0813 | CodeBurn, Cohesor, RightCard e Unsloth Desktop: destaques de IA

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

Rafael Costa: E eu sou o Rafael Costa. Hoje temos um episódio cheio de ferramentas novas para quem vive de tecnologia, IA e produtividade.

Sofia Almeida: Exatamente! Vamos falar de um rastreador open source para custos de programação com IA, de um plano de controle para agentes empresariais e até de um seletor de cartões de crédito que promete ser honesto.

Rafael Costa: E não para por aí: tem app para rodar e treinar modelos de IA localmente, agentes de voz, uma pasta compartilhada para os agentes da sua equipe e automação de workflows. Fiquem com a gente!

Sofia Almeida: Começando pelos custos de programação com IA. Um novo rastreador gratuito e de código aberto, chamado CodeBurn, criado por um desenvolvedor identificado como Resham, promete mostrar exatamente para onde vai cada dólar gasto com agentes de código como Claude Code, Cursor, Codex e Copilot. No total, ele dá conta de 40 ferramentas.

Rafael Costa: E a sacada é que ele não faz nada de especial para capturar esses dados — na verdade, lê os arquivos de sessão que as próprias ferramentas já gravam no disco. Depois, organiza o gasto por tarefa, por modelo, por projeto e até por pull request, mostrando cada token e cada dólar.

Sofia Almeida: Tudo roda localmente, na máquina do usuário, sem conta e sem uploads. O criador garante que nada sai do computador. E aí vem a ressalva importante: as alegações de que é genuinamente gratuito e usado por mais de 150 mil desenvolvedores vêm só do próprio lançamento, sem verificação independente.

Rafael Costa: O problema que ele ataca é familiar para quem usa esses agentes: a fatura mostra só o total, sem dizer qual modelo consumiu mais, qual projeto estourou o orçamento, ou se aquele gasto virou trabalho entregue ou um agente relendo o mesmo arquivo repetidamente. Um comentarista com experiência em estratégia e venture capital reforçou que os dashboards dos provedores contam bem o que foi consumido, mas muito pior o que esse consumo realmente realizou. Para ele, a questão de longo prazo não é custo por token, e sim custo por unidade útil de trabalho de IA.

Sofia Almeida: E o CodeBurn tem uma aba de otimização que tenta agir nisso. Ela identifica desperdício — cache inchado, retry tax, e modelos caros fazendo trabalho que um mais barato resolve — aplica a correção, mede a economia e permite desfazer. Também compara dois modelos com dados reais do usuário, usando métricas como custo por edição e taxa de acerto de primeira. Além de orçamentos com avisos antes de estourar.

Rafael Costa: O comentarista ainda pediu retorno de quem usa múltiplos agentes pesadamente: o que essas pessoas ainda sentem falta de enxergar? A pergunta fica no ar enquanto o projeto segue gratuito no GitHub.

Sofia Almeida: Agora, quem usa agentes de IA dentro de uma empresa encontrou outra ferramenta nova nessa mesma guerra contra contas que explodem. Chama-se Cohesor, e se apresenta como um plano de controle neutro — uma camada entre agentes como Claude Code, Codex e Cursor, e os modelos de linguagem por trás deles.

Rafael Costa: O argumento do produto é direto: o gasto com agentes está disparando, e quase não existe ferramenta para entender ou controlar isso. A proposta é um único endpoint, com zero mudança de código nos agentes, e promessas como comprimir cerca de 50% dos tokens e reduzir as contas de agentes em 60 a 90%. Mas atenção: essas são alegações do fabricante, não resultados verificados.

Sofia Almeida: Um comentário na discussão descreve bem a inspiração. A infraestrutura entre o negócio e os modelos continua estática — equipes escolhendo modelos manualmente, com base em custo, latência ou benchmarks que envelhecem rápido — sem nenhuma camada que decida continuamente qual modelo, qual configuração e qual estratégia de roteamento serve cada tarefa.

Rafael Costa: É aí que entra o gateway. Ele fala nativamente os protocolos da Anthropic e da OpenAI, então Claude Code, Codex, opencode e qualquer SDK entram com uma mudança de uma linha. Cada requisição passa por cinco checagens em cerca de 41 milissegundos — ingress, política, compressão, roteamento e observação — com chaves, escopos de time, rate limits e orçamentos rodando na borda em menos de um milissegundo.

Sofia Almeida: A compressão promete reduzir prompts e saídas de ferramentas sem perda — o exemplo do site mostra uma entrada de pouco mais de 4 mil tokens caindo para pouco menos de 2 mil. E o roteador usa um classificador para mandar cada requisição para o modelo de tamanho adequado à tarefa, além de impor governança de gasto por usuário.

Rafael Costa: O público-alvo são empresas que já dependem de múltiplos modelos, provedores e aplicações de IA — justamente quem não consegue mais acompanhar tudo na mão.

Sofia Almeida: Saindo dos agentes de código para um problema bem mais pessoal: qual cartão de crédito usar em cada compra. Uma extensão para o Safari, chamada RightCard, se apresenta como o seletor honesto de cartões — e o diferencial central, segundo o criador, é a arquitetura: nenhum login bancário, nenhuma conta e nenhum rastreamento.

Rafael Costa: Isso parece ser exatamente o que faltava para alguns. Um usuário na comunidade disse que a exigência de vincular conta bancária era justamente onde ele parava de tentar apps assim. Outro afirmou que a ferramenta corrige o hábito de usar sempre o mesmo cartão, sem perceber que outro renderia mais naquela loja.

Sofia Almeida: O funcionamento é engenhoso: a extensão lê a página de ofertas em que o usuário já está autenticado no próprio telefone. As credenciais nunca entram em cena, e as recomendações são calculadas no dispositivo, funcionando até offline. O criador afirma que os concorrentes pedem para vincular contas bancárias ou entregar credenciais.

Rafael Costa: Na prática, a ferramenta indica qual cartão usar em cada loja, adiciona automaticamente ofertas que o usuário esqueceria de ativar — de Amex, Chase, Citi e Wells Fargo —, controla as categorias rotativas de 5%, lembra quando novas categorias entram no ar e avisa antes da renovação de créditos e anuidades. A ativação de ofertas em um toque é gratuita; o criador diz que isso seria o nível pago em outros apps.

Sofia Almeida: Ele também promete números honestos: só os tetos declarados pelos bancos, o famoso até tanto — sem a matemática inventada de você economizou tanto. E inclui avisos quando um bônus não vai ser creditado. Por exemplo, a Walmart normalmente é classificada como superstore, não supermercado, então bônus de supermercado não se aplicam lá.

Rafael Costa: Tudo isso, claro, são declarações do criador, não resultados verificados. Mas se a promessa de rodar sem logins bancários e sem rastreamento se sustenta, essa extensão ataca um ponto em que muitos usuários simplesmente desistiam desses apps.

Sofia Almeida: E fechando com uma ferramenta que promete concentrar tudo o que você faria em vários serviços de IA num só lugar, direto no seu computador. O Unsloth Desktop é um aplicativo gratuito e de código aberto para executar e treinar modelos de IA localmente — descrito pelo site como 100% local e o primeiro app desktop para essa função. Disponível para Mac, Windows e Linux.

Rafael Costa: O escopo é ambicioso: cobre modelos de linguagem, difusão de imagem e vídeo, e áudio, com fluxos de trabalho sem código para treinar e gerar mídia. Pela promessa do fabricante, dá para baixar um modelo e começar a conversar em minutos. Tudo auto-relatado pela Unsloth, é bom deixar claro.

Sofia Almeida: Na geração de imagem, há suporte a modelos como MiniMax, FLUX e adaptadores LoRA. Na geração de vídeo, em uma GPU específica da NVIDIA, o MiniMax teria produzido um vídeo em cerca de 13 segundos, ante 70 segundos ou mais na geração normal. E dá para conectar agentes como Claude Code e Codex com um comando simples, trocando de modelo sem mexer no fluxo de trabalho do agente. Além de uma API compatível com OpenAI para apps e scripts já existentes.

Rafael Costa: Também há busca web ilimitada e gratuita, com deep research que gera relatórios com citações, uma função de chamada de ferramentas que detecta, corrige e tenta de novo falhas sozinha — com até 50% mais precisão, segundo o fabricante —, execução de código em sandbox segura, e um túnel gratuito via Cloudflare para servir modelos locais por HTTPS.

Sofia Almeida: Ou seja, a proposta é reunir num único app desktop boa parte do ciclo de vida de um modelo de IA: treinar, rodar localmente, gerar imagem, vídeo e áudio, e ainda conectar seus agentes de código. Se as promessas se confirmarem, elimina a necessidade de saltar entre várias ferramentas — o ponto exato que muitas pessoas reclamam nesse fluxo.

Sofia Almeida: Vamos direto ao primeiro lançamento do dia, então: o Chat Agent, da Trigger.dev. É um lugar com um slogan que resume a proposta inteira — um chat de IA que continua rodando depois que você fecha a aba. O cofundador James explica que na prática isso é um backend para aplicativos de chat com inteligência artificial.

Rafael Costa: E por que a Trigger.dev está atacando isso? Porque tem um problema bem conhecido aí. O fundador diz que a maioria dos chats de IA é construída sobre endpoints de request e response — o modelo responde e acabou. Só que isso cria timeouts que precisam de contorno, e nenhuma memória entre um turno e outro.

Sofia Almeida: E para contornar esses timeouts, o trabalho típico era bem trabalhoso. O James descreve como um ritual: escrever tudo num Postgres, adicionar um Redis para o stream sobreviver a um refresh na página, e ainda coordenar filas na mão. Ou seja, muito esforço para algo que deveria ser simples.

Rafael Costa: A proposta do chat.agent é dar a cada conversa a própria máquina. Essa máquina dura a conversa inteira, dorme quando ninguém está digitando e acorda de onde parou — sem o desenvolvedor precisar gerenciar esse estado manualmente. E tem números de produção interessantes do próprio fundador, que ainda não foram verificados de forma independente: nada de timeouts, e 1 em cada 20 turnos dura mais de 36 minutos.

Sofia Almeida: E o que acontece no meio de uma resposta? Um refresh na página faz o stream retomar de onde o navegador parou. Fechar a aba e voltar dias depois mantém a conversa. E a memória entre turnos é só questão de variáveis — um sub-agente criado quatro perguntas antes ainda está lá no dia seguinte. A espera, aliás, seria gratuita: dá para pausar até para ter uma aprovação humana no meio. O recado central é esse: na visão do fundador, o chat não deveria morrer quando a aba fecha.

Rafael Costa: Da Trigger.dev, passamos para uma plataforma open source de agentes de voz chamada Dograh. Ela se apresenta como uma alternativa aberta ao Vapi e ao Retell, que são plataformas fechadas. E tem uma crítica clara do criador, o Pritesh: nessas ferramentas fechadas, você acaba alugando seus próprios agentes na nuvem delas, pagando por minuto e vivendo dentro de tiers limitados de uso.

Sofia Almeida: E ele ainda acrescenta uma visão mais ampla: que grandes laboratórios estariam fazendo lobby para restringir IA open source. Contra isso, a proposta do Dograh é que nenhuma empresa seja dona da voz dos seus agentes. Licença BSD-2, código aberto desde o dia zero, instalação em um comando e tudo rodando no seu próprio servidor. O custo seria só a conta do modelo — sem taxa por minuto, sem tier fechado.

Rafael Costa: Na prática, quais casos de uso? Agentes que atendem chamadas, agendam compromissos, qualificam leads e fazem lembretes de pagamento por telefone. E o conjunto de recursos é grande: um builder visual de fluxo, conversa por voz em tempo real com mais de 70 idiomas e troca de idioma no meio da chamada, transferência para um atendente humano, gravações com checagem automática de qualidade e uma API REST gratuita.

Sofia Almeida: E você pode usar suas próprias chaves de modelo em mais de 30 integrações, ou rodar modelos locais — inclusive offline e em ambiente isolado da rede. Também é descrito como nativo de MCP, então dá para apontar o Claude Code, o OpenClaw, o Cursor ou qualquer outro runtime de agente para criar, modificar e implantar agentes de voz sem sair da IDE.

Rafael Costa: E tem dois detalhes técnicos em destaque na página: um modo de conversa por voz com um único modelo — áudio entra, áudio sai — citando um modelo específico da Gemini. E um recurso de conversões que mistura clipes pré-gravados com texto falado na mesma voz clonada, com redução de custo prometida. O tema central do Dograh é a propriedade: se você paga pelo modelo, a voz dos seus agentes é sua.

Sofia Almeida: De voz, passamos para arquivos. O BearDrive, da Runbear, é uma pasta compartilhada open source — mas não como você imagina. Em vez de ser um drive novo, ele sincroniza os arquivos reais que os agentes de IA da sua equipe já criam localmente: relatórios, apresentações, planilhas, pesquisas. A promessa é que o arquivo nasce compartilhado.

Rafael Costa: E o que isso significa na prática? Versionamento completo, atribuição até a sessão do agente que gerou o arquivo, e histórico disponível segundos depois de escrito. Um agente de um colega lê o trabalho do seu agente num caminho local de verdade. Funciona com Claude Code, Cowork, Codex, Gemini CLI — e, na palavra do próprio site, qualquer coisa que escreva um arquivo.

Sofia Almeida: O fundador, o Snow, é claro sobre o que o BearDrive não é: não é um sistema de memória de agente e não é outro workspace para onde você precisa migrar. O problema que ele quer resolver é real: arquivos úteis gerados por agentes viviam e morriam num laptop, e colegas refaziam trabalho que outro agente já tinha feito.

Rafael Costa: E ele acha que as alternativas falharam. Colar tudo no Notion era tarefa manual. Git é a ferramenta errada para artefatos de pesquisa e operações — e não-engenheiros não usam Git. E o Dropbox, diz ele, sincroniza os bytes mas não te diz quem fez o quê, quando, nem se aquilo está atualizado. A sacada declarada é: seu próprio sistema de arquivos é a superfície compartilhada, em vez de migrar para outro workspace.

Sofia Almeida: E tem um ponto elogiado até por um comentarista que revela ter amizade com o fundador: a moldura de usar o filesystem como superfície, e a combinação de versionamento com autoria como o que torna isso mais do que uma ferramenta de sincronização. No preço, é open source e auto-hospedável, com o serviço gerenciado gratuito durante o beta — pode começar grátis ou hospedar você mesmo.

Rafael Costa: E para fechar, temos a Ballet, lançada hoje pela Brainfish — uma plataforma de automação de workflows para equipes de operações. O CEO e cofundador Daniel explica a proposta assim: você descreve em inglês simples o resultado que quer — roteamento de leads, atribuição, renovação — e a Ballet escreve o código, executa e mantém o fluxo funcionando.

Sofia Almeida: E ela foi desenhada a partir de um processo longo: 12 meses e centenas de conversas com líderes de operações, que revelaram três padrões. Times agindo como uma espécie de middleware humano. Agentes de IA desconectados entre as equipes. E, o mais importante, uma rejeição à autonomia total — o que as operações buscam é controle confiável em produção, não delegar tudo.

Rafael Costa: Então a Ballet se apresenta como uma camada de orquestração entre sistemas e agentes, para operações que precisam de confiabilidade sem contratar engenheiros para ficar acompanhando o sistema. O código gerado é visível, versionado e revisável, com portões de aprovação e execuções reprodutíveis. E tem uma trilha de auditoria completa, rollback em um clique, um modo de simulação e controle graduado sobre o quanto o agente pode fazer.

Sofia Almeida: A abordagem é determinística onde a precisão importa, e usa raciocínio agêntico só onde há flexibilidade. E a própria empresa faz as comparações: diferente do n8n e do Zapier, que dependem de bibliotecas de conectores, a Ballet escreve integrações contra qualquer API no momento da necessidade. E diferente de agentes como o Claude, entrega consistência e auditabilidade.

Rafael Costa: É importante frisar: tudo isso é o que o fabricante afirma, não resultados verificados por terceiros. Mas os casos de uso divulgados são concretos — captura instantânea de leads para o CRM com enriquecimento e deduplicação, detecção de picos de conta e mudanças relevantes. O resumo da Ballet é esse: operações que querem automatizar sem abrir mão da capacidade de supervisionar. E com isso, seguimos para a próxima parte da conversa.

Sofia Almeida: Então vamos ao Media Sharing, da Argos, que resolve um problema bem concreto para quem trabalha com código. O GitHub não tem uma API pública para anexar imagens a pull requests. Um navegador autenticado consegue arrastar uma captura para dentro do seu pull request, mas um agente de codificação que roda no terminal não tem esse caminho. Resultado: os agentes acabam descrevendo mudanças de interface em prosa, e os revisores aprovam por confiança, ou têm que baixar o branch para conferir visualmente por conta própria.

Rafael Costa: E é exatamente aí que entra o Media Sharing, certo? Pelo que o cofundador da Argos, o Greg, explicou, a correção é um comando que pega sua captura de tela ou gravação e transforma em um link estável de compartilhamento, com Markdown pronto para colar, e ainda publica o comentário no próprio pull request automaticamente. E tem um detalhe esperto: cada upload é uma versão. Se você reenviar depois da revisão, a URL não muda — o embed no pull request é atualizado, mas a versão que o revisor comentou continua existindo por baixo.

Sofia Almeida: E os revisores ainda podem fixar comentários em um ponto específico da imagem, guardados como coordenadas normalizadas mais a versão exata. Um agente que não enxerga pixels lê essa posição pela linha de comando, corrige o problema, e resolve a discussão. Tudo funciona por CLI, SDK de Node.js, API REST e também um servidor MCP, com uma skill que ensina o agente quando vale mais a pena mandar uma captura do que escrever um parágrafo.

Rafael Costa: E a disponibilidade é generosa — está ativo em todos os planos, até no gratuito. Uma imagem consome uma unidade de screenshot da cota que você já tinha, e um vídeo consome vinte e cinco. Na comunidade, teve um usuário que achou muito útil e confessou que pessoalmente teve dificuldade para montar algo parecido por causa das limitações do GitHub. A pergunta que ele deixou foi certeira: como o Greg faz o agente capturar screenshots e gravações realmente úteis, em vez de pegar o aplicativo num estado aleatório? Boa provocação para seguir. [pause ms="300"] E acho que esse é um bom ponto para passarmos para a próxima.

Sofia Almeida: E fechamos a edição de hoje. Tivemos de tudo: do CodeBurn, o rastreador open source para custos de IA, até o Unsloth Desktop para rodar modelos localmente, passando pelo Cohesor como plano de controle para agentes empresariais e pelo Dograh como alternativa ao Vapi em agentes de voz. Sem esquecer do BearDrive e da Ballet para otimizar workflows.

Rafael Costa: E vale reforçar a menção de hoje: o Chat Agent, da Trigger.dev. Com todos esses lançamentos, fica claro que o ecossistema de agentes de IA está aquecido — e cada vez mais aberto. Fique ligado, porque amanhã tem mais. Até lá!