Term
O Pi Durable manteve dois mantenedores autônomos trabalhando por quatro dias, inclusive durante uma atualização do próprio Pi. Sem demanda real, eles escreveram as próprias issues e mergearam 693 pull requests.
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.
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.
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.
A próxima onda não é apenas escrever código com um copiloto. É coordenar agentes supervisionados, contexto, testes e limites ao longo de todo o ciclo de desenvolvimento.
LLMs sabem conversar, mas não compartilham um modelo estável do domínio. Ontologias, grafos de conhecimento e validação semântica podem dar aos agentes um vocabulário comum, ações mais seguras e memória verificável.
Quando um agente pode agir demais, o risco não é apenas vazamento ou abuso. Ele também fica ruim de operar: executa trabalho fora de escopo, repete ações, gasta orçamento e falha sem caminho claro de volta.
O agente deixou de ser o produto inteiro. O próximo salto está na camada acima: memória entre sessões, coordenação entre agentes, contexto entre repositórios e otimização automática do próprio harness.
O agente genérico parece simples até virar um contexto gigante com ferramentas demais, permissões demais e custo demais. Agentes de domínio específico trocam esse acúmulo por composição, fronteiras claras e execução mais barata.
Seu agente mandou bem na demo e todo mundo achou incrível. Mas como você sabe que ele realmente funciona? Se a resposta for 'a gente testou e pareceu bom', você está operando no modo vibes. E vibes não escalam.