0911 | Provas, agentes e a caixa de cabos

Sofia Almeida: Olá, você está ouvindo mais um episódio do nosso podcast de tecnologia, e eu sou a Sofia Almeida.

Rafael Costa: E eu sou o Rafael Costa. E hoje, Sofia, o fio condutor é quase filosófico: o que a tecnologia realmente entrega para a gente — e o que ela cobra em troca. Temos uma prova matemática da OpenAI que promete revolucionar a pesquisa, mas cercada de suspeitas sobre de onde veio o conhecimento. Temos agentes de programação em nuvem mudando a economia de escrever software. Infraestrutura de banco de dados, um buraco de segurança sério, disputas sobre propriedade digital...

Rafael Costa: e no fim, um pouco de humanidade: criatividade, streamings caros e até uma caixa de cabos.

Sofia Almeida: Então vamos começar pelo caso mais quente do momento. A OpenAI anunciou uma prova do problema de Navier-Stokes — e isso, à primeira vista, é enorme. Navier-Stokes é aquele conjunto de equações que descreve o comportamento de fluidos, e fazer progresso ali é o tipo de coisa que matemáticos passam décadas tentando.

Sofia Almeida: O detalhe que chamou a atenção de todo mundo foi a formalização: a prova veio acompanhada de uma verificação formal em Lean 4, uma linguagem onde um verificador de provas confere cada passo logicamente. E essa verificação foi feita em 17 horas de máquina.

Rafael Costa: E aí está o número que explode a cabeça de qualquer um: a estimativa era de cerca de 133 mil horas-pessoa para fazer essa verificação manualmente. A diferença entre 17 horas e 133 mil horas-pessoa é uma queda de custo de quatro ordens de magnitude. Ou seja, se esses números se confirmarem, o que antes exigiria uma equipe de matemáticos trabalhando por anos agora é questão de horas de processamento. Isso é o tipo de coisa que, se for real e repetível, muda a prática da própria matemática.

Sofia Almeida: Exatamente. A promessa aqui é dupla: a IA gera a prova e a formalização em Lean garante que ela está correta — sem erro humano escondido em algum lema. Por muito tempo o sonho da formalização foi exatamente esse: eliminar a confiança na revisão por pares como única rede de segurança. Se a OpenAI conseguiu isso de verdade, é um marco. Mas... é aí que a história fica complicada, Rafael.

Rafael Costa: Fica, sim. Porque paralelamente ao anúncio, começaram a surgir acusações desconfortáveis. O pesquisador Andreas Thom afirmou que ele e outros pesquisadores tinham discutido a matemática desse problema com o ChatGPT antes — ou seja, conversas privadas com o modelo teriam alimentado o treino. E quando a negação veio — o Sellke, da OpenAI, disse simplesmente "isso não aconteceu" — muita gente leu a resposta como evasiva.

Rafael Costa: Não uma explicação detalhada de como funcionam os processos de exclusão de dados, mas uma negação seca de três palavras.

Sofia Almeida: E tem mais camada nessa história. Um segundo pesquisador fez a mesma acusação: que a OpenAI teria treinado sobre conversas privadas do ChatGPT e depois usado o resultado para reivindicar avanços matemáticos. E a demanda concreta desse pesquisador é interessante: ele pede canários de descontaminação e divulgação.

Sofia Almeida: Para quem não conhece o termo, canários são frases ou conteúdos únicos plantados em documentos — se o modelo depois reproduz ou demonstra conhecimento deles, você tem evidência de que aquele material entrou no treino. É uma técnica conhecida, e o apelo é que a OpenAI deveria divulgar abertamente como ela exclui dados de treino.

Rafael Costa: E no meio disso tudo, tem um outro detalhe que alimenta a desconfiança: usuários relataram que a OpenAI reativou a configuração que permite o uso das conversas para treino, depois dela ter estado desativada. Alguns usuários confirmam que viram isso, outros suspeitam que pode ter sido só um bug na interface. E aí a discussão foi além do caso específico, porque muita gente expressou ceticismo sobre a eficácia desse tipo de caixinha de seleção em primeiro lugar.

Rafael Costa: Ou seja: mesmo quando o usuário desmarca a opção, será que os dados realmente ficam de fora?

Sofia Almeida: É uma combinação explosiva, né? Porque o anúncio técnico, em si, pode ser genuinamente revolucionário — quatro ordens de magnitude na verificação de provas é o tipo de resultado que vale manchete sozinho. Mas a credibilidade de um resultado desses depende inteiramente da integridade do processo.

Sofia Almeida: Se a prova foi construída com insights que vieram de conversas privadas de pesquisadores que confiavam no ChatGPT como um espaço de discussão, aí a história não é "a IA resolveu Navier-Stokes", é outra completamente diferente.

Rafael Costa: E é isso que ficou sem resolução, Sofia. O que a OpenAI ainda precisa esclarecer é: como exatamente os dados de treino são filtrados? Houve ou não conversas privadas no conjunto? E qual é o processo de auditoria para um anúncio dessa magnitude? A negação de Sellke não respondeu nada disso para a comunidade. Enquanto isso, os pesquisadores continuam pedindo transparência com ferramentas concretas — canários, disclosure dos processos —, não apenas declarações.

Sofia Almeida: Vamos ficar de olho nesse caso, porque ele tem tudo para se desdobrar. E curiosamente, essa tensão entre o que a OpenAI promete e o que ela entrega como produto é uma boa ponte para o próximo assunto: agentes de programação em nuvem. A OpenAI lançou uma Agents API para agentes duráveis rodando na nuvem, com um harness do Codex gerenciado por eles.

Rafael Costa: Sim, e no Hacker News a discussão foi boa. O anúncio em si: em vez de você construir a infraestrutura para rodar agentes — o loop de execução, o sandbox, a persistência entre chamadas — a OpenAI oferece tudo isso como serviço gerenciado. O agente fica "morando" na nuvem deles, executando tarefas de longa duração de forma confiável.

Sofia Almeida: E os comentários se dividiram em três eixos principais. Primeiro: API versus SDK. A questão prática é qual nível de controle você quer. Com uma API gerenciada, você delega mais, entrega mais rápido, mas fica preso ao jeito da OpenAI de fazer as coisas. Com um SDK, você monta mais coisas você mesmo, mas mantém controle. E cada comentarista pesava isso de acordo com a experiência própria — quem já foi queimado por migrar serviços pensava duas vezes.

Rafael Costa: Que nos leva ao segundo eixo, que foi o mais quente: vendor lock-in. Porque se seus agentes duráveis — que acumulam estado, histórico, configuração — vivem dentro da infraestrutura da OpenAI, migrar depois não é só trocar uma chamada de API. É reconstruir um sistema inteiro. Vários comentaristas apontaram que essa é exatamente a estratégia clássica de plataformas em nuvem: facilitar muito o caminho de entrada e tornar a saída cara.

Sofia Almeida: E o terceiro eixo foi sandboxing. Se o agente vai executar código, acessar arquivos, interagir com sistemas, onde estão os limites de segurança? Quem gerencia o sandbox — no caso, a OpenAI — precisa provar que aquele ambiente de execução é isolado de verdade. E a comunidade, conhecendo a história de escapes de sandbox, não tratou isso como detalhe resolvido.

Rafael Costa: É o velho dilema: conveniência hoje versus independência amanhã. E vale conectar isso com outra notícia da mesma semana, que muda a conta de outro jeito: a Cognition lançou o SWE-2, um modelo focado em engenharia de software. Os números divulgados: 50% no benchmark FrontierCode 1.1 Main, ficando próximo do Fable 5.1, mas custando 64% menos. E um detalhe técnico interessante: ele foi pós-treinado a partir do Kimi K3, um modelo de 2,8 trilhões de parâmetros.

Sofia Almeida: Que, se confirmado, muda a economia da coisa: você consegue desempenho próximo do melhor modelo da categoria pagando bem menos. Mas — e aqui a comunidade fez o dever de casa — houve disputa sobre os benchmarks em si. Questionaram a metodologia e, principalmente, o fato de o acesso estar restrito ao Devin, o agente da própria Cognition. Ou seja: os números vêm de um ambiente controlado pelo próprio criador do modelo, e ninguém de fora conseguiu reproduzir ainda.

Rafael Costa: Esse padrão se repete, né? No caso da OpenAI, a verificação em Lean ao menos dá algo externalmente verificável — o verificador de provas é público e independente. No caso do SWE-2, até o benchmark depender da boa fé do fornecedor. São dois extremos de verificabilidade, e é por isso que a comunidade reage de formas tão diferentes.

Sofia Almeida: E agora vem a parte que conecta os dois mundos, porque o Shopify talvez tenha dado a resposta mais prática para essa discussão toda: eles estão migrando de React Native de volta para Swift e Kotlin nativos, no iOS e no Android.

Rafael Costa: E o motivo é puro e simplesmente econômico. O argumento original do React Native sempre foi: manter dois codebases nativos é caro demais, então vamos compartilhar código. Só que agora, com agentes de programação escrevendo e mantendo código, o custo de manter dois projetos nativos separados despencou. A premissa que justificava o React Native simplesmente deixou de valer.

Sofia Almeida: É um exemplo lindo de como essas mudanças não ficam confinadas ao mundo da IA — elas reorganizam decisões de arquitetura que estavam "assentadas" há uma década. E a Microsoft, na mesma linha, anunciou que Rust agora é tier-1 lá, ao lado de C++, C# e TypeScript. Isso significa tratamento de primeira classe: suporte, investimento, prioridade.

Rafael Costa: E há uma peça técnica concreta nisso: um novo backend de geração de código para o rustc, o compilador de Rust, que gera código para a ferramenta MSVC — o toolchain da própria Microsoft no Windows. Os motivos citados são três: ferramentas, segurança e interop entre Rust e C++. Ou seja, não é só um selo simbólico; há engenharia real acontecendo para que código Rust e código C++ conversem, o que é essencial num codebase gigante cheio de C++ legado.

Sofia Almeida: Então o quadro geral é esse: a IA muda o custo de escrever e manter código, as empresas reavaliam escolhas antigas — Shopify voltando ao nativo, Microsoft apostando em Rust — e ao mesmo tempo novas camadas de infraestrutura surgem para servir esse novo mundo. E falando em infraestrutura, Rafael, temos um lançamento de banco de dados que gerou muita discussão: o Neki, da PlanetScale.

Rafael Costa: O Neki é o produto que a PlanetScale vinha preparando: Postgres de verdade, mas compartilhado e sharded automaticamente. Os números anunciados: mais de 100 milhões de queries por segundo, escala de petabytes, e — esse é o detalhe que mais impressionou — resharding sem downtime, ou seja, redistribuir os dados entre as máquinas enquanto o banco continua no ar.

Sofia Almeida: Só que o lançamento em si rendeu uma discussão à parte. O blog de anúncio foi criticado porque... não explicava o que é o Neki. Gente que leu a página saiu sem entender o produto — muito marketing, pouca substância. A landing page, ironicamente, era mais clara. E lá sim as coisas ficam evidentes: o router fala o protocolo Postgres nativo — ou seja, seu cliente comum de Postgres conecta sem saber que existe um sharding por trás — e cada shard é um Postgres real, com réplicas.

Sofia Almeida: Não é um banco "quase-Postgres" com sintaxe parecida, como algumas soluções do mercado.

Rafael Costa: Essa distinção importou muito na discussão, porque quem já sofreu com bancos compatíveis-só-na-cara sabe que as incompatibilidades aparecem exatamente nas piores horas. Ter Postgres real em cada shard muda o risco. Mas havia também ceticismo saudável: números de 100 milhões de QPS vêm de benchmarks do próprio fornecedor, e todo mundo na conversa sabia disso.

Sofia Almeida: E a ressalva técnica mais importante ficou clara no anúncio: as transações entre shards ainda estão por vir. Ou seja, hoje, se uma operação precisa tocar dados em shards diferentes de forma atômica, você ainda não tem essa garantia. Para muita carga de trabalho isso não é problema — se os dados particionam bem, cada transação fica num shard só. Mas para o caso geral, é uma limitação real que vai determinar quem consegue adotar o Neki e quem não consegue.

Rafael Costa: E é engraçado como o tema "confiar no que o fornecedor diz" atravessou o episódio inteiro até aqui, né? Da OpenAI à Cognition à PlanetScale. E no campo de segurança, temos um caso em que a confiança foi literalmente quebrada por uma falha de código: o Forgejo, o software de hospedagem de repositórios tipo Git — usado por muita gente como alternativa auto-hospedada — tinha uma vulnerabilidade crítica de execução remota de código nas versões até a 16.0.3.

Sofia Almeida: O mecanismo é até elegante de tão astuto, no mau sentido. A falha estava na expansão de templates — o sistema de templates do Forgejo permitia que a expansão criasse uma pasta .git no sistema de arquivos. E uma vez que você tem uma pasta .git num lugar onde não deveria, abre-se caminho para leitura e execução arbitrárias de código. O vetor de ataque: repositórios de template maliciosos. Alguém te induz a usar um template comprometido, e a expansão dele planta a coisa.

Rafael Costa: A correção saiu na versão 16.0.4. E o conselho prático que ficou da discussão é direto: se você roda Forgejo, atualize já. É o tipo de falha que combina alcance remoto com um vetor de entrada social — templates são compartilhados, reutilizados, e nem todo mundo audita o que vem de fora.

Sofia Almeida: Do meio técnico, vamos para as questões de privacidade e direitos no dia a dia, que é onde essas tecnologias tocam a vida de todo mundo. A Apple lançou no Apple Watch uma funcionalidade chamada "Siri Recaps", que grava áudio ambiente e transcreve notas. A ideia é que o relógio esteja sempre capturando o que acontece ao redor e transformando em lembretes úteis.

Rafael Costa: E as críticas vieram rápido. O alerta central é sobre normalização: cada aparelho que escuta o tempo todo torna o always-listening mais "normal", mais aceito sem discussão. E a comparação que surgiu foi com os Meta Glasses — que enfrentaram uma reação pública forte justamente por colocar câmeras e microfones permanentes no rosto das pessoas. A pergunta desconfortável dos críticos: será que o Apple Watch vai passar pela mesma reação, ou a Apple consegue normalizar isso sem o backlash?

Sofia Almeida: E do relógio que escuta tudo, para o tribunal: quatro californianos processaram a Sony alegando que, quando você clica em "Comprar Agora" num jogo digital, na prática você só recebe uma licença revogável — não a propriedade do jogo. A defesa da Sony nesse caso é impressionante de tão crua: eles argumentaram que consumidores razoáveis não esperam possuir o que compram.

Rafael Costa: Que é uma frase que vai ficar na história, Sofia. A Sony está basicamente dizendo: "ninguém de sã consciência acha que 'comprar' significa possuir". A audiência está marcada para 1º de outubro de 2026, então ainda vai demorar para termos uma decisão. Mas a questão de fundo é enorme: se a licença pode ser revogada a qualquer momento — como já aconteceu quando lojas fecharam e jogos sumiram das bibliotecas — o que exatamente a palavra "comprar" significa?

Sofia Almeida: É o mesmo fio da conversa do "allow training", né? A questão do que acontece com o que você entrega a essas plataformas — suas conversas, suas compras — e quanto controle você realmente mantém. E agora vamos fechar com o lado mais humano, Rafael. Começando por um ensaio que circulou com o título "criatividade é o novo fosso" — no sentido de moat, a barreira competitiva.

Rafael Costa: O argumento é: quando a IA torna copiar trivial, a vantagem deixa de ser o segredo da execução e passa a ser a ideia em si. Se qualquer um consegue replicar seu produto em uma tarde, o que sobra? A capacidade de ter ideias que ninguém mais teve. E o autor puxou uma analogia histórica que rendeu bastante conversa: a era do Flash. Lembra? Quando o Flash surgiu, uma geração inteira de criadores independentes fez animações, jogos, experiências web que nunca existiriam com as ferramentas de antes.

Rafael Costa: Ferramentas novas baratas geram explosões criativas — e a aposta é que a IA será outra dessas ondas.

Sofia Almeida: Mas nem tudo é otimismo criativo. O ensaio do Graybeard, que também foi muito comentado, vai na direção oposta: ele argumenta que software enlouquece as pessoas. E o raciocínio dele é psicológico, não técnico: em software, mudanças parecem baratas. Como o custo de alterar é baixo, não existe um "pronto" natural — sempre há outra alavanca para mexer, mais uma otimização, mais uma feature. É o oposto de construir uma ponte, onde acabou é acabou.

Rafael Costa: E nos comentários, a resposta mais recorrente a esse desespero foi interessante: o contato com o cliente mantém o desenvolvedor aterrado. Quando você vê uma pessoa real usando o que você fez, o critério de "pronto" reaparece — é quando ela consegue fazer o que precisava. O dev isolado no mar infinito de alavancas enlouquece; o dev que conversa com usuário acha chão.

Sofia Almeida: E para fechar, um pouco de realidade financeira e de nostalgia prática. A realidade primeiro: uma pessoa documentou a evolução do preço de uma cesta de nove serviços de streaming desde março de 2021. Subiu de $95,91 para $154,41 por mês. Isso é um aumento de 61% — mais de $702 por ano a mais. E o detalhe que deu credibilidade ao levantamento: cada mudança de preço foi fonte por fonte, serviço por serviço, com documentação de cada aumento.

Rafael Costa: Que é praticamente a prova viva do argumento da fragmentação: as pessoas assinaram streaming para economizar em relação à TV a cabo, e agora a soma das assinaturas recriou — e ultrapassou — o custo que elas fugiam. A narrativa de economia nunca sobreviveu aos próprios números.

Sofia Almeida: E a nostalgia prática vem de um post do Jim Nielsen, que defendeu algo que muita gente consideraria bagunça: manter sua caixa grande de cabos. Ele citou um post do Tyler Gaw, que depois de mais de dez anos precisou de um cabo específico — e estava lá, guardado, funcionando. O Nielsen gostou tanto da ideia que colou a citação na própria "Family Techno Box", a caixa de tecnologia da família.

Rafael Costa: E a defesa tem fundamento real: num mundo onde tudo é descartável e os padrões mudam, o paradoxo é que cabos antigos acabam salvando a situação justamente porque duram décadas. Um cabo USB-C de hoje serve em aparelhos de dez anos. É a antítese perfeita da licença revogável, né? O cabo é seu, ninguém desativa ele remotamente.

Sofia Almeida: Uma nota rápida de curiosidade técnica antes da gente se despedir: o Raymond Chen, do blog da Microsoft, contou como o Windows XP escolhia a figurinha inicial de usuário — aqueles bonequinhos que apareciam na tela de login. Usava a função RtlRandomEx semeada com o GetTickCount — o contador de milissegundos desde a inicialização — e um algoritmo de reservoir sampling de uma passada, limitado a 100 figurinhas. É o tipo de engenharia minúscula que existia dentro de um sistema que rodou por décadas.

Rafael Costa: E para fechar no tom oposto, Terence Tao — um dos maiores matemáticos vivos — compartilhou uma citação de Saint-Exupéry: "todos os adultos já foram crianças um dia, mas poucos se lembram". E o contexto dele era bonito: brincadeiras numéricas de crianças como porta de entrada para o infinito e para a noção de prova. O que nos leva de volta, de um jeito meio poético, ao começo do episódio — a prova de Navier-Stokes, formalizada em horas.

Sofia Almeida: Pois é, Rafael. Fechamos o círculo. Da matemática de fronteira ao cabo guardado na gaveta, o tema do dia foi o mesmo: o que fica, o que é revogável, e o que vale a pena construir. Um obrigado a você que ouviu até aqui — e até o próximo episódio.

Rafael Costa: Até lá!