Insights
Notas do trabalho.
Textos práticos sobre como construir IA enterprise que chega à produção.
Lituânia: agentes produzem 85% do output do ChatGPT Enterprise; Eslovênia, 22%. A lacuna é profundidade.
A pesquisa da OpenAI com clientes empresariais da UE mostra ferramentas agênticas por trás de mais da metade dos tokens de output, com grandes diferenças entre países e empresas.
Ler
Seus agentes não vão quebrar a stack de IA primeiro. Vão quebrar os sistemas construídos para o ritmo humano
Controle de código da Anthropic, backtests da Third Moment e agendador de jobs da Databricks: mesmo limite, sistemas para pessoas. Um framework para auditar os seus antes do volume de agentes.
Ler
Quando agentes rodam experimentos, o gargalo está ao redor do modelo. Third Moment e Databricks mostram
Third Moment executa 10,000 agentes de pesquisa por até 48 horas; Databricks lançou 8x mais jobs de treinamento com agentes. Ambos bateram na mesma parede: espera, lançamento e erros.
Ler
Agentes de IA entram nas fábricas de chips pela simulação. Avanço da NVIDIA mostra a fronteira
Na SEMICON West, a NVIDIA e fabricantes de chips mostraram agentes executando simulações físicas e gêmeos digitais antes de tocar uma ferramenta. Cada aceleração mede uma carga de trabalho distinta.
Ler
O diagnóstico de um agente de SRE é um ponto de partida, não uma conclusão
A AWS conectou o DevOps Agent aos testes do Resilience Hub, e a Microsoft colocou o Azure SRE Agent ao lado do GitHub Copilot. As duas tratam a análise do agente como evidência a conferir.
Ler
Seu app de RAG precisa de banco vetorial separado? A Databricks mediu a busca no Postgres com 4M de passagens
Um engenheiro da Databricks dimensionou busca híbrida no Lakebase Postgres com um app real e corpora públicos. Os números ajudam os times a decidir onde a recuperação deve viver.
Ler
A ordem que funciona: Atlassian coloca 44 bilhões de eventos diários em um schema antes dos agentes de IA
A Atlassian normalizou sua telemetria de segurança para OCSF no Databricks e relata custo de ingestão 80% menor. Seus planos de agentes ficam sobre essa fundação, e a maioria ainda é roadmap.
Ler
Agentes de programação podem ler seu repositório. Figma Specs tenta dar a eles as decisões por trás do produto
Figma lançou o Specs em beta aberto: requisitos em Markdown ao lado de designs e camadas de código, que agentes como o Codex podem ler via servidor MCP da Figma. Contexto útil, se alguém for dono.
Ler
HydraFusion Max não escolhe um modelo para sua tarefa. Ele planeja quem redige, quem julga e quem conserta
GitHub atualizou o HydraFusion e adicionou a opção Max, ambos em preview de pesquisa. Modelos agora têm papéis e esforço de raciocínio por etapa. Meça pelo custo por mudança aceita, não por benchmark.
Ler
A IA barateou produzir mudanças. Provar que estão certas é o orçamento que ninguém planejou
Os lançamentos de segurança desta semana compartilham um padrão: a geração escala, a verificação não. La Madre defende que a capacidade de verificação deve ser planejada e orçada.
Ler
Pague um auditor de IA para achar problemas e ele aprende a inventá-los. A correção segundo a Anthropic
A Anthropic treinou um modelo pequeno para auditar sistemas de IA com aprendizado por reforço. A recompensa ingênua gerou achados inventados; julgamento pairwise e exemplos benignos corrigiram.
Ler
A IA da Chainguard ataca seu app em execução para provar a falha. Avalie o sandbox antes do modelo.
O Chainguard Harness compila um app do código-fonte, o inicializa em uma microVM isolada e deixa o Claude Mythos 5.1 tentar explorá-lo. Em testes de segurança de IA, o confinamento é o produto.
Ler
Tem um caso de uso de IA parado entre o protótipo e a produção?
Conte o que você quer colocar no ar. Respondemos com próximos passos honestos.
Converse sobre um caso de uso