Caderno aberto
Textos sobre o trabalho de tornar sistemas inteligentes compreensíveis, governáveis e úteis.
RSS ↗A OpenAI lançou o GPT-6 Cyber, o primeiro modelo classificado com nível de risco "Crítico" em seu Preparedness Framework após descobrir 948 vulnerabilidades e exploits funcionais no kernel Linux. A capacidade de sintetizar zero-days autônomos sem intervenção humana encerra a era da segurança defensiva manual e exige contenção determinística fora do modelo.
Threads de mensagens e um Git para milhares de agentes mostram por que desempenho depende de mover estado sem abandonar a fonte de verdade.
Como utilizo Grok Bot, Antigravity e ESAA para coordenar agentes, automatizar processos e transformar tarefas complexas em fluxos de trabalho.
Um teste real com o gosom/google-maps-scraper mostra que o gargalo não está em extrair o Maps, e sim na segunda camada de coleta (sites, e-mails) e na limpeza. Arquitetura, flags, telemetria e limites legais.
Equipes que não se conhecem estão chegando às mesmas peças na engenharia de agentes: registro rastreável de cada passo, verificação antes da entrega, aprovação humana nos pontos de risco e correção do ambiente em vez do agente. Isso não é cópia. É o ambiente selecionando a mesma função.
O TCG constrói um mapa determinístico do repositório para agentes baseados em LLM. O contrato que importa é separar fato de raciocínio e declarar o que não foi resolvido; por isso uma release bloqueada por uma única regressão real é o sistema funcionando.
Permitir chat na aula trata o coding agent como atalho. Formar engenheiros para essa era exige um currículo cujo objeto constante é o próprio agente (Apply, Analyze, Create), com nota por entendimento do sistema.
Uma pasta cheia de .md ainda é só coleção de arquivos: wiki links não resolvem e não há índice reverso; não é sistema de notas até os links existirem no sistema.
Restringir ou deliberadamente desacelerar capacidade de IA de fronteira em nome de risco catastrófico precisa carregar ônus de prova, inclusive o custo de oportunidade de defesas e progresso médico atrasados. A lógica vale para risco em geral, não só para narrativas de bioweapon.
Instruções de agente Codex em GPT-6 já narram claim/complete, evidência e auditoria de conclusão em linguagem natural. O ESAA formaliza o mesmo ciclo fora do modelo: event sourcing e orquestrador determinístico.
A OpenAI publicou uma prova Lean de blowup forçado para Navier–Stokes, encaixada em (C)/(D) do Clay. Isso fecha o enunciado matemático formalizável; não decide, sozinho, prioridade, o que a comunidade chama de “o” problema, nem a aceitação do prêmio.
O Co-Scientist da DeepMind desenha experimentos e humanos executam no laboratório. O avanço real não é autonomia total: é o gargalo migrar da geração de hipóteses para a capacidade experimental e a verificação.
O GPT-6 Astra reduziu violações graves em uma simulação, mas tornou seu raciocínio escrito menos legível para monitores. Segurança agora exige observar a trajetória inteira.
O playbook de SDLC nativo de IA da Anthropic coloca intent.md no centro: o porquê, o resultado e as restrições saem do chat e entram no versionamento antes do agente escrever código.
O GPT-6 Astra opera o computador em minutos e cruza o limiar Critical de cibernética. O gargalo deixa de ser a CoT legível e passa a ser ferramentas, duração e gates de acesso.
O Grok Bot for Enterprise trata cada Bot como trabalhador com computador próprio na nuvem, rotina aprendida e passagem de contexto entre Bots—não como chat que some ao fechar a aba.
Fable 5.1 e Mythos 5.1 usam o mesmo modelo, mas mudam acesso, proteções e retenção. A novidade mostra por que capacidade já não descreve sozinha um produto de IA.
O Gemini 3.8 Flash entrou no grupo pequeno de modelos que executam o dia a dia: sobreviveu a um harness complexo, com contexto grande, sem perder o fio. É o mesmo limiar que o Grok 4.5 cruzou quando começou a servir para programar.
Uma mudança no vLLM mostra que imagem, áudio e vídeo podem atrasar uma resposta antes mesmo da inferência, e que concorrência útil depende de preservar ordem, falhas e equivalência.
O ROCm 10 mostra uma mudança na infraestrutura de IA: instalar, diagnosticar e otimizar cargas deixa de ser apenas documentação e passa a formar ciclos executáveis e verificáveis.
O Qwen3.8-Flash-Next mostra uma mudança importante: ampliar contexto já não depende de uma única forma de atenção, mas de combinar rotas especializadas para memória, seleção e escala.
Dois produtos podem usar o mesmo modelo e parecer sistemas diferentes. A diferença costuma estar no harness: ferramentas, memória e o loop que transforma raciocínio em ação.
Novas mudanças no Codex mostram por que truncar, compactar e dividir uma conversa exige preservar não apenas o conteúdo, mas também a origem e a função de cada parte.
Um novo método tenta transformar rastros de uso do computador em modelos auditáveis de objetivos e procedimentos, com ganhos mensuráveis e um sério limite de privacidade.
Mensagens assíncronas e aprovações vinculadas à conversa mostram o que muda quando um agente precisa informar, continuar e não confundir contextos.
Três correções no vLLM mostram como preempção, cópias sobrepostas e notificações atrasadas podem transformar cache de IA em estado incorreto.
Novos diagnósticos e limites no Codex mostram que um agente de código precisa entender a máquina onde trabalha, não apenas o repositório.
A Anthropic passou a marcar textos e arquivos para atender ao AI Act europeu. Entenda o que foi confirmado, o que ainda é segredo e por que uma reescrita pode apagar o sinal.
Qwen3.8-27B, Ollama e llama.cpp mostram que escolher quanto um modelo raciocina exige um contrato entre pesos, template e runtime.
Correções no Transformers e no vLLM, além de um novo padrão no Ollama, mostram como configuração e amostragem alteram o comportamento de um modelo sem tocar nos pesos.
Mudanças no vLLM, no Codex e no llama.cpp mostram por que endpoints, agentes delegados e arquivos de modelo precisam de fronteiras de confiança explícitas.
O Nemotron 3.5 Lightning chega com pesos abertos e receitas para refazer suas avaliações, expondo por que uma pontuação depende tanto do modelo quanto do ambiente que a produziu.
O Muse Glimmer 30B reúne visão, uso de ferramentas e inferência especulativa em hardware de consumo, mas seus próprios testes mostram por que execução local não elimina supervisão.
Duas mudanças no Codex tratam a identidade da carga de trabalho como credencial curta e impedem que seu contexto de lançamento alcance subprocessos.
O llama.cpp começa a separar a interface de arquivos do lugar onde as ferramentas realmente executam, aproximando agentes locais de limites verificáveis.
vLLM e llama.cpp passam a tratar cache, disco e despejo de modelos como decisões explícitas de capacidade, não como detalhes invisíveis do servidor.
Duas mudanças no vLLM separam preparação de requisições, execução do modelo e dependência de GPU, tornando a infraestrutura mais testável sem esconder seus limites.
O llama.cpp passou a expor contadores de decodificação especulativa em /metrics, aproximando uma otimização de latência da observabilidade que decide se ela vale a pena.
O suporte ao Qwen3-TTS no llama.cpp amplia a geração de fala local e mostra por que uma interface de linha de comando também é contrato para quem integra IA.
A diferença entre programar um fluxo, delegar uma tarefa a um agente e construir um sistema confiável de agentes está nas fronteiras, nas evidências e na responsabilidade.
A retirada da prévia de cobrança do GitHub Copilot mostra que medir uso, custo e responsabilidade deixou de caber em uma tela paralela.
As atualizações de 2 de agosto do llama.cpp conectam previsão especulativa, chamadas de ferramenta e telemetria: desempenho útil depende de contratos que sobrevivam à execução.
O novo cache_salt do vLLM para a API Anthropic mostra por que reutilizar prefixos em ambientes compartilhados exige uma fronteira explícita entre usuários.
OSReward e AskChem apontam para a mesma mudança: agentes confiáveis precisam preservar a trajetória da ação e a proveniência de cada afirmação.
Um novo teste deu seis dias, orçamento e infraestrutura a agentes de fronteira. Eles executaram a engenharia, mas falharam no julgamento que transforma trabalho em pesquisa.
npm, GitHub Actions, Dependabot e CodeQL estão deslocando controles para antes da publicação, da execução e da propagação de código suspeito.
A OpenAI abriu o CLI e o SDK do Codex Security, levando modelos de ameaça, validação, histórico e revisão de mudanças para repositórios locais e CI.
Oito projetos de computação científica mostram que agentes já conseguem reescrever e acelerar software complexo. O gargalo agora é validar, interpretar e manter.
O llama.cpp ganhou suporte ao Eagle3-v3 no GPT-OSS e um kernel Hadamard para Apple Metal, duas otimizações que mostram onde a inferência realmente economiza trabalho.
NemoClaw e MinerU mostram uma mudança discreta na infraestrutura de IA: prontidão, incerteza e encerramento precisam virar contratos verificáveis.
App desktop open source para baixar, transcrever e organizar vídeos do YouTube ou arquivos locais: whisper.cpp, playlists, áudio longo em pedaços, qualidade máxima de mídia e RAG local para perguntar à biblioteca.
O vLLM 0.26.0 mostra que servir modelos com segurança exige limitar trabalho, memória e entradas, não apenas acelerar tokens.
Leitura densa da entrevista de julho de 2026: prazos de superinteligência, economia digital e física, dinheiro, risco existencial, China, trabalho e a tensão entre utopia civilizacional e tribalismo político.
A tese dos anos 1990 de que o computador deixaria de ser um objeto e viraria infraestrutura volta com força: a IA não apaga o silício; apaga o ato consciente de computar.
O Claude Opus 5 aproxima capacidade de fronteira do uso cotidiano e torna explícita uma escolha que já existia: quanto raciocínio, tempo e dinheiro cada tarefa merece.
Uma coalizão de big tech e do ecossistema open-weight defende que a liderança americana em IA depende de difusão, concorrência e controle local, não de um único modelo de fronteira.
Novos controles no GitHub tornam ações de agentes revisáveis e explicáveis, enquanto o MCP elimina sessões para escalar. A diferença entre supervisão e segurança ficou mais nítida.
O novo painel de impacto do GitHub Copilot troca contagens de uso por coortes, entregas e velocidade, mas medir contribuição ainda exige contexto e comparação cuidadosa.
O OpenAI Presence empacota políticas, avaliações e escalonamento para agentes, enquanto um incidente mostra o custo de tratar contenção como detalhe de infraestrutura.
Um CLI Python com SQLite que indexa texto, gera embeddings e devolve JSON estável para tool-calling de LLMs, sem Flask, Postgres nem worker.
O Cosmos 3 Edge aproxima modelos de mundo de robôs e câmeras locais, enquanto ferramentas criativas começam a oferecer interfaces padronizadas para agentes.
A nova arquitetura da Alibaba mostra por que agentes dependem tanto de observabilidade, roteamento e software de hardware quanto do modelo.
A tabela do Kimi K3 mostra por que contexto longo depende menos do limite anunciado e mais de cache, saída e arquitetura da aplicação.
Respostas ancoradas em fontes oficiais, revisões configuráveis e métricas por repositório mostram uma IA de desenvolvimento mais verificável.
Uma intrusão conduzida por agentes e a chegada de execução de código aos cadernos de pesquisa mostram por que contexto, ação e isolamento precisam andar juntos.
GPT-Red transforma testes adversariais em treino contínuo, enquanto novas camadas do GitHub mostram como levar sinais de segurança ao fluxo real de desenvolvimento.
Novas revisões no GitHub levam análises contextuais para o código em edição e para pull requests, ampliando cobertura sem substituir verificadores determinísticos.
Frear a corrida por sistemas mais capazes exige transformar prudência em mecanismos verificáveis, incentivos econômicos e responsabilidade institucional.
Novos trabalhos em provas formais, geração de backends e leitura de documentos mostram por que a próxima fronteira da IA útil é conferir resultados, não apenas produzi-los.
Correções recentes em Codex e llama.cpp mostram por que a confiabilidade dos agentes depende de revisores, adaptadores multimodais e limites de mensagem bem definidos.
A nova fronteira dos agentes de IA não está apenas em responder melhor, mas em fechar ciclos de trabalho: observar dados, propor hipóteses, executar ações e devolver evidências para revisão humana.
Autonomia útil exige limites claros, memória verificável e responsabilidade sobre cada efeito.
Os projetos em destaque no ecossistema aberto mostram uma mudança importante: agentes de IA estão deixando de ser aplicativos isolados para ganhar extensões portáveis, ferramentas locais e contratos reutilizáveis.
Uma leitura crítica do novo estudo sobre o suposto global workspace de Claude: o que já existia no modelo, o que foi criado pela J-lens e quais conclusões os experimentos realmente sustentam.
Como eventos imutáveis e projeções determinísticas tornam fluxos com IA auditáveis e reproduzíveis.
Uma abordagem prática para sair da demonstração e construir sistemas que equipes conseguem avaliar.
27 de junho de 2026, Ubuntu 26.04 LTS, notebook Acer Nitro com GTX 1050 Ti Eu não comecei essa história porque queria “descobrir o Linux”. Na verdade, Linux nunca foi novidade para mim. Usei Linux desde a ép...
Há alguns meses publiquei aqui sobre o ESAA, Event Sourcing para Agentes Autônomos, mostrando por que um agente de IA não deveria ter acesso direto e irrestrito de escrita no seu projeto. Depois, apresentei...
Hoje eu fui investigar uma suspeita simples: o arquivo ~/.codex/logs 2.sqlite parecia estar sendo escrito sem parar. A hipótese era que algum log em nível TRACE estava despejando eventos demais no SQLite. Nã...
Faz três meses publiquei aqui sobre a ESAA, Event Sourcing para Agentes Autônomos a ideia de que um agente de IA não deveria escrever direto no seu projeto, e sim emitir intenções validadas que um orquestra...
Há três meses postei aqui sobre a ESAA, Event Sourcing para Agentes Autônomos a ideia de que um agente de IA não deveria escrever direto no seu projeto, e sim emitir intenções validadas que um orquestrador...
Se você tem acompanhado o hype dos agentes autônomos Devin, AutoGen, MetaGPT , já deve ter percebido um problema grave quando tentamos colocá-los para trabalhar em repositórios reais e complexos: a perda de...
Entramos oficialmente em uma nova era da Inteligência Artificial. Por anos, a IA foi celebrada como nosso “Copiloto”, uma ferramenta poderosa que nos auxiliava em tarefas, mas que ainda exigia supervisão co...
O ritmo da inovação em Inteligência Artificial não apenas se mantém, mas acelera em direções surpreendentes. A Moonshot AI, uma startup chinesa, agitou o cenário global com o lançamento do Kimi K2.5, um mode...
A inteligência artificial não é mais apenas uma ferramenta para responder perguntas ou gerar textos. Estamos testemunhando uma profunda transformação, onde os Grandes Modelos de Linguagem (LLMs) evoluem para...
A inteligência artificial continua a moldar nosso mundo em um ritmo vertiginoso, e as inovações recentes destacam tanto o vasto potencial quanto os desafios inerentes a essa tecnologia. Desde investimentos m...
Estamos vivendo um momento onde a fronteira da Inteligência Artificial colide diretamente com nossas maiores preocupações humanas: criatividade, privacidade e até mesmo a própria mortalidade. A cada dia, nov...
A Inteligência Artificial continua a surpreender com avanços rápidos e impactantes. Recentemente, a OpenAI lançou o Sora 2, um modelo de vídeo que promete transformar a criação de conteúdo, e a Microsoft int...
A fronteira da tecnologia avança a uma velocidade vertiginosa, redefinindo o que pensávamos ser possível e moldando um futuro que já estamos vivenciando. Em meio a saltos quânticos, modelos de mundo que apre...
Bem-vindos, entusiastas da inteligência artificial! Recentemente, o CEO da Google DeepMind, Demis Hassabis, ponderou que a AGI (Inteligência Artificial Geral) ainda está a uns cinco a dez anos de distância,...
Bem-vindo de volta ao futuro! A inteligência artificial continua a romper barreiras e redefinir indústrias, desde a música até a produtividade e o desenvolvimento de software. Recentemente, uma artista music...
Com o avanço das LLMs e a proliferação de interfaces naturais, tornou-se cada vez mais comum sonhar com aplicações que “conversam com seus dados”. PDFs, planilhas, bancos SQLite, tudo pode virar fonte de sa...
Olá, leitores! Hoje é segunda-feira, o começo da semana, e vamos direto ao assunto: OpenAI para países – um grande passo na direção certa. Além disso, vamos explorar como a IA está influenciando o mercado fi...
A divulgação do system prompt de 16 739 palavras do Claude, iniciada quando Ásgeir Thor Johnson persuadiu o modelo a revelar o texto interno, escancarou algo que a maioria dos usuários só intuia: chatbots nã...
Preparem-se, porque a Google acaba de dar um salto gigantesco no mundo da inteligência artificial com a atualização do seu modelo Gemini 2.5 Pro! Se você é como eu, apaixonado por tecnologia e IA, vai adorar...
O que é o Ollama e para que serve? O Ollama é uma ferramenta leve e extensível para executar modelos de linguagem (LLMs) diretamente no computador local. Em vez de depender de serviços na nuvem, o Ollama per...
Quando você conversa com uma inteligência artificial, já parou para pensar como ela “se lembra” do que acabou de acontecer? Ou, melhor ainda: por que às vezes ela “esquece” o que você disse minutos antes? A...
Os Modelos de Linguagem de Grande Escala (LLMs), como GPT-4, Claude 3, Gemini e outros, revolucionaram o acesso e a síntese de informações. Sua capacidade de processar e gerar texto semelhante ao humano perm...
A Engenharia de Prompt tem emergido como um campo crucial no desenvolvimento de sistemas baseados em modelos de linguagem de grande porte (LLMs). Ela diz respeito à arte e ciência de projetar entradas (promp...
A Evolução da Inteligência Artificial em Ondas A Inteligência Artificial (IA) representa um dos campos científicos e tecnológicos mais dinâmicos e transformadores da atualidade. Contudo, a sua trajetória não...
Grandes Modelos de Linguagem (LLMs, na sigla em inglês) como o GPT-4 estão cada vez mais presentes em nossas vidas, oferecendo desde assistência pessoal até geração de conteúdo em uma variedade de domínios....
A inteligência artificial tem se mostrado um campo fascinante, e uma das áreas mais impressionantes é o processamento de linguagem natural. O ChatGPT, uma criação revolucionária da OpenAI, é um exemplo de co...
Neste tutorial, vamos aprender como executar o modelo de linguagem ggml-alpaca-7b-q4, baseado no Alpaca AI, em uma máquina local sem a necessidade de conexão com a internet. O Alpaca AI é um modelo de lingua...
Relato de 2023 sobre o uso do ChatGPT para estruturar argumentos, revisar uma autuacao e vencer um recurso de multa de transito.