A IA ficou mais barata e mais rápida do que a capacidade de a supervisionar

DeepSeek aperta o preço e muda o cálculo para quem desenvolve

A DeepSeek lançou o V4.1-Flash-1017, atualização da família Flash que mantém a base do modelo e melhora os resultados em várias frentes: respostas mais rápidas, mais curtas e mais baratas. Segundo dados da empresa, atingiu 77,0% no DeepSWE, um benchmark de programação, acima dos 74,0% do Claude Opus 5 e dos 73,0% do GPT-5.6 Sol.

O dado mais relevante para quem constrói produto é a combinação de contexto de 1 milhão de tokens com até 256 mil tokens de saída, que permite alimentar bases de código inteiras sem dividir projetos.

A empresa abriu também as APIs de pesquisa e de obtenção de páginas, a 0,75 dólares por mil chamadas, com acesso gratuito através do Claude Code e do Codex. Os pesos estão no Hugging Face com licença MIT e correm localmente com vLLM ou SGLang.

O efeito prático é uma compressão do custo marginal de construir com IA: a decisão deixa de ser "qual é o melhor modelo" e passa a ser "que processo quero automatizar e quanto pago por supervisão".

A Anthropic mediu o que acontece quando os agentes passam a ser maioria

A Anthropic publicou um estudo sobre a sua própria força de trabalho, assinado por Nathan Wilmers, Regina Catipon, Maxim Massenkoff e Peter McCrory, com números que servem de indicador avançado para o mercado. A proporção de contratações técnicas juniores caiu de 27% para 9%. Dentro dos departamentos técnicos, os juniores passaram de 21% para 14% dos efetivos desde o início de 2025.

O relatório descreve uma mudança na natureza do trabalho. Num inquérito de abril de 2026, 20% dos funcionários descreveram uma passagem "de fazer trabalho para gerir Claudes". Um engenheiro resumiu a situação como "um exército de Claudes, cada um a pedir a minha atenção".

Os números que explicam essa frase são os mais desconfortáveis. As sessões do Claude passam cerca de 80% do tempo inativas à espera de intervenção humana. Em agosto, as horas de agentes interativos ultrapassaram as horas de funcionários numa proporção de seis para um. O tempo médio em reuniões cresceu 20%. Os commits por engenheiro estão cinco vezes acima do nível de seis meses antes, embora o relatório avise que mais código não significa melhor código.

Um terço dos gestores de machine learning e um quinto dos de engenharia de software indicam contratar menos por causa da IA. O relatório classifica a atenção humana como o "gargalo": o limite já não está no modelo, está na pessoa que decide se o resultado serve.

As empresas medem o ROI que não as faz ganhar

A Wharton publicou o quarto relatório anual sobre o estado da IA, com a GBK Collective, a partir de inquérito a 1.416 líderes de empresas norte-americanas. Existe um fosso crescente entre quem implementa IA e quem a integra de facto. Apenas 7% das organizações acertam nas três dimensões identificadas como marcadores de sucesso: provar valor, transformar fluxos de trabalho e alinhar a organização em torno da IA.

A adoção não é a questão: 91% dos inquiridos usam IA várias vezes por semana e 73% relatam alterações significativas nos processos. O problema está na medição: cerca de 40% avaliam o investimento por horas poupadas e apenas 27% acompanham receita nova.

A diferença de resultados é clara: 35% dos departamentos que acompanham pelo menos uma medida de crescimento reportam retornos fortemente positivos, contra 13% dos que medem apenas eficiência. Apenas 22% dos gestores olham para a IA como forma de crescer o negócio.

Há um sinal organizacional relevante: 58% dos gestores com um Chief AI Officer recentemente nomeado reportam ROI fortemente positivo. Brian Smith, da GBK, descreveu o momento como "mudar o motor com o carro a andar", trabalho "muito menos excitante do que a experimentação inicial". A ligação ao bloco anterior é direta: os agentes poupam horas, mas as horas poupadas não pagam salários nem criam produtos.

A Meta recuou nos termos de crawling, mas a dúvida ficou

A Meta removeu dos termos comerciais atualizados a linguagem que, segundo juristas, poderia autorizá-la a usar scrapers, bots e crawlers em domínios ligados a contas de negócio e a usar esse conteúdo para "fornecer, desenvolver, melhorar, investigar e treinar" os seus produtos. A alteração surgiu antes da entrada em vigor prevista para 30 de outubro.

James Grimmelmann, da Cornell, afirmou que os editores "têm de confiar que a Meta não quer dizer a extensão total destes termos", e Matt Topic defendeu que "devem assumir que seria aplicável".

A empresa reagiu. Andy Stone, porta-voz da Meta, respondeu no X com "isto é falso", e a empresa sustentou que os termos de crawling "apenas se aplicavam aos nossos produtos de publicidade e de negócio". A versão em pré-visualização mantém o crawling ligado a produtos publicitários, mas deixa de mencionar treino.

O episódio ilustra o padrão da semana. A capacidade técnica de recolher e treinar existia; o enquadramento contratual não acompanhou e só recuou depois de escrutínio público. Para quem aceita estes termos como condição de acesso, a data de 30 de outubro merece leitura atenta, incluindo as regras de robots.txt.

Arquiteturas novas e autonomia científica no mesmo dia

A Stanford University apresentou o Next-Concept Modeling, arquitetura que abandona a geração token a token: o NCM representa sequências inteiras como hierarquias de códigos discretos e gera do conceito geral para o detalhe.

Nos testes, modelos de escala comparável produziram texto entre 10 e 31 vezes mais rápido do que bases fortes de modelos por difusão, com qualidade igual ou superior, e processaram 4 a 5 vezes menos tokens de treino em alguns benchmarks. A vantagem estrutural é permitir revisão do plano antes da escrita, algo que a geração autorregressiva não consegue fazer na mesma passagem.

A AlphaSignal reportou ainda que o Claude desenhou circuitos quânticos de forma autónoma a partir de linguagem natural, até 39 vezes mais baratos do que trabalho publicado. Numa simulação multiagente de 16 dias, a "cidade" de agentes Grok colapsou em quatro dias; a do Claude construiu uma democracia funcional.

Os três resultados apontam para a mesma direção. O debate técnico deixou de ser sobre capacidade de raciocínio e passou a ser sobre comportamento em escala, custo por resposta e capacidade de revisão. São métricas de engenharia de processos, não de modelos. E é aí que a maioria das organizações ainda não tem resposta.

🧰 Toolkit: IA no Terreno

• DeepSeek V4.1-Flash-1017: modelo aberto com licença MIT e contexto de 1M tokens; corre localmente com vLLM.
• DeepSeek Search & Fetch API: pesquisa e obtenção de páginas a 0,75 USD por mil chamadas; gratuita via Claude Code.
• Claude Code: agente de linha de comandos; testado a remover 25 aplicações pré-instaladas de uma TV Xiaomi.
• Granola: transcreve reuniões e inclui slides e gráficos partilhados de ecrã nas notas.
• ScrapeCreators: competências de investigação em redes sociais prontas a ligar a agentes de código.
• vLLM: servidor de inferência para modelos abertos, com gestão de contexto longo e maior débito por GPU.

A semana não trouxe um modelo novo que mude tudo. Trouxe a prova de que o custo por resposta cai mais depressa do que a capacidade humana de verificar respostas. A DeepSeek tornou o acesso quase gratuito, a Anthropic mostrou que 80% do tempo dos agentes é espera por um humano, e a Wharton demonstrou que a maioria das empresas mede a métrica que não gera crescimento. A próxima vantagem competitiva não estará em ter o modelo mais rápido, mas em ter o processo que decide, verifica e assume responsabilidade pelo que o modelo entrega.

#IAPortugal #noticiasIA