A Spotify ampliou o uso de desenvolvimento assistido por IA e mais que dobrou as mudanças mensais mescladas, de cerca de 8.100 para 17.000 ano a ano em agosto. Com o aumento do volume de alterações nos sistemas de produção, a empresa ajustou controles de qualidade e confiabilidade para lidar com a nova escala.
A companhia opera quase 3.000 serviços de produção para 777 milhões de usuários ativos mensais e relata desafios em processamento de conteúdo, automação de frota e capacidade de computação. Entre as respostas estão melhorias em monitoramento e testes, salvaguardas de rollout e capacidade de rollback, além da adoção do Honk, um agente de codificação em background que executa o Claude via Agent SDK em pods no Kubernetes.
Pesquisadores apresentaram na conferência KDD o estudo “GEO: Generative Engine Optimization”, voltado a melhorar a visibilidade de conteúdos nas respostas de mecanismos generativos. Nos testes descritos, intervenções específicas aumentaram a presença em até 40%, variando conforme o tema pesquisado.
O movimento é comparado ao SEO, mas com uma diferença: ao perguntar a uma inteligência artificial, muitas vezes o usuário recebe uma resposta pronta em vez de uma lista de opções. O texto destaca ainda como a construção de um “rastro público” — entrevistas, artigos, participações e fontes — pode influenciar o que sistemas como os buscadores associados ao ChatGPT encontram e citam, exigindo que assessorias e relações públicas considerem como esses dados são lidos e organizados.
A Starlink já permite que celulares se conectem diretamente aos satélites por meio da tecnologia Direct to Cell, sem a antena usada no serviço residencial. A proposta evoluiu de mensagens de texto para acesso a dados e chamadas via aplicativos, com operação feita em parceria com operadoras de telefonia que disponibilizam parte das frequências.
No Brasil, Vivo e Starlink participam de um ambiente experimental autorizado pela Anatel, com permissão válida até abril de 2029, mas ainda sem oferta comercial ampla. Enquanto isso, a SpaceX recebeu autorização da FCC para implantar até 15 mil satélites de nova geração, com novas frequências para ampliar cobertura e capacidade, inclusive em ambientes internos, aproximando a tecnologia de serviços móveis mais avançados.
Satya Nadella, CEO da Microsoft, defendeu melhorias na segurança de modelos de inteligência artificial em um post no X. Ele afirmou que é preciso “recuar e avaliar a arquitetura de confiança” e criticou a ideia de tratar uma “Super Intelligence” como uma sequência de “black boxes” que apenas aceita ou rejeita respostas e ações.
Nadella propôs separar o modelo do “harness” que orquestra seu trabalho, externalizar controles e salvaguardas e registrar toda ação relevante do modelo com “evidência legível e à prova de adulteração”. Ele também defendeu que uma pessoa autorizada consiga pausar ou desligar o modelo no meio da tarefa, comparando o mecanismo a um “freio de emergência”, em meio a incidentes recentes e a planos mais cautelosos de desenvolvimento divulgados por líderes do setor.
Modelos de IA de ponta foram colocados por a Cloudflare dentro de um harness de testes controlado para avaliar e fortalecer o Web Application Firewall (WAF). A equipe usou ataques que o WAF já bloqueava como ponto de partida e fez os modelos gerarem variações, refinando encoding, posicionamento e entrega das requisições com base nas respostas anteriores.
Em 45 cenários, o sistema registrou 1.107 tentativas e deixou 49 achados após triagem humana. O experimento resultou em três mudanças no Managed Ruleset, incluindo duas novas detecções para SSRF (SSRF - Obfuscated Host e SSRF - Restricted Protocol) e uma melhoria na regra SSRF - Cloud, mostrando como o loop de feedback e a validação final ajudam a transformar exploração probabilística em evidência para ajustes de segurança.
A InfoQ vai realizar duas turmas de certificação online de cinco semanas em outubro de 2026: AI Security & Privacy Engineering, com início em 26 de outubro, e AI-Assisted Engineering, começando em 19 de outubro. O primeiro grupo foca em proteger dados sensíveis e testar controles de segurança em produtos de IA, usando threat modeling e red teaming. Já o segundo prepara verificações para coding agents que alteram um código existente, com criação de contexto, limitação de permissões e testes antes de levar as checagens para o CI.
As turmas incluem capstones em que os participantes avaliam uma arquitetura de produto de IA e explicam riscos, controles e como seriam testados, além de apresentarem um harness para validar mudanças feitas por agentes. A metodologia também prevê comparação de resultados registrados ao longo das cinco semanas com previsões iniciais, com grupos de pares para discutir decisões e a eficácia das checagens no fluxo de engenharia.
Um especialista da OpenAI defendeu que agentes de IA em produção não devem ser avaliados apenas por respostas do modelo, mas sim por como o sistema registra e controla ações persistentes. Ele descreveu um tipo de falha em que a interação parece bem-sucedida para o usuário, porém o “registro durável” por trás da memória do agente fica incompleto, deixando lacunas no contexto das próximas etapas.
O foco do debate foi o “agent harness”: um conjunto de controles que define quem é o dono do estado, qual pipeline/workflow é a fonte da verdade e como a ordem de mutações é garantida. A proposta é que o modelo apenas “proponha”, enquanto o harness decide o que pode ser comprometido e a “receipt” comprove o que foi aprovado e executado na borda visível ao usuário.
Zed está reconstruindo a revisão de código gerado por agentes com o Delta em beta público, usando threads compartilhadas em vez de pull requests. A Anthropic, por sua vez, começou a unificar as capacidades do Cowork dentro do Claude Chat, reduzindo decisões prévias sobre em que “modo” cada tarefa se encaixa. OpenRouter também ampliou o controle para empresas com roteamento em região dos EUA, processando e atendendo requisições dentro do país quando a garantia de processamento local é atendida.
Com a queda do custo de inferência — Vercel reportou redução de 23,2% no preço por token em agosto — empresas passam a investir mais no software que envolve o modelo: contexto, roteamento, integração de ferramentas e checagem de resultados. A tendência reforça que, para agentes funcionarem na prática, o “harness” precisa entregar fluxo, governança e integração, enquanto benchmarks e tutoriais mostram onde agentes ainda falham e quando é possível evitar chamadas desnecessárias ao modelo.
Uma série do .NET Blog mostra como transformar um modelo em um agente em C# usando o Microsoft Agent Framework harness. O exemplo começa com um IChatClient e o envolve com AsHarnessAgent, definindo instruções e ferramentas como get_stock_price, além de recursos como planejamento e chamadas automáticas de funções.
Ao longo de quatro sessões de setembro, o projeto evolui de um agente mínimo para um assistente de educação financeira com web search, acesso a arquivos, memória durável, aprovações para ações arriscadas, skills, execução de código e observabilidade. A proposta é evitar que desenvolvedores reconstruam do zero o “loop” de orquestração, usando o harness para inspecionar, avaliar, governar e preparar o agente para deployment em Microsoft Foundry.
A pesquisa de tendências tecnológicas da Deloitte para 2026 aponta que 89% dos pilotos de agentes de IA não chegam à produção. Um levantamento da Teradata reforça o contraste: 78% das empresas têm pelo menos um piloto em execução, mas apenas 14% conseguiram escalar para uso em toda a organização.
O gargalo não estaria na capacidade dos modelos, já que os mesmos modelos alimentam pilotos e sistemas em produção, mas sim no que envolve o modelo: acesso a dados, avaliação, definição de responsabilidades e controle de custos. O levantamento também cita falhas recorrentes como expansão de escopo, falta de um “harness” de avaliação automatizada, ausência de um responsável operacional, custos que só aparecem em escala e barreiras de segurança e auditoria.
Mesmo com CI e evals aprovando, um agente de IA pode entregar respostas incorretas ao cliente e ainda assim “parecer” saudável: ele pode retornar 200, passar checagens de fidelidade e gerar instruções, mas para a versão errada do produto. O problema é descrito como um “gap de observabilidade”, em que rastros e taxas de erro não bastam para detectar falhas de contexto e de recuperação em recursos de IA.
O texto destaca que, para investigar, é preciso começar pelo run afetado e correlacionar release, configuração de recuperação e estado de feature flags diretamente no trace. A análise também sugere checar sinais como buscas repetidas e filtros nulos (por exemplo, quando a versão solicitada não chega à etapa de lookup), além de comparar duração e tokens da geração com execuções semelhantes para localizar onde o harness ou a cadeia de ferramentas introduziu o erro.
Cassie Shum apresentou padrões para construir sistemas de IA agentica com foco em knowledge graphs, conectando recuperação de informações (retrieval) ao raciocínio (reasoning). A palestrante descreveu como voltou ao código e ao desenvolvimento, usando conhecimento de engenharia de software e experiências com knowledge graphs na empresa RelationalAI.
O conteúdo foi organizado em duas partes: por que knowledge graphs funcionam como base para sistemas agenticos e quais lições práticas foram aprendidas ao montar um harness de desenvolvimento sobre um knowledge graph. Shum também reforçou que não se trata de um tutorial único nem de uma previsão de “framework”, mas de aprendizados para sustentar as fundações dos agentes enquanto a tecnologia evolui rapidamente.
A Salesforce lançou o Salesforce Enterprise AI Harness, apresentado como uma consolidação formal de conceitos e infraestrutura de IA que a empresa vinha desenvolvendo para alinhar diferentes partes do ecossistema. A companhia afirma que tarefas de negócios simples não têm “resposta completa” em um único sistema, citando que CRM, ERP, FSM e suporte atuam em frentes diferentes.
O Enterprise AI Harness reúne “seis capacidades confiáveis” com um novo AI control plane, incluindo Data 360, Informatica, MuleSoft e Agent Fabric, Tableau, Agentforce, Salesforce Guardian e a própria plataforma Salesforce. A proposta é oferecer uma camada comum para desenvolvedores verem, gerenciarem e controlarem agentes, conectando contexto, governança e segurança para permitir execução previsível e reutilização dessas capacidades na empresa.
Harness lançou um Code Repository reconstruído e um produto de AI Code Review para lidar com o volume de pull requests gerados por coding agents. Martin Reynolds, Field CTO da empresa, relata que o gargalo de revisão apareceu quando equipes passaram a receber mais PRs, mas com travas no fluxo de testes, pressionando os times responsáveis por validar mudanças.
A empresa diz que construiu um software delivery knowledge graph para dar contexto ao revisor e reduzir o retrabalho, citando economia de mais de 10.000 horas mensais de revisão manual. A reconstrução do repositório foi pensada como “ground-up AI-first”, com foco em manter partes determinísticas do pipeline e permitir que revisores foquem no que realmente mudou.
Uma pesquisa apresenta um método para traduzir embeddings de texto entre espaços vetoriais diferentes sem dados pareados, sem encoders e sem conjuntos pré-definidos de correspondências. O trabalho propõe uma abordagem não supervisionada que mapeia embeddings para uma representação latente universal, descrita como uma estrutura semântica conjecturada pela Platonic Representation Hypothesis, preservando a geometria dos vetores. Os autores relatam alta similaridade cosseno entre modelos com arquiteturas, tamanhos de parâmetros e conjuntos de treino distintos.
A capacidade de converter embeddings desconhecidos para outro espaço mantendo sua estrutura é apontada como relevante para a segurança de bases vetoriais. O texto destaca que um adversário que tenha acesso apenas aos vetores pode extrair informações sensíveis dos documentos, o suficiente para classificação e inferência de atributos.
O Google open-souceou o Mantis, um framework de agentes de IA para automatizar o ciclo de vida de vulnerabilidades em software. A proposta é ir além da varredura tradicional, que costuma gerar falsos positivos e até “vulnerabilidades alucinadas”, elevando a taxa de achados verdadeiros. O Mantis identifica e valida vulnerabilidades, reproduz falhas em sandbox e apoia correções no código.
O framework analisa histórico do repositório, correções anteriores, arquitetura e modelos de ameaça, em vez de fazer varredura bruta de arquivos. Ele usa agentes critic e reviewer para filtrar e priorizar resultados, além de um estrategista para avaliar estrutura do código, threat models e grafos de dependências; também há agentes de pesquisa para examinar fontes com busca interna. O Mantis ainda reduz o uso de tokens ao resumir arquivos em uma árvore hierárquica com contexto de diretório e repositório, e está disponível no GitHub.
O GitHub Podcast reuniu Marlene Mhangami, GPS e o time do GitHub para destrinchar termos de IA que estão entrando no desenvolvimento de software, como loop engineering, Ralph loops, squads, harness engineering e hill climbing. A conversa também abordou conceitos como forward deployed engineer e as diferenças entre closed models, open weights e open source models.
Loop engineering, por exemplo, propõe criar sistemas repetíveis para agentes em vez de prompts pontuais, com validação e escalonamento quando algo “trava”. Já squads e fleets descrevem fluxos com múltiplos agentes em papéis diferentes ou em paralelo, enquanto harnesses são o conjunto de ferramentas, permissões, memória e orquestração que colocam o modelo para funcionar; hill climbing entra como a prática de melhorar agentes e harnesses com feedback e evals.
A Anthropic lançou o Claude Fable 5.1 com uma assinatura estatística embutida no texto gerado, baseada na tecnologia SynthID-Text. A empresa afirma que a marca d’água não deve aparecer com a mesma força em tudo o que o modelo produz, porque o sistema ajusta a aleatoriedade usada para escolher os próximos tokens. Em respostas longas, essas escolhas podem formar um padrão detectável, mas em código a marca pode não ser aplicada quando um token diferente pode comprometer a precisão.
A atualização também altera como o Claude lida com “thinking blocks” preservados via Messages API, limitando a transferência desses blocos para conversas modificadas. A restrição vale para novas contas criadas a partir de 31 de agosto em Claude Platform, Amazon Bedrock, Google Cloud Vertex AI e Microsoft Azure Foundry, para reduzir riscos ligados à exposição de raciocínio e à distilação. Para desenvolvedores que constroem agent harnesses, a orientação é manter os blocos e o contexto byte a byte, ajustando a gestão do estado de raciocínio quando houver mudanças no histórico.
A Adronite afirma que a escolha do “harness” — a forma como o contexto é montado e entregue ao modelo — pode mudar a economia de tarefas de IA para programação, mesmo mantendo modelo, prompt e ferramentas idênticos. Em benchmarks internos no Codistry, a empresa relata redução de tokens e queda de custo por tarefa ao fornecer apenas o contexto mais relevante ao longo do trabalho.
A plataforma usa o Adronite Context Engine (ACE), que mantém uma visão relacional do código, mapeando arquitetura e dependências conforme o progresso avança. Com isso, a Codistry teria usado cerca de metade dos tokens e entregue aproximadamente 48% menos custo por tarefa, incluindo um caso em que o custo por tarefa caiu de US$ 2,12 para US$ 1,10.
A OpenAI compartilhou novos detalhes do modelo Astra, que está a caminho e deve ser lançado em breve. A empresa afirma que o Astra é o primeiro grande modelo de linguagem a atingir seu “limiar crítico” de cibersegurança, mas diz que o acesso às capacidades mais avançadas será mais limitado.
O laboratório Frontier sustenta que o Astra consegue encontrar falhas de segurança desconhecidas e explorá-las sem orientação humana, e a OpenAI cita um desempenho perfeito no ExploitBench, incluindo a descoberta e exploração de duas vulnerabilidades zero-day em uma versão modificada do teste. Para reduzir abusos, a empresa diz que começou a aprimorar o “harness” para detectar jailbreaks, restringir respostas para contas de maior risco e usar monitoramento adicional para identificar e interromper comportamentos inadequados, além de planejar novas avaliações antes e depois do lançamento amplo.
Demos de agentes de IA podem impressionar quando a pergunta é clara, os documentos estão atualizados e as ferramentas respondem como esperado. Na prática, porém, surgem situações como registros incompletos, erros de ferramentas, mudanças de política na semana anterior e limites de capacidade — e é aí que o trabalho real começa.
O modelo é apenas uma parte do serviço; o “agent harness” é o restante, a camada que prepara entradas, verifica saídas e cria limites para reduzir falhas. Isso inclui contratos para ferramentas (com schemas, timeouts e estados de erro), separação entre ferramentas de leitura e escrita com validação e confirmação do usuário, além de permissões e rastreabilidade para que erros não se espalhem no ambiente de produção.
Em 2025, o autor tentou usar um LLM para acelerar a programação em Rust e obteve código que nem compilava. Em janeiro de 2026, a abordagem funcionou melhor: o modelo conseguiu implementar uma classe complexa e ainda apontou um bug ligado ao polling crate e à implementação Windows IOCP. Mesmo assim, a qualidade do código continuou baixa, com estrutura ruim e falta de comentários.
Em março de 2026, o uso de IDEs com agentes (como Antigravity e o plugin Claude Code no VS Code) permitiu iterar sobre o código “staged” e revisar com sugestões de boas práticas, elevando a qualidade para algo próximo do que ele faria manualmente. Para reduzir retrabalho, ele passou a usar um arquivo agent.md carregado pelo coding harness, com regras de estilo e critérios de revisão, e relata que também é possível pedir ao agente para atualizar esse arquivo quando surgem novas preferências.
A Nvidia publicou uma pesquisa defendendo que, em tarefas de longo horizonte, o “harness” — o software que envolve o modelo com ferramentas, gestão de memória e regras — pesa mais do que o modelo em si. Com um harness customizado, ajustado para lidar melhor com memória e com um componente “supervisor”, pesquisadores fizeram o Claude Opus 5 atingir 100% no benchmark interativo ARC-AGI-3, um conjunto de jogos 2D sem instruções em que o agente precisa descobrir como jogar e vencer. Sem esse harness, o desempenho caiu para 30%, o melhor resultado entre os modelos testados.
A pesquisa reforça a ideia de que agentes de IA não são apenas o “cérebro” do LLM, mas um sistema que inclui contexto, feedback e runtime fornecidos pelo harness. A Nvidia também cita que, em testes com o mesmo benchmark, a OpenAI ajustou configurações do harness e triplicou as pontuações, mas sem chegar a 100%, sugerindo que o supervisor ajuda a redirecionar o agente quando ele se perde. O trabalho menciona ainda o uso de um harness próprio chamado Agentic Variation Operators (AVO) e a tese de que harnesses diferentes podem mudar custos e controle do ecossistema.
A DeepSeek disponibilizou em prévia para desenvolvedores o DeepSeek Harness (dsh), um runtime de execução open-source para construir agentes autônomos de inteligência artificial. O projeto foi publicado no GitHub e lançado sob licença MIT, com uma arquitetura baseada em microkernel e componentes como plugins isolados e intercambiáveis.
O DeepSeek Harness permite carregar, de forma modular, adaptadores de modelos, registries de ferramentas, ambientes de sandbox, handlers de estado de sessão, despachantes de eventos e interfaces. A plataforma também traz um sistema de logging append-only que registra mensagens do usuário, chamadas de ferramentas, estados intermediários e despachos de subagentes para inspeção, replays e benchmarks, com a versão 0.1 preview oferecendo modos Standard, Code, Minimal e Creator.
A TrueFoundry lançou o TrueForge, um agente open source apresentado como alternativa ao Claude Managed Agents, serviço hospedado da Anthropic que executa, isola (sandboxes) e orquestra agentes autônomos de Claude. A proposta é permitir que engenheiros de software construam, implantem, depurem e governem agentes de IA em produção usando qualquer modelo (segundo a empresa) ou servidor MCP, com promessa de reduzir em cerca de 50% os custos operacionais dos agentes.
O TrueForge busca enfrentar o modelo de “lock-in” de plataformas gerenciadas, que tende a prender empresas a um único fornecedor de modelos, infraestrutura e preços. A empresa afirma que o “harness” funciona como camada crítica entre usuário, LLM e sistemas externos, controlando chamadas a MCP, contexto, uso de agentes e qual modelo executa cada etapa, além de prever implicações de segurança como execução em sandbox isolada para algumas ações e restrição de envio de dados a modelos fechados.
A Writer, que oferece ferramentas e agentes de IA para marketing, lançou o modelo Palmyra X6 e atualizou seu “agentic harness” para reduzir o custo das implantações. O novo modelo foi construído como uma variação pós-treinamento do modelo open source GLM-5.2, da Z.ai, com foco em entregar capacidades prontas para uso por um preço menor.
A empresa estima que, com o Palmyra X6 e mudanças na infraestrutura do harness, os clientes podem reduzir custos em até 50% em tarefas básicas. A Writer também afirma que a otimização do harness tende a reduzir gastos de forma mais consistente do que apenas trocar de modelo, citando testes internos com queda média de 40% e destacando a ênfase em tarefas complexas e multi-etapas com menos tokens.
A SpaceXAI submeteu o Grok 4.6 a uma rodada mais longa de treinamento suplementar, combinando material de raciocínio gerado pelo modelo com dados técnicos e engenharia. O processo incluiu mudanças no otimizador e na “training recipe”, além de usar o Grok 4.5 para regenerar trajetórias de supervised fine-tuning em diferentes configurações de raciocínio, agent harnesses e domínios como STEM, engenharia de software e trabalho de conhecimento. Também houve remoção de trajetórias problemáticas com checagens baseadas no próprio modelo.
O treinamento com reinforcement learning foi estendido para tarefas de codificação geral, otimização de kernel, desenvolvimento web e design com apoio de computador, com recompensas por concluir tarefas maiores em vez de apenas gerar blocos de código plausíveis. A empresa afirma que o Grok 4.6 tende a pausar em tarefas longas para verificar se o trabalho se sustenta antes de continuar e que produz versões iniciais mais fortes de aplicações visuais e interativas, corrigindo erros durante o processo; nos benchmarks, o CursorBench v3.2 subiu para 69,9% (de 66,7% no Grok 4.5) e o DeepSWE v1.1 foi de 54% para 65,9%.
O artigo discute como avaliar coding agents, respondendo a uma divergência com uma “software factory” que defendia que esses agentes não poderiam ser avaliados. O texto argumenta que o agente não é apenas um modelo: o resultado depende do conjunto modelo + harness + ferramentas + contexto do repositório + instruções + permissões + ambiente de execução e do loop de feedback. Por isso, benchmarks públicos podem medir combinações específicas e não apenas o modelo subjacente.
A avaliação, segundo o autor, deve ir além de “passou nos testes”, incluindo checagens como build, testes públicos e hidden, compatibilidade de APIs e formatos, migrações, limites de desempenho e segurança, além de verificar alterações fora do escopo permitido. Também é necessário repetir execuções para lidar com não determinismo e usar camadas como qualidade da mudança, trajetória, intervenção humana, custo e impacto em produção, porque um único número não captura tudo.
Coinbase, Shopify e Ramp estão desenvolvendo agentes internos para apoiar o desenvolvimento de software, mas sem abandonar totalmente ferramentas comerciais. A Coinbase criou o Forge para transformar relatos de bugs em pull requests com integração a Slack, GitHub e Linear, incluindo validação e até build para revisão no mobile. A Shopify desenvolveu o River, que atua em um ambiente de engenharia reproduzível e já participa de 1 a cada 8 pull requests mescladas. A Ramp criou o Inspect, que executa em sandboxes com máquinas virtuais parecidas com o ambiente local e integra Datadog, Sentry e LaunchDarkly.
A tendência é que as empresas passem a “insourcer” o harness do agente — o ambiente de execução com contexto, permissões, orquestração de workflow e verificação — enquanto modelos de fundação continuam sendo fornecidos por players como Anthropic, OpenAI e Google. Na prática, isso muda o jogo para devs: o controle de custos, segurança e roteamento do modelo fica mais centralizado na plataforma, e os assistentes comerciais tendem a complementar fluxos interativos no editor/terminal.
Ferramentas de “AI coding” estão acelerando o desenvolvimento: a Databricks afirma que a adoção de coding agentic melhorou métricas de velocidade e, em alguns times, elevou a produção em até uma ordem de grandeza. Porém, empresas que escalam o uso enfrentam custos que crescem rápido e podem superar a receita, levando a um desafio de manter a transformação em andamento sem inviabilizar o gasto.
A solução, segundo a Databricks, passa por uma “dupla missão”: dar acesso amplo com baixa fricção e manter o custo agregado por usuário em um envelope estável. Entre as estratégias estão trocar para modelos mais eficientes assim que saem, usar avaliações internas para evitar regressões de custo/qualidade (casos citados: Stripe e Databricks ao comparar versões), e adotar flexibilidade via harnesses ou meta-harness para reduzir lock-in e permitir migração para modelos mais baratos.
Uma equipe da Brex descreveu um padrão para construir workflows de IA que funcionam tanto em produção quanto em rotinas de avaliação (evals) offline. A ideia é separar a “lógica de orquestração” (passos, ordem e ramificações) do runtime: a mesma lógica roda sem mudanças em ambientes duráveis e também em loops leves para testar centenas de variações. O artigo explica por que engines focadas em execução durável (com persistência e replay) tornam as evals caras e lentas, enquanto harnesses leves não garantem resiliência para agentes longos.
Na prática, isso reduz bugs causados por divergência entre o que foi avaliado e o que vai para o ar—já que existe apenas uma versão da lógica. Para devs, a arquitetura precisa “forçar” o caminho correto (build falha se alguém escrever código não-agnóstico) e aceitar um custo: a orquestração perde acesso direto a recursos nativos de cada runtime, exigindo uma camada intermediária para novas capacidades. O resultado é um fluxo mais confiável para ajustar prompts e modelos sem sacrificar estabilidade em produção.
A Nvidia apresentou o NOOA (Object-Oriented Agents), um framework para construir agentes de IA como “uma única classe Python”. A proposta é reunir capacidades, estado e prompts em métodos e docstrings, com anotações de tipo como contratos e execução dinâmica via loop orientado por LLM quando o método tem corpo “ellipsis”. A Nvidia também integra o NOOA à Open Secure AI Alliance e destaca que o desenho do “harness” pode impactar desempenho e custo mesmo com o mesmo modelo base.
O que muda para devs: a ideia é deixar o comportamento do agente mais fácil de inspecionar, testar e rastrear com ferramentas familiares do ecossistema Python, reduzindo a fragmentação entre prompts, schemas e fluxos. Ao mesmo tempo, especialistas alertam para novos riscos de segurança ao centralizar lógica e permitir que o modelo “aja” escrevendo e executando código, exigindo sandboxing e credenciais bem isoladas. Em benchmarks, a Nvidia cita ganhos como 82,2% no SWE-bench Verified com GPT-5.5 e melhorias de custo em comparação com harnesses alternativos.
A DeepSeek reduziu em 50% o preço de uso do seu modelo V4-Flash e também desistiu de um sistema de preços dinâmicos que encareceria em períodos de alta demanda. Testes citados pela Artificial Analysis indicam que o custo médio para concluir uma tarefa de benchmark fica em torno de US$ 0,03, além de a empresa cobrar US$ 0,14 por milhão de tokens de entrada e US$ 0,28 por milhão de tokens de saída.
A mudança pressiona o mercado ao colocar o V4-Flash em patamar bem abaixo de concorrentes como Claude Fable 5 e GPT-5.6 Sol, embora o desempenho (50 pontos no Intelligence Index) não seja superior ao de rivais diretos. Além do corte, a companhia aposta em agentes de IA com uma ferramenta chamada Harness para executar códigos em múltiplas etapas, enquanto autoridades chinesas alertam para o risco de “involução” por competição predatória.
:quality(85)/4b926cac-352b-484a-a861-df193fb23d21.png)