Abro a edição de hoje com um número que interessa a qualquer time pensando em colocar agentes de IA para trabalhar de verdade. Depois sigo com o resto do que passou pelo radar: modelos novos, agentes de desktop e um estudo que vale a leitura sobre manipulação em chatbots.

Toda vez que alguém me pergunta se vale a pena colocar IA generativa dentro de um produto, minha resposta começa com uma pergunta de volta: você já calculou o custo da arquitetura, não só o custo do modelo?

Essa semana vi um caso que resume bem esse ponto. A Cursor testou times de agentes de IA reconstruindo o SQLite do zero em Rust, só com a documentação, sem olhar o código-fonte original. Passou em 100% dos testes. Isso já seria notícia por si só.

O que me chamou atenção foi o custo. A configuração mais barata desse “enxame” de agentes saiu por 1.339 dólares. A mais cara, para chegar exatamente no mesmo resultado, custou mais de 20 mil. Quinze vezes de diferença, com o mesmo produto final.

Isso muda a conversa. Não é sobre qual modelo é o mais inteligente. É sobre como você organiza os agentes trabalhando juntos, quem planeja, quem executa, e onde cada centavo é gasto no caminho até a entrega.

No meu dia a dia, trabalho com produtos de crédito, então penso bastante em escala e eficiência. Todo processo automatizado tem um custo por operação, e quem decide a arquitetura decide também a margem. Com IA agêntica não é diferente: como você desenha o fluxo de agentes pesa tanto quanto o modelo escolhido.

Acho isso ótimo, porque tira a decisão do campo do hype e coloca no campo da engenharia de produto, onde dá para medir, testar e comparar de verdade. Continua exigindo bom senso e controle de risco, claro, mas agora com números concretos para embasar a escolha.

Para quem quiser entender o teste completo e os números por trás, deixo o link aqui.

O resto do radar

Qwen-Image-3.0 — Novo modelo de geração de imagens da Alibaba compete direto com ferramentas usadas para criar assets visuais de produto. Ler mais

Kimi Work — Agente de desktop contínuo da Moonshot AI aponta a direção de automação profunda substituindo fluxos manuais de trabalho. Ler mais

GPT-5.6 e ChatGPT Work — Nova família de modelos segmentada por caso de uso força reavaliação de custo e escolha de fornecedor. Ler mais

Dynamic Workflows no Claude Code — Orquestração de dezenas de subagentes em paralelo muda o que é viável entregar em um sprint. Ler mais

NemoClaw Deep Agents (LangChain + NVIDIA) — Blueprint pronto reduz custo de inferência e tempo de implementação de agentes empresariais. Ler mais

Avaliadores LLM ruidosos ainda ajudam — Caminho prático para melhorar agentes em produção sem depender de revisão humana cara. Ler mais

Robinhood libera agentes para operar ações — Caso real de produto financeiro dando autonomia transacional a agentes, com limites e aprovação prévia. Ler mais

Frigade lança Skills — Dá a qualquer produto um assistente que executa ações reais no app, sem precisar construir integrações customizadas. Ler mais

Dark patterns em chatbots de IA — Estudo mapeia 37 táticas manipulativas de engajamento, um checklist de riscos de UX e ética para quem constrói produtos de IA. Ler mais

Por hoje fico por aqui. O ritmo de lançamentos não dá sinal de desacelerar, então nos vemos na próxima edição.