Skip to contents

Listar modelos LLM disponíveis para análise de conteúdo

Source: R/ac_qual_models.R
ac_qual_list_models.Rd

ac_qual_list_models() retorna um tibble com os modelos LLM disponíveis para uso com ac_qual_code(), incluindo informações de custo, janela de contexto e compatibilidade com análise de conteúdo qualitativa em Ciências Sociais.

Dois modos de operação:

  • live = FALSE (padrão): usa banco interno curado, funciona offline.

  • live = TRUE: consulta a API do provedor via ellmer::models_*() para obter a lista mais atualizada. Requer chave de API configurada.

Usage

ac_qual_list_models(
  provider = "all",
  filter = NULL,
  sort_by = c("cost", "name", "context"),
  live = FALSE,
  ...
)

Arguments

provider

Provedor(es) a listar. Pode ser "all" (padrão) ou um ou mais de: "anthropic", "openai", "google", "groq", "deepseek", "mistral", "ollama".

filter

String para filtrar modelos por nome ou ID (ex: "claude", "gpt-4"). Padrão: NULL (sem filtro).

sort_by

Como ordenar os resultados: "cost" (padrão, menor custo primeiro), "name", "context" (maior janela de contexto primeiro).

live

Lógico. Se TRUE, consulta a API do provedor ao vivo via ellmer::models_*(). Requer chave de API. Padrão: FALSE.

...

Ignorado.

Value

Tibble com colunas:

  • provider: nome do provedor;

  • model_id: identificador do modelo para uso em ac_qual_code();

  • name: nome legível;

  • context_k: janela de contexto em milhares de tokens;

  • cost_input: custo por 1M tokens de entrada (USD), NA se gratuito/local;

  • cost_output: custo por 1M tokens de saída (USD);

  • tier: categoria ("frontier", "balanced", "fast", "free", "local");

  • pt_support: suporte estimado ao português ("alto", "medio", "baixo");

  • acr_string: string pronta para uso em model = ... no acR.

See also

ac_qual_recommend_model(), ac_qual_code()

Examples

# Listar todos os modelos do banco interno
ac_qual_list_models()
#> # A tibble: 25 × 9
#>    provider model_id     name  context_k cost_input cost_output tier  pt_support
#>    <chr>    <chr>        <chr>     <dbl>      <dbl>       <dbl> <chr> <chr>     
#>  1 groq     groq/llama-… Llam…       128      0.05         0.08 fast  baixo     
#>  2 google   google/gemi… Gemi…      1000      0.075        0.3  fast  medio     
#>  3 openai   openai/gpt-… GPT-…       128      0.1          0.4  fast  medio     
#>  4 google   google/gemi… Gemi…      1000      0.1          0.4  fast  alto      
#>  5 mistral  mistral/mis… Mist…        32      0.1          0.3  fast  medio     
#>  6 groq     groq/gemma2… Gemm…         8      0.2          0.2  fast  medio     
#>  7 deepseek deepseek/de… Deep…        64      0.27         1.1  bala… medio     
#>  8 openai   openai/gpt-… GPT-…       128      0.4          1.6  fast  alto      
#>  9 deepseek deepseek/de… Deep…        64      0.55         2.19 bala… medio     
#> 10 groq     groq/llama-… Llam…       128      0.59         0.79 bala… medio     
#> # ℹ 15 more rows
#> # ℹ 1 more variable: acr_string <chr>

# Só modelos Anthropic
ac_qual_list_models(provider = "anthropic")
#> # A tibble: 5 × 9
#>   provider  model_id     name  context_k cost_input cost_output tier  pt_support
#>   <chr>     <chr>        <chr>     <dbl>      <dbl>       <dbl> <chr> <chr>     
#> 1 anthropic anthropic/c… Clau…       200        0.8           4 fast  alto      
#> 2 anthropic anthropic/c… Clau…       200        0.8           4 fast  alto      
#> 3 anthropic anthropic/c… Clau…       200        3            15 bala… alto      
#> 4 anthropic anthropic/c… Clau…       200        3            15 bala… alto      
#> 5 anthropic anthropic/c… Clau…       200       15            75 fron… alto      
#> # ℹ 1 more variable: acr_string <chr>

# Modelos baratos com suporte a PT
ac_qual_list_models(sort_by = "cost") |>
  dplyr::filter(pt_support == "alto", cost_input < 1)
#> # A tibble: 4 × 9
#>   provider  model_id     name  context_k cost_input cost_output tier  pt_support
#>   <chr>     <chr>        <chr>     <dbl>      <dbl>       <dbl> <chr> <chr>     
#> 1 google    google/gemi… Gemi…      1000        0.1         0.4 fast  alto      
#> 2 openai    openai/gpt-… GPT-…       128        0.4         1.6 fast  alto      
#> 3 anthropic anthropic/c… Clau…       200        0.8         4   fast  alto      
#> 4 anthropic anthropic/c… Clau…       200        0.8         4   fast  alto      
#> # ℹ 1 more variable: acr_string <chr>