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.
A startup Ambi, fundada por Peter Mo, levantou US$ 26 milhões em múltiplas rodadas de investimento para criar um aplicativo com IA que fornece inteligência e insights em tempo real ao “ouvir” o usuário continuamente. O objetivo é capturar contexto durante reuniões e oferecer sugestões proativas com base no calendário, nas reuniões, na base de conhecimento e em dados da web.
A Ambi está lançando apps para iPhone, Mac e Apple Watch que funcionam como capturadores de anotações de reunião, com opção de manter a escuta ativa para registrar contexto ao longo do dia. A empresa também planeja um app de desktop capaz de observar o trabalho do usuário e armazenar partes na memória para sugestões mais personalizadas, além de um dispositivo próprio com tela, alto-falante, câmera e microfones para capturar contexto, em meio a preocupações de privacidade e segurança.
No início de 2024, um jovem de Huangshi, no sudeste da China, publicou no Douyin uma mensagem de despedida e, minutos depois, a equipe de prevenção de suicídios do aplicativo acionou autoridades locais. O caso foi resolvido com a intervenção da polícia após geolocalização do vídeo, e o Douyin afirma que, no primeiro semestre de 2025, a equipe interveio com sucesso em 400 tentativas de suicídio. A história é usada para contextualizar o nível de cooperação entre empresas de tecnologia e governo e a arquitetura de vigilância ligada ao uso de apps.
Em 15 de julho, a China estendeu esse controle ao campo de relacionamentos com IA ao apresentar regulamentações abrangentes para chatbots que parecem humanos. As regras limitam “interações emocionais prolongadas”, exigem avisos frequentes de que o usuário está falando com uma IA e proíbem incentivar dependência emocional, decisões irracionais e sugestões de automutilação ou suicídio; menores de 14 anos precisam de consentimento dos pais e menores de 18 ficam impedidos de acessar parceiros e “relacionamentos íntimos” virtuais. Empresas podem ser multadas em 200 mil yuans e sofrer críticas públicas, e uma semana antes da entrada em vigor Alibaba e ByteDance encerraram funções de companhia em assistentes de IA.
APIs compatíveis com OpenAI estão sendo usadas para permitir conversas multi-turn com agentes, mas escalar esse tipo de fluxo exige cuidados com estado e roteamento entre réplicas. O texto descreve um endpoint mínimo compatível com /v1/chat/completions que falha de forma “silenciosa” quando o tráfego é distribuído: o modelo pode responder sem o contexto correto se cada turno cair em uma máquina que não tem o histórico da conversa.
Para resolver, a proposta retoma princípios de microservices e padrões como bulkheads, movendo o estado da conversa para um armazenamento compartilhado para que qualquer réplica possa atender qualquer turno. A discussão também destaca como “agent traffic” difere do tráfego web por ser mais longo, mais imprevisível em tool calls e mais sujeito a rajadas, exigindo desenho de API que absorva essas características.
A SAP anunciou que fechou acordo para adquirir a TechWolf, empresa belga de IA que mapeia o que os funcionários fazem e quais habilidades usam. A ideia é levar esses dados para os agentes de RH do SAP SuccessFactors, com a operação prevista para ser concluída no quarto trimestre, sujeita à aprovação regulatória.
A TechWolf já tinha parceria de longa data com a SAP e continuará operando de forma independente, com o cofundador Andreas De Neve permanecendo como CEO. A empresa afirma que o “context graph” de habilidades e trabalho pode tornar o uso de tokens mais eficiente, ajudando o Joule em tarefas como contratação baseada em habilidades e redesenho de cargos.
A Anthropic lançou uma atualização do Claude que incorpora o Cowork, recurso que executa tarefas agendadas mesmo depois que o usuário fecha o laptop. A mudança chega como parte do app principal do Claude, unificando a função de jobs de longa duração em um fluxo já usado por quem trabalha com o assistente.
A atualização também entra no contexto da corrida por agentes sempre ativos: OpenAI apresentou os Dots no DevDay, Meta lançou o Muse e o xAI colocou o Grok Bot em circulação. Com isso, a Anthropic tenta aumentar o uso recorrente do Claude entre desenvolvedores e equipes que já usam a ferramenta para tarefas contínuas.
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.
A OpenAI anunciou no DevDay 2026, em San Francisco, os Dots, agentes de IA “always-on” que executam tarefas em nome do usuário. Representados como “blobs” personalizáveis, eles podem receber projetos com múltiplas etapas e contam com o modelo GPT-6 Astra para operar continuamente.
Os Dots buscam informações na web, usam contexto de apps conectados e aprendem preferências ao longo do tempo. A empresa mostrou exemplos como planejar o jantar com mensagens proativas e ajudar a lançar um novo site; os usuários podem conversar com os agentes via ChatGPT, Slack e Microsoft Teams, com contexto compartilhado entre modos. O rollout começa hoje para assinantes do ChatGPT Pro, a US$ 100 por mês, com aprovação explícita antes de ações sensíveis e regras personalizadas para definir limites.
O Claude, da Anthropic, pode registrar informações de conversas para manter contexto em novos chats ao longo do tempo. O recurso armazena preferências de comunicação, projetos em andamento e dados ligados ao trabalho, reduzindo a necessidade de repetir instruções a cada interação.
A memória é granular, registrando tópicos individuais conforme as conversas avançam, e também separa “memórias de projetos” e “memória geral”, com resumo diário do trabalho em cada projeto. O Claude não salva dados confidenciais, como documentos de identidade, histórico criminal, números de contas financeiras ou status de imigração, e o usuário pode pausar, desativar ou excluir memórias nas configurações, além de controlar a inclusão de tópicos sensíveis.
Criptanalistas afirmam ter decodificado duas mensagens longas e não resolvidas do sistema Enigma, usando modelos de IA da OpenAI e da Anthropic. O avanço foi possível ao explorar bases arquivadas de mensagens e reconstruir o contexto necessário para recuperar o texto em claro.
No caso do modelo Astra, um desenvolvedor pediu que a ferramenta buscasse uma mensagem “não quebrada” em um banco de dados e, após pesquisa e simulação da máquina Enigma, conseguiu recuperar um conteúdo que frustrava pesquisadores desde 2005. Já o Claude Opus 5 foi usado para quebrar outro enigma após receber mais orientações, e os pesquisadores destacam que restam apenas sete mensagens Enigma ainda não decodificadas.
Agentes de IA estão deixando interfaces passivas de chat e passando a atuar como “atores delegados”, exigindo modelos de segurança mais robustos do que a simples autenticação humana. No episódio do InfoQ, Sahil Agarwal apresenta o framework DPACT — Delegation, Policy, Auditability, Context e Time — como um blueprint para construir sistemas agentic com limites e controles claros.
A proposta destaca que agentes devem agir “em nome de” um usuário, evitando impersonação e escalada de privilégios não autorizada. Também é defendida uma governança incremental, começando por inventário e aumentando a visibilidade, além de tratar concessões de tarefas com limites como recurso de primeira classe, reduzindo a dependência de chaves de API de longa duração.
O recurso de Memory do ChatGPT passou a armazenar interações para dar contexto às respostas, como evitar recomendações que contrariem preferências que você informou. Com isso, a forma como o chatbot responde pode ser influenciada por informações que você compartilhou — inclusive em situações como pesquisas recentes que fazem a IA inferir interesses ou locais. A OpenAI descreve que o objetivo do Memory (ou “dreaming”) é manter contexto útil, seguir preferências e se manter atualizado ao longo do tempo.
No app web, é possível acessar o que foi lembrado pelo ícone do perfil e ir em Personalization até a seção Memory. O usuário pode desativar o recurso, gerenciar Memory summaries com correções (“Make a correction” ou “Don’t mention this again”), ou pedir para o sistema esquecer algo via comandos no campo de prompt. Para apagar tudo, basta usar Delete e desligar o Memory; também há a opção de Temporary chat, em que nada fica registrado na memória após o encerramento.
Agentes de IA podem pesquisar informações, usar ferramentas, executar etapas de uma tarefa e tomar decisões ao longo do processo, mas o desempenho depende de instruções bem definidas. Para funcionar como esperado, as orientações precisam dizer o que deve ser feito, quais limites devem ser respeitados e como agir quando surgirem situações fora do roteiro.
A OpenAI recomenda dividir tarefas complexas em etapas menores, definir ações específicas e antecipar casos em que faltam informações, enquanto a Anthropic destaca a importância de contexto suficiente e estruturas que ajudem o agente a distinguir partes da tarefa. Também é indicado começar com a instrução exata, prever entradas e saídas das ferramentas, usar exemplos próximos da situação real e deixar claro o que o agente não deve fazer, além de ajustar as instruções após testes e revisões.
A OpenAI lançou em beta público a Agents API, permitindo que desenvolvedores executem agentes de forma não supervisionada por longos períodos, com o backend acompanhando o progresso do job. A API foi apresentada como uma abertura do “lado de trás” do Codex para rodar tarefas que ultrapassam um único context window, com execução em sandbox da OpenAI ou em infraestrutura controlada pelo desenvolvedor.
A mudança facilita testar agentes de execução longa, mas também amplia o potencial de consumo de compute, já que a inferência pode crescer conforme o agente volta ao modelo para cada etapa e pode acionar ferramentas apenas quando necessário. No mesmo dia, a OpenAI pausou novas assinaturas do plano Pro de US$ 200/mês após a demanda do GPT-6 Astra pressionar a capacidade, enquanto a empresa trabalha para adicionar mais infraestrutura.
A Anthropic atualizou sua família de modelos com o lançamento do Claude Fable 5.1 e do Mythos 5.1 em 1º de setembro, com foco em tarefas que exigem mais contexto, análise e execução em várias etapas. Os modelos foram aprimorados principalmente para programação, trabalho de conhecimento e resolução de problemas longos, permitindo testar fluxos que envolvem materiais extensos e raciocínio contínuo.
Entre os testes sugeridos estão pedir análise de falhas com código, logs e contexto para identificar a causa mais provável do erro e listar hipóteses antes de qualquer alteração. Também é possível usar o Claude para pesquisas profissionais com separação de fatos e inferências, revisar contratos e documentos para encontrar inconsistências e estruturar apresentações a partir de uma pauta, além de dividir tarefas longas em checkpoints para reduzir perda de contexto durante a execução.
Sistemas de RAG podem continuar acessando documentos após mudanças de identidade, como quando alguém sai de um time e ainda assim consegue puxar materiais do índice por horas. Em revisões de segurança, equipes relatam dificuldade em garantir que o modelo não vai resumir informações sensíveis, como revisões de compensação, para pessoas não autorizadas. O ponto central defendido é que permissões não devem funcionar como um filtro aplicado depois que o contexto já foi montado.
A proposta é tratar permissões como uma propriedade do processo de “context assembly”, a etapa final que decide quais partes do conhecimento corporativo serão entregues ao modelo para uma identidade específica, no momento e na pergunta corretos. O texto compara abordagens de fornecedores como AWS Context (ainda sem GA no momento citado), Microsoft com retrieval com identidade e Databricks com Unity Catalog, destacando que a proteção depende de onde a autorização é aplicada e que falhas podem ocorrer quando a autorização chega tarde demais na cadeia.
O Siri AI da Apple, testado em uma versão beta para desenvolvedores e depois no iOS 27 beta, mostrou respostas mais confiáveis e um app em estilo de chatbot, usado como guia em San Francisco. Com indexação do conteúdo do próprio iPhone, o assistente passou a localizar mensagens e fotos antigas com mais facilidade, além de oferecer busca mais rápida dentro do aparelho. Mesmo com essas melhorias, o uso diário do assistente foi diminuindo ao longo do mês.
Analistas citam que a base instalada de usuários do iPhone tende a permanecer com o software padrão da Apple, em parte pela confiança na privacidade. Outros avaliadores apontam que o Siri passou a ser usado para mais tarefas, como encontrar informações no celular e melhorar a ditação, mas também existe resistência cultural ao uso de IA generativa entre parte dos usuários.
Redis está usando engenharia de contexto para viabilizar aplicações com LLM em cenários com restrições reais de tempo. Em uma apresentação, Ricardo Ferreira contou como desenvolveu o Agent Memory Server (AMS), um projeto open source para criar camadas de memória de curto e longo prazo sobre Redis, com foco em permitir conversas mais naturais.
Para testar o AMS, ele criou a skill “My Jarvis” para Alexa, com respostas limitadas por um timeout fixo de 8 segundos. A arquitetura inclui uma função Lambda no backend, o SDK da Alexa e o LangChain4j (Java), que orquestra o acesso a um LLM via OpenAI, enquanto o desenvolvimento enfrenta problemas como context poisoning, distração por excesso de dados, confusão e “context rots”.
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 memória do ChatGPT ajuda a IA a manter informações relevantes sobre o usuário entre conversas. Com o recurso ativado, o chatbot pode considerar preferências de escrita, contexto de projetos e outras informações compartilhadas anteriormente, sem exigir que você repita tudo a cada novo chat.
O sistema funciona com memórias salvas e com referência ao histórico de conversas. O texto recomenda excluir memórias antigas, começar a salvar preferências claras, permitir que a IA lembre de projetos de longo prazo, usar o Chat Temporário quando quiser “recomeçar do zero” e dar feedback objetivo sobre o que funcionou para orientar interações futuras.
Claude, da Anthropic, e Gemini, do Google, seguem caminhos diferentes e isso aparece em recursos voltados a tarefas mais longas e complexas. A comparação destaca que o Claude ganhou espaço entre desenvolvedores e profissionais que lidam com textos extensos, programação avançada e demandas com múltiplas etapas.
Entre os pontos citados, o Claude se destaca por manter contexto em conversas e documentos extensos, com recursos como Context Awareness e Server-side Compaction. Também é apontada a abordagem agêntica para programação com o Claude Code, a execução de trabalhos complexos com o Claude Cowork e a criação de artefatos para projetos mais elaborados, além de foco em segurança e privacidade no uso da IA.
A IBM lançou a nova geração de modelos de linguagem Granite 4.2, da família de LLMs open-weight pensada para download e auto-hospedagem. O Granite 4.2 chega em versões de 3B, 8B e 30B parâmetros e usa uma arquitetura decoder-only, com janela de contexto nativa de 128.000 tokens.
As variantes de 8B e 30B passam por um bloco de reinforcement learning agentic para ampliar capacidades como usar o terminal, buscar na web e acionar ferramentas externas. A IBM também descreve o Granite 4.2 como um lançamento focado em raciocínio, com “chain-of-thought” e uso de resultados intermediários ao longo de várias etapas.
Falhas de agentes de IA em produção têm menos a ver com raciocínio e mais com a incapacidade de gerenciar o que entra no contexto: histórico de conversas, prompts grandes, definições extensas de ferramentas e saídas que crescem a cada interação. Com o acúmulo, o agente “afoga” em sua própria memória e paga um custo de tokens que aumenta a cada turno, levando a esquecimentos dentro e entre conversas.
A pesquisa defende que o problema não deve ser tratado apenas como armazenamento e busca, mas como uma questão de ciclo de vida e arquitetura do contexto. O trabalho propõe a disciplina Agentic Context Management (ACM), com cinco primitivas (arquitetar, ingerir, delimitar, antecipar e compactar/consolidar), além de uma implementação de referência chamada Maximem Synap, que reporta 92% no LongMemEval e 93,2% no LoCoMo.
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.
O Claude, assistente de IA da Anthropic, aparece como concorrente do ChatGPT e se destaca em tarefas que exigem lidar com grandes volumes de informação. Entre os diferenciais citados estão a capacidade de analisar documentos e conversas longas, além de recursos como Claude Code e Artefatos para apoiar fluxos de trabalho mais complexos.
A lista também inclui melhor aderência a instruções com muitas regras, criação e organização de materiais para projetos em andamento e uma experiência sem anúncios com foco em privacidade. O texto ainda compara limites de janela de contexto, mencionando que modelos recentes do Claude podem chegar a até 1 milhão de tokens, enquanto o ChatGPT varia conforme plano e modelo.
O Microsoft Copilot vai deixar de exibir o avatar amarelo e expressivo Mico quando o usuário usa o modo de voz do chatbot. A mudança foi anunciada em uma página de suporte, que diz que o personagem será movido para a plataforma Learn Live, onde o avatar terá “mais para reagir”. O Mico foi lançado no modo de voz do Copilot em outubro do ano passado, com reações em tempo real, incluindo expressões faciais e animações.
A Microsoft afirma que o Mico ajudou a empresa a aprender sobre “calor” e “expressividade” na forma como as pessoas querem conversar com IA, e que esses aprendizados devem influenciar o Copilot daqui para frente. O avatar será removido do Copilot “em ondas” e a alteração ocorre no contexto de planos para integrar o Copilot ao Microsoft 365 Copilot.
Tokens, temperatura e contexto aparecem com frequência em documentações, cursos e configurações avançadas de ferramentas de inteligência artificial, inclusive nas respostas de chatbots. Esses conceitos explicam como os modelos processam comandos: a IA trabalha com pequenas unidades de texto chamadas tokens, e a quantidade disponível define limites de prompt e de resposta. Já a temperatura controla o nível de criatividade, afetando desde a consistência até a variedade das respostas.
O contexto representa o conjunto de informações que o modelo consegue considerar durante a conversa, e quando o limite é atingido mensagens antigas podem deixar de ser levadas em conta. Com isso, a qualidade do resultado pode melhorar quando o usuário organiza melhor as instruções, resume informações essenciais ao longo do diálogo e ajusta o prompt com objetivo, formato e restrições claras.
A inteligência artificial começa a encurtar etapas do desenvolvimento imobiliário, reduzindo prazos em atividades como criação de imagens de empreendimentos e análise de contratos, além de apoiar o acompanhamento de obras. Empresas como Benx e G.D8 usam IA para acelerar decisões em projetos de grande escala e alta complexidade, como o Parque Global (218 mil m² e VGV de R$ 14,2 bilhões) e o Biosquare, edifício de 25 andares na Avenida Rebouças, em Pinheiros.
Segundo o CEO da G.D8, Daniel Ribeiro, a IA é aplicada de forma transversal no negócio, incluindo concepção do produto, projetos, novos negócios, marketing, financeiro, atendimento e obras. A geração de imagens e maquetes 3D passou de meses para poucas semanas, mas a compra do terreno ainda depende de fatores humanos como negociação, leitura do contexto e visão de longo prazo, apesar de a empresa ter criado uma ferramenta própria com IA para consultar dados públicos relacionados à aquisição.
A Spotify apresentou o “Honk”, um agente de coding que reescreve trechos do código para manter a base sempre atualizada. A empresa explica que o desafio era o “problema de manutenção”: em média, devs passam menos de uma hora por dia escrevendo código, enquanto o restante do tempo vai para tarefas contínuas como atualizar dependências e migrar frameworks. Antes do uso de automação, levar para 70% da frota adotar uma versão interna demorava quase um ano; com o sistema de “fleet management”, o prazo caiu para menos de uma semana.
Mesmo com a automação via scripts, o último pedaço (cerca de 30%) era difícil por causa de “long tail” de casos complexos, como mudanças de métodos e otimizações de performance que quebravam transformações simples. Para lidar com essas exceções, a Spotify passou a substituir parte das rotinas por um agente baseado em LLM, capaz de entender o contexto e gerar alterações em escala, abrindo PRs para revisão e, em alguns cenários, permitindo auto-merge. Para times de engenharia, a tendência é clara: agentes de IA devem virar peça central em migrações e manutenção contínua, reduzindo retrabalho e acelerando entregas seguras.
A Meta lançou o Muse Code, um agente de IA voltado para programação e desenvolvimento de jogos, baseado no modelo Muse Spark 1.2. A empresa afirma que a ferramenta consegue lidar com tarefas longas de coding ao dividir o trabalho em múltiplos agentes, e já está em beta para testes e demonstrações. Em benchmarks internos, o desempenho aparece como intermediário, com resultados variando em relação a modelos como Claude Opus 5 e GPT-5.6.
Além da parte de programação, a Meta disponibilizou demonstrações com jogos simples criados com a IA, como Embervault e Avo Lawn. Para devs, a proposta é acelerar fluxos que envolvem muitas etapas e contexto — especialmente em projetos com lógica complexa, como jogos — ainda que a maturidade do modelo pareça não ser a mais alta frente aos líderes do mercado.
/https://i.s3.glbimg.com/v1/AUTH_59edd422c0c84a879bd37670ae4f538a/internal_photos/bs/2025/P/F/WKUU8VRDqAcz3KW0v9Cw/2025-01-27t125916z-1824444031-rc2cicawpv3t-rtrmadp-3-deepseek-markets.jpg)
:quality(85)/29775db9-4492-4bdb-8689-9f442e3775af.jpg)
:quality(85)/f25244cd-734f-485a-80fb-56254b2f14e7.jpg)
:quality(85)/bfcdb6d7-f4c9-46ff-b12d-ec0e1295173a.jpg)
:quality(85)/a2726f13-6480-44c6-b20b-607f66b13001.png)
