Secretária de IA por $77 por mês: 88% das respostas vêm do DeepSeek, 77% do dinheiro vai para o Opus

Em seis meses, 118 usuários enviaram 8568 perguntas à Liza Petrovna. O bot vive no Telegram e no MAX, entende texto, voz e fotos, e responde por conta própria ou delega para um médico, um advogado, um navegador, um designer. A memória é unificada: o contexto não se perde entre agentes, entre dias nem entre mensageiros.

Nos últimos 30 dias, 2500 respostas custaram $77 no total. Desse valor, $51 vieram da própria secretária, e o resto, dos especialistas. O ponto principal: 7% das perguntas vão para o Claude Opus e consomem 77% do orçamento ($39). Uma única resposta do Opus custa o equivalente a 50 respostas do DeepSeek.

Roteamento em vez de inteligência

Por padrão, a Liza responde pelo DeepSeek. O Opus só entra em cena com um gatilho. O primeiro: uma regra de regex para palavras-chave de complexidade — "analise", "calcule", "planeje", "detalhe", "pense bem", "explique em detalhes". O segundo: uma mensagem com contexto maior que 2500 caracteres (sinal de que a pessoa está travada e quer uma boa resposta).

A busca na web, feita por uma instância própria do SearXNG, está disponível para todos os modelos, então não é motivo de escalonamento. Um regex em vez de um classificador baseado em modelo: fica totalmente visível, pode ser testado e explicado. Um classificador adicionaria latência e custo a cada resposta só para decidir sobre esses 7%.

Os modelos em números

Resumo de 30 dias (2500 respostas):

• DeepSeek (texto + visão): 88%, $0,002-0,007 por resposta, 2,5-12 seg • Claude Opus 5: 7%, $0,21-0,24 por resposta, 18-38 seg • Claude Haiku 4.5: 2,4%, $0,006 por resposta, 43 seg • GLM 5.2 (experimental): 2,2%, $0,026 por resposta, 5 seg

Orçamento total: $51 por mês. O Opus consome $39 disso. O esquema inteiro se resume a: barato por padrão, caro só raramente.

O que as pessoas realmente perguntam

Todas as 8568 perguntas foram classificadas em lotes pelo DeepSeek. 21% acabaram sendo mensagens de preenchimento, como "vamos lá" ou "você está aí?". Restaram 6796 tarefas reais por tema:

• Analisar uma foto, documento ou captura de tela — 19,6%
• Criar uma imagem, vídeo ou design — 12,5%
• Computador, TI, configuração — 9,2%
• Encontrar um fato, notícia ou referência — 9,1%
• Dinheiro, negócios, trabalho — 7,1%
• Equipamentos, carros, aviação — 6,9%
• Saúde — 6,2%
• Questões jurídicas e governamentais — 5,6%
• Conversar, conselhos de vida — 5,0%
• Escrever ou traduzir texto — 4,9%
• Calendário e lembretes — 4,7%
• Viagens, lugares, restaurantes — 4,7%
• Estudos, idiomas, esportes — 2,5%
• Família, casa, cotidiano — 2,1%

Uma secretária de IA que é qualquer coisa, menos uma secretária: calendário e lembretes somam apenas 4,7%. Uma em cada cinco tarefas envolve uma foto — sem visão computacional, o bot perderia seu principal caso de uso. Imagens e vídeos são pedidos 2,5 vezes mais que textos.

Erros e proteção

A Liza confunde fotos dentro de um contexto longo, se apegando à imagem anterior. Agora, cada nova mensagem é marcada com === NOVA MENSAGEM. Ela também erra datas, não entendendo "hoje" sem uma substituição explícita, e identifica mal o idioma, aparentemente dando mais peso aos metadados do que ao próprio texto.

Ela está protegida contra ataques: rejeita prompt injection em russo e em base64, não acredita em alegações de status de administrador, não grava regras artificiais inventadas e se recusa a inventar leis que não existem.

A memória roda sobre pgvector: uma busca híbrida por semântica e correspondência de palavras, com mediana de 17 ms. Os embeddings são calculados por um serviço local usando deepvk/USER2-small, então a resposta não espera por ele; se o serviço cair, a busca continua funcionando por palavras. Cada pessoa tem sua própria memória: 7933 episódios de 97 pessoas, todos vetorizados. Identificadores de terceiros são removidos do texto. Excluir um usuário exclui também o seu histórico.

A Liza é gratuita: t.me/LizaPetrovna_bot.