Um modelo é uma amostra.
Uma única resposta de LLM é uma amostra de uma única distribuição. O Kirat permite que o Claude faça a mesma pergunta ao ChatGPT e ao Gemini. Cada família de modelos assume uma posição de forma independente, o Claude apresenta a sua, e o resultado registra cada voto com a confiança autodeclarada. A divergência é mantida, não diluída na média. O debate para após no máximo duas rodadas, e esse limite é imposto no código, não em um prompt.
A concordância é relatada. A discordância se perde.
Um revisor pergunta se o achado se sustenta com outra família de modelos. Responder significa reexecutar tudo à mão.
A concordância entre modelos é descrita como robustez — sem nenhum registro do que discordou, nem de quão fortemente.
Prompt, nome do modelo, configurações e custo ficam num histórico de chat que ninguém exporta. Na sexta-feira, já se perderam.
Cada execução retorna um resultado que você pode descrever numa seção de métodos.
Uma votação do conselho retorna um resultado estruturado: o desfecho, a decisão, como se chegou a ela, o número de rodadas, o voto de cada membro com a confiança autodeclarada, e o custo. Uma maioria de dois terços decide. Se membros saem e os restantes se dividem, um responsável designado pelo domínio desempata. Sem maioria, o resultado diz needs_human em vez de forçar um acordo.
FIG. 1 — Uma execução real, unânime. Os números em votes são valores de confiança que os próprios modelos declaram — veja as limitações abaixo. Outros valores de desfecho: needs_human, domain_decision, limited, budget_exhausted.
O que registrar
Algumas partes do procedimento são fixadas no código: o limite de rodadas, a regra de desempate, o controle de orçamento. Outras ficam a seu critério, e pertencem à sua seção de métodos: quais modelos compõem o conselho, o nível de esforço, a data. Nomes de modelos são configurações, então os padrões abaixo são apenas padrões.
FIG. 2 — Uma checklist mínima de relato. A versão do Kirat e as configurações do próprio Kirat também devem constar nela.
O que isto não faz
- —Não é determinístico. As saídas de LLMs variam entre execuções. O que se repete aqui é o procedimento — mesma ferramenta, mesmos modelos, mesmo limite de rodadas, mesmos campos de resultado —, não o texto que os modelos produzem.
- —Concordância não é validade. A concordância entre famílias é um sinal descritivo dentro dos modelos que você por acaso escolheu. Famílias de modelos diferentes erram de formas diferentes, mas ainda assim podem concordar numa resposta errada.
- —Os valores de confiança são autodeclarados. Os modelos informam um número. Ele não é calibrado, não é uma probabilidade e não deve ser analisado como tal.
- —Não é um instrumento validado. Não há artigo por trás disto, nem estudo de validação, nem revisão por pares. É um procedimento documentado e um formato de resultado. O que você conclui a partir dele é responsabilidade sua.
- —O conselho nem sempre tem os mesmos três membros. Após erros de API repetidos, o disjuntor (circuit breaker) pausa um membro pelo resto da sessão. Uma chamada que excede o tempo limite no esforço máximo é repetida uma vez, um nível de esforço abaixo. Com apenas uma chave de API, o conselho tem um membro externo, e cada resultado indica a chave que está faltando.
kirat_statusmostra quais membros estão disponíveis — confira antes de uma série de execuções. - —Não é um repositório de dados. O Kirat guarda apenas os últimos 20 resultados, na pasta
.kiratda sua pasta pessoal. Salve você mesmo cada resultado que quiser analisar. - —Não funciona em todo lugar onde você usa o Claude. Só onde o Claude executa ferramentas em uma máquina com o Kirat instalado: chats do Claude Desktop no macOS e no Windows, Claude Code no terminal ou no VS Code, sessões locais na aba Code do Claude Desktop, sessões SSH — e sessões na nuvem do Claude Code (sessões na nuvem da aba Code, Claude Code na web ou no app para celular) após uma configuração única do seu ambiente de nuvem. A nuvem tem limitações: todos que usam o ambiente podem ler as variáveis de ambiente dele, incluindo suas chaves; o orçamento diário do Kirat é contado por sessão, então defina limites de gasto na OpenAI e no Google; tarefas em segundo plano e resultados recentes terminam com a sessão; e o ambiente precisa permitir dois hosts,
api.openai.come o host de download do Kirat. Se a configuração falhar, a sessão ainda inicia, só que sem o Kirat, e o estado de falha pode ficar em cache para novas sessões até você editar o script de configuração. Não no chat do navegador nem nos apps para celular, e não em tarefas do Cowork executadas na nuvem. Sessões WSL e tarefas locais do Cowork não foram testadas. Redes no seu próprio computador que exigem um proxy HTTP não são suportadas — vale verificar isso numa rede institucional. Organizações que restringem as extensões do Desktop a uma lista de permissões bloqueiam instalações manuais; fale com o seu administrador. Onde funciona, em detalhes.
Antes de comprar.
Posso citá-lo?
Você pode descrever e citar o procedimento como citaria qualquer ferramenta: nome, versão, nomes dos modelos, nível de esforço, data, limite de rodadas. A Fig. 2 acima é um ponto de partida. É isso que o resultado sustenta.
Não há artigo de validação para citar, e nenhuma revista aceitou nada com base nesta ferramenta. Não afirme mais do que o resultado contém.
É reproduzível?
O procedimento é. As saídas não são — essa é uma propriedade dos modelos, não do Kirat. Relate ambos.
Relate também os nomes dos modelos e as datas. Os provedores aposentam modelos. Quando um é aposentado, você insere o nome do novo modelo e os dois preços dele nas configurações do Kirat, e a partir daí suas execuções usam um modelo diferente.
Posso adicionar outra família de modelos, ou um modelo local?
Não. O conselho é formado pelo ChatGPT (OpenAI) e pelo Gemini (Google), com o Claude como terceiro votante. Você escolhe quais modelos da OpenAI e do Gemini participam, porque nomes de modelos são configurações. O Kirat suporta apenas a OpenAI e o Google; não há adaptador para outros provedores, e o código não é open source.
Se você precisa de outros provedores, veja o PAL MCP: um servidor MCP gratuito e open source que suporta muitos provedores e tem a própria ferramenta de consenso. Verifique o estado atual dele. Se ele cobre o que você precisa, use-o.
Se você quiser construir o seu próprio servidor de conselho com um agente de programação, o Blueprint na página principal consiste apenas em documentos: a especificação, as decisões de arquitetura com o respectivo raciocínio, a checklist de aceitação e os dados de benchmark por trás dos números deste site. Você não precisa dele para usar o Kirat.
E quanto a dados sensíveis ou pessoais?
Tudo o que você fornece ao Kirat (perguntas, contexto, código, imagens) vai diretamente para a OpenAI e o Google, nas suas contas e sob os termos deles — a partir do seu computador ou, nas sessões na nuvem do Claude Code, a partir do seu próprio ambiente de nuvem, pelo proxy de rede da Anthropic para esse ambiente. O Kirat não tem servidor, nem conta conosco, nem telemetria. Nós nunca vemos suas chaves nem seus dados.
No seu computador, o Kirat mantém uma pasta .kirat na sua pasta pessoal: o contador de custo diário, o registro de custos, os últimos 20 resultados (eles contêm suas perguntas e respostas), o registro de decisões delegadas e as imagens geradas. Você pode apagá-la a qualquer momento.
Se os seus dados não podem ir para a OpenAI ou o Google, o Kirat não é para você.
Quanto custa uma execução e quanto tempo leva?
Uma decisão do conselho custa de $0.02 a $0.15 nas nossas execuções medidas, dependendo do nível de esforço e do tamanho da entrada, e leva de 8 segundos a 3 minutos. Você paga diretamente à OpenAI e ao Google. Três modelos não custam como um.
Execuções longas retornam um ticket imediatamente e terminam em segundo plano; o Claude busca o resultado com kirat_result, para que um timeout do cliente não engula um resultado já cobrado. Os timeouts são definidos por provedor, derivados da vazão medida, porque os provedores diferem: a vazão mediana de saída foi de gpt-5.6 ≈ 48 tokens/s e gemini-3.6-flash ≈ 196 tokens/s (execuções em produção, ago. 2026, um único contêiner na UE).
Um controle de orçamento reserva o custo do pior cenário antes de cada chamada e bloqueia chamadas que possam ultrapassar o orçamento diário — $5 por dia UTC por padrão, ajustável. Ele funciona na base do melhor esforço, então defina também limites de gasto nos provedores. Um projeto separado no provedor, com o próprio limite, é uma boa ideia.
Licenciamento para uso em pesquisa?
O Kirat é vendido sob uma licença proprietária, não open source. Uma licença cobre uma pessoa, em qualquer número de dispositivos próprios e ambientes de nuvem próprios dessa pessoa. Ela não permite redistribuição, então cada membro do seu grupo que executa o Kirat precisa da própria licença, e um ambiente de nuvem compartilhado com outras pessoas precisa de uma licença para cada pessoa.
Você pode usar os resultados no seu próprio trabalho, inclusive em trabalho comercial.
Um produto para todos: uma compra, um download com a extensão do Claude Desktop e o plugin do Claude Code. Preços e detalhes estão na página principal.