Primeiro, a resposta curta: em 13 de agosto de 2026, a Mixedbread lançou um modelo chamado Toast 1. Não é um modelo geral com o qual você conversa — é um agente de busca especializado cuja única função é vasculhar os seus documentos e voltar com evidências. O que merece a atenção de um empresário não é o nome do produto, mas o que ele revelou: uma grande parte do que você paga hoje por IA vai para o ato de buscar, e não para o de pensar, e separar as duas coisas reduz o custo de forma substancial e, ao mesmo tempo, melhora a qualidade das respostas.

O que foi realmente anunciado

De acordo com o anúncio oficial da empresa, o Toast 1 é um agente de busca treinado para uma única tarefa: recebe uma pergunta, divide-a em subconsultas, reúne evidências das suas fontes, examina-as e então entrega um pacote selecionado com o material relevante. Ele não escreve a sua resposta final — prepara a matéria-prima sobre a qual o modelo grande depois raciocina.

A empresa afirma que ele iguala ou supera os modelos de fronteira especificamente em qualidade de busca, com custo até dez vezes menor e velocidade doze vezes maior. São números do fornecedor e devem ser lidos como tal, mas a afirmação mais importante é de arquitetura: ele não exige que você mude a sua configuração e roda sobre o índice de recuperação que você já tem, sem migrar os seus dados para outro lugar.

O preço de lançamento anunciado é de US$ 0,30 por milhão de tokens de entrada, US$ 0,036 por milhão de tokens de entrada em cache e US$ 0,72 por milhão de tokens de saída. Na prática, a empresa estima uma única consulta em cerca de US$ 0,016 a US$ 0,023, com latência mediana de oito segundos, subindo na sua configuração de mais alta qualidade para cerca de US$ 0,05 a US$ 0,07, com mediana de onze segundos.

Por que isso importa para um empresário: a economia da busca

Quando você constrói um assistente sobre os documentos da sua empresa, presume que a maior parte do custo está em redigir a resposta. É o contrário. O modelo lê dezenas de documentos para encontrar três linhas úteis, e você paga por tudo o que ele leu, não pelo que ele usou. É por isso que a conta cresce à medida que o seu arquivo cresce, que as respostas ficam mais lentas e que a resposta certa se perde cada vez mais no ruído.

O que um agente de busca especializado faz é transferir esse trabalho pesado para um modelo mais barato e mais rápido, treinado justamente para isso, e depois passar um resultado condensado para o modelo grande. O modelo grande continua presente, mas gasta a sua capacidade naquilo que nada mais faz bem: compreender, inferir e enquadrar a decisão.

A regra prática: não pague preço de modelo de fronteira por um trabalho que se parece com o de um arquivista. Compre o raciocínio do modelo caro e a busca do modelo barato.

Os números de dois benchmarks independentes

Alegações de marketing são discutíveis; benchmarks publicados são mais claros. No OfficeQA Pro v2, lançado pela Databricks para medir a exatidão das respostas em noventa perguntas sobre situações financeiras empresariais complexas e realistas, o GPT-5.6 Sol com o Toast 1 disponível como subagente atingiu 70% de exatidão a cerca de US$ 1,15 por tarefa. Em comparação, o melhor desempenho anterior chegou a 60% a cerca de US$ 4 por tarefa, enquanto o mesmo modelo sem um agente de busca conseguiu apenas 33%. Adicionar a camada de busca praticamente dobrou a precisão e reduziu o custo ao mesmo tempo.

No benchmark de conhecimento para escritórios de advocacia da Harvey, em um subconjunto de trinta e três tarefas, a qualidade das respostas se manteve constante enquanto o consumo de tokens caiu de 80,6 milhões para 47 milhões apenas com a melhoria da busca, e depois para 23 milhões quando o agente de busca especializado foi adicionado — terminando na metade do número de turnos, com uma redução de custo de mais de 60%.

Repare na lição em comum: a capacidade de raciocínio do modelo não mudou. O que mudou foi a qualidade do material que chegava até ele. É exatamente o que vemos em projetos com clientes — os assistentes corporativos que fracassam raramente têm falta de inteligência; têm falta de alimentação.

Onde isso aparece na sua empresa saudita

  • Contratos e acordos. Uma pergunta como "quais dos nossos contratos permitem rescisão com aviso prévio de trinta dias?" é uma pergunta de busca, não de raciocínio, e hoje consome horas de um funcionário do jurídico.
  • Editais de licitação e RFPs. Extrair requisitos de habilitação, multas e prazos de entrega de centenas de páginas antes mesmo de decidir se vale a pena participar.
  • Notas fiscais e medições de obra. Rastrear uma única linha de custo ao longo de anos de documentos para descobrir onde o lucro está vazando.
  • O arquivo de RH. Políticas de férias, benefícios e datas de vencimento de vistos de residência espalhados por arquivos e sistemas desconectados.
  • Atendimento ao cliente. Um assistente que responde com base em manuais de produto e atas de reunião em vez de inventar uma resposta.

Em todos esses casos, o verdadeiro ativo que você possui não é o modelo — é o arquivo. Um modelo pode ser trocado em uma semana; um arquivo bem organizado se constrói uma única vez.

Três perguntas a fazer antes de comprar

Primeira: quanto me custa uma única pergunta, e não quanto custa a assinatura mensal? Se o seu fornecedor não tem uma resposta numérica, você não sabe no que a sua conta se transforma em escala.

Segunda: a camada de busca é separada do modelo? A separação significa que você pode trocar o modelo grande amanhã sem reconstruir tudo, e é a proteção mais forte contra as oscilações de preço dos fornecedores.

Terceira: onde ficam os meus documentos, e eles saem de lá? Essa é uma questão de governança antes de ser técnica, e afeta diretamente as suas obrigações sob a Lei de Proteção de Dados Pessoais (PDPL) se o seu arquivo contém dados de clientes ou funcionários.

Como abordamos isso na Origami

Não vendemos um modelo específico e não aconselhamos nenhum cliente a amarrar a sua operação a um único fornecedor porque ele foi notícia esta semana. O que construímos é a arquitetura que mantém o modelo como uma peça substituível: uma fonte de conhecimento organizada que pertence a você, uma camada de busca independente, permissões claras que definem quem vê o quê e um custo medido por consulta, e não por fatura mensal.

Se a sua empresa está sentada sobre um grande arquivo do qual nunca tirou proveito, comece pela pergunta repetitiva e cara mais restrita que você tiver, e meça o tempo e o custo antes e depois. Um passo pequeno e medido vale mais do que um amplo programa de IA sem nenhum indicador associado.

Fontes