Prompt para explorar Ring-2.6-1T: modelo de pensamento 1T para agentes do mundo real

Resumo do conteúdo: Ring-2.6-1T é um modelo de pensamento em escala de 1T, projetado para agentes do mundo real, com foco em agentes codificadores, uso de ferramentas e execução de tarefas de longo prazo. Possui 63B parâmetros ativos e modos de raciocínio adaptativos que vão de High a XHigh. O objetivo deste prompt é gerar um conjunto estruturado de diretrizes, casos de uso, templates de prompts, plano de avaliação e considerações de integração para explorar o potencial do Ring-2.6-1T em cenários práticos e benchmarks relevantes (PinchBench, ClawEval, TAU2-Bench, GAIA2-search), com sugestões de como operacionar dentro da plataforma OpenRouter.

Instruções para o gerador de prompts:
1) Liste casos de uso detalhados para (a) agentes codificadores, (b) uso de ferramentas e (c) tarefas de longo prazo. Inclua cenários de integração com OpenRouter, fluxos de trabalho multi-step e dependências de ferramentas.
2) Forneça templates de prompts model-agnósticos com variações para diferentes níveis de detalhe (alto nível, médio, baixo nível) e para diferentes tipos de tarefas (planejamento, execução, verificação de resultados).
3) Apresente um guia de avaliação com métricas claras, configurações de experimento, e planos de validação usando os benchmarks mencionados (PinchBench, ClawEval, TAU2-Bench, GAIA2-search). Inclua métricas de desempenho, robustez, confiabilidade, latência e consumo de recursos.
4) Inclua exemplos de prompts de instrução em diferentes níveis de granularidade e modularidade, com sugestões de adaptabilidade para cenários de mudança de tarefa.
5) Aborde considerações de confiabilidade, alinhamento, segurança, privacidade de dados e mitigação de riscos ao operar agentes em ambientes do mundo real.
6) Sugira integrações práticas com a plataforma OpenRouter, incluindo pontos de extensão, APIs, fluxos de dados e monitoramento.
7) Analise qual ferramenta de IA entre as seguintes seria mais adequada para executar este prompt: chatgpt, claude, deepseek, gemini, copilot, perplexity. Justifique a escolha com base em compatibilidade de prompts, capacidades de código, suporte a contextos longos e facilidade de integração.

Estrutura de saída desejada:
- Seção Casos de Uso
- Seção Templates de Prompt
- Seção Guia de Avaliação
- Seção Considerações de Segurança e Alinhamento
- Seção Integração com OpenRouter
- Seção Escolha de Ferramenta IA (justificativa e recomendação)

Formato de saída: organize cada seção com títulos claros e inclua exemplos onde for útil. Não exija código proprietario específico; foque em templates versáteis que possam ser adaptados a diferentes ambientes de IA.