0811 | Destaques: Gutta, Portfolio Lab e SecondBrain Note no Product Hunt

Sofia Almeida: Bem-vindos ao Product Hunt diário, o Bri. Eu sou a Sofia Almeida.

Rafael Costa: E eu sou o Rafael Costa. Hoje temos um briefing cheio de lançamentos: começamos com uma plataforma que promete investimento com IA feito com responsabilidade, e segue um gravador de voz em formato de cartão que transforma conversas em notas.

Sofia Almeida: Também trazemos ferramentas para listas de tarefas na barra de menus do Mac, um painel de longevidade com IA, e até uma chamada de voz em grupo com mentes de IA no comando.

Rafael Costa: Sem esquecer do Remix, que se apresenta como o “Figma, mas no seu aplicativo em produção”, e de um harness de codificação open-source que se auto-melhora. Tudo isso e mais, em seguida.

Sofia Almeida: O primeiro dos quatro produtos de hoje é o Paritok, uma ferramenta criada pelos engenheiros Jiayu e Luzhuo e apresentada no Product Hunt com Chris Messina como hunter. A ideia central é comprimir tudo o que um agente de IA de codificação envia para o modelo — ferramentas, arquivos, histórico — para reduzir bastante o consumo de tokens.

Rafael Costa: E a promessa dos fundadores é grande: gastar até 85% menos em tokens e rodar sessões de agente cerca de três vezes mais longas. Eles dizem que a instalação usa dois comandos, é totalmente local e que nada é perdido — os bytes originais continuam recuperáveis na sua máquina.

Sofia Almeida: O Paritok fica entre o agente e a API, ligado por uma única variável de ambiente. E já funciona hoje com Claude Code, Cursor, Codex, OpenHands e qualquer ferramenta compatível com OpenAI ou Anthropic. É código aberto sob licença Apache 2.0, na versão 1.3.0, e você pode rodar self-host gratuitamente ou usar uma chave de API paga.

Rafael Costa: Entendi. E como ele economiza tanto assim? Porque aí tem três alavancas separadas, certo? A primeira mexe nos esquemas de ferramentas — segundo os criadores, eles caem de cerca de 29 mil tokens por turno para 8 mil, sem modelo envolvido, rodando na CPU. O Paritok mantém as ferramentas relevantes e congela as demais por conversa, o que também ajuda na estabilidade do cache.

Sofia Almeida: Exatamente. A segunda alavanca comprime leituras de arquivo e saídas de ferramentas para cerca de 26% do tamanho original, e isso usa um modelo treinado em 45 mil trajetórias reais de agentes. A terceira alavanca entra quando o orçamento de contexto enche: o histórico antigo é resumido num limite definido pelo usuário, antes de transbordar para uma compactação que perderia informação.

Rafael Costa: Então o ganho declarado vai de 25% no primeiro turno até mais de 85% em sessões longas ou saturadas. O site ainda estima mais de seis mil e quinhentos dólares economizados por ano, calculando sobre uma requisição média de cerca de 96 mil tokens a três dólares por milhão. É um número deles, claro, mas a lógica de comprimir antes de mandar para a API faz sentido para quem roda sessões grandes.

Sofia Almeida: O próximo é o Vidaya, um painel de longevidade com IA que antes se chamava Vitality AI Health — mesmo produto, mesma equipe, só mudou o nome. O CEO Kevin Amrelle conta que a proposta é transformar dados de wearables, exames, DNA e hábitos num "healthspan score" e num plano de longevidade personalizado.

Rafael Costa: E o problema declarado é aquele de todo mundo: seus dados de saúde estão espalhados e não conversam entre si. Refeições num app, suplementos noutro, exame de sangue num PDF, DNA numa plataforma de genealogia, histórico médico no sistema do hospital, passos no relógio. Nada disso se cruza.

Sofia Almeida: E ele conta uma história pessoal para ilustrar: numa corrida de bicicleta no inverno, a frequência cardíaca dele ficou fixada em 120 batimentos por minuto, um manguito confirmou hipertensão estágio 2 — e nenhum aplicativo de saúde detectou aquela tendência. O público-alvo é quem tem dados fragmentados e quer saber o que fazer a seguir, não só ver números.

Rafael Costa: Você vê o diferencial? Muitos apps de saúde agregam uma ou duas categorias. A Vidaya promete unificar todas as categorias geradas pelo usuário, incluindo as de grau médico — eletrônicos de Epic, resultados da Quest, DNA da 23andMe — com mais de 60 fontes integradas.

Sofia Almeida: E tem algumas promessas específicas do fabricante, não resultados verificados: a plataforma teria sido construída em conformidade com a HIPAA desde o primeiro dia, e o mecanismo que cruza as fontes está numa patente pedida. Além disso, há um assistente de conversa que responde em linguagem natural citando os próprios dados — por exemplo, "como meu sono mudou depois que comecei a tomar Lexapro".

Rafael Costa: Interessante. E eles falam que o roteamento entre dois níveis de modelo faz cerca de 80% das consultas num intervalo bem rápido — de um a dois segundos. Para quem acompanha saúde em vários lugares, a ideia de um painel único que aponta o próximo passo é o gancho mais forte aqui, mesmo sendo tudo reivindicação do fabricante.

Sofia Almeida: O destaque do briefing de hoje é o Remix, descrito como um "Figma, mas dentro do seu aplicativo em produção". Ou seja: qualquer membro do time pode criar uma variante do produto real — uma cópia segura em sandbox, moldada por descrições em linguagem natural, sem setup e sem risco à produção.

Rafael Costa: Então não é só design. As variantes podem ser vistas lado a lado, e se duas ideias agradam, você arrasta uma sobre a outra para mesclá-las. Quando a ideia está pronta, abre-se um pull request direto para o GitHub, com todos os prompts registrados — então o revisor vê exatamente como aquela mudança foi construída — e um link ao vivo permite testar tudo antes de qualquer linha tocar a branch principal.

Sofia Almeida: E qual é o problema que eles atacam? É o entorno do código. Com a IA, codificar ficou mais fácil, mas preparar o ambiente, executar, fazer preview, acompanhar a base principal, revisar e lançar continuam difíceis. O Remix promete resolver isso em modo multiplayer, validando cada remix contra o design system, segurança e regras de compliance antes de ir a qualquer lugar, e deixando a engenharia com a arquitetura e a aprovação final.

Rafael Costa: E vale falar que isso é relato do fabricante, sem métricas independentes. No exemplo que eles deram, um time inicial teve uma designer que reformulou os empty states do app — aquelas telas que aparecem quando não há nada para mostrar — que estavam parados no backlog há meses. Ela fez com prompt, preview e lançamento no mesmo dia, passando pela revisão normal de pull request.

Sofia Almeida: E a comunidade respondeu bem. Um comentarista elogiou a aceleração de ideias até produção com visibilidade total para o engenheiro, ainda antes de o pull request chegar. Isso é o coração da proposta: juntar a rapidez da IA com o controle que um time de engenharia precisa.

Sofia Almeida: E fechamos com o AI Group Call, um app de chamada de voz em grupo com seis mentes de IA, também lançado no Product Hunt. Você digita um objetivo — por exemplo, testar seu pitch de investidor, planejar duas semanas no Japão ou ensaiar uma negociação salarial — e em segundos entra numa chamada ao vivo com seis participantes de IA escalados para aquela meta.

Rafael Costa: Então não são robôs genéricos — cada um tem nome, papel e personalidade. Pela página do produto, o elenco inclui um anfitrião, um cético, um estrategista e "amigos". Eles falam um de cada vez, discordam entre si e param no instante em que o usuário fala.

Sofia Almeida: E a criadora, Tash, conta que o app nasceu de uma frustração: pedir conselho a um chatbot não dava "a sala" — a reunião em que um cético fura o pitch, um estrategista o reformula e alguém faz o papel do cliente que precisa aprovar. Ela diz que a parte mais difícil foi o barge-in real: como o microfone também ouve os agentes no viva-voz, foi preciso muito tratamento de eco e detecção de voz para a interrupção soar como uma ligação de verdade.

Rafael Costa: E tem um monte de recursos prometidos: tocar em qualquer agente no meio da chamada e reescrever nome, papel ou personalidade; uma pausa que congela os minutos; transcrição ao vivo salva no histórico; um resumo com pontos-chave e itens de ação; e um botão de "participar novamente" que remonta o mesmo elenco. Também dá para denunciar respostas de IA a partir do transcript.

Sofia Almeida: E no exemplo que publicaram, dá para ver como funciona na prática: o grupo recomendou abrir o pitch com uma retenção de 68% na semana quatro, contra uma mediana de 24% na categoria, e gerou o item de ação de reescrever o slide de abertura antes de quinta-feira. Para quem quer ensaiar conversas difíceis sem julgamento, ter um painel de céticos e estrategistas do outro lado da chamada é uma ideia bem concreta — e, do jeito que o time resolveu a interrupção ao vivo, parece uma chamada de verdade.

Sofia Almeida: Vamos começar pela história que mais chamou atenção no lançamento de hoje: o Portfolio Lab. A plataforma se apresenta como investimento com IA, feito com responsabilidade, e foi fundada por Rich Sun, que se identifica como profissional de fundos hedge. E o que motivou ele a criar isso é bem interessante: ele conta que pediu ao Claude para construir 1.292 estratégias de investimento. E, mesmo sendo profissional, levou dias auditando o código linha por linha, procurando erros sutis que inflavam os resultados. Depois das correções, quase todas as estratégias perderam a vantagem que pareciam ter no começo.

Rafael Costa: E aí está a tese central da equipe: o problema é que modelos de linguagem como o Claude raciocinam em linguagem, não processam bem as séries temporais ruidosas do mercado, e os erros aparecem exatamente nos números. A jogada deles é que a solução não é um simples "wrapper" em cima de um modelo de linguagem, mas sim modelos quantitativos proprietários treinados com décadas de dados. O site fala em mais de 35 anos de histórico de mercado, mais de 200 preditores e mais de 1 bilhão de dados.

Sofia Almeida: O fluxo do produto tem três etapas: construir, validar e implantar. Na primeira, você define o objetivo e os modelos geram estratégias sistemáticas. Depois vem a validação, com testes em dados não vistos e paper trading ao vivo, antes de envolver dinheiro real. E, na fase de implantação, você conecta o Claude, o ChatGPT ou qualquer agente que fale o protocolo MCP à sua própria conta de corretagem. Existem três tipos de estratégia, com limites de até dez e até cinco ativos simultâneos, e ainda tem uma opção gerenciada chamada Managed, feita pelo alphaAI, que é um consultor registrado.

Rafael Costa: Vale lembrar que a empresa se declara registrada na SEC, membro do SIPC e com criptografia de 128 bits ou mais, mas isso vem do próprio site. O ponto que a gente leva daqui: a promessa é usar IA de verdade no processo, mas com a auditoria humana que falta quando você pede a um modelo para inventar estratégias sozinho.

Rafael Costa: Agora uma ferramenta bem mais modesta e direta: o Gutta. É uma lista de tarefas mínima, offline, que vive na barra de menus do Mac e é orientada a teclado. O criador conta que construiu isso porque capturar uma tarefa deveria levar segundos, sem arrastar o usuário para outro aplicativo. E é o primeiro lançamento público dele, então ele está pedindo feedback principalmente sobre o fluxo de captura e os controles de lembrete.

Sofia Almeida: O diferencial é como você captura a tarefa: você pressiona um atalho, digita a tarefa como se fala, e o app entende datas e horários naturais. Então você pode escrever "enviar a fatura sexta às 10 e meia" e ele já agenda. Dá para converter uma entrada separada por ponto e vírgula em várias tarefas, e os lembretes são locais. E a parte de privacidade é forte: tudo fica no Mac, sem conta, sem assinatura, sem rastreamento e sem nuvem do desenvolvedor. O máximo é uma sincronização opcional por uma pasta que você mesmo escolhe no iCloud Drive, Dropbox ou OneDrive.

Rafael Costa: A documentação no repositório público mostra como isso funciona por baixo: o app mostra contagens de atrasadas, de hoje e futuras na barra de menus, e permite buscar, concluir e excluir sem tirar as mãos do teclado. Os dados ficam guardados localmente, e cada tarefa vira um arquivo separado numa subpasta de sincronização, em vez de colocar um banco de dados vivo no serviço de arquivos. A mesclagem das mudanças acontece enquanto o app roda, e se a mesma tarefa for editada ao mesmo tempo em dois lugares, a cópia mais recentemente editada vence.

Sofia Almeida: Detalhe honesto: você precisa escolher a pasta de sincronização uma vez por Mac, por causa das regras do App Sandbox da Apple. E os lembretes têm um padrão global de 15, 20 ou 30 minutos. Ou seja, é uma ferramenta para quem quer capturar tarefas com o mínimo de atrito possível, sem abrir um app cheio, e sem entregar dados a mais ninguém.

Sofia Almeida: Número três: o SecondBrain Note, da GenSpark. É um gravador de voz com IA em formato de cartão — hardware e IA juntos — que promete transformar conversas em notas estruturadas e pesquisáveis. É fininho, com corpo de alumínio, trava magnética para iPhone e um suporte dobrável. Custa 179 dólares em promoção, 199 no preço normal. E o jeito de usar é simples: você segura o botão por dois segundos para gravar.

Rafael Costa: A promessa é chamar atenção pela autonomia: a bateria dura até 35 horas contínuas, tem 64 gigabytes de armazenamento, quatro microfones e funciona offline, sincronizando depois. A empresa aposta numa ideia antiga, a chamada Curva do Esquecimento de Ebbinghaus, de 1885, que diz que a gente esquece 83 por cento do que ouve. Só que, em vez de você escrever tudo à mão, o aparelho gera transcrições e resumos automáticos. E o marketing está mirando exatamente no problema clássico das reuniões: anotações manuais são lentas, incompletas e difíceis de organizar depois.

Sofia Almeida: Um detalhe inteligente que a comunidade destacou é o sensor de vibração para gravar chamadas, já que gravadores externos costumam capturar só o que sai do alto-falante. Vem com 300 minutos de transcrição por mês incluídos, e os planos pagos oferecem minutos ilimitados, até 24 horas por dia. A empresa fala em segurança de nível empresarial, com transferência criptografada e certificações SOC 2 e ISO 27001.

Rafael Costa: Então o alvo são profissionais, fundadores, pesquisadores e estudantes, em reuniões, entrevistas, palestras e ligações. A proposta é simples: você grava, ele transcreve, resume e organiza — e você não perde mais o que foi dito numa conversa importante.

Rafael Costa: Fechando, a gente tem a Oqoqo, que é de um outro mundo: uma plataforma para construir avaliações e benchmarks personalizados para tarefas do mundo real, feita para times que querem medir o quão bem os agentes de IA descobrem e usam os próprios produtos. A cofundadora Haritha explica o problema: os benchmarks que existem rodam em ambientes curados, limpos, e não se traduzem bem para as situações reais de uso.

Sofia Almeida: Na prática, você define a tarefa em linguagem natural — um exemplo que eles dão é "integrar o Supabase ao meu webapp para armazenar cadastros" — escolhe o que testar, se é o SDK, a API, a interface de linha de comando, e define o critério de sucesso. A infraestrutura da plataforma cria sandboxes isolados, executa as tarefas contra agentes como o Codex, o Claude Code, o Cursor ou o GitHub Copilot, e cataloga cada passo: as chamadas de ferramenta, as tentativas, os loops de descoberta, e documenta consumo de tokens, custo e sucesso ou falha. Dá para comparar modelos no mesmo conjunto de tarefas, testar interfaces voltadas a agentes como MCP e linhas de comando, e rodar tudo a partir do CI.

Rafael Costa: Mas a discussão na comunidade levantou perguntas abertas bem honestas: quanto tempo leva para configurar uma avaliação, se os times conseguem mesmo comparar modelos no mesmo conjunto de tarefas, e principalmente a questão do não-determinismo — a mesma tarefa raramente segue o mesmo caminho duas vezes quando você roda um agente, então a pontuação pode oscilar. E ainda tem a pergunta de como a plataforma se recupera de falhas, como uma permissão negada no meio do caminho. Tudo isso fica para o usuário descobrir na prática.

Sofia Almeida: Então é isso que conecta as quatro histórias de hoje: do Portfolio Lab, que audita o que a IA cria antes de colocar dinheiro real; o Gutta, que captura tarefas em segundos, sem abrir outro app; o SecondBrain, que transforma conversas em notas sem você digitar nada; e a Oqoqo, que mede se os agentes realmente funcionam fora do ambiente de teste. Quatro formas diferentes de perguntar: a IA está fazendo isto direito? E fica aí para vocês decidirem o que testam primeiro.

Sofia Almeida: A novidade de hoje é o Prime Agent, um harness de codificação open-source e auto-melhorável lançado pela Prime Intellect em agosto de 2026. É basicamente uma estrutura que deixa um modelo de linguagem se dirigir de forma cada vez mais autônoma enquanto trabalha.

Rafael Costa: E o que torna ele tão diferente? O anúncio fala em duas abstrações principais. A primeira, o Recursive Language Model, ou RLM, trata o contexto como uma variável e a delegação de subagentes como se fossem chamadas de função lá dentro de um REPL — aquele ambiente de execução interativo. E a segunda é o Continual Harness, que permite ao agente criar, ler, atualizar e excluir o próprio estado, incluindo prompts, habilidades, memória e até subagentes, tudo a partir da própria trajetória de trabalho.

Sofia Almeida: Então ele aprende e se reorganiza enquanto executa. E o material afirma que, usando o modelo Opus 5, o Prime Agent alcança 95,5% no benchmark ARC-AGI-3, superando o baseline humano especialista relatado. Vale dizer: esses números não têm verificação independente no que foi divulgado até agora.

Rafael Costa: Boa ressalva. E a arquitetura é enxuta: o único tool que o modelo conhece é um kernel IPython persistente. Todos os outros recursos do harness são chamados como funções dentro desse kernel, e cada subagente é, na verdade, outra instância do próprio Prime Agent rodando ali dentro.

Sofia Almeida: E como ele se mantém estável quando as sessões ficam longas? Um daemon em segundo plano é dono das sessões ativas através de um socket local, então dá para anexar e desanexar sem interromper o loop. Se um worker falhar, o daemon o recupera a partir do registro da sessão, em JSONL, e do snapshot do estado do kernel.

Rafael Costa: Ou seja, trabalho que já estava indo não se perde do nada com uma falha. E o histórico é guardado inteiro em disco num formato append-only, com ramificação e clonagem por deslocamento do ponteiro de folha. A compactação acontece quando bate o limite de contexto, ou manualmente, e um agente-espectador em segundo plano limpa o kernel de forma assíncrona, uma espécie de coletor de lixo. A ideia é manter o ambiente sustentável mesmo em tarefas longas.

Sofia Almeida: E é isso que fecha o bloco de hoje! Tivemos o Portfolio Lab prometendo investimento com IA feito com responsabilidade, o SecondBrain Note transformando conversas em anotações, o Gutta como lista de tarefas mínima no Mac, e o Remix, tipo um Figma para testar variantes no seu app em produção. Também passamos pelo AI Group Call com seis mentes para ligações em grupo, a Oqoqo criando avaliações personalizadas, o Prime Agent open-source da Prime Intellect, o gateway Paritok e o painel de longevidade Vidaya.

Rafael Costa: Muita coisa boa para acompanhar, hein? Fiquem de olho no site e nas redes para continuar explorando esses lançamentos. Até a próxima!