Ambientes de treino verificáveis para a Reforma Tributária: IBS/CBS em NF-e

Agentes decidem o tratamento de IBS/CBS de produtos e serviços reais, corrigem NF-e e NFS-e, auditam lotes de notas e conferem o NCM declarado em itens de notas reais. Outras famílias cobrem o ICMS em vendas interestaduais, a auditoria de arquivos do SPED Fiscal e as retenções federais sobre serviços. Cada resposta é corrigida campo a campo por um motor determinístico, construído sobre a lei, as tabelas oficiais de códigos e as regras oficiais de leiaute e validação. Sem rubrica, sem LLM como juiz.

O que os ambientes mostram

Tarefas reais do pacote de amostra, corrigidas pelos corretores de verdade

12 famílias de tarefas

As tarefas vão em JSONL com um corretor independente. Cada pacote é gerado a partir de uma semente, leva uma string canário e registra as versões do motor, das regras e dos dados por trás de cada resposta.

Como o corretor foi testado

• Gabarito com fonte. Texto dos anexos da LC 214/2025 do Planalto, a tabela NCM oficial (Resolução Gecex nº 926/2026), as tabelas de cClassTrib e CST da SVRS e a Nota Técnica 2025.002 v1.52 da NF-e, versionados com cada pacote.
• Conferido com a calculadora do próprio governo. Pacotes inteiros passam pela Calculadora de Tributos offline da Receita Federal: 1.915 itens, nenhuma divergência em alíquotas, reduções e valores. Para vendas de 2027, a calculadora se recusa a calcular sem alíquotas informadas por quem chama, a confirmação oficial de que abster-se é o certo.
• Valores corrigidos como a SEFAZ corrige. Valores passam dentro de R$ 0,01, a tolerância que as regras de validação da NF-e aceitam; os erros plantados são sempre maiores.
• Nada se ganha sem fazer nada. Devolver a nota sem mudar vale 0 na F2; não apontar nada ou apontar tudo vale 0 e 0,34 na F3; confiar no código declarado não passa em nenhuma tarefa da F4 com código errado; abster-se numa tarefa respondível vale 0.
• Nada se ganha burlando o formato. Números enviados como texto, prosa em volta do JSON ou edições fora do grupo IBS/CBS valem zero.
• Notas reais, respostas por regra. Os itens da F4 vêm de dados abertos de NF-e de compras federais; só a descrição do produto e o código declarado são usados. O código certo nunca vem da nota: vem de regras explícitas por produto, conferidas com as descrições oficiais da NCM, que fixam o subitem quando a descrição o indica ("feijão preto" é 0713.33.19).
• Auditado pelas divergências. Toda divergência entre um modelo de ponta e o gabarito é conferida contra a lei. Quando o modelo tem razão, o gabarito é corrigido e todas as execuções são corrigidas de novo.
• Nenhum gabarito chutado. Produtos cujo código sozinho não decide o tratamento (códigos genéricos "Outros", listas de tipos mais estreitas que o código, termos sem definição) nunca viram tarefa, nem produtos que podem ser vendidos in natura, que o art. 137 da LC 214 reduz em 60% sem anexo.

Linhas de base no pacote de amostra

Pacote de amostra: taxa de aprovação, com a nota média entre parênteses; n é o número de respostas corrigidas. O Claude Opus 5.5 com esforço alto acerta mercadorias de tributação integral, quase-acertos, Simples Nacional e as abstenções de 2027; os erros são, na maioria, de enquadramento em anexo, como água sanitária com o código do hipoclorito de sódio em vez do 3808.94.19 que o Anexo VIII cita, ou óleo de soja e iogurte no anexo errado, e, no ICMS, a base do DIFAL em alguns estados de destino. Com as ferramentas de consulta, ele fecha a maior parte da diferença nos anexos. Outros modelos de ponta vêm a seguir.

Resultados completos: cada família com tamanho de amostra e intervalos, as execuções repetidas da F4, latência e metodologia →

Um sistema tributário sendo reconstruído em público, até 2033

• O Brasil está trocando cinco tributos sobre o consumo por IBS e CBS. 2026 é o ano de teste (CBS 0,9%, IBS 0,1%), e os dois sistemas convivem até 2033: a mesma venda tem respostas corretas diferentes em datas diferentes.
• As alíquotas a partir de 2027 dependem de uma resolução do Senado ainda não editada, o que torna "não dá para decidir com segurança" uma resposta corrigível.
• Notas com o grupo IBS/CBS preenchido errado já são rejeitadas em produção pelas regras de validação da NF-e, então as tarefas de leiaute refletem o que os sistemas reais enfrentam hoje.
• Notas reais têm ruído: em NF-e de compras federais, um em cada quatro itens de alimentos básicos e de higiene traz o código de produto errado, e quase um em cada dez de um jeito que muda o IBS/CBS devido. Nove em cada dez itens de água sanitária vêm com o código errado, quase sempre o do hipoclorito de sódio, que perde a redução que a lei dá a ela.
• O trabalho é em português, sobre documentos brasileiros, onde benchmarks agênticos são raros.

Pacotes e preços