Quero saber qual modelo respondeu antes de elogiar ou reclamar dele. Parece uma exigência básica, mas o nome no seletor pode esconder uma execução que passou por outro caminho. Se eu não vejo a troca, a comparação entre modelos prova menos do que parece.
Em 7 de agosto de 2026, a Anthropic anunciou novas salvaguardas biológicas para Fable 5. Segundo a empresa, a mudança reduziu em cerca de 85% os fallbacks relacionados a biologia. Pedidos que ela considera de uso duplo, como virologia, toxicologia e design molecular, continuam indo para Opus 5. Perguntas de saúde do dia a dia, como exames e sintomas, devem cair bem menos no fallback. Num produto de IA em saúde, essa fronteira passa por conversas comuns: uma pergunta pode ser respondida por um modelo e a seguinte por outro. Como dev, preciso saber qual modelo produziu cada resposta.
Quando comparei Sol e Codex no Cursor para uma tarefa, os nomes já se misturavam: modelo de um lado, aplicativo e seus recursos do outro. Fallback invisível deixa essa comparação mais difícil.
Uma resposta fraca pode vir do modelo selecionado ou de uma alternativa acionada no caminho. Também pode refletir uma restrição do produto. Se eu registro tudo com o primeiro nome que apareceu na tela, a análise começa errada. Depois nasce uma regra de roteamento em cima daquela impressão, e o erro ganha um arquivo de configuração pra chamar de casa.
O usuário continua com razão de reclamar da experiência ruim, e saber de onde veio a resposta ajuda a resolver a reclamação. Quero distinguir um pedido mal formulado de uma limitação de acesso ou uma troca de modelo. Cada diagnóstico leva a uma alteração diferente; mandar reescrever o prompt por hábito é perder tempo.
A interface pode mostrar a troca junto do resultado e guardar os detalhes pra quando eu precisar. Numa tarefa com várias chamadas, preciso reconstruir a sequência sem caçar identificadores espalhados em outro painel. O custo acompanha essa mesma história: misturar preços de um modelo com respostas de outro estraga qualquer comparação, por mais bonita que fique a tabela.
Minha regra pra essa avaliação: registrar o modelo selecionado, o que de fato respondeu e as restrições ativas. Se a ferramenta não oferece essa informação, a conclusão fica sobre o produto inteiro. Não vou dar crédito nem culpa individual a um modelo que talvez nem tenha feito aquela parte do trabalho.