Developer Experience @ PicPay
Anotações pessoais sobre engenharia de software, developer experience, inteligência artificial, cloud, infraestrutura, DevOps e SRE.
Li cinco anúncios abertos em setembro de 2026 na Palantir, na OpenAI e na Anthropic. Eles descrevem o mesmo arco, do problema em aberto até adoção em produção, e cobram dois entregáveis: o sistema do cliente e o que ele ensina de volta para o produto.
O CLM lê a situação e cada opção em separado e escolhe a mais parecida. Fica rápido quando as opções se repetem, e fraco quando a frase pede nuance.
As tabelas colocam Jev e Laya como vencedores em recortes diferentes. A escolha depende de onde os rótulos são definidos e de quanto dado rotulado já existe.
Laya é um modelo de decisão não autorregressivo com pesos Apache 2.0. Ele troca a conveniência de uma API hospedada pelo controle de rodar, avaliar e especializar o modelo.
Jev troca geração de texto por decisões tipadas com probabilidades. A proposta funciona quando o espaço de resposta é fechado, a pergunta é estreita e o código continua no controle.
Agentes de código parecem mais capazes quando cada tarefa começa a partir de um checkout limpo. Novos benchmarks mostram o custo que aparece quando patches, decisões e dívida técnica seguem para o próximo trabalho.
Dockerfiles, pipelines e Terraform não são apenas mais um diff. Quando a IA gera código com acesso ao caminho de produção, o review precisa seguir o risco do arquivo.
Depois de quase 10 bilhões de tokens no Codex, por que o GPT-5.6 Luna virou meu modelo padrão: custo, desempenho, contexto e limites.