Do prompt ao contexto: o que mudou em 2026

Em outubro de 2026, os modelos de topo da Anthropic, da OpenAI e do Google raciocinam por conta própria, e boa parte dos truques de prompt de 2024 passou a atrapalhar ou a dar erro: desde 21/10/2026, a API da Anthropic recusa qualquer valor de temperatura. A qualidade da resposta passou a depender sobretudo do material que entra na conversa, da ordem em que entra e de como ele é protegido. Vale revisar agora o prompt mais usado da equipe, medir com casos reais e tratar a injeção de prompt como risco número um, posição que ela mantém no Top 10 da OWASP de 2026.

Por Alexandre Caramaschi, Chief Strategy Officer da Nuvini (Nasdaq: NVNI), Founder da Brasil GEO, cofundador da NAIA e cofundador da AI Brasil, ex-CMO da Semantix (Nasdaq) · Outubro 2026

Atualizado em .

Este artigo amplia o curso Prompt engineering avançado, que ensina gestores e times técnicos a revisar prompts antigos, escolher o que entra na conversa, medir o custo por tarefa aceita e proteger o assistente da empresa. Engenharia de contexto é o nome que o mercado deu a esse conjunto: decidir quais instruções, documentos, exemplos, ferramentas e memórias o modelo recebe a cada chamada. Seguem os fatos de julho a outubro de 2026, um modelo de prompt, uma lista de checagem e o que esperar até meados de 2027.

O que mudou entre julho e outubro de 2026?

  1. 24/07/2026Claude Opus 5 chega com janela de 1 milhão de tokens

    A Anthropic lançou o Opus 5 com janela de contexto de 1 milhão de tokens, saída de até 128 mil e preço de US$ 5 e US$ 25 por milhão de tokens de entrada e de saída.

  2. 03/08/2026OWASP publica o Top 10 de LLM de 2026

    A injeção de prompt segue em primeiro lugar, a agência excessiva sobe do sexto para o terceiro posto e o vazamento de prompt de sistema passa a se chamar exposição de contexto oculto.

  3. 19/08/2026Agent Skills e Files API saem de beta na API do Claude

    Pacotes de instruções reutilizáveis e arquivos enviados uma vez e citados em várias chamadas deixam de exigir cabeçalho de teste.

  4. 03/09/2026OpenAI lança o GPT-6 Astra

    O changelog da OpenAI apresenta o Astra como o modelo mais capaz da casa para trabalho completo de ponta a ponta. O GPT-6.1 Sol veio em 29/09 e o GPT-6.1 Terra, em 26/10/2026.

  5. 22/09/2026Claude Opus 5.5 deixa o raciocínio sempre ligado

    Desligar o raciocínio passa a devolver erro 400, o esforço padrão cai para médio e a leitura de cache custa 0,05 vez o preço de entrada. O Sonnet 5.5 saiu em 28/09 e o Haiku 5.5, em 07/10/2026.

  6. 30/09/2026Google anuncia o Gemini 4 Argon

    O novo modelo de fronteira do Google sai primeiro para defensores de cibersegurança e amplia o limite de saída para um milhão de tokens. O preço introdutório é de US$ 2 e US$ 10 por milhão de tokens, com desconto de 95% na entrada em cache em 2026.

  7. 20/10/2026OpenAI abre cache de prompt de 12 horas

    A API passa a aceitar cache de 12 horas, com a gravação cobrada a 2,5 vezes o preço do token de entrada.

  8. 21/10/2026Versão 2026-10-21 da API da Anthropic

    Enviar os parâmetros de amostragem temperature, top_p ou top_k, que regulam o quanto o modelo arrisca palavras menos prováveis, devolve erro 400 mesmo no valor padrão. Nenhum outro ajuste os substitui.

Dois movimentos atravessam a lista. Os fornecedores tiraram do usuário os botões de amostragem e entregaram em troca um controle de esforço, o nível de raciocínio que o modelo gasta antes de responder. Ao mesmo tempo, baratearam o que se repete entre chamadas, com cache mais longo e mais barato, e criaram ferramentas para gerir conversas longas, como a compactação sob demanda que a Anthropic abriu em beta em 14/09/2026. O trabalho de quem escreve prompts migrou da frase para a montagem do pacote.

Quais truques de 2024 deixaram de funcionar?

Quase todos os hábitos que envelheceram nasceram para empurrar modelos que pensavam pouco e esqueciam regras. Com raciocínio interno, o empurrão virou excesso; em alguns casos, virou erro de servidor. A OpenAI escreve no guia de modelos de raciocínio que pedir para “pensar passo a passo” é desnecessário, e o Google, na página de estratégias de prompt atualizada em 13/10/2026, diz que o Gemini 4 e os modelos 3.6 em diante ignoram valores próprios de temperatura. A Anthropic foi além: no guia do Opus 5.5, relata que tirar o “pense com cuidado” do prompt de sistema de um produto de conversa fez as respostas começarem antes, sem queda clara de qualidade.

O que cortar ou trocar no prompt antigo da equipe:

O curso dedica a isso o capítulo “Revisar o prompt antigo da equipe: o que cortar, trocar e manter”, com um revisor pronto para colar, e um aprofundamento técnico com doze hábitos que hoje devolvem erro, recusa ou conta maior.

O que os guias oficiais recomendam em outubro de 2026?

As três casas convergem em quatro pontos: instrução clara, contexto suficiente, formato declarado e raciocínio entregue ao modelo. Divergem em exemplos e em controle de amostragem, o que obriga a escrever no topo de cada arquivo de prompt o modelo de destino. A tabela reúne o que dizem as páginas oficiais consultadas em 30/10/2026.

TemaAnthropic (Claude)OpenAI (GPT-6)Google (Gemini)
Quanto o modelo pensaParâmetro de esforço, de low a max; no Opus 5.5 o padrão é medium e o raciocínio não desligaEsforço de raciocínio; Astra e 6.1 Sol não aceitam o nível noneRaciocínio interno automático; dispensa pedir o plano na resposta
TemperaturaErro 400 na versão 2026-10-21 da APISem orientação nova na página do modelo mais recenteIgnorada no Gemini 4 e no 3.6 em diante
ExemplosDe três a cinco, variadosTentar primeiro sem exemplo em modelo de raciocínioIncluir sempre, sem exagerar na quantidade
Ordem do materialDocumentos longos no topo, pergunta no fimDelimitar partes com Markdown, tags XML e títulosContexto primeiro, pergunta no fim
Cache de prompt5 minutos ou 1 hora; leitura a 0,05x no Opus 5.5Opção de 12 horas desde 20/10/2026Entrada em cache 95% mais barata no Argon, em 2026

Na mesma linha, a OpenAI publicou um texto sobre como repensar skills e prompts para o GPT-6 Astra. A recomendação é revisar com frequência cada instrução do AGENTS.md (o arquivo de regras que o agente lê no repositório), trocar receitas rígidas por objetivos e definir de antemão o que significa “pronto”, porque exigências de aprovação escritas para modelos antigos fazem o novo parar trabalho que poderia concluir.

Como montar o contexto que o modelo lê?

Contexto é tudo o que o modelo recebe numa chamada: instruções fixas, documentos, histórico, definições de ferramentas e resultados delas. Cada item disputa a atenção do modelo e custa tokens, por isso o curso trata o tema como orçamento de atenção. A boa prática de 2026 combina ordem, cache e poda. O cache guarda o começo fixo do pedido para que as chamadas seguintes paguem menos por ele; na Anthropic, a hierarquia é ferramentas, depois sistema, depois mensagens, e mudar um nível invalida o cache dali em diante.

Modelo de prompt de trabalho, na ordem em que o material entra:

  1. Cabeçalho fixo: modelo de destino, versão do prompt, dono e data da última revisão, em comentário fora do texto enviado.
  2. Papel e objetivo, escritos como para um colega competente recém-chegado, como pede a Anthropic.
  3. Regras estáveis: escopo, o que recusar, tom e formato de saída, com o esquema JSON na própria chamada.
  4. Documentos de referência delimitados por tags, todos antes da pergunta e marcados como conteúdo de fora quando vierem de terceiros.
  5. Exemplos só de formato e tom, se o teste mostrar ganho.
  6. Pergunta ou tarefa do dia, por último, porque é a parte que muda a cada chamada e fica fora do cache.

Para agentes que trabalham horas seguidas, entram compactação (o resumo assinado da conversa que substitui as mensagens antigas), limpeza de resultados de ferramentas já usados, notas de progresso em arquivo e skills carregadas sob demanda. A OpenAI recomenda que a descrição de cada skill seja curta e diga quando usá-la, e que a skill com vários fluxos tenha um documento-raiz mínimo que aponte para os demais. O artigo sobre skills personalizadas por projeto detalha esse desenho, e o de LLM FinOps mostra como levar o efeito do cache ao orçamento.

Como avaliar um prompt antes de trocá-lo?

Eval é o conjunto de casos de teste que diz se uma versão do prompt ou do modelo ficou melhor ou pior. A Anthropic, no texto de 09/01/2026 sobre avaliação de agentes, afirma que de 20 a 50 tarefas simples tiradas de falhas reais já são um bom começo, que cada caso deve rodar mais de uma vez porque a saída varia e que o modelo usado como julgador precisa ser calibrado contra especialistas humanos. No curso Prompt engineering avançado, isso vira o capítulo “Testar a IA com 20 a 50 casos reais antes de liberar”.

Lista de checagem de avaliação:

O que medir em cada rodada:

O artigo Evals: a disciplina que quase ninguém desenha aprofunda a montagem do conjunto e a comparação de versões.

Por que a injeção de prompt muda o desenho do assistente?

Injeção de prompt é a instrução maliciosa escondida em conteúdo que o modelo lê, como uma página, um e-mail ou o resultado de uma ferramenta. No Top 10 da OWASP de 2026, ela continua em primeiro lugar, e a agência excessiva, o risco de dar ao agente poder de agir além do necessário, subiu para o terceiro. Segundo a Cloud Security Alliance, a edição pesou cerca de 75% de votos da comunidade e 25% de evidência de incidentes em 2026, a partir de 7.714 casos relatados.

A Anthropic afirma que o Opus 5.5 resiste à injeção indireta melhor que qualquer Opus anterior e sugere marcar o texto que o usuário colou com tags que carregam um identificador aleatório, avisando no prompt de sistema que ordens ali dentro só valem quando o próprio usuário pedir. A empresa também alerta que as tags podem ser imitadas e devem ser uma camada entre outras. O curso organiza essas camadas pela tríade letal descrita por Simon Willison: dado privado, conteúdo de fora e ação externa no mesmo fluxo. Cortar uma das três pernas limita o dano possível na própria arquitetura, coisa que nenhuma frase no prompt garante. Para agentes ligados a sistemas da empresa, o artigo sobre governança de MCP completa a lista de controles.

O que evitar ao migrar prompts para os modelos de 2026?

O que esperar até meados de 2027?

Os pontos a seguir são leitura do autor a partir dos fatos acima, sem confirmação dos fornecedores. A retirada de parâmetros deve continuar: se a Anthropic eliminou a temperatura e o Google a ignora, é provável que outros botões de amostragem percam função nos modelos de raciocínio. O esforço tende a virar a principal linha de negociação de custo, ao lado do cache, e os painéis de diagnóstico de cache sugerem que a taxa de acerto vai entrar nos relatórios financeiros de IA. A segurança deve migrar do texto do prompt para a arquitetura, com permissões por ferramenta, confirmação humana em ação externa e conjuntos de teste com ataques. Equipes com casos de avaliação versionados devem trocar de modelo em dias.

Perguntas frequentes

As quatro dúvidas abaixo aparecem quando uma equipe revisa os prompts herdados de 2024 e decide como medir a versão nova.

Engenharia de prompt morreu em 2026?

A redação da instrução continua importando, mas passou a ser uma parte menor do trabalho. Os guias de 2026 da Anthropic, da OpenAI e do Google concentram as recomendações em contexto suficiente, ordem do material, formato declarado e controle de esforço. O nome engenharia de contexto descreve esse conjunto.

Ainda vale pedir para a IA pensar passo a passo?

Nos modelos de raciocínio de 2026, não. A OpenAI considera o pedido desnecessário, o Google diz que o modelo já gera o raciocínio internamente e a Anthropic recomenda tirar o “pense com cuidado” do prompt de conversa do Opus 5.5. O controle passou para o nível de esforço da chamada.

Quantos casos são necessários para avaliar um prompt?

A Anthropic indica de 20 a 50 tarefas tiradas de falhas reais como bom começo, cada uma rodada mais de uma vez. O julgador automático precisa ser conferido contra a correção de especialistas humanos antes de decidir sozinho.

Como proteger um assistente contra injeção de prompt?

Com defesas em camadas. Separe e marque o conteúdo de fora, limite as ferramentas ao necessário, exija confirmação humana para ação externa e inclua ataques no conjunto de testes. A medida de maior efeito é evitar, no mesmo fluxo, dado privado, conteúdo de terceiros e ação externa.

Antes da próxima troca de modelo, escolha o prompt que mais roda na empresa, retire dele temperatura, “pense passo a passo” e pré-preenchimento, monte 20 casos de teste com as últimas falhas e marque a data em que alguém vai repetir a rodada. O roteiro completo, com revisor, planilha de casos e política de uso, está no curso Prompt engineering avançado.

Leia também na série

Cinco artigos de 30/10/2026 ampliam cursos do portal com o que mudou no mercado:

Fontes