TL;DR: O Poly Duo (C1M) é um atalho de iPhone gratuito e de código aberto. O ChatGPT responde, o Claude verifica e corrige a resposta, e você recebe um único resultado que começa pelos pontos em que os dois concordam, onde divergem e o que vale conferir. Roda no celular, nas contas que você já tem. Sem servidor próprio, sem chaves de API, sem computador.
O ciclo
Você conhece a dança. Pergunta ao ChatGPT algo que importa. Copia a resposta, abre o Claude, cola e digita "Isto está certo? O que falta?". Depois fica alternando entre duas telas tentando descobrir quais partes os dois consideram verdadeiras e qual parte só um deles sustenta.
Eu fazia essa dança à mão todo dia, porque uma segunda opinião de outra empresa realmente pega o que uma IA sozinha pode deixar passar. Só que é lento, e é a primeira coisa que você pula quando está com pressa, justamente quando mais precisa dela.
Então ensinei meu iPhone a fazer isso. Chama-se Duo, é de código aberto (https://github.com/vadimchernets/poly-duo) e funciona com um toque. Para você não ter de mexer com arquivos assinados, há uma página que instala o atalho no seu iPhone com um toque, no seu idioma: https://polyhelper.ai/pt/duo/?ref=devto-pt
O que você recebe
O ChatGPT responde. O Claude lê essa resposta, verifica e corrige o que estiver errado. Cerca de um minuto depois, o resultado aparece na tela e na área de transferência, e também em um diário em markdown no iCloud Drive quando ele está disponível. Ele começa com três blocos curtos:
- Os dois concordam: no que você pode se apoiar
- Onde divergem: onde você vai à fonte
- O que conferir você mesmo: uma lista de dois minutos
A resposta completa e verificada vem logo abaixo.
O bloco do meio é o ponto central. Um mapa de onde dois modelos de duas empresas discordam é algo com que você consegue agir, o que um parágrafo mais polido nunca dá.
Uma estreia no celular
Nos computadores, já faz tempo que as pessoas encadeiam IAs: extensões de navegador, hubs de IA pagos, montagens com API. No celular, de graça, sem nada entre as duas IAs, não existia algo assim até agora.
A partir do iOS 18, os apps do ChatGPT e do Claude publicam suas próprias ações do app Atalhos, Ask ChatGPT e Ask Claude. O Duo as encadeia dentro de um único atalho. Esse truque explica todo o resto:
- Roda no celular. O Duo não gera tráfego próprio. O único tráfego de rede é o dos dois apps oficiais falando com as próprias empresas (mais a sincronização do iCloud).
- Roda nas suas contas. Contas gratuitas bastam. Se você já paga Plus ou Pro, os modelos que o plano de cada uma das duas empresas oferece passam a trabalhar juntos sem custo extra.
- Sem servidor próprio, sem chave de API, sem computador. Coloque no Botão de Ação, no Toque nas Costas, na Siri ou na Tela de Bloqueio e você tem um botão de "segunda opinião".
Onde esse minuto compensa
O Duo é para perguntas em que errar sai caro:
- uma cláusula de contrato antes de assinar,
- um fornecedor a quem você vai pagar,
- código prestes a ir ao ar,
- uma questão de dinheiro ou saúde sobre a qual você vai agir,
- um e-mail que você não pode desenviar,
- uma oferta de emprego: salário maior, trajeto mais longo.
As pessoas já conferem à mão respostas importantes em duas IAs. O Duo é esse hábito sem as abas.
Quatro modos, quatro situações
O Critique é o padrão e o único modo de que você precisa no primeiro dia. Outros onze estão a um toque, e cada um mostra seu custo em mensagens (o selo ✉) antes de você escolher.
Critique: "Isto está certo?" O ChatGPT redige, o Claude verifica e devolve a resposta melhorada, aberta pelos três blocos. Cole um trecho de um contrato com fornecedor e pergunte a que a cláusula de rescisão realmente obriga você: sai uma resposta mais uma lista curta do que confirmar com um advogado. Três mensagens dos seus próprios planos.
Dispute map: "Mostre a divergência." Onde os dois concordam, onde não, e quais afirmações dá para verificar. Sem impor veredito. Bom para ver exatamente o que está em disputa antes de ler qualquer fonte.
Debate until agreement: "Não consigo decidir." O ChatGPT toma um lado, o Claude contesta, até três rodadas, até um ceder. Depois: onde concordaram, o que ainda é disputado e o que cabe a você decidir. Para as perguntas sem resposta certa, apenas bem argumentadas.
Synthesis: "Dê-me o melhor dos dois." Os dois respondem às cegas. Uma resposta serve de âncora e a outra acrescenta só o que falta. Você ganha completude sem ler duas respostas longas.
Não sabe qual escolher? O Auto lê sua pergunta e recomenda um.
Trio: uma terceira empresa com uma chave gratuita
Duas vozes podem compartilhar um ponto cego. O Trio adiciona um terceiro modelo, de uma terceira empresa. Depois da verificação do Claude, ele lê a pergunta e as duas respostas e aponta só o que ambos deixaram passar, em um bloco próprio abaixo da resposta do Claude.
Serve uma chave gratuita de qualquer um destes serviços: primeiro a NVIDIA (Kimi K3, GLM-5.3, DeepSeek V4.1 Flash), depois o Google AI Studio (Gemini), o Groq ou o OpenRouter. As chaves ficam no seu iCloud Drive, nunca dentro do atalho, então compartilhar o atalho nunca compartilha uma chave.
Por dentro
- Um único atalho; seus doze modos são roteados por um dicionário, então um modo novo é uma entrada nova, não uma cópia.
- Os prompts são arquivos de texto simples em
locales/. O atalho é construído a partir deles; o repositório tem 11 locales, incluindo japonês, chinês, árabe e híndi. -
tools/verify.pydesempacota o.shortcutassinado e confere se ele corresponde às fontes, de modo que o que você instala é o que você pode ler. - Apache-2.0.
A pesquisa por trás
O Duo se apoia em dois trabalhos aceitos em workshops da NeurIPS 2026 e em uma reanálise dos dados do nosso estudo complementar. Os trabalhos no OpenReview: https://openreview.net/forum?id=Mg9RtDWcK4 (Verification Theater), https://openreview.net/forum?id=OyuZAAtv2q (Self-Confidence in LLM Evaluation). (1) A autoconfiança é um sinal fraco (workshop TAE, doi:10.5281/zenodo.23197651): em nove modelos de API de uma coleção cega de 16 modelos (final de julho de 2026; claude-haiku-4-5, gpt-5-mini, gemini-3.6-flash, grok-4-fast, deepseek-chat, qwen-plus, kimi-k3, glm-4.5, mistral-small-latest), a confiança declarada prevê a correção do próprio modelo com AUROC de 0,53–0,79; no painel principal definido de antemão (CN: DeepSeek, Alibaba, Moonshot), a concordância com modelos consultados às cegas chega a 0,83 contra 0,55 da autoconfiança (Δ +0,29; 0,775 contra 0,545 com uma recodificação sem rótulos de correção). (2) A verificação deve começar às cegas (workshop "Who Verifies the Agents?", doi:10.5281/zenodo.23197641): em um braço exploratório de conformidade com seis verificadores de API de julho de 2026 (Anthropic, OpenAI, Google, DeepSeek, Alibaba, Moonshot), os verificadores que haviam discordado às cegas endossaram a resposta ao vê-la como a de um colega em 38,5% dos casos (168/436); os modos Synthesis e Side by side do Duo obtêm as duas respostas às cegas. No mesmo trabalho, no quintil mais difícil pela dificuldade para toda a população, os painéis de API de julho de 2026 (um modelo por laboratório, chamados ali de "frontier", de nível econômico/intermediário em oito de nove) repetiram 342 respostas em 106 perguntas e, pela avaliação original, nenhuma estava correta. (3) Reanálise post hoc (26 out. 2026) dos dados publicados da onda de modelos principais do estudo complementar (doi:10.5281/zenodo.22166995; um modelo principal por laboratório, retrato de 5 ago. 2026): a dupla gpt-5.6-sol + claude-fable-5, 1.459 itens do SimpleQA, respostas às cegas, a resposta do GPT só é emitida quando há concordância por equivalência determinística — cobertura de 69,6%, respostas emitidas corretas em 98,1% (985/1.004) [97,2; 98,9] contra 95,3% do GPT sozinho; taxa de falhas confiantes (confiança ≥ 80, sobre as respostas confiantes) de 4,6% → 1,9% no GPT e 10,3% → 2,8% no Claude; os dois modelos principais cometeram o mesmo erro confiante em apenas 1,0% dos itens (15/1.459). Nas 106 perguntas do WVA (difíceis para os modelos de julho), a dupla principal concordou em 37 e acertou 34. A dupla intermediária dos mesmos laboratórios (gpt-5-mini + claude-haiku-4-5, julho de 2026): cobertura de 8,6%, respostas emitidas corretas em 36,6%, 0/13 nas 106. Uma dupla mais forte vence em todos os eixos práticos: cobertura ×8, precisão da resposta emitida 37% → 98%, proporção de falhas confiantes compartilhadas entre as emitidas 8% → 1,5%. Com ChatGPT Plus/Pro e Claude Pro/Max, o Duo usa os modelos mais fortes desses planos sem custo extra; os números acima valem para a dupla de 5 ago. 2026.
Limites: o SimpleQA é público, e o gpt-5.6-sol repete a string de referência literalmente em 61,6% das respostas; nas 106 perguntas ele sozinho acerta 95,2% e repete a referência em 64,2% — difíceis para os modelos de julho, não para ele. O portão remove uma fração menor das falhas confiantes do GPT do que o da dupla intermediária (70,8% contra 92,3%). Principais contra intermediários são dois pontos medidos (meses diferentes; esforço de raciocínio do GPT medium contra minimal). Os números da dupla valem para os modos com resposta cega primeiro, não para o Critique, em que o Claude vê a resposta do ChatGPT. O zero do WVA se mantém com a dificuldade da população inteira; com a dificuldade sem os modelos do próprio painel (leave-panel-out), persiste no painel entre blocos (0/116), não no agregado (78/354). Se as respostas defensáveis encontradas na adjudicação manual de referências do WVA forem creditadas, esse zero passa a ser no máximo 13/342 (lift 0,98×). O controle reverso do braço de conformidade foi feito com seis modelos locais. No painel US do TAE, a autoconfiança agregada lidera (0,84 contra 0,70), um efeito entre modelos (0,67 com normalização por ranking). O Claude roda o modelo padrão do app; o ChatGPT roda com model: auto, que nos planos pagos escolhe o modelo do plano. Os modelos principais de hoje ainda não foram medidos. Dados e trabalhos: github.com/vadimchernets/papers · polyhelper.ai/research
A escada de modelos (reanálise post hoc de 26 out. 2026 dos dados publicados do estudo complementar, doi:10.5281/zenodo.22166995; não é resultado dos trabalhos dos workshops da NeurIPS). Os mesmos 1.459 itens do SimpleQA, ambos os modelos às cegas, a resposta do GPT só é emitida quando há concordância por equivalência determinística. Dupla intermediária gpt-5-mini (raciocínio minimal) + claude-haiku-4-5 (julho de 2026): cobertura de 8,6% (125), precisão da resposta emitida 36,6% (45/123) contra 11,7% do GPT sozinho, falhas confiantes 85,4% → 61,1% das respostas confiantes, 0/14 no quintil mais difícil, 0/13 nos 106 itens do WVA. Dupla principal gpt-5.6-sol (raciocínio medium) + claude-fable-5 (5 ago. 2026): cobertura de 69,6%, precisão da resposta emitida 98,1% (985/1.004) [97,2; 98,9] contra 95,3% sozinho, falhas confiantes 4,6% → 1,9%, o mesmo erro confiante dos dois em apenas 1,0% dos itens (15/1.459) — 1,5% das respostas emitidas contra 8,0% da dupla intermediária; respostas emitidas corretas a cada 100 perguntas 67,5 contra 3,1; bootstrap pareado, principal menos intermediária: precisão da resposta emitida +52,8…+70,0 p.p., cobertura +58,5…+63,7 p.p. Num conjunto novo de 100 perguntas de dois passos escritas depois da coleta, a dupla principal concordou em 32 e acertou 29 (GPT ali com esforço de raciocínio none). O estudo complementar motiva a escada: os níveis padrão dos três maiores produtos de IA de consumo ficam abaixo do nível principal, e cerca de 3% dos usuários de IA de consumo pagam por premium (Menlo Ventures, 2025); e num piloto pareado (gemini-3.1-pro, 233 itens) o orçamento de raciocínio padrão do fornecedor contra um baixo deu precisão de 76,4% contra 75,1% (McNemar p = 0,648), confiança declarada +3,1 pontos (Wilcoxon p < 0,0001), ECE pior (0,100 contra 0,082) a 2,1 vezes o custo — mais orçamento comprou confiança, sem ganho detectável de acerto. Nestes dados, a confiabilidade da verificação cruzada é propriedade do nível da dupla, não do ato de verificar. Mapeamento de planos em 26 out. 2026 (claude.com/pricing; help.openai.com/en/articles/20001354 e /9793128; notas de versão do ChatGPT; não medido): ChatGPT Free/Go — Luna (GPT-6 Luna em liberação desde 8 de out.); Plus — GPT-6 Sol; Pro US$ 100/200 — GPT-6 Sol com os modos mais profundos e GPT-6 Pro (Astra); Claude Free — Sonnet 5.5; Pro — Opus 5.5, Fable via créditos de uso; Max — Fable 5.1. As duas linhas da dupla medida (Sol, Fable) são acessíveis com ChatGPT Plus/Pro + Claude Max; dois planos de US$ 20 dão acesso ao GPT-6 Sol e ao Opus 5.5, não medidos como dupla; no Duo, o ChatGPT roda com auto e o Claude com o modelo selecionado no app. Próxima medição: o mesmo protocolo cego num conjunto novo ao longo da escada de planos de cada fornecedor, registrando no dispositivo o modelo que respondeu.
Limites: dois pontos medidos, não uma curva (meses diferentes, esforço de raciocínio do GPT minimal contra medium, exposição diferente ao SimpleQA; o gpt-5.6-sol repete a string de referência literalmente em 61,6% das respostas); o claude-haiku-4-5 recusou 476 dos 1.459 itens, o que explica a baixa cobertura da dupla intermediária; o portão do GPT remove 70,8% de suas falhas confiantes nos principais contra 92,3% nos intermediários; o rótulo "principal" sozinho não garante nada (11,4–95,4% entre onze modelos principais de agosto de 2026); o resultado sobre orçamento de raciocínio é um piloto com um só modelo, orçamento baixo contra o padrão do fornecedor, orçamentos acima do padrão não testados (com o raciocínio desligado, o gpt-5.6-sol caiu de 92,0% para 46,3% numa subamostra, confundido com a temperatura); duplas de planos gratuitos e de US$ 20 e os modelos principais de hoje não foram medidos.
Experimente
- No seu iPhone, abra https://polyhelper.ai/pt/duo/?ref=devto-pt e toque no Duo do seu idioma. O app Atalhos abre; toque em Adicionar.
- Na primeira execução, toque em Sempre Permitir a cada vez que ele perguntar sobre o ChatGPT, o Claude e a área de transferência (4 a 6 vezes).
- Pergunte algo em que uma segunda opinião valha um minuto.
Você precisa de iOS 18 ou posterior (um iPhone 14 roda de boa) e dos apps do ChatGPT e do Claude, com login feito. O Duo para Android é gratuito no Google Play: https://play.google.com/store/apps/details?id=ai.polyhelper.a1
Código-fonte (Apache-2.0): https://github.com/vadimchernets/poly-duo
Instale, faça a ele a pergunta mais difícil que você enfrenta nesta semana (um contrato, uma oferta, um diff) e me diga nos comentários qual modo devo adicionar a seguir. Tem um prompt que dá para refinar? Abra uma issue.
Uma dica prática: enquanto ele roda, deixe a tela em paz. Um toque interrompe o atalho.
Vadym Chernets, pesquisador independente de IA (PhD). Dois dos meus pôsteres sobre avaliação e verificação de IA estão em workshops da NeurIPS 2026: https://neurips.cc/virtual/2026/178299 · https://neurips.cc/virtual/2026/loc/sydney/173020
Poly para iPhone — beta no TestFlight: https://testflight.apple.com/join/xDnucCVD
Top comments (0)