Briefing diário
15 de agosto de 2026 · 5 histórias
🔥 Em destaque
1DeepSeek lança um kit de montagem para construir agentes de IA
Imagine uma caixa de Lego digital onde cada peca (o cerebro, as ferramentas, a memoria, a zona de testes, a interface) se liga e se desliga. O laboratorio chines DeepSeek acabou de publicar gratuitamente um kit assim, chamado Harness, sob licenca MIT, ou seja, utilizavel e modificavel por todos. Em dois dias o projeto acumulou quase 99.000 estrelas no GitHub, sinal de que os desenvolvedores do mundo estao atentos. Na pratica, e uma alternativa direta ao Claude Code da Anthropic, mas pensada ao contrario: comeca-se pelos modulos e o padrao de comunicacao com as ferramentas adapta-se depois. Quatro modos estao prontos, incluindo um minimo que a propria DeepSeek usa para testar os seus modelos. Para uma equipa que queira montar um agente sem reinventar a roda, e um novo ponto de partida.
Source : https://www.deepseek.com/harness/en/
2Alibaba entrega uma versao compacta e livre do seu melhor modelo para agentes
Apos a decepcao da versao gigante e paga de 12 de agosto, a Alibaba lanca uma que cabe num Mac: Qwen3.8-27B, 27 mil milhoes de parametros densos, licenca Apache 2.0 (uso comercial, gratis). Le imagens e textos, mantem o fio sobre 262.000 palavras (ate um milhao como opcao) e obtem 84,3 % num teste onde tem de operar um computador como um humano. Ultrapassa a geracao anterior (73,3) e ultrapassa Opus 4.6 Max da Anthropic (72,7). Para uma PME ou um trabalhador independente que queira um modelo potente sem enviar os seus dados para um gigante da nuvem, e uma opcao seria e ja disponivel.
Source : https://huggingface.co/Qwen/Qwen3.8-27B
3Writer apresenta uma equipa de agentes 52 % mais barata e que controla as proprias despesas
A Writer reescreveu a fundo o motor dos seus agentes: nova versao do modelo (Palmyra X6) e novo orquestrador (o harness). Resultado: 52 % mais barato e 48 % mais rapido nas mesmas tarefas. O modelo em si e um ajuste fino especializado de um modelo chines (GLM 5.2 da Z.ai), mas inteiramente retreinado em centros de dados americanos por razoes legais. Na pratica: 2 dolares por milhao de palavras lidas, 8 por milhao de palavras escritas, e os agentes aguentam oito horas seguidas sem supervisao. A verdadeira novidade: os administradores veem finalmente o consumo de tokens como uma linha de orcamento, nao como uma surpresa. Um passo importante na guerra dos precos que esconde na realidade um consumo em alta.
Source : https://writer.com/blog/palmyra-x6-major-harness-release/
4Um padrao aberto para os agentes terem memoria sem deixar sair os seus segredos
Imagine um arquivo da empresa onde qualquer agente pode vir ler e deixar notas, mas nada sai da empresa. E isso que a Starling Memory Works propoe com a sua Universal Cognitive Architecture (UCA), publicada gratis sob Creative Commons, sem taxas. O proprio modelo de IA fica sem memoria: esquece tudo quando a tarefa acaba, como um funcionario que entrega os dossiers ao sair. Todas as notas ficam em texto claro num espaco controlado pela organizacao. E o quarto grande bloco de memoria para agentes em quatro semanas, apos AWS, LangChain e Tencent: como o agente lembra torna-se tao estrategico como qual modelo ele usa.
Source : https://www.starlingmx.com/free-standard
5GitLens 19 transforma o historico de codigo numa cozinha comum para humanos e agentes
A GitKraken lanca o GitLens 19, que transforma o tradicional historico de commits do Git num espaco de trabalho onde humanos e agentes colaboram. Tres modos: Rever (inspecionar antes de propor uma alteracao), Compor (reorganizar em commits limpos), Contexto do repositorio (ver num relance o que toca um ficheiro). Compativel com VS Code, Cursor e Antigravity. O relatorio 2026 publicado ao mesmo tempo revela um numero marcante: 28 % dos desenvolvedores declaram hoje que a sua forma principal de trabalhar e «IA autonoma», face a 7,6 % ha nove meses. O mercado ja nao vende agentes isolados; vende o ambiente onde varios agentes convivem com humanos.
Source : https://www.prnewswire.com/news-releases/gitkraken-introduces-gitlens-19-bringing-human-and-ai-workflows-together-in-one-workbench-302851472.html
📡 A vigiar
Memoria e motor dos agentes amadurecem em paralelo
Quatro blocos de memoria (AWS, LangChain, Tencent, Starling) em quatro semanas, e quatro motores agent open-source em sete dias (DeepSeek Harness, Writer X6, Microsoft Agent Framework, NVIDIA NOOA): as duas familias amadurecem ao mesmo ritmo. Uma quebra numa reflete-se na outra. A vigiar para antecipar o proximo passo.
Retreinar nos EUA um modelo chines torna-se estrategia assumida
A Writer admite abertamente que recolhe o GLM 5.2 (Z.ai) do Hugging Face, retreina-o em centros de dados americanos e publica um relatorio tecnico. E a resposta escrita as criticas de 12 de agosto sobre a falta de quadro de seguranca da Z.ai. Qualquer empresa que queira usar um modelo chines sem cair sob jurisdicao chinesa toma agora este caminho. Um padrao reproduzivel, nao uma excecao.
As pontuacoes do Qwen3.8-27B dependem do motor usado para as medir
A ficha oficial precisa que os testes de codigo sao executados com o Claude Code, o motor da Anthropic. E como classificar um carro com o motor do concorrente: o numero continua bom, mas reflete a combinacao. Verificar com um benchmark independente antes de qualquer uso critico em producao.
Duas visoes do agente chocam no mesmo dia
A 13 de agosto, a DeepSeek (chinesa, open-source) e a Microsoft (americana, gerida) publicam cada uma o seu framework de agentes. Um mesmo problema, duas respostas opostas: codigo aberto contra produto gerido, comunidade contra empresa. O jogo esta aberto. Para os utilizadores, chega uma escolha filosofica nos proximos meses.
📊 Tendência
Nestes quinze dias, as camadas invisiveis dos agentes (memoria, motor, distribuicao) amadurecem tao depressa como os proprios modelos. Os laboratorios chineses entregam agora uma pilha completa (modelo + framework + memoria + distribuicao), nao apenas pesos para descarregar. Do lado americano, o retreino em solo americano de modelos chineses torna-se pratica assumida para se manter compativel com as regulamentacoes. O terreno de jogo desloca-se: a batalha ja nao se trava sobre o desempenho bruto do modelo, mas sobre todo o ecossistema que cada editor pode oferecer.