Radar #1 · 03/08/2026
Mais inteligência pelo mesmo preço, e o tooling de agentes amadurece
A semana foi de reprecificação: Anthropic e Google lançaram modelos que entregam mais capacidade sem subir o custo, cada um numa camada diferente do mercado. Enquanto isso, a infraestrutura de agentes ganhou peças que faltavam: sandbox com fork, diagnóstico de banco legível por agente e voz em tempo real atrás de uma API só. O recado pra quem opera automação: refaça a conta do custo por tarefa, ela mudou de novo.
Pro seu negócio
O novo Opus entrega desempenho próximo do Fable 5 pagando metade, e supera o Opus 4.8 pelo mesmo custo. Agentes de longa duração e trabalho de conhecimento ficam mais baratos sem trocar de stack: mesmo SDK, muda só o id do modelo. Vale reavaliar qual modelo roda cada etapa do seu pipeline.
O 3.6 Flash mostra ganhos de até 65% em benchmark de código com custo menor por token de saída; o Flash-Lite vira a opção mais rápida e barata da linha. Pra tarefas de volume (classificação, extração, resumo), o custo por documento cai sem mexer na arquitetura. Se a sua automação usa modelo caro pra tarefa simples, refaça a conta.
O modelo de voz da xAI entrou no AI Gateway da Vercel com roteamento unificado, observabilidade, controle de gasto e failover automático. Atendimento por voz deixa de exigir contrato e integração com cada fornecedor: é uma API só, com fallback se o provedor cair.
Pro time técnico
Primeiro release do novo ciclo mensal: 16.2.11 (Active LTS) e 15.5.21 (Maintenance LTS) corrigem 4 vulnerabilidades HIGH e 5 MEDIUM. Quem roda Next.js em produção deve subir a versão agora e criar rotina: janela de patch todo mês no calendário do time.
O CLI da Neon ganhou diagnóstico read-only de alto sinal do banco, direto no terminal. Debug de Postgres entra no loop do agente de código sem dashboard no meio: o agente inspeciona, entende e corrige na mesma sessão. Menos ida e volta entre console e editor.
Sandbox.fork() cria um sandbox novo a partir do snapshot mais recente do original, herdando a configuração. Ficou barato testar N abordagens a partir do mesmo estado: o agente ramifica o ambiente em vez de reconstruir do zero a cada tentativa.