Revisão do produtor — primeiras tentativas

Revisão encerrada em 7 de setembro de 2026, horário de Toronto (8 de setembro em UTC). As sete primeiras tentativas foram congeladas antes dos testes do produtor. Nenhuma correção ou orientação foi enviada aos participantes. Os arquivos-fonte originais não foram editados. Os servidores foram reiniciados para a revisão; várias inicializações simultâneas colidiram nas portas de inspeção e depois funcionaram em sequência. O tempo de reinicialização não está incluído na duração dos participantes.

Esta é a tradução da revisão histórica, não uma nova execução dos testes. A versão inglesa está em ../original-en/evidence/PRODUCER-CHECKS.md.

Medição

Tempo: o primeiro task_complete.duration_ms de cada tarefa, arredondado para o segundo mais próximo. Inclui espera por ferramentas, pesquisa e construção, não apenas geração do modelo. As sete execuções rodaram simultaneamente na mesma máquina; compare as execuções observadas, não velocidade universal.

Tokens: total_token_usage acumulado final na primeira conclusão, conciliado de forma independente com a soma de last_token_usage das atualizações acumuladas distintas. As sete conciliam. total = input + output; reasoning_output é subconjunto de output, e cached_input é subconjunto de input. Não some nenhum deles duas vezes. Ultra inclui o principal e três totais de tarefas filhas, cada um limitado ao instante de conclusão do principal. Os contadores dos filhos começam de forma independente perto de 30 mil, sem herdar o acumulado do principal. A soma é 21.730.368. São tokens processados, majoritariamente entrada em cache ou reutilizada, não contexto novo, créditos, dinheiro ou cobrança.

Fonte primária: results.json; os hashes das sessões de origem foram preservados. Contagens exatas e links brutos/normalizados estão nesse arquivo. XHIGH contém oito URLs de publicações ou conversas, mas apenas sete conversas: o segundo status do X é uma resposta do autor na mesma conversa. Os demais coincidem com a contagem de conversas identificada no registro. Uma fonte original do Reddit de Low e Medium foi reaberta; a fonte de Medium realmente descreve cômodos, escadas e dutos adicionais fora do contrato. As contagens medem a extensão do registro de pesquisa, não demanda de compra validada.

Quadros: elementos nativos ativos, não excluídos, do Excalidraw. Imagens incorporadas foram contadas nos arquivos; desenhos e formas não contam como imagens incorporadas. Os sete JSONs dos quadros são válidos; seus textos foram lidos para conferir seis zonas exigidas e conexões entre evidências, decisões de produto, jornada, telas, arquitetura e MVP. Sol separa a direção visual como zona adicional e não incorpora imagens rasterizadas. As contagens são descritivas, não notas de qualidade.

LOW · Astra / Clearshift

No navegador, o produtor abriu CS-1042, editou a instrução de correção, salvou a atribuição e carregou uma nova verificação de exemplo. O encerramento ficou desabilitado até que o padrão sinalizado fosse conferido. Após concluir e recarregar, o painel mostrou Open 2 e Closed 1. Aprovado nesse caminho de correção, nova verificação e salvamento.

Oito conversas no Reddit; nenhuma no X. O quadro tem 161 elementos e três capturas reais do aplicativo. O fluxo delimitado do dono é coerente, com alternativas explícitas e uma vantagem proposta de serviço/dados. Mais tempo e tokens processados registrados que Medium, apesar do esforço menor.

MED · Astra / Scopewell

No navegador, em uma verificação anterior preservada, o produtor alterou a mão de obra de 45 para 60 minutos; a proposta mensal passou de $164 para $212. Preparou a proposta, registrou uma aceitação fictícia e recarregou: uma alteração registrada e $212 em adicionais permaneceram. Aprovado em mudança de preço, aprovação e persistência.

Seis conversas no Reddit; nenhuma no X. O quadro tem 133 elementos e um esboço de interface incorporado. Evidências contrárias detalhadas, concorrente pago estabelecido, utilidade desde o primeiro dia e plano de refutação. É o quadro com menos elementos, não o de maior profundidade visual. Menor tempo de conclusão registrado e menos tokens processados que Low e High. Recomendado pelo autor como ponto de partida para esta tarefa de pesquisa e construção porque entregou funcionalidade verificada suficiente mais cedo.

HIGH · Astra / Fieldwork

No navegador, o produtor marcou Cedar como indisponível. Reduziu o horário máximo de término de Emma para 10:00, produzindo “No feasible cover”. Restaurou 12:00 e escolheu Elm 09:00–11:00 e Birch 14:15–16:15. Revisou os dois rascunhos alterados e salvou. Após recarregar, Cedar ficou vazio, Emma em Elm e Priya em Birch; quatro outras visitas não mudaram. Aprovado em validação de restrições, redistribuição e persistência.

Sete fontes do Reddit e uma do X. O quadro tem 186 elementos e três capturas do aplicativo. Um problema de agendamento mais profundo que um formulário simples; horários condicionais reais e um estado sem solução viável produzem profundidade relevante. Margem fixa de deslocamento, sem otimização de rotas em tempo real.

XHIGH · Astra / Scopekeep

No navegador, o produtor alterou a tarifa de mão de obra de $95 para $110 por três horas; o total passou a $530. Usou uma resposta fictícia, registrou a aprovação e preparou o faturamento. Após recarregar, havia uma linha de $530 pronta para faturar, na revisão 1. Aprovado em recálculo, aprovação, faturamento e persistência.

Seis conversas no Reddit e uma no X, após remover a resposta duplicada. Quadro com 155 elementos e um visual incorporado. Contraexemplo forte: um dono de empresa de telhados diz que Grok e o software aberto Slowbooks já produzem solicitações de alteração de serviço; isso questiona diretamente o negócio proposto. A tentativa do produtor de acessar o X falhou, então a fonte continua identificada como lida pelo participante, sem nova verificação independente nesta revisão. É uma distinção editorial sobre profundidade de negócio, não um ranking factual universal.

MAX · Astra / Fieldnote

No navegador, o produtor alterou mão de obra para $275,25 e materiais para $84,75. A prévia mostrou exatamente $360. A aprovação simulada permaneceu após recarregar; os adicionais aprovados de Morgan passaram a $840 e o total do serviço a $25.640. Aprovado em preço preciso, aprovação e persistência.

Sete fontes do Reddit, nenhuma do X. Quadro com 155 elementos nativos e três capturas do aplicativo. O modelo criado inclui validação de transições de estado, centavos exatos e remoção da aprovação anterior em revisões recusadas. O participante detectou que Escape fechava o quadro, corrigiu e testou novamente. O evento de download não foi verificado pelo participante; existe uma alternativa de exportação selecionável. Maior duração registrada, 46:10, além do limite autogerenciado de 45 minutos, incluindo o empacotamento.

HIGH · Sol / RelayOps

No navegador, o produtor selecionou “Split with Crew 1” (11 minutos adicionais de deslocamento) e depois “Prepare updates”. O resumo ainda dizia “Move Fernbank” e “Brief Crew 2”, correspondendo à opção de compressão. Inseriu uma mensagem personalizada ao cliente e simulou as atualizações; o resultado mostrou valores fixos de 0 minuto de deslocamento e 3/3 compromissos. Recarregar preservou o estado resolvido.

Resultado parcial: progressão entre etapas e persistência funcionaram; o plano selecionado não determina o resumo nem a saída posterior. Confirmados JSXs de alteração e resultado com valores fixos em app/page.tsx, linhas 115 e 118. A instrução histórica era não corrigir antes da filmagem.

Seis links do Reddit e dois do X. Quadro com 215 elementos, diagramas vetoriais de telas e nenhuma imagem incorporada. O registro curto de pesquisa, com 369 palavras, tem apoio no conteúdo do aplicativo e do quadro; não use apenas o tamanho do arquivo para classificar profundidade. Menor total de tokens processados, segundo menor tempo. Conexão mais fraca entre decisão e saída entre os caminhos verificados.

ULTRA · Astra / Accord

No navegador, o produtor criou uma nova alteração personalizada de acabamento de despensa: 2 horas a $85 mais $30 resultaram em $200. Criou uma solicitação pendente; a aprovação ficou desabilitada até inserir uma nota. Inseriu uma aprovação fictícia e registrou; após recarregar, título, escopo, $200 e nota de aprovação permaneceram exatos. Aprovado em novo registro, cálculo, aprovação e persistência.

Sete conversas no Reddit e duas no X. Quadro com 240 elementos, duas imagens incorporadas e seis zonas principais. Três subagentes Ultra pesquisaram Reddit, X e alternativas; especialistas em pesquisa/alternativas depois auditaram a implementação e casos numéricos extremos. A análise dos concorrentes incluiu solicitações de alteração restritas a faturas no Joist e comportamento de nova aprovação no Jobber, indo além de chamadas de marketing. Melhor aplicação aqui para delegar frentes separadas de pesquisa e verificação; mais trabalho processado que Medium, sem equipe de modelos mais baratos. O agregado inclui 7,12 milhões de tokens dos filhos.

Como interpretar a recomendação

Escolha uma configuração inicial para uma tarefa delimitada de pesquisa e prototipagem. Medium: menor tempo observado com caminho funcional verificado pelo produtor e plano conectado adequado. High: próximo teste útil quando há restrições que interagem. Ultra: experimento separado de delegação, com pesquisa especializada mais profunda. Sol: menor uso processado, mas uma falha concreta na saída condicional.

Não há ranking universal de modelos nem conclusão sobre preços. Nenhum participante precisou de lembrete do produtor para devolver artefatos; isso não prova que todas as tarefas estejam livres de interrupções precoces.