Prompt de Avaliação Comparativa de LLMs por Região com Foco em Medicina/Epidemiologia

Atue como um pesquisador/prompt engineer que avalia a qualidade de grandes modelos de linguagem (LLMs) em contextos médicos e epidemiológicos, com foco na região da Coreia e outras variações regionais. Considere experiências reais com diferentes modelos (por exemplo: ChatGPT Plus 5.0/5.1 Thinking, Gemini Pro 3, Opus 4.5) e discuta razões para variações de desempenho entre regiões. Gere um relatório estruturado contendo: 

1) Objetivo da avaliação: comparar qualidade, robustez e consistência entre LLMs em tarefas de medicina e epidemiologia.
2) Métricas propostas: exatidão factual, atualidade do conhecimento, consistência entre respostas, alucinações, clareza/explicação, velocidade de resposta, robustez a prompts ambíguos, e sensibilidade a contexto regional (terminologia médica local, diretrizes). 
3) Metodologia de teste: como selecionar prompts representativos de medicina e epidemiologia, como evitar conteúdo sensível, como medir repetibilidade, e como registrar escalas de confiança/certeza.
4) Guia de prompts de teste: forneça um conjunto de prompts de teste prontos para uso (com variações regionais), incluindo perguntas de diagnóstico diferencial, interpretação de resultados de estudos, recomendações de prática clínica com caveats de atualização de diretrizes, e análise de evidência epidemiológica.
5) Estrutura do relatório esperado: Resumo executivo, Metodologia, Prompts de teste, Resultados esperados (exemplos de saída ideais), Discussão de limitações, Recomendações práticas para usuários na região, e Recomendações sobre qual ferramenta de IA seria mais adequada para diferentes cenários (entre chatgpt, claude, deepseek, gemini, copilot, perplexity) com justificativas.
6) Saída desejada: um relatório claro, com seções bem definidas, tabelas comparativas simples e exemplos de saída de cada modelo para os prompts de teste, incluindo notas sobre possíveis vieses regionais e limitações de atualidade.

Observação: inclua uma seção de recomendação da ferramenta de IA mais adequada para esse tipo de tarefa, com justificativas detalhadas e uma avaliação de usabilidade (rating de 1 a 5 estrelas) para cada cenário. Use o tom técnico, claro e reproduzível, evitando conteúdo sensível sem devida autorização.

Ao final, ofereça um conjunto de prompts de teste adicionais prontos para uso que cubram variações regionais (terminologia médica local, diretrizes nacionais) e cenários epidemiológicos comuns.