Hoje, o assunto que mais me prendeu foi o anúncio de um modelo open-weight de grande porte. No radar, ele vem acompanhado de mais quatro leituras que valem seu tempo — de agentes fazendo ciência a um tutor de IA que funciona, mas ainda enfrenta baixa adoção.

O que sabemos sobre o Beam

Toda vez que um modelo novo sai, a primeira pergunta que me fazem como PM costuma ser: qual é o melhor? Com o tempo, aprendi que a pergunta mais útil é outra: quanto controle eu quero ter sobre isso?

Foi nisso que pensei ao ler sobre o Beam, o primeiro modelo open-weight da Reflection. São 501 bilhões de parâmetros no total, com 23 bilhões ativos por vez. Segundo a empresa, o modelo foi treinado com 23,8 trilhões de tokens e pensado para programação, raciocínio e fluxos com agentes. A Reflection espera publicar os pesos, o relatório técnico e materiais para desenvolvedores ainda neste mês, sob licença Apache 2.0. Aqui está o anúncio completo.

Ainda não há preço nem API pública. Por isso, não dá para concluir quanto custará em produção ou como a qualidade se compara para um caso de uso específico.

Da API contratada à decisão de construir ou comprar

O que me chama atenção é o movimento. Cada modelo aberto forte que aparece muda a conversa de “qual API eu contrato?” para “o que faz sentido construir e o que faz sentido comprar?”.

Para quem trabalha com produto, essa escolha deixou de ser só técnica. Ela mexe no custo por uso, na privacidade dos dados, na dependência de um único fornecedor e na velocidade com que o time consegue iterar. Essa análise faz parte da gestão de produtos com IA. Quando o caso envolve autonomia e ferramentas, o guia de agentes de IA ajuda a escolher o padrão adequado.

Em áreas reguladas, como finanças, poder rodar um modelo em ambiente próprio pode destravar um caso de uso que estava parado. Isso depende dos controles e dos requisitos de cada caso; o guia de governança de IA ajuda a transformar riscos em decisões. E, quando a escolha afeta o custo por tarefa, vale ter uma régua como a do guia de custo de agentes de IA.

Eu vejo esse movimento com bastante otimismo. Mais opções na mesa significam mais produtos viáveis, mais espaço para experimentar e menos motivo para deixar uma boa ideia na gaveta por causa de custo.

Monte a régua antes do lançamento

Minha leitura de quem atua em produto: vale começar a montar o critério antes de o modelo ser lançado. Que tarefa precisa de qualidade máxima? Qual aceita um modelo menor e mais barato? Onde o dado não pode sair de casa?

Quem tem essa régua pronta consegue avaliar cada lançamento. Quem não tem fica refém do hype da semana.

O resto do radar

  • Cloudflare lança a Web Search API (beta) para agentes — facilita dar a agentes acesso a informações em tempo real sem contratar e integrar cada provedor de busca separadamente. Veja o changelog.
  • Agentes Opus 5.5 identificam candidatos a semicondutores magnéticos — um caso concreto de agente executando um fluxo científico longo e reprodutível, boa referência para agentes autônomos em domínios profundos. Leia o estudo.
  • Khanmigo em dois anos: tutor de IA melhora matemática, mas a adoção é baixa — evidência rara de que o gargalo de um produto de IA com impacto comprovado pode ser o engajamento, não o acesso ou a capacidade do modelo. Leia o estudo.
  • ChatGPT usa assinaturas reais de cartunistas em cartuns falsos da New Yorker — um risco de produto e reputação em recursos generativos: faltam barreiras contra a falsa atribuição e o uso da identidade de criadores. Leia a reportagem.

Fico por aqui. Amanhã tem mais.