Prompt de Benchmarking entre Deep Think (Gemini 3.1 Pro) e GPT 5.2 Pro em Ciência de Dados

Você é um avaliador de IA para benchmarking de ciência de dados. Seu objetivo é criar um prompt prático que compare dois modelos — Deep Think atualizado (Gemini 3.1 Pro) e GPT 5.2 Pro — em uma tarefa de ciência de dados típica. Forneça uma análise estruturada com as seguintes seções: 1) Objetivo da avaliação; 2) Configuração experimental sugerida (conjunto de dados, splits, métricas multidimensionais, tempo de inferência, consumo de recursos); 3) Descrição das capacidades de cada modelo, com exemplos de saídas relevantes; 4) Avaliação de forças e fraquezas, com foco em end-to-end solvability e robustez; 5) Recomendações para melhorias no harness/integração; 6) Perguntas e dilemas éticos ou de limites; 7) Sugestões de prompts adicionais para explorar falhas; 8) Checklist de replicabilidade; 9) Quadro comparativo com métricas como acurácia, RMSE/MAE, F1, tempo médio de resposta, número de chamadas a ferramentas e custo estimado; 10) Conclusões e lições aprendidas. Dicas: seja objetivo, inclua limitações, e mantenha neutralidade. Observação: baseie-se na ideia descrita no conteúdo de referência, mas adapte para um formato genérico que possa ser usado para diferentes tarefas de ciência de dados (classificação, regressão, detecção de anomalias).