0903 | IA, poder e riscos: o mundo de hoje

Sofia Almeida: Olá, bem-vindos a mais uma edição do nosso podcast de discussões da internet nas últimas vinte e quatro horas. Eu sou Sofia Almeida.

Rafael Costa: E eu Rafael Costa. Sofia, hoje tem de tudo: lançamentos de modelos de IA com guerra de preços, um caso antitruste que mudou o rumo do Google, uma proibição de IA nas escolas de Nova Iorque, Uber recuando da África, um A380 que quase caiu por causa de meio milímetro de metal... O fio condutor, se a gente quiser achar um, é que todo mundo está tomando decisões com informação incompleta — tribunais, empresas, modelos de linguagem e até o nosso próprio cérebro.

Sofia Almeida: E a gente vai começar exatamente por essas decisões de produto e preço, porque foi o que mais movimentou as discussões. Rafael, o Meta soltou o Muse Spark 1.3.

Rafael Costa: Isso. Um modelo voltado para tarefas de agentes e programação, com um modo que eles chamam de max reasoning. A alegação da Meta é que ele fica empatado com o GPT 5.6 Sol e com o Opus 5 em vários benchmarks. E o que realmente puxou a conversa foi a combinação disso com o preço e o contexto.

Sofia Almeida: Vamos aos números porque eles importam: um milhão de tokens de contexto, um dólar e vinte e cinco por milhão de tokens de entrada e quatro dólares e vinte e cinco por milhão de saída. E houve um teste prático que todo mundo comentou: o simonw experimentou gerar SVGs e achou a qualidade melhor do que a da versão 1.2.

Rafael Costa: E é interessante que o teste do simonw acabou virando o contraponto aos benchmarks da própria Meta. Porque benchmarks de empresa são sempre vistos com desconfiança, certo? Comentários no Hacker News basicamente diziam: tá, vocês dizem que empatam com GPT 5.6 Sol e Opus 5, mas quem decide isso são nós. E o teste do simonw, mesmo sendo pequeno, é o tipo de verificação independente que a comunidade confia mais. Um SVG bem feito é uma coisa concreta, você olha e vê.

Sofia Almeida: Mas tem uma ressalva óbvia que apareceu: desenhar um SVG bom não prova que o modelo é bom em sessões longas de agente, que é justamente a promessa do max reasoning. Um teste pontual mostra uma coisa; trabalho de agente de verdade envolve manter contexto, usar ferramentas, se recuperar de erros.

Rafael Costa: Exato, e acho que essa tensão ficou sem resolução. O que a gente pode dizer com segurança: o Muse Spark 1.3 existe, é posicionado para agentes e código, tem um milhão de contexto, é relativamente barato na entrada, e a primeira impressão independente em uma tarefa específica foi positiva. Se ele sustenta o desempenho em tarefas longas, isso ainda não foi demonstrado publicamente.

Sofia Almeida: E no mesmo dia, praticamente, a Google entra na dança com outra jogada. Eles lançaram o Gemini 3.8 Flash, com preços de setenta e cinco centavos por milhão de tokens de entrada e três dólares e setenta e cinco de saída, com ganhos anunciados em código e agentes. E também um 3.8 Flash Cyber, voltado para segurança cibernética.

Rafael Costa: E aqui está o detalhe que os comentários acharam mais significativo: esse é o terceiro Flash em seis semanas. Seis semanas, três lançamentos da mesma família. A cadência de lançamento da Google simplesmente acelerou de uma forma que ninguém estava prevendo.

Sofia Almeida: O que as pessoas leram nisso? Eu vi duas leituras convivendo. Uma é a leitura de concorrência: a Meta lança um modelo barato com um milhão de contexto, a Google responde na semana seguinte com um Flash mais barato ainda — isso é uma guerra de preços em tempo real. A outra leitura é mais cética: lançar três versões em seis semanas significa que cada uma delas foi testada a fundo? Ou está rolando um processo de iteração rápido demais para a qualidade ser consistente?

Rafael Costa: E nenhuma das duas leituras fechou a discussão, porque a informação que falta é justamente a que não foi divulgada. O que se sabe é o fato: terceiro Flash em seis semanas, preços agressivos, foco em código e agentes mais uma variante de cibersegurança. Quem usa API para agentes provavelmente vai comemorar, porque o custo por milhão de tokens é o que determina se um agente é viável economicamente.

Sofia Almeida: O que me leva ao terceiro lançamento, que é quase o lençol debaixo da festa: o Quasar 438B, da Multiverse Computing. Esse é apresentado como o melhor modelo europeu, com índice quarenta e três no índice da Artificial Analysis, quinhentos tokens em quinze vírgula três segundos, e funciona em inglês e espanhol.

Rafael Costa: E a comparação com os outros dois é humilhante para o lado europeu, e os comentários não deixaram passar. Meta alegando empate com os modelos de ponta, Google em guerra de preços, e o melhor que a Europa tem a oferecer marca quarenta e três num índice onde os líderes estão muito, muito acima. E tem a limitação linguística: só inglês e espanhol, o que para um "melhor modelo europeu" é uma restrição que várias pessoas acharam irônica.

Sofia Almeida: A defesa que alguns fizeram é que alguém precisa ocupar esse espaço — se ninguém na Europa construir modelos de fronteira, mesmo que atrás, o continente fica totalmente dependente de empresas americanas e chinesas. Ter um Quasar 438B é melhor do que não ter nada. Os críticos responderam que melhor que nada não é o mesmo que competitivo.

Rafael Costa: E isso abre um gancho que a gente vai explorar já já, porque como você avalia se um modelo vale o preço dele? Existe toda uma economia de medição aqui que ficou em discussão. Mas antes, Sofia, tem um lançamento que conecta modelos com o mundo físico de um jeito que impressionou muita gente.

Sofia Almeida: A Fable 5.1. Um grupo de agentes gerou, de uma vez só, um mundo tridimensional da Union Square, em São Francisco: quatrocentos e cinquenta e três prédios, cento e vinte e nove lojas, duzentos e vinte pedestres. E o custo? Cerca de oito milhões de tokens, trinta e três dólares.

Rafael Costa: Trinta e três dólares por um mundo 3D inteiro de uma praça real. E o que os comentários destacaram é o que isso significa para economia de produção de conteúdo. Um estúdio levaria semanas para modelar isso à mão; mesmo com ferramentas procedurais, alguém precisaria dirigir o processo. Aqui, um prompt e um grupo de agentes.

Sofia Almeida: As ressalvas também apareceram: qualidade visual, fidelidade geográfica real da Union Square — os prédios parecem os prédios de verdade? — e o que acontece quando você pede algo mais complexo que uma praça. Trinta e três dólares por uma praça pode virar trezentos por uma cidade, e aí a curva de custo vira o assunto de novo.

Rafael Costa: Que é exatamente o assunto do próximo bloco, e ele vem de um experimento que eu achei um dos mais reveladores do dia. Um projeto chamado FrontierHarness pegou nove harnesses de agente — nove invólucros de software diferentes — e rodou todos com o mesmo modelo por baixo, o Kimi K3. Mesmo cérebro, nove corpos diferentes.

Sofia Almeida: E o resultado: o custo por tarefa variou dezessete vezes. De um dólar e cinco centavos até dezoito dólares e trinta e quatro, na mesma tarefa, com o mesmo modelo. Dezessete vezes, Rafael.

Rafael Costa: E a implicação que os comentários extraíram disso é enorme: o harness importa tanto quanto o modelo. Todos os benchmarks do mundo te dizem o quão bom é o Kimi K3, mas nenhum te diz que a forma como você embrulha ele pode multiplicar seu custo por dezessete. Quem está escolhendo stack de agente hoje está tomando uma decisão financeira, não só técnica.

Sofia Almeida: E tem uma segunda camada: qualidade. O custo mais baixo não significa necessariamente o pior resultado, e o mais caro não garante o melhor. O experimento mostra variação de custo, e a pergunta em aberto — que ficou sem resposta na discussão — é se a variação de custo acompanha variação de qualidade ou se parte desses harnesses está simplesmente desperdiçando tokens.

Rafael Costa: E aqui entra a crítica da OpenTeams, que fecha esse raciocínio. Eles atacaram os gráficos de inteligência versus custo da Artificial Analysis — o mesmo índice onde vimos o Quasar 438B — com dois argumentos. Primeiro: a escala logarítmica. Nesses gráficos, uma diferença de preço de dez vezes aparece como uma distância visual pequena, o que mascara exatamente a diferença que acabamos de ver no FrontierHarness. Dezessete vezes de diferença num gráfico logarítmico parece um detalhe.

Sofia Almeida: Segundo argumento, que achei mais provocativo: a OpenTeams disse que modelos locais não deveriam ser precificados pelo preço de API, e sim pelo custo da eletricidade para rodá-los. Porque a analogia de custo por milhão de tokens só faz sentido se todo mundo vende tokens da mesma forma. Se você roda o modelo na sua máquina, o seu custo marginal é energia e depreciação de hardware.

Rafael Costa: E essa crítica muda como você lê os números que a gente citou há pouco. O Muse Spark 1.3 a um dólar e vinte e cinco de entrada é barato? Barato comparado a quê? Comparado ao Gemini 3.8 Flash a setenta e cinco centavos, é trinta por cento mais caro na entrada. Comparado a rodar um modelo open na sua GPU, é infinitamente mais caro. Comparado ao custo de um funcionário, é troco de pizza. A escala de comparação escolhida determina a conclusão.

Sofia Almeida: E tem um exemplo de como esse ecossistema de ferramentas e dados funciona na prática: o SteamDB foi comprado pela matriz do Nexus Mods. E a reação no Hacker News foi dupla. Primeiro, medo: as pessoas têm medo de que as funcionalidades do SteamDB virem paywall. Segundo, uma pergunta mais cética: qual é mesmo o valor desses dados, e por que a matriz do Nexus Mods os quer?

Rafael Costa: E as duas reações convivem sem resposta, porque a compra foi anunciada sem que a estratégia ficasse clara. O SteamDB é um daqueles serviços que a comunidade trata como infraestrutura gratuita — preços históricos, rastreamento de jogos — e a história ensina que infraestrutura gratuita comprada por empresa grande às vezes vira produto pago. Mas também é verdade que ninguém no comentário conseguiu explicar exatamente qual modelo de negócio sustentaria pagar por esses dados.

Rafael Costa: Ficou no speculation, e a gente deixa claro que é speculation.

Sofia Almeida: E ainda nesse mundo de ferramentas de IA rodando localmente: o WebLLM, um motor de inferência no navegador usando WebGPU, com dezoito mil e oitocentas estrelas. Só que o comentário mais citado na discussão foi devastador: alguém disse que o projeto está morto, e recomendou usar o WebGPU do llama.cpp ou ONNX no lugar.

Rafael Costa: E é um contraste curioso: dezoito mil e oitocentas estrelas — que normalmente indicam um projeto vivo e amado — contra a acusação de abandono. O argumento de quem criticou é que o desenvolvimento parou e que alternativas mais mantidas existem. Não houve uma defesa robusta do projeto na discussão que a gente viu, mas também não houve confirmação independente de que ele está abandonado. É mais uma daquelas perguntas em aberto: o projeto está morto ou só em pausa?

Sofia Almeida: Vamos mudar de assunto agora, e a ponte é natural: a gente estava falando de quem controla as ferramentas. Agora vamos falar de quem controla as regras — tribunais, governos e empresas. E o maior caso do dia foi o Google vencendo o processo antitruste de tecnologia publicitária.

Rafael Costa: Contexto rápido: o Departamento de Justiça dos Estados Unidos queria desmembrar o Google por causa do domínio dele em tecnologia de anúncios. O juiz Leonie Brinkema decidiu que o desmembramento não vai acontecer. O Google venceu, ou pelo menos escapou da consequência mais grave.

Sofia Almeida: E a reação no Hacker News não foi exatamente festiva. O ponto que se repetiu: Brinkema é juiz nomeada por Bill Clinton, e muita gente achou a decisão frouxa diante do tamanho do problema descrito no próprio processo. O argumento dos críticos era mais ou menos assim: se o caso chegou até aqui, é porque o domínio do Google em adtech é real; se o domínio é real, por que a punição é zero?

Rafael Costa: Mas é justo dizer que não houve consenso. Alguns comentaristas defenderam a decisão com o argumento de que desmembrar empresas é remédio extremo, com custos enormes para consumidores e para o próprio mercado, e que a barra para isso deve ser altíssima. Outros apontaram que quando a barra é tão alta que nunca se atinge, a lei antitruste vira letra morta. Essa tensão entre "não quebrar empresas levianamente" e "sem quebra não há dissuasão" ficou totalmente em aberto.

Sofia Almeida: O que muda na prática: o Google não será dividido, então o império de anúncios segue inteiro. O que pode acontecer depois — apelação, outros casos, regulação europeia — ninguém sabe. O que se sabe é que o teste mais sério até agora ao domínio do Google em publicidade não produziu reestruturação.

Rafael Costa: E enquanto o poder judicial decidia que o Google não ia ser tocado, o poder executivo de uma cidade estava fazendo o oposto com outra tecnologia. O prefeito de Nova Iorque, Mamdani, proibiu o uso de IA nas salas de aula do ensino fundamental — as séries iniciais e o meio do fundamental.

Sofia Almeida: E o argumento dos apoiadores, que foi o centro da discussão: os alunos precisam primeiro aprender a pensar de forma independente. A ideia é que se você entrega a ferramenta que responde antes de a criança desenvolver a capacidade de raciocinar, você atrofia justamente a habilidade que a escola existe para construir.

Rafael Costa: Os críticos da proibição fizeram o argumento espelho: proibir não elimina a tecnologia, só garante que as crianças a encontrem sem orientação. E há o argumento de preparação — o mundo do trabalho delas vai ter IA, então escondê-la agora seria atraso. O que é interessante é que essa discussão é exatamente o inverso do caso do Google: ali o Estado decidiu não intervir, aqui o Estado interveio com força máxima, proibindo.

Sofia Almeida: E o terceiro ator do bloco é a própria indústria tomando decisões que parecem ter passado por cima dos usuários. A Mistral ativou, por padrão, o treinamento sobre os prompts dos usuários no plano Team. E fez isso sem comunicar de forma clara — e, pior, removeu a configuração central que o administrador tinha para desativar isso.

Rafael Costa: Essa última parte é a que mais incomodou nos comentários: não é só o default ter mudado, é o controle ter sumido. O admin do Team perdeu a capacidade de decidir pela organização. E a documentação, segundo os relatos, só foi corrigida depois das reclamações.

Sofia Almeida: E a lição que muita gente tirou conectando os três casos: o Google foi absolvido pelo tribunal, Nova Iorque proibiu por decreto, e a Mistral simplesmente mudou o padrão e avisou depois. Em nenhum dos três o usuário final foi consultado. Quem decide como a tecnologia é usada são tribunais, prefeitos e product managers.

Rafael Costa: E isso nos leva direto ao próximo tema, porque a pergunta seguinte é: e quando você confia nessas ferramentas sem verificar? O custo é real. Houve uma auditoria da Haus Research sobre o Perplexity que é bem desconfortável.

Sofia Almeida: Os números: a Haus analisou mil oitocentas e vinte e seis citações do Perplexity e descobriu que trinta e quatro vírgula sete por cento das páginas citadas não abriam ou não continham os números que lhes foram atribuídos. Trinta e quatro por cento. E quando eles reanalisaram por afirmação individual, não por página, a taxa de falha caiu para quatorze vírgula quatro por cento.

Rafael Costa: E essa distinção metodológica foi debatida nos comentários, e é uma distinção importante. A Haus também mediu por alegação individual e achou quatorze vírgula quatro por cento de falha — a diferença entre as duas métricas mostra que uma página ruim pode carregar várias citações erradas. Defensores do Perplexity iam usar a métrica menor; críticos, a maior. As duas são da própria auditoria, e a verdade provavelmente está entre elas dependendo do que você considera a unidade de erro.

Sofia Almeida: E não é só o Perplexity. Havia na discussão uma informação de contexto sobre três sites criados no fim de 2023 que geraram duzentas e quinze mil e cento e vinte e oito páginas de "best software" — listas feitas para serem citadas por IAs. E o dado que engasgou todo mundo: quase sessenta por cento das citações do Perplexity — cinquenta e nove vírgula oito por cento — saem de fora do top cem mil do Tranco, ou seja, vêm de sites que quase ninguém visita.

Rafael Costa: Ou seja, tem toda uma indústria de conteúdo gerado para capturar citações de IA, e o Perplexity está pescando justamente nesse caldeirão. Combina com a auditoria: se suas fontes são páginas feitas para o algoritmo e não para humanos, a qualidade das citações despenca.

Sofia Almeida: E para fechar o tema com o caso mais físico de todos — e o mais perigoso. Uma pesquisa usou o dataset FungiTastic, com trezentas e quarenta mil observações e duas mil e oitocentas espécies, para testar quatro modelos de linguagem, incluindo o GPT-5.6-Sol, na tarefa de identificar cogumelos venenosos.

Rafael Costa: E o resultado: os erros eram perigosos. Não é como errar um SVG. Aqui, o modelo confunde uma espécie comestível com uma mortal, e alguém joga no refogado. Os comentários praticamente unânimes: LLMs de uso geral não são ferramentas para essa decisão. Alguns apontaram que nem o dataset resolve tudo — identificações de fungos são difíceis até para micologistas com o espécime na mão.

Sofia Almeida: E a lição que atravessa os três casos — Perplexity, sites de "best software", cogumelos — é a mesma: a IA apresenta as respostas com a mesma confiança, seja a resposta verificada ou inventada. A verificação continua sendo trabalho seu. E falando de verificar o que é gerado por IA: a Anthropic lançou uma ferramenta de detecção de credenciais de conteúdo C2PA, que permite checar se um arquivo passou pelo Claude.

Rafael Costa: E a ressalva importante que veio junto: ausência de credencial não significa que o conteúdo não foi gerado por IA. Ou seja, a ferramenta pode confirmar a origem quando a credencial existe, mas não pode condenar quando ela falta. É uma prova de positivo, nunca de negativo — e os comentários debateram se isso é útil o suficiente ou se cria uma falsa sensação de segurança.

Sofia Almeida: Vamos para o próximo bloco, e a transição é: a gente estava falando de confiar em números sem verificar. Agora vem o caso em que o número era bom, mas a escala de comparação enganava — não, na verdade o próximo assunto é outro: Uber e Commodore. Deixa eu conectar melhor: a gente viu empresas gigantes tomando decisões que afetam milhões de pessoas. Pois a Uber acaba de tomar uma bem drástica e silenciosa.

Rafael Costa: A Uber está saindo imediatamente da Nigéria e de Uganda. Isso depois de já ter saído da Costa do Marfim e da Tanzânia. No continente africano inteiro, restam quatro países: Egito, Gana, Quênia e África do Sul.

Sofia Almeida: E o que os comentários destacaram foi a forma da retirada: imediata, sem grande anúncio, sem plano público de transição. Motoristas e passageiros nesses países ficaram sem saber o que vem depois — se vão ficar sem renda de um dia para o outro, se concorrentes locais vão absorver a demanda. Essa incerteza foi o ponto mais discutido.

Rafael Costa: E as hipóteses para o recuo variaram bastante e nenhuma foi confirmada. Alguns falaram de violência e insegurança para motoristas em algumas cidades, outros de margens insustentáveis, outros de priorização de mercados maiores. O que se sabe é o fato: quatro saídas, quatro países restantes. O porquê continua especulação.

Sofia Almeida: E para dar perspectiva histórica a essa história de gigantes que entram e saem de mercados, tem uma história de gigante que entrou e nunca saiu: o Commodore 64, lançado em primeiro de setembro de 1982. Sessenta e quatro quilobytes de memória por menos de seiscentos dólares.

Rafael Costa: E doze vírgula três milhões de unidades vendidas. Quarenta e quatro anos depois, continua sendo o computador mais vendido da história. E a discussão em torno dele era meio nostálgica, meio analítica: como uma empresa que faliu conseguiu o recorde que nenhuma Apple, nenhuma Microsoft bateu? A resposta que os comentários construíram: preço agressivo, o chip de vídeo e som próprio, e venda em lojas comuns de departamento, não em lojas de informática.

Sofia Almeida: E o contraste com a Uber é bonito: a Uber sai de países inteiros em silêncio; o Commodore 64 dominou o mundo dele com um produto de sessenta e quatro quilobytes. Mercados mudam, gigantes recuam, e a tecnologia de quarenta anos atrás às vezes tem mais permanência que a de hoje.

Rafael Costa: E falando de permanência e de precisão que dura décadas, o próximo assunto é sobre o que separa um desastre de um pouso perfeito: margens minúsculas. Vamos começar pelo caso mais dramático do dia, o voo Qantas 32.

Sofia Almeida: Ano de 2010, um Airbus A380, o voo 32 da Qantas. O motor número dois explode em pleno voo. E a causa, descoberta depois: um tubo de óleo com a parede meio milímetro mais fina do que deveria. Menos de meio milímetro, Rafael.

Rafael Costa: Meio milímetro que fez um motor explodir num avião com quatrocentas e sessenta e nove pessoas a bordo. E o final da história é o que a tornou lendária: todos os quarenta e seis nove ocupantes sobreviveram. Ninguém morreu. O motivo pelo qual isso é possível é a redundância — o A380 foi projetado com a suposição de que coisas ruins acontecem, e quando o motor explodiu, o avião se sustentou com os três motores restantes e com uma tripulação que treinou para o pior.

Sofia Almeida: E a discussão em torno disso girou em torno dessa ideia: engenharia séria não é a que nunca falha, é a que assume que vai falhar e constrói margens para isso. Um tubo de óleo defeituoso num lote de fabricação quase derrubou o maior avião de passageiros do mundo, e só não derrubou porque tudo o mais no sistema tinha folga.

Rafael Costa: E aqui está a conexão com um segundo texto, aparentemente sem relação: Bridson, em 2007, publicou um artigo de uma página só sobre amostragem de Poisson em disco — um algoritmo para distribuir pontos uniformemente sem amontoá-los. Uma página. E esse artigo tem quase mil citações. E agora, quase vinte anos depois, o próprio Bridson propôs uma otimização que ele chama de eliminação cônica de pontos-pai, que reduz o número de iterações do algoritmo.

Sofia Almeida: E o paralelo com o A380 é real: nos dois casos, o valor está na precisão e na simplicidade. O algoritmo do Bridson é célebre justamente por ser simples o suficiente para caber numa página e robusto o suficiente para ser usado em vinte anos de gráficos computacionais. E a nova otimização mostra que até um clássico de uma página ainda tem gordura para cortar.

Rafael Costa: E o que os comentários celebraram foi o formato: uma página contra artigos de trinta páginas. Às vezes a contribuição científica mais duradoura é a que respeita o tempo do leitor. Um tubo com meio milímetro a menos, um artigo com vinte e nove páginas a menos — dimensões importam, para o bem e para o mal.

Sofia Almeida: Vamos agora para o bloco que mistura cérebro, filosofia e o universo. E começa com um estudo sobre memória e envelhecimento que desafia a intuição de todo mundo.

Rafael Costa: A intuição é: cérebro velho esquece. O estudo, com sessenta e uma pessoas, sugere outra coisa: o cérebro envelhecido não esquece só — ele extrai memórias de forma generalizada demais. A região envolvida é o hipocampo, e o mecanismo proposto é que memórias de categorias diferentes começam a se confundir entre si, em vez de simplesmente sumirem.

Sofia Almeida: E isso é uma mudança de modelo interessante: o problema não seria uma memória que apaga, mas uma memória que borra as fronteiras. Você não lembra menos, você lembra com menos precisão sobre a que o lembrete se refere.

Rafael Costa: Mas aqui a gente precisa aplicar a lição do episódio inteiro: sessenta e uma pessoas. O próprio estudo carrega essa limitação, e os comentários não deixaram passar — amostra pequena, e memória é notoriamente difícil de medir sem auto-relato contaminado. A descoberta é sugestiva, não conclusiva. É exatamente o tipo de resultado que pede replicação.

Sofia Almeida: E do cérebro envelhecendo pula a gente para a filosofia digital, porque havia uma discussão sobre um post que defendia o que o autor chamou de modo NPC — viver como um personagem não-jogável, como a máxima forma de "não se importar".

Rafael Costa: E a reação do Hacker News foi bem hostil ao post. O contra-argumento central: a realidade tem consequências. Ignorar a política não faz a política ignorar você; ignorar riscos não faz os riscos sumirem. Um comentário que resumiu bem chamou essa postura de desamparo aprendido disfarçado de zen — a pessoa não alcançou a serenidade, só desistiu de tentar e deu um nome bonito pra isso.

Sofia Almeida: E havia quem defendesse uma versão mais fraca do post: para quem está consumedo por ansiedade e notícia, adotar uma dose de indiferença estratégica pode ser sobrevivência mental. A discussão então refinou a ideia: talvez a questão não seja "ligado ou desligado", mas escolher com cuidado os poucos lugares onde você investe atenção, em vez de fingir que nenhum lugar importa.

Rafael Costa: E dentro desse mesmo território de como viver e criar, houve o debate em torno do livro Exit the Cave, cuja tese é que falhar em público vale mais do que praticar em segredo. Mostrar o trabalho imperfeito, errar com plateia.

Sofia Almeida: E a controvérsia foi sobre os limites da aplicação dessa tese. Para algumas coisas, o consenso era fácil: aprender a programar, a desenhar, a falar em público — expor-se acelera o aprendizado e o custo do erro é baixo. Mas os comentários foram rápidos em apontar domínios onde isso não se traduz: há arte que precisa de privacidade para nascer, e há profissões onde errar em público destrói a carreira antes de o aprendizado acontecer.

Sofia Almeida: O livro propõe uma regra universal; os comentários a rebaixaram para uma ferramenta contextual.

Rafael Costa: E o fecho do bloco é cosmológico: o LZ, o maior detector de matéria escura do mundo, registrou um único evento anormal. Um só. E todos os envolvidos foram rápidos em dizer: é cedo demais para falar de descoberta.

Sofia Almeida: E o que os comentários apreciaram foi justamente essa disciplina científica. Um evento é o oposto de evidência — pode ser ruído, pode ser contaminação, pode ser qualquer coisa. Estão coletando dados adicionais, e só quando houver sinal estatístico consistente alguém vai usar a palavra "descoberta". É o oposto do que vimos lá atrás com os LLMs e os cogumelos: onde a IA responde na hora com confiança total, a ciência com equipamento de bilhões de dólares diz "talvez, aguarde".

Rafael Costa: E é um bom lugar para começar a amarrar o episódio. Porque se a gente olha o dia inteiro — o Perplexity citando páginas fantasma, o modelo errando cogumelo, o estudo com sessenta e uma pessoas, o LZ com um único evento — o padrão é o mesmo: a diferença entre confiança e evidência.

Sofia Almeida: E ainda dentro desse território de software e detalhe, dois itens que passam rápido mas merecem menção. Houve um post do GrapheneOS, que é o sistema operacional reforçado para Pixels, sobre o Pixel 11: ele mantém um suporte mínimo de MTE em hardware — a extensão de etiquetagem de memória que ajuda a pegar falhas de segurança — mas o desempenho degradado, porque a aceleração por cache foi removida, levou a desativação no firmware.

Rafael Costa: Ou seja: o hardware tem a capacidade, mas ela é tão lenta sem a aceleração que desligaram. E no tema segurança ativa, o projeto AISLE encontrou seis CVEs no curl — e o detalhe que os comentários acharam notável é que tanto o Codex quanto o Mythos, rodando auditorias antes, tinham reportado zero. Todas as seis vulnerabilidades eram de baixa gravidade e foram corrigidas no curl 8.22.0.

Rafael Costa: Mas a lição ficou: ferramentas de IA em auditoria de segurança podem dizer "tudo limpo" e ainda assim deixar passar meia dúzia de problemas. De novo, a confiança sem verificação.

Sofia Almeida: Antes de encerrar, um item prático para quem usa os serviços que a gente discute: o LWN, site de referência sobre o kernel Linux, vai aumentar as assinaturas em cerca de vinte por cento em quinze de setembro de 2026 — a primeira aumento desde 2022. E o motivo divulgado é que o crescimento de assinantes está travado.

Rafael Costa: E a reação foi mais compreensiva do que revoltada, o que é raro em discussão de aumento de preço. O argumento dos leitores: vinte por cento após quatro anos é abaixo da inflação acumulada, e um travamento no crescimento de assinantes é um sinal real de que o modelo precisa de reajuste. Alguns levantaram a pergunta mais profunda — se o público que mais depende de jornalismo técnico especializado é justamente o que menos paga por ele — mas essa pergunta não ganhou resposta.

Sofia Almeida: E com isso a gente fecha. Foi um dia em que a Meta e a Google trocaram tiros de preço, a Justiça americana poupou o Google, Nova Iorque expulsou a IA da sala de aula, a Mistral mudou o padrão dos seus usuários sem avisar, o Perplexity levou uma auditoria nas citações, a Uber saiu da metade da África, um tubo de óleo com meio milímetro a menos quase derrubou um A380, e o maior detector de matéria escura do mundo viu uma coisa que ainda não sabe nomear.

Rafael Costa: E o fio, se sobrou um: em todo lugar, alguém foi pedido para confiar — num benchmark, num juiz, num modelo, num estudo pequeno, num evento único. E em todo lugar, a pergunta certa foi a mesma: como você sabe? Obrigado por nos acompanhar, eu sou Rafael Costa.

Sofia Almeida: E eu sou Sofia Almeida. Até a próxima.