MODULO 1.3

⚖️ A regra dos 70/20/10

Por que essa proporcao especifica funciona — e quando ajustar para 60/30/10 ou 80/15/5. A matematica por tras da divisao otima.

6
Topicos
30
Minutos
Basico
Nivel
Teoria
Tipo
1

📐 Por que 70/20/10 e nao 50/30/20

A proporcao espelha a distribuicao real de tarefas em projetos. Forcar outra divisao desperdica modelos caros em tarefas que nao pedem.

📊 A distribuicao real do trabalho

  • •~70% implementacao mecanica (componentes, testes, refactor)
  • •~20% raciocinio nao-trivial (arquitetura, debug, decisoes)
  • •~10% criatividade e julgamento (UX, copy, polimento)
2

⏱️ Como medir esses percentuais na pratica

A regra se aplica em tokens de saida, nao em numero de chamadas. DeepSeek consome muito mais token gerando codigo do que GPT consome planejando.

🧮 Exemplo numerico

Em 1 feature media:

  • • GPT-5.5 plano: 5 chamadas, 8k tokens
  • • Opus polimento: 2 chamadas, 4k tokens
  • • DeepSeek codigo: 30 chamadas, 60k tokens

Em chamadas: 81% / 14% / 5%. Em tokens: 83% / 11% / 6%. Proximo de 80/15/5 — perfeitamente saudavel para uma feature.

3

💰 Calculo de custo: exemplo real

Projeto de 1M tokens de saida. Numeros lado a lado.

SetupCustoCalculo
Single-Opus$75.001M × $75/M
Single-GPT 5.5$30.001M × $30/M
Single-DeepSeek$1.201M × $1.20/M (sem revisao = bugs)
70/20/10$10.840.7M × $1.20 + 0.2M × $30 + 0.1M × $75

💡 A licao

70/20/10 entrega ~7x mais barato que single-Opus, com qualidade equivalente. E ~9x mais qualidade que single-DeepSeek puro (que vem com bugs).

4

🔧 Quando ajustar para 60/30/10 ou 80/15/5

A regra nao e dogma. Calibre para o risco e a natureza do projeto.

50/40/10

Sistemas criticos

Banco, saude, infra. Mais GPT-5.5 para reduzir risco. Custo mais alto, mas justificado.

70/20/10

Padrao

SaaS consumer, app medio, MVP. Sweet spot entre custo, velocidade e qualidade.

85/10/5

Volume

Geracao de docs, posts, traducao, scripts. Risco baixo, volume alto. DeepSeek domina.

5

🚨 Sinais de que voce esta usando errado

Diagnosticar pela "dor" te leva ao ajuste certo. Cada sintoma aponta para um vertice.

⚠️ Sinais e ajustes

Bugs em codigo gerado → falta revisao. Adicionar pass com GPT-5.5 sobre o diff.
Plano confuso, modulos retrabalhados → pulou o arquiteto. Sempre comecar com GPT-5.5.
Fatura alta → abusou dos caros. Conferir % de tokens e mover para DeepSeek.
UX sem sensibilidade, copy generico → faltou Opus. Adicionar pass de polimento.
Modelos travando em loop → contexto sujo. /clear e recomecar.
6

📈 Evolucao: comecar conservador, ir migrando

Pular direto para 70/20/10 sem treino faz voce ter sustos com bugs e voltar para single-model. Adocao em fases mantem confianca.

Semana 1-2: 50/30/20

Comece dependendo mais de Opus. Use DeepSeek so em tarefas ja conhecidas. Ganhe confianca observando que funciona.

Semana 3-4: 60/25/15

Migre testes e refatoracoes para DeepSeek. Mantenha plano sempre em GPT-5.5. Comece a sentir a economia.

Mes 2+: 70/20/10 ✓

Voce ja sabe quando subir para modelo caro e quando ficar no DeepSeek. A intuicao e automatica.

📌 Resumo do Modulo

✓
Distribuicao real: 70% mecanico, 20% raciocinio, 10% criatividade
✓
Medir em tokens: nao confundir com numero de chamadas
✓
Custo 7x menor: vs single-Opus, com qualidade equivalente
✓
Calibrar por contexto: 50/40/10 critico, 70/20/10 padrao, 85/10/5 volume
✓
Sintomas guiam ajuste: cada dor aponta para um vertice especifico
✓
Adocao em fases: 50/30/20 → 60/25/15 → 70/20/10 em 4-6 semanas

Proximo Modulo:

1.4 — 🎯 Quando usar cada modelo

← Modulo 1.2 Proximo Modulo →