Roteamento de modelos vira arquitetura dos agentes
Para Aaron Levie, o desenho mais promissor de agentes combina um modelo de fronteira no planejamento e na tomada de decisões com modelos mais baratos na execução. O post cita pesquisa da Cursor em que a mistura de modelos reduziu em 15 vezes o custo de tokens num projeto grande.
O argumento desloca a vantagem da IA aplicada: não basta acesso a um bom modelo; é preciso saber onde a inteligência máxima realmente importa e como decompor o restante. A alegação de custo vem da pesquisa citada e pode variar por tarefa, mas oferece uma hipótese operacional clara para times que já enfrentam contas de inferência.
Few moments in a large task genuinely require frontier intelligence, such as the original decomposition, the design decisions, and certain trade-offs.














