🤖 Por que um modelo só tem teto
Antes de juntar vários modelos, vale entender o que é um. Uma LLM (Large Language Model) é o tipo de IA que roda atrás do ChatGPT e do Claude: recebe texto e devolve texto, prevendo a próxima palavra com base em tudo que leu no treino. Cada modelo tem um perfil — um é melhor em código, outro em escrita, outro em raciocínio longo.
A consequência: nenhum modelo é o melhor em tudo. Existe um "teto" para cada um. A aposta da orquestração é que, se você combinar o melhor de cada um, talvez passe do teto que qualquer modelo alcançaria sozinho. Talvez. O curso inteiro é sobre testar esse "talvez".
🆕 Novo aqui? Três termos
- LLM: o modelo de IA que gera texto (o "cérebro" do ChatGPT/Claude).
- Token: o pedacinho de texto que o modelo lê e escreve (≈ ¾ de uma palavra). Você paga por token — tanto os que entram quanto os que saem.
- Ferramentas (tools): ações que o modelo executa sozinho — buscar na web, rodar código, editar um arquivo.
❓ As 2 perguntas que definem tudo
Existe um jeito simples de enxergar qualquer sistema multi-LLM, por mais complexo que pareça. Ele responde a duas perguntas, e só. Se você consegue respondê-las para um sistema, você entendeu o sistema.
Decore esta soma. Fugu, Fusion e seus sub-agents só mudam como respondem cada lado — nunca as perguntas.
🎯 As duas perguntas
- 1.Quem faz cada parte? — o roteamento. Pode ser regra sua, um workflow, ou um modelo treinado para escolher.
- 2.Como as respostas se combinam? — a fusão. Concatenar, votar, um juiz que escolhe, ou um modelo que reescreve tudo num só texto.
🎼 Maestro, especialistas e fusor
Toda orquestração tem três papéis. O maestro (ou "conductor") lê o pedido e reparte. Os especialistas são os modelos que executam cada parte. E o fusor junta as respostas num resultado só. Reconhecer esses três papéis deixa qualquer sistema "mágico" legível.
Maestro (esquerda) → especialistas em paralelo (ciano) → fusor (direita). É o esqueleto do Fugu — e, virado de lado, da Fusion.
Maestro / conductor
Lê o pedido, decide se resolve sozinho ou reparte, e escolhe quem recebe cada parte. É onde mora a "inteligência de coordenação".
Especialistas
Os modelos que executam: um bom em código, outro em raciocínio, outro em escrita. Cada um faz a parte em que é forte.
Fusor
Junta as respostas num resultado único — concatenando, escolhendo a melhor, ou reescrevendo tudo. Sem fusor, você tem N respostas soltas, não uma.
📦 "Mixture of experts" como 1 API
"Mixture of experts" é a ideia de manter vários especialistas e chamar o certo para cada caso. O pulo do gato comercial é empacotar isso atrás de uma única API: você bate em um endereço só, manda seu pedido, e todo o time roda escondido. Por fora parece um modelo; por dentro é uma orquestra.
📊 O que "1 API" esconde
A abstração é elegante e tem um preço. Você ganha simplicidade; paga em controle e dinheiro:
- Você não vê quais modelos foram chamados nem quantos.
- Você paga os tokens de todos eles, não só da resposta final.
- Você espera o time inteiro — contratar, rodar e fundir leva tempo.
✓ O que 1 API te dá
- ✓Zero código de orquestração
- ✓Um endpoint, um billing
- ✓Hedge: não trava em um vendor só
✗ O que ela cobra
- ✗Custo dos tokens do time escondido
- ✗Latência somada de vários modelos
- ✗Pouca visibilidade do que rolou
🛠️ Você já orquestra (e nem percebe)
Orquestração não é exótica. Quando o Claude Code abre sub-agents (workers que podem rodar modelos diferentes — haiku, sonnet, opus) e reparte um plano entre eles, está orquestrando: um maestro divide, vários executam em paralelo, um junta. A diferença para o Fugu é só quem decide e se cruza providers.
💡 Pratique: orquestre você mesmo
Objetivo: ver a orquestração (fan-out + fusão) acontecer na sua frente, no Claude Code.
Use uma abordagem multi-agente neste arquivo: abra 3 sub-agents em PARALELO, cada um revisando por um ângulo diferente (1: bugs, 2: performance, 3: legibilidade). Depois um agente final FUNDE os três achados num só relatório priorizado. Arquivo: <caminho/do/seu/arquivo>
Como verificar: você verá 3 agentes rodando ao mesmo tempo (o fan-out) e, no fim, um único relatório consolidado (a fusão). Troque <caminho/do/seu/arquivo> por um arquivo real seu.
🧾 O custo escondido da orquestração
Aqui está o contrapeso que fecha (ou não) a conta. Cada especialista que o maestro chama lê e escreve tokens — e você paga por todos. Some a isso a espera: contratar, rodar e fundir o time leva muito mais tempo que um modelo respondendo direto. Mais modelos = mais conta e mais relógio.
📊 Um aperitivo dos números (Trilha 2)
No field test que você vai estudar a fundo na Trilha 2, o orquestrador (Fugu) contra um modelo forte sozinho (Opus 4.8), nas mesmas tarefas:
- 4.5× mais lento no total
- 5× mais caro (US$ 53,60 vs US$ 10,66)
- 36 de 38 tarefas: empate técnico
⚠️ A armadilha mental
Sem ver o custo escondido, "juntar mais modelos" parece sempre melhor. Não é. O time só vale a pena quando entrega algo que o solo não alcança — e, como você vai ver, isso é mais raro do que o hype sugere.
Recuperação rápida (opcional): orquestrar é responder a duas perguntas. Quais?
✅ Resumo do módulo
Próximo módulo:
1.2 — O espectro: da mão ao modelo-maestro