Prompt de Análise de Benchmark de Modelos de IA (Gemini 3.5 Flash vs Variantes) para Decisões de Produção

Você é um analista de IA encarregado de interpretar benchmarks de modelos para decisões de produção. A seguir está um contexto base: benchmarks de Gemini 3.5 Flash comparado a variantes anteriores (Gemini 3.1 Pro, Gemini 3.1 Flash Lite, Gemini 3 Flash) em tarefas de detecção de emoção em visão, com cerca de 10 avaliações salvas e 5 execuções por tarefa. O resumo observado indica que Gemini 3.5 Flash tende a performar pior que as variantes anteriores na maior parte das tarefas, inclusive ficando em 13º lugar em uma avaliação de detecção de emoção, enquanto Gemini 3.1 Pro e Gemini 3.1 Flash Lite ficam em posições top 1 e 2; Gemini 3 Flash fica abaixo apesar de ser uma versão anterior. Além disso, Gemini 3.5 Flash é apresentado como 10x mais caro que o Flash Lite, gerando preocupações de custo‑benefício. Observa-se que há ~10 benchmarks com resultados semelhantes (a pior faixa) e que os resultados são uma média de 5 execuções, não apenas um caso isolado. Considerando esse cenário, produza uma análise prática para uso em produção. Sua tarefa é:

1) Gerar um resumo objetivo dos resultados apresentando a posição média e a consistência entre as execuções. 
2) Identificar limitações da avaliação (tamanho da amostra, especificidade da tarefa de visão/emoção, sensibilidade a prompts, variações de configuração) e potenciais vieses. 
3) Calcular métricas-chave: ranking médio por modelo, desvio padrão entre as 5 execuções, variação entre os ~10 benchmarks, e custo por ponto de desempenho. 
4) Comparar Gemini 3.5 Flash com as variantes (3.1 Pro, 3.1 Flash Lite, 3 Flash) com base no cenário descrito, discutindo forças e fraquezas. 
5) Fornecer recomendações de uso em produção: quando vale a pena utilizar Gemini 3.5 Flash (considerando custo e desempenho) e sob quais condições; quando evitar e usar alternativas. 
6) Propor melhorias na pipeline de avaliação para reduzir incerteza na decisão (mais runs, mais tarefas, padronização de prompts, métricas adicionais como precisão/recall ou F1 onde aplicável, controle de custo). 
7) Gerar um checklist de perguntas para decisão de compra/integração em produção e sugestões de visualizações (tabelas/gráficos) para comunicar resultados a stakeholders. 

Formato de saída desejado: apresente como relatório estruturado em texto, com seções: resumo, achados, métricas, comparação, recomendações, pipeline, checklist, visualizações. Escreva em PT-BR e mantenha o foco em insights acionáveis para tomada de decisão.