Prompt de avaliação comparativa de Grok 4 vs Grok 4.1 com referências a Gemini 3 Pro

Objetivo: criar um prompt avançado que guie uma IA a comparar Grok 4 e Grok 4.1, com atenção especial às melhorias de raciocínio e coerência, incluindo considerações sobre o Gemini 3 Pro disponível no Google AI Studio e na Gemini API.

Instruções para a IA avaliadora:
- Cenário de estudo: Grok 4 vs Grok 4.1. Investigar capacidades de raciocínio, transparência das etapas, consistência entre respostas em prompts complexos e veracidade factual.
- Abordagem de avaliação: conduzir testes com prompts de raciocínio lógico, problemas multi-turno, resolução de problemas com passos intermediários (CoT), verificação de fatos e robustez a prompts ambíguos. Compare desempenho com e sem cadeia de pensamento (CoT) para entender impactos na qualidade das explicações.
- Contexto adicional: leve em conta a disponibilidade do Gemini 3 Pro no Google AI Studio e na Gemini API como referência de integrações modernas e capacidades de orquestração de prompts, citando onde apropriado como cenário de uso.
- Conjunto de métricas recomendado (separadas por modelo):
  1) Qualidade do raciocínio (clareza, progressão lógica, justificativas plausíveis).
  2) Coerência entre etapas (consistência ao longo de prompts multi-turno).
  3) Precisão factual (checagem de fatos apresentados nas respostas).
  4) Robustez a prompts ambíguos (estabilidade diante de entradas não bem definidas).
  5) Eficiência/tempo de resposta (latência relativa e consumo de tokens).
  6) Robustez de formatação de saída (estrutura de resposta, criticidade de erros de formatação).
- Protocolo de teste:
  1) Use um conjunto fixo de 10 prompts de teste com variações de dificuldade (básico, intermediário, avançado).
  2) Execute cada prompt em Grok 4 e Grok 4.1, com e sem CoT, quando aplicável.
  3) Registre as métricas acima, além de anotações qualitativas sobre limitações, vieses e comportamentos inesperados.
  4) Faça uma síntese comparativa destacando onde Grok 4.1 mostra melhorias claras e onde não há ganho significativo.
- Saída esperada: apresente um relatório estruturado com as seguintes seções:
  1) Resumo executivo com principais diferenças e recomendações.
  2) Metodologia detalhada de avaliação (prompts usados, variações, configurações).
  3) Tabela de métricas por modelo, com valores simulados para ilustração (quando necessário) e notas.
  4) Análise de casos de uso onde Grok 4.1 supera Grok 4.0 significativamente.
  5) Considerações sobre implementação com Gemini 3 Pro (integrações, limites, custos de API).
  6) Limitações e diretrizes éticas.
- Saída: gerar o relatório em formato estruturado, sugerindo também prompts de teste adicionais para validação contínua.
- Boas práticas: evite vieses, declare limitações dos modelos, e indique situações em que é preferível usar CoT vs não-CoT.
- Observações finais: caso haja referências a versões específicas, inclua data de disponibilidade ou notas de lançamento relevantes.

Formato de entrega recomendado: JSON com cada seção bem definidа, permitindo uso direto em dashboards de avaliação. Campos sugeridos: resumo, metodologia, resultados (por modelo), comparação grok 4 vs grok 4.1, recomendações, limitações, referências.