0907 | IA sob controle: do chat ao domínio

Sofia Almeida: Olá, você está comigo, Sofia Almeida, e com o Rafael Costa. Seja bem-vindo a mais um episódio.

Rafael Costa: E o fio que costura tudo hoje, Sofia, é bem simples: informação certa na hora certa, com você no controle. Seja guardando seus próprios chats de IA, seja delegando trabalho para um agente, seja gerando vídeo sem esperar uma eternidade, ou sabendo que aquele domínio que você quer está prestes a ficar disponível.

Sofia Almeida: É, e em todos esses casos o problema de fundo é o mesmo. As ferramentas existem, mas a camada de organização, de contexto e de oportunidade nem sempre existe. Então vamos começar pelo mais pessoal de todos: o seu histórico de conversas com IA. Rafael, o AI Toolbox 3.0 apareceu de novo no Product Hunt, e dessa vez com bastante coisa nova.

Rafael Costa: Pois é. A ideia básica é essa: é a camada que faltava em cima do ChatGPT, do Claude, do Gemini e do Grok. Você instala uma extensão e ela cobre as quatro plataformas de uma vez. E o que ela traz? Pastas e subpastas ali na barra lateral, busca de texto completo em todas as conversas, e o detalhe que me chamou atenção: uma busca que roda nas quatro plataformas ao mesmo tempo. Então você digita uma coisa e ela procura no seu histórico do ChatGPT, do Claude, do Gemini e do Grok juntos.

Sofia Almeida: Isso resolve uma dor que eu acho que todo mundo que usa IA pesadamente sente. O Adi, um dos dois fundadores, contou essa história na comunidade dele. Ele vivia dentro do ChatGPT o dia todo e ficava perdendo trabalho próprio: conversas que não encontrava de novo, prompts que digitava de novo pela centésima vez, nenhuma forma de exportar nada. E as plataformas simplesmente não entregavam esses básicos.

Rafael Costa: E a história da fundação é curiosa. Ele começou isso há dois anos com trinta e dois dólares: uma máquina virtual barata e a taxa de desenvolvedor do Chrome. Bootstrapped, sem investimento, ainda são só duas pessoas. Hoje eles dizem ter mais de quarenta mil usuários em mais de cento e cinquenta países, nota quatro e meia na Chrome Web Store, MRR de cinco dígitos e quarenta e cinco dólares por mês de infraestrutura. Mas olha, isso é o que eles afirmam, né? São números de autordeclaração.

Sofia Almeida: Justo. Agora, as funcionalidades novas dessa versão 3.0. Tem a biblioteca de prompts: você digita barra barra em qualquer lugar e insere um prompt salvo, e dá para encadear prompts em fluxos de vários passos. Tem exportação em massa para Markdown com YAML frontmatter, PDF, JSON, ou zipar uma pasta inteira. No Claude, tem um Artifact Vault, um lugar com todos os artefatos e arquivos criados, navegável e baixável.

Sofia Almeida: E tem um medidor de contexto ao vivo, para você saber quando aquela conversa longa está perto de ser cortada, com um botão para transferir para um chat novo.

Rafael Costa: E o detalhe de privacidade é central na proposta deles: local-first. A busca e a exportação rodam inteiramente no seu navegador, e as conversas nunca são enviadas para os servidores deles. Para muita gente isso é decisivo, porque suas conversas de IA são literalmente o seu trabalho, como eles mesmos dizem.

Sofia Almeida: Mas, e aqui entra a parte que eu acho mais interessante, a comunidade não foi só de parabéns. Um comentário técnico muito bom apontou um risco real: se a busca é local-first, o índice vive no IndexedDB, e o Chrome pode apagar esse armazenamento sob pressão, silenciosamente, sem avisar ninguém. Dois anos de histórico mais a árvore de pastas é exatamente o tipo de coisa que some e depois parece um bug da extensão. A pessoa perguntou se eles chamam o navigator.storage.

Sofia Almeida: persist() e se mostram a cota em algum lugar, e sugeriu até que isso devia vir antes das pastas na prioridade, porque perder a organização dói mais do que perder um chat.

Rafael Costa: Outra questão legítima: alguém perguntou como isso sobrevive quando ChatGPT, Claude e Gemini mudam a estrutura da página, o DOM, o que eles fazem com frequência. Quando uma plataforma solta uma atualização de interface, a extensão quebra discretamente até sair um patch? Ou o scraping é resiliente por design? Isso não foi respondido no material que temos.

Rafael Costa: E tem um usuário que usa há um mês com Claude e diz que a exportação para JSON ajuda muito a revisar problemas em conversas longas, mas que a busca às vezes falha, não encontra valores conhecidos, e que o medidor de contexto é no máximo uma estimativa. Ele mesmo, no fim, recomenda.

Sofia Almeida: Então o quadro é esse: a proposta é forte e resolve um problema real, o feedback de uso prolongado é positivo, mas existem três perguntas em aberto, fragilidade de scraping, sobrevivência do índice local, e a confiabilidade da busca e do medidor. Vale testar sabendo disso.

Rafael Costa: E, Sofia, é aqui que a conversa dá um passo natural à frente. O AI Toolbox guarda e organiza o que você já fez com IA. A pergunta seguinte é: e se a IA pudesse fazer o trabalho por você, dentro do lugar onde você já trabalha? É aí que entra a Tadata.

Sofia Almeida: A Tadata se apresenta como um funcionário de IA que vive no seu Slack e que "lê o ambiente". Ela se conecta às suas ferramentas, aprende como a sua empresa funciona e as suas preferências, e faz trabalho para o time. Hoje o foco declarado é vendas.

Rafael Costa: A Tori, cofundadora, deu o exemplo dela de favorito: busca de leads. Você descreve exatamente quem está procurando, e a Tadata pesquisa nas ferramentas internas e em fontes mais difíceis de alcançar, tipo LinkedIn e Google Maps. Se o resultado não vier certo, você responde dizendo o que mudar. Ela não escolhe provedores de dados, não conecta ferramentas, não constrói agente de pesquisa. Só delega o trabalho, e a Tadata monta o sistema por baixo.

Sofia Almeida: E o detalhe da conexão com as ferramentas é amplo: HubSpot, Attio, Notion, Linear, GitHub, Google Sheets, Monday, Gmail, Hunter.io, Google Calendar, mais qualquer MCP ou API. E, do lado externo, sites de empresas, páginas de carreiras, LinkedIn, Google Maps, vagas, documentações e reviews, plataformas sociais.

Sofia Almeida: No site deles tem agentes prontos para começar: personalização de outreach, encontrador de warm intros, preparação de chamadas, um listener de LinkedIn que avisa quando um post de ICP nomeia um problema que você resolve, detector de novas contratações para pegar decisores antes que fechem com fornecedor, e preparação para conferências.

Rafael Costa: E o fluxo do dia que eles descrevem é gostoso de imaginar: às sete e quarenta da manhã você abre o Slack e já está briefed, as chamadas de hoje, com quem vai falar, o que mudou desde a última conversa, as notícias que importam. Durante o dia, ela percebe o que se repete e oferece automatizar, sempre perguntando antes. Depois da reunião, o e-mail de follow-up rascunhado, os campos do CRM preenchidos, o próximo passo escrito, e nada sai sem sua aprovação.

Sofia Almeida: Essa é a parte que mais importa, o "você no loop". Nada é enviado até você dizer que pode. E tem uma história de origem interessante: a equipe criou o FastAPI-MCP, que chegou a doze mil estrelas no GitHub e mais de setenta milhões de downloads. Eles sabiam dar ferramentas para agentes, mas perceberam que ter acesso a ferramentas é muito diferente de ter um colega de IA em quem você confia.

Rafael Costa: E o posicionamento que me parece mais defensável é o de não ter lock-in. Os seus processos, preferências, exceções e receitas institucionais ficam na Tadata, mas são exportáveis, versionáveis, portáteis quando você troca de modelo. Eles se dizem model-agnostic, sem incentivo para te prender a um fornecedor.

Sofia Almeida: Agora, as perguntas duras da comunidade, que são as que valem ouro. Alguém perguntou o modo de falha: se a Tadata pesquisa um lead e erra com confiança, dado velho, empresa errada, detalhe alucinado, ela sinaliza a própria incerteza, ou aquilo aparece como uma mensagem normal do Slack e é tratado como verdade por quem pediu? Essa pergunta ficou em aberto no material que temos.

Rafael Costa: Outras duas: uma pessoa que vive no Slack perguntou como ela lida com canais onde a conversa é metade decisões e metade ruído, se precisa ser marcada ou escuta em segundo plano, e até que ponto o "aprende sua empresa" vai depois de uma semana versus um mês. E, claro, segurança: como garantir que a informação compartilhada com a ferramenta está protegida.

Rafael Costa: Eles mencionam acesso com escopo, isolamento de credenciais e dados que continuam seus, mas a dúvida de fundo, confiança em respostas erradas confiantes, continua sendo a grande questão da categoria inteira.

Sofia Almeida: E é bonito como os dois produtos se complementam sem se sobrepor. O AI Toolbox coloca você no controle do que já aconteceu: seu histórico é seu, guardado no seu navegador, exportável. A Tadata coloca você no controle do que está por acontecer: delega, mas nada sai sem aprovação. Os dois apostam na mesma tese: trabalho de IA é trabalho seu, e você decide.

Rafael Costa: Vamos trocar de mundo agora, Sofia, mas continuando na mesma linha: agentes fazendo trabalho real. Se o AI Toolbox organiza o que você conversa, e a Tadata executa tarefas de negócio, o Kit da Speakeasy ataca o agente de programação em si, a peça mais íntima do fluxo de quem escreve código.

Sofia Almeida: Explica o Kit para quem nunca viu, porque a ideia central é elegante.

Rafael Costa: Kit é um runtime para agentes de código. A maioria dos harnesses expõe muitas ferramentas ao modelo, e cada chamada custa um round trip do modelo, o que repete contexto e custa tempo e tokens. O Kit inverte: expõe uma única ferramenta, chamada compose.

Rafael Costa: O argumento do compose é um programinha, escrito numa linguagem chamada Runlet, e nesse programa o modelo pode ler arquivos, rodar testes, aplicar edições, tentar de novo comandos que falharam, delegar para subagentes e retornar dados estruturados. Tudo num round trip só.

Sofia Almeida: E o número que eles trazem é o seguinte: em tarefas de produção de tamanho equivalente, o Kit usou aproximadamente metade dos tokens de entrada e do tempo ativo por linha escrita à mão, comparado ao Codex CLI ou ao Claude Code. De novo: isso é afirmação deles, com uma comparação disponível, mas não é verificação independente.

Rafael Costa: E a promessa de simplicidade: tudo num binário estático. Cliente de terminal, servidor ACP, endpoint A2A e orquestrador de subagentes. AACP, o Agent Client Protocol, separa clientes de agentes de runtimes, então o Kit funciona em editores compatíveis e pode orquestrar outros harnesses sem integração customizada. A comunidade pegou exatamente esse ponto: um comentário disse que a separação do ACP é a parte interessante, porque não te prende a um editor.

Rafael Costa: E outro disse que o binário estático é o que convenceu, que tudo da Speakeasy roda sem setup, e a pessoa vai trocar de vez para o uso diário.

Sofia Almeida: Vale detalhar o que o programa do compose pode chamar: shell, edit, subagent, prompt, fork, busca de ferramentas, tool, auth, skill, a2a, docs. Chamadas independentes rodam em concorrência, você controla ordem com dependências de dados ou blocos after, e tem tratamento de erro dentro do próprio programa com boundary retry e fail.

Rafael Costa: E os subagentes são tratados como valores reutilizáveis: dá para continuar, bifurcar, inspecionar e fechar um subagente, exigir JSON que bata com um schema, e usar até Claude Code, Codex, Cursor ou o próprio Kit como harness do subagente, via ACP. Isso é bem diferente do que a maioria oferece.

Sofia Almeida: Tem também robustez de sessão: cada item do transcript JSONL, que é append-only, é sincronizado no disco antes de ser aceito. O contexto é compactado automaticamente aos oitenta por cento da janela. Dá para retomar sessão do terminal, do prompt ou de qualquer cliente ACP. E suporta assinatura do ChatGPT via OAuth nativo, modelos via OpenRouter e troca de modelo com /model durante a sessão.

Rafael Costa: Mas o README deles é honesto num ponto importante, e eu acho que merece destaque: o Kit não tem framework de permissões, nem sandbox, nem interface web. A opção --root define o diretório de trabalho, e eles dizem claramente: Kit é um runtime, não uma fronteira de segurança. Rode o Kit dentro de uma fronteira de segurança em que você confia. Ou seja, a velocidade e a simplicidade têm um preço que é seu gerenciar.

Sofia Almeida: E a comunidade deixou uma pergunta técnica pendente: quando um subagente devolve o trabalho à sessão principal, existe algum passo de validação, ou o que o subagente produziu simplesmente passa direto, como se o agente de topo tivesse escrito? Isso ficou sem resposta no que temos em mãos.

Rafael Costa: E é aí que o DocsAlot entra na mesma discussão, Sofia. Pensa no ciclo completo: o agente escreve código e, junto, geralmente atualiza documentação. Quem revisa essa documentação? O DocsAlot é um editor visual de documentação com Markdown por baixo, do Faizan, e o argumento dele é certeiro: quase tudo em software está sendo reconstruído para agentes, e o DocsAlot dá acesso aos docs via CLI e MCP para agentes criarem e atualizarem conteúdo.

Rafael Costa: Mas uma pessoa ainda precisa dar a palavra final antes de virar público.

Sofia Almeida: E a parte tecnicamente difícil, segundo ele, não era colocar uma caixa de texto no navegador, era construir uma edição visual sem quebrar o Markdown de baixo. Uma página pode ir do modo visual ao modo fonte preservando frontmatter, tabelas, código, links e estrutura.

Sofia Almeida: Qualquer um que já tentou construir algo assim sabe que o modo visual costuma manglar frontmatter ou blocos de código eventualmente, e um comentarista disse exatamente isso, perguntando há quanto tempo eles usam o produto nos próprios docs, o dogfooding.

Rafael Costa: E a publicação é deliberada, não acidental. As mudanças vivem num rascunho de trabalho. Uma pessoa salva uma versão de propósito, pode voltar a versões anteriores, e escolhe exatamente quando aquela versão se torna o site público. A navegação também é tratada como dado real do site, então mover páginas e grupos atualiza a mesma estrutura do site publicado.

Sofia Almeida: E o comentário mais picante da comunidade, que eu acho que resume o debate da categoria toda: uma pessoa disse que a aprovação humana pega formatação, mas não pega a falha que custa de verdade, que é um agente escrever um exemplo de código que lê perfeitamente e não roda. Ninguém rejeita um diff que parece certo. Como eles já têm CLI, a pessoa sugeriu uma revisão mecânica: compilar os snippets, checar cada endpoint contra a spec OpenAPI, e mostrar ao humano só as páginas que falharam.

Sofia Almeida: Aprovar quarenta páginas de prosa é teatro; aprovar as três sinalizadas não é.

Rafael Costa: Outra pergunta em aberto, no mesmo espírito: se um agente propõe uma atualização via CLI e o humano edita ou rejeita a maior parte antes de salvar, o agente vê o que mudou e por quê, ou tenta de novo do zero sem memória da correção? E mais um usuário elogiou o fato de docs hospedados, llms.txt, skill.md e MCP virem todos da mesma fonte, em vez de manter um monte de camadas separadas que saem de sincronia.

Sofia Almeida: Então o Kit acelera o agente, e o DocsAlot pergunta: antes de publicar o que o agente fez, quem verificou, e como? As duas perguntas são a mesma pergunta em camadas diferentes.

Rafael Costa: Vamos agora para o território dos vídeos, e são dois lançamentos que atacam o mesmo gargalo dos dois lados: gerar vídeo e entender vídeo, ambos sem pagar o preço em tempo ou dinheiro.

Sofia Almeida: Começando pela geração. H3 Max, da fal. O que é? É um MiniMax H3 pós-treinado pela fal Research, com novos dados focados em aderência a prompts e qualidade visual, e co-otimizado com a pilha de inferência deles, rodando em NVIDIA GB200 NVL72.

Rafael Costa: E o número de manchete: gera um vídeo de cinco segundos em cerca de três segundos. Isso é aproximadamente trinta e cinco vezes o throughput do endpoint oficial do H3 e, em média, quinze vezes mais rápido que qualquer coisa de qualidade comparável, segundo eles. E o benchmark deles colocou o H3 Max contra doze modelos de vídeo, incluindo o próprio H3 oficial, Gemini Omni Flash, Wan 3.0, Seedance 2.5, Kling 3 e Veo 3.

Rafael Costa: 1, usando preferência humana com Bayesian Elo em três dimensões: preferência geral, entendimento do prompt e estética. O H3 Max ficou em primeiro nas três.

Sofia Almeida: E vale notar a honestidade metodológica deles: eles avaliavam checkpoints ao longo do pós-treinamento em comparações cara a cara nas três dimensões separadamente, porque isso dava sinal mais claro do que otimizar contra um score agregado único.

Sofia Almeida: E os resultados se sustentam fora da casa: benchmarks independentes da Artificial Analysis e da Design Arena também colocam o H3 Max em primeiro, e a Design Arena falou em qualidade do H3 a mais de cinquenta vezes a velocidade, estabelecendo uma nova fronteira de Pareto entre velocidade e preferência.

Rafael Costa: E a lição de engenharia é talvez a parte mais durável disso tudo: eles disseram que uma otimização só sobrevivia se o modelo resultante continuasse segurando a posição nas avaliações internas de qualidade. Existem várias formas de acelerar um modelo de vídeo, reduzir precisão, remover passos de amostragem, aproximar operações caras, e algumas dão ganhos impressionantes degradando a saída.

Rafael Costa: A ideia de tratar pesquisa de modelo e desenho de inferência como o mesmo problema é o que move a fronteira, em vez de forçar a escolha entre rápido e bom.

Sofia Almeida: A equipe do MiniMax também endossou, dizendo que a combinação de qualidade de ponta com um salto de velocidade torna a geração de vídeo de alta qualidade prática para um leque muito maior de aplicações reais. Está disponível por endpoints de text-to-video e image-to-video, no Playground, no fal Agent ou via API.

Rafael Costa: Mas a comunidade cravou a dúvida certa: três segundos para um clipe de cinco segundos é louco, se a qualidade se mantiver, porque a maioria dos modelos "rápidos" piora visivelmente a coerência de movimento acima de duas a três vezes o tempo real. A pessoa disse que vai testar o endpoint de image-to-video com movimento de câmera de verdade, que é onde os truques de velocidade costumam desmoronar. Isso é o teste que falta ver, e nós não temos esse resultado.

Sofia Almeida: E do outro lado do gargalo, o entendimento. O Google lançou o modo de processamento agentic para vídeo no Gemini, disponível no 3.7 Flash, no 3.6 Flash e no 3.5 Flash-Lite. A mudança conceitual é essa: em vez de varrer o vídeo numa taxa de quadros fixa, o modelo decide o que assistir, em que velocidade e por qual modalidade, quadros, áudio ou transcrição, buscando só os segmentos que precisa, através de um loop agentic interno.

Rafael Costa: E os números: até oitenta e oito por cento menos tokens, até sessenta e seis por cento menos custo, e até sete por cento mais de precisão, com os maiores ganhos em vídeos longos. E o detalhe comercial esperto: não é um produto separado, é um modo. Você configura o processamento como "agentic" na API, no AI Studio ou na plataforma de agentes corporativa, com preço padrão de token, sem taxa extra.

Sofia Almeida: Os casos de uso que eles citam: recuperação de momentos em menos de um segundo para edição automática, busca de agulha em palheiro em vídeos de várias horas, detecção de anomalias com reamostragem de FPS variável, e contagem precisa de ações ou objetos repetidos. É para desenvolvedores construindo busca de vídeo, edição, moderação ou análise de conteúdo longo.

Rafael Costa: Os dois, H3 Max e o modo agentic, dizem a mesma coisa de lados opostos: eficiência não precisa custar qualidade, se você co-desenha o modelo com o sistema que o serve, ou, no caso do Google, deixa o próprio modelo orçar sua atenção. O que ainda não sabemos é como cada um se comporta fora do cenário de demonstração: o H3 Max em câmeras complexas, e o modo agentic em tarefas que não sejam busca pontual em vídeo longo.

Sofia Almeida: E fechamos com um assunto que parece de outro planeta, mas que é exatamente o mesmo tema: informação certa no momento certo. Rafael, o Notify.domains.

Rafael Costa: Pois é. A maioria das pessoas que quer um domínio específico não tem como saber quando aparece uma oportunidade real de comprá-lo. O Notify.domains monitora WHOIS, RDAP, leilões, marketplaces e sinais de site, tipo queda, certificado morto, redirecionamentos que indicam que o dono largou o nome, checando cada domínio mais de vinte vezes por dia em todos os TLDs da IANA. Vinte e quatro dólares por ano, com sete dias de graça e sem cartão.

Sofia Almeida: O fundador, Michael Cyger, passou quinze anos dentro da indústria de domínios: fundou o DomainSherpa, criou o DNAcademy e depois da aquisição foi diretor de educação da GoDaddy. Ele conta que viu gente perder nomes que queria porque não tinha a informação certa no momento certo. E o insight-chave do site dele é o que a maioria aprende do jeito caro: domínios expirados não simplesmente "caem" e ficam disponíveis para qualquer um. Isso é mito.

Sofia Almeida: Os registrars mandam os nomes que estão expirando para parceiros de leilão antes de o público ver. Cada registrar tem seus acordos e prazos, uns vão para GoDaddy Auctions, outros para NameJet, outros para redes menores. Não existe lista mestra nem cronograma único. Se você errar o lugar ou a hora, o nome escapa para sempre.

Rafael Costa: E a entrega é o diferencial: a notificação chega em linguagem simples, com passos exatos. "Seu domínio mudou, aqui está o que vimos." "Domínio em leilão, dê o lance aqui." "Pending delete começou, aqui está seu checklist de backorder." "Anúncio no marketplace caiu trinta e cinco por cento." Sem jargão técnico. E cada domínio monitorado inclui uma linha direta com o fundador no app, para quem quiser estratégia mais profunda.

Sofia Almeida: A comunidade trouxe dois pontos que mostram onde o serviço resolve e onde para. Um usuário de longa data disse que acompanha há semanas e que economiza muito tempo, e outra pessoa contou que persegue um nome há mais de uma década, que não está em uso, não está à venda e o dono não responde, e que saber que o serviço trabalha vinte e quatro horas por dia dá esperança de um dia ter a chance.

Rafael Costa: Mas os comentários mais afiados foram dois. Primeiro: a detecção é só metade do problema. Se um domínio é desejável a ponto de você monitorar, outros domineiros e serviços de sniping provavelmente monitoram os mesmos sinais. Quando o alerta dispara, ainda existe uma janela real para agir, ou vira disputa de quem tem a API de registrar mais rápida?

Rafael Costa: Segundo, e bem prático: alguém que roda um negócio numa dúzia de domínios pequenos de envio perguntou se dá para monitorar domínios que você já possui, para pegar lapso silencioso ou DNS alterado por baixo. E ficou a pergunta de um usuário sobre busca por palavra-chave ou setor, em vez de domínio específico. Nada disso está respondido no material que temos.

Sofia Almeida: Então, Rafael, se a gente amarra o episódio: em todas as frentes de hoje, o AI Toolbox guardando seu histórico com você no controle, a Tadata delegando trabalho sem te tirar do loop, o Kit e o DocsAlot definindo como agentes trabalham e como revisamos o que eles produzem, H3 Max e Gemini redefinindo o custo de gerar e entender vídeo, e o Notify.domains vigiando o domínio que você quer, a lição é a mesma.

Rafael Costa: A informação certa no momento certo vale mais do que mais força bruta. E, em todos os casos, as perguntas em aberto são as mesmas de sempre: até onde a promessa sobrevive ao mundo real, quando a plataforma muda, quando o dado está velho, quando o adversário é mais rápido. É isso. Um abraço, e até o próximo episódio.

Sofia Almeida: Até lá!