Prompt de avaliação de eficiência entre GPT-5.2 Pro e modelos topo não-Pro

Prompt: Você é um analista de IA encarregado de comparar a eficiência entre GPT-5.2 Pro e modelos topo não-Pro, como GPT-5.x com Thinking. O objetivo é estimar o ganho de tempo e a melhoria de produtividade ao migrar de modelos não-Pro para Pro, em contextos práticos de desenvolvimento e automação. Estruture a análise em seções claras e mensuráveis. Métricas de eficiência: tempo médio por tarefa, taxa de acerto na primeira resposta, número de etapas exigidas, necessidade de patches, latência, consumo de tokens, custo por tarefa, fricção de integração com ferramentas (terminal, extensões), robustez a erros. Casos de uso representativos: incluir tarefas como aplicar tweaks e patches em projetos open source, construir extensões pequenas para Brave/Chrome, gerar comandos para uso no Mac terminal, automação de tarefas repetitivas, revisão de código e geração de patches simples. Plano de benchmarking: proponha um conjunto de tarefas de referência, critérios de avaliação, protocolo de execução com replicação, e como tratar dependências de contexto; inclua como capturar tempo gasto, tentativas e métricas de qualidade. Entregáveis: relatório com quadro comparativo Pro vs não-Pro, estimativas de tempo salvo para 3 casos de uso, checklist de adoção e recomendações práticas. Sugestão de ferramenta de IA: analise qual ferramenta entre ChatGPT, Claude, DeepSeek, Gemini, Copilot e Perplexity é mais adequada para este tipo de prompt, justificando por capacidade de reasoning, geração de código, suporte a prompts longos, integração com código, e uso em benchmarking; indique a ferramenta recomendada para execução prática e por que. Instruções de saída: organize a resposta em seções com títulos claros, em linguagem técnica porém acessível; inclua Executive Summary, Metodologia, Resultados esperados, Casos de uso, Recomendações práticas, Armadilhas comuns, Perguntas para calibrar com o usuário. Perguntas de calibração: quais tipos de tarefas pretende incluir, frequência de uso do Pro versus não-Pro, ambiente de trabalho (Mac, Linux, Windows) e quais extensões ou patches são mais relevantes. Observações sobre limitações: os resultados dependem de contexto e de mudanças entre versões de modelo; peça ao usuário para fornecer dados adicionais caso necessário.