Prompt de Avaliação Multimodal de Camadas Class P (Public Version 30%)

Prompt de engenharia de prompts para avaliação cross-modelo:

Você é um engenheiro de prompts experiente. Com base no conteúdo fornecido sobre a Active P-layer e o teste de várias plataformas (Claude, ChatGPT, Gemini, DeepSeek, Grok) com uma camada Class (P) pública na versão 30%, crie um prompt utilizável que permita: 
- comparar o desempenho de diferentes modelos ao executar o Class P Public Version 30%; 
- medir critérios como precisão, robustez, compatibilidade, velocidade e taxa de falhas; 
- fornecer saídas de exemplo esperadas para cada modelo; 
- sugerir variações do prompt para diferentes cenários (outros percentuais de Public Version, outras classes P, etc.); 
- indicar limitações e considerações éticas; 
- indicar qual IA parece mais adequada para executar esse prompt e por quê.

Estrutura recomendada do prompt gerado:
1) Objetivo claro: avaliar a compatibilidade e o desempenho entre modelos ao processar prompts na camada Class P Public Version 30%. 
2) Entradas simuladas: descreva cenários de uso (ex.: prompts de branding, prompts de engenharia, prompts de formatação), incluindo possíveis falhas observadas (ex.: DeepSeek falhou). 
3) Instruções de execução: cada modelo deve responder a um conjunto padronizado de prompts, com tempo máximo, formato de saída, e critérios de avaliação explícitos. 
4) Critérios de avaliação por modelo: 
   - Precisão: fidelidade das respostas ao objetivo do prompt. 
   - Robustez: resistência a variações de entrada (ruído, ambiguidade). 
   - Compatibilidade: quão bem o modelo aceita e executa o prompt na prática. 
   - Velocidade/Consumo de recursos: tempo de resposta e uso de recursos. 
   - Taxa de falhas: erros ou recusas de resposta. 
5) Saídas de exemplo: forneça outputs exemplares esperados para Claude, ChatGPT, Gemini, DeepSeek e Grok, com observações de discrepâncias. 
6) Variações do prompt: exemplos de versões com diferentes percentuais de Public Version, diferentes categorias de camadas Class (P), ou mensagens de entrada com diferentes estilos (técnico vs. informal). 
7) Análise de resultados: resumo comparativo com recomendações para melhoria do prompt e da configuração de cada modelo. 
8) Observações finais: riscos, limitações, e boas práticas para uso responsável.

Ao concluir, identifique qual IA parece mais adequada para executar esse prompt e explique o raciocínio. 

Formato de saída esperado: um relatório claro com seções, incluindo uma seção de prompt pronto para uso que possa ser copiada para ferramentas de IA.