Separei bastante lançamento de modelo pro radar de hoje, mas o que ficou comigo foi um estudo sobre como os chatbots de IA conversam com a gente. Vale a leitura antes de olhar o resto.
Um estudo recente colocou nome em um monte de coisa que a gente sente na pele quando usa chatbot de IA, mas nunca parou pra catalogar.
O Center for Democracy & Technology mapeou 37 “dark patterns” usados por chatbots como ChatGPT, Gemini e Replika. Antropomorfização, aquele jeitinho de puxar assunto pessoal, e sicofantismo, concordar demais com o usuário pra prender atenção, aparecem entre os mais comuns.
O que me chamou atenção não foi a lista em si. Foi o motivo por trás: prender atenção, extrair dado, manter engajamento. Os mesmos objetivos de qualquer produto digital, só que aplicados numa interface que finge ser gente.
Trabalho com produtos de crédito, e uma coisa que aprendi rápido é que confiança em produto financeiro não se recupera fácil depois de quebrada. Se o chatbot de atendimento, de simulação de crédito ou de suporte ao cliente usa esses padrões sem perceber, o risco não é só reputacional, é regulatório.
A pesquisa já está sendo citada por reguladores e deve aparecer em processos judiciais contra empresas de IA. Deixou de ser debate acadêmico e virou material de auditoria.
Antes de pensar em quanto o chatbot converte ou quanto tempo de sessão ele gera, vale perguntar se o jeito que ele conversa é honesto com quem está do outro lado. É desenho de produto, não frescura.
Pra quem quiser ler o estudo completo, o link está aqui.
O resto do radar
Kimi K3, o novo frontier aberto — modelo chinês da Moonshot AI rivaliza com Claude e GPT em benchmarks de coding e custa cerca de metade do preço da API do Opus. Pressiona decisões de multi-modelo e vendor lock-in. Ler mais
NotebookLM virou Gemini Notebook — o Google uniu o produto ao ecossistema Gemini e adicionou execução de código em nuvem, mantendo os 30M+ usuários. Case de rebranding sem perder a base que já ama o produto. Ler mais
Dynamic Workflows no Claude Code — a Anthropic passou a orquestrar centenas de subagentes em paralelo pra auditorias, refactors e migrações em massa. Créditos de IA viram nova variável de custo pro usuário. Ler mais
LM Studio lançou o Bionic — agente que roda modelos abertos localmente, com zero retenção de dados e coding com diffs inline. Sinal de demanda crescente por IA “privacy-first”. Ler mais
Avaliadores de IA barulhentos também ajudam — a TensorZero mostra que avaliadores LLM imprecisos ainda geram sinal útil em escala, barateando loops de avaliação contínua de agentes em produção. Ler mais
Robinhood deixa agentes de IA operarem sua carteira — trading via IA em beta, com carteira isolada, aprovação de ordens e cartão “agentic” pra compras autônomas. Blueprint de confiança pra IA que mexe em dinheiro real. Ler mais
Step 3.7 Flash, mais uma opção custo-benefício — modelo multimodal da StepFun com 256K de contexto e até 400 tokens/s, mirando agentes de coding e busca sem o preço dos modelos top-tier. Ler mais
O human-in-the-loop está cansado — artigo da Pydantic argumenta que revisar código de IA quebrou o loop de recompensa do desenvolvedor. Vale medir fadiga de revisão, não só throughput. Ler mais
As críticas às LLMs estão certas, e mesmo assim eu uso — reflexão sobre como a IA quebrou o filtro natural de esforço em contribuições, dificultando avaliar o investimento genuíno de quem submete. Ler mais
Isso é o que rodou no meu radar hoje. Até a próxima edição.