substituídos ficam no registro como legado, com a indicação do substituto, de modo que os links antigos continuam funcionando, mas eles não são mais oferecidos nem recomendados.

AI Daily: política editorial e de fontes

  • Uma notícia principal a cada manhã, além de um resumo semanal e de um olhar para a semana seguinte. As edições semanais dizem quais datas cobrem.
  • Atualidade: uma notícia diária precisa tratar de um fato do mesmo dia editorial (horário de Buenos Aires). Uma notícia sobre um fato anterior só pode ser publicada com um motivo declarado, mostrado no artigo.
  • Fontes: cada artigo lista suas fontes com veículo, tipo e a data em que cada uma foi consultada. Um artigo publicado precisa de pelo menos uma fonte primária (um anúncio oficial, documentação, um model card, um paper). Também precisa de uma segunda fonte independente ou de uma justificativa explícita, mostrada ao leitor como um aviso de “notícia de fonte única”.
  • Transparência do método: as notícias são pesquisadas com apoio de IA e verificadas em fontes primárias antes da publicação. São assinadas como “Promptea Editorial”.
  • Segurança do formato: o corpo dos artigos é feito de blocos tipados simples (parágrafos, títulos, listas, citações) e os links das fontes precisam ser https. Não há HTML bruto.
  • As correções mantêm a URL do artigo e acrescentam um aviso de correção visível.
  • Imagens: o Promptea gera sua própria ilustração de capa; não usa imagens de terceiros por hotlink.

Benchmarks: de onde vêm os números

  • Fonte: a API de benchmarks da OpenRouter, que republica resultados da Artificial Analysis, da Design Arena e das avaliações da própria OpenRouter. O Promptea a consulta no servidor e mostra a fonte e a data de referência ao lado de cada ranking.
  • Um benchmark, um ranking. As pontuações de benchmarks diferentes usam métricas diferentes (índices, acurácia, F1, Elo) e nunca são somadas, tiradas em média nem comparadas entre si.
  • Uma pontuação ausente significa “não medido”: o modelo fica de fora daquele ranking, nunca é contado como zero. Um preço ausente aparece como “—”, nunca como gratuito.
  • As posições seguem a pontuação, da melhor para a pior; empates dividem a posição. Os preços são de tabela, por milhão de tokens, conforme informados pela fonte.
  • Um “modelo de fronteira” é aquele que fica entre os 5 primeiros de pelo menos um benchmark de capacidade geral no snapshot atual. A lista muda quando os dados mudam.
  • As linhas que falham na validação são descartadas e contadas. Se a fonte estiver inacessível, o último snapshot válido é mostrado com sua idade, ou então um estado vazio; nada é inventado.
  • Limites: os benchmarks medem testes específicos, muitas vezes índices compostos que mudam de uma versão para outra. Eles não preveem como um modelo vai se sair na sua tarefa.

O que o Promptea não faz

  • Ele não executa o seu prompt no modelo de destino, então não consegue dizer o quanto a resposta desse modelo será boa.
  • A pontuação mede a qualidade da especificação; não é um preditor comprovado da qualidade da resposta. Suas regras são heurísticas, calibradas com um conjunto rotulado de prompts de exemplo para cada propósito, em cada idioma.
  • A qualidade da reescrita opcional com LLM não faz parte da pontuação e depende do provedor.
  • Ele não dá aconselhamento financeiro, jurídico nem médico; os guias sobre esses temas tratam de como escrever prompts, não do assunto em si.

Privacidade em resumo

  • A telemetria guarda um ID de sessão pseudônimo e metadados da análise (pontuação, confiança, destino, idioma, tipo de tarefa, IDs dos achados), não o texto do prompt.
  • Sua biblioteca de prompts fica guardada no seu navegador, no seu dispositivo.
  • Os cartões para compartilhar codificam na URL apenas números e valores de enumeração; o texto do prompt nunca faz parte deles.
  • A política completa está na página de privacidade.

Versionamento e mudanças

O motor de análise é versionado (atualmente 2.5.0). Uma mudança em um ID de achado ou em uma regra do contrato é uma versão major; novas heurísticas são minor; correções internas são patches. Cada versão, incluindo as mudanças na pontuação, é listada no histórico de versões público.

Perguntas frequentes

A pontuação do Promptea é sempre a mesma?

Sim. A pontuação vem de regras determinísticas aplicadas ao texto do prompt, ao propósito escolhido e ao destino, então a mesma entrada sempre produz a mesma pontuação e o mesmo detalhamento.

O Promptea usa IA para pontuar prompts?

Não. Uma etapa opcional com LLM pode reescrever o prompt otimizado, e um avaliador opcional pode oferecer uma segunda opinião limitada, mas nenhum dos dois altera a pontuação do motor.

Como os rankings de benchmarks são montados?

Cada benchmark é um ranking próprio, com sua própria métrica, lido da API de benchmarks da OpenRouter, com a fonte e a data de referência à mostra. O Promptea nunca funde benchmarks diferentes em uma única pontuação.

Que fontes o AI Daily exige?

Pelo menos uma fonte primária (anúncio oficial, documentação, model card ou paper) e uma segunda fonte independente ou uma justificativa declarada, que o leitor vê como um aviso de fonte única.

Última atualização: