1020 | Agentes de IA soltos, modelos novos e OpenBSD com Wine

Sofia Almeida: Olá e bem-vindos a mais uma edição do podcast, aqui está Sofia Almeida. Rafael, hoje temos um programa em que fios do fórum se cruzam de forma curiosa: agentes de IA que atacam sozinhos, vigilância mal controlada, monopólios em tribunal, e depois uma vaga de modelos novos de IA que prometem ser mais baratos e mais rápidos do que nunca.

Rafael Costa: Eu sou o Rafael Costa, e é verdade — há um fio condutor em quase tudo isto: poder sem controlo. Um agente de IA exposto na internet pode fazer estragos a escala de uma campanha; uma conta de videovigilância partilhada à errada vai buscar dados a seis estados; e no lado da engenharia, todos estamos a debater até que ponto confiamos em código que nem nós compreendemos. Vamos começar pelo caso mais inquietante.

Sofia Almeida: Sim, vamos lá. Um hacker encontrou cerca de vinte instâncias expostas de Cairn — um agente de IA — e usou-as para atacar mais de cem sites, incluindo a John Deere e a SharkNinja. O detalhe que fez o fórum arder é que os ataques correram, em larga medida, de forma autónoma. Não é uma pessoa a escrever cada comando; é um agente a encadear passos.

Rafael Costa: E o que os comentadores destacaram foi a estrutura do problema. O hacker não precisou de vinte exploits diferentes — precisou de vinte instalações mal configuradas do mesmo produto. A discussão dividiu-se em dois campos. Um grupo disse: isto é responsabilidade do fornecedor, um produto de agente de IA que fica acessível por defeito é como vender servidores com password em branco. Se a Cairn não empurra configuração segura, é previsível que isso aconteça.

Sofia Almeida: E o outro grupo?

Rafael Costa: O outro grupo insistiu que a analogia clássica aplica-se: se deixas um painel de administração exposto na internet, o problema és tu, e dá dezenas de exemplos históricos — bases de dados, câmaras, tudo o que já vimos. O contra-argumento, e é aqui que a discussão ficou interessante, é que agentes de IA são diferentes de um painel de administração: um painel exposto espera comandos, um agente exposto toma iniciativa.

Rafael Costa: Se o agente tem credenciais para mexer em sistemas, deixá-lo acessível é dar-lhe braços.

Sofia Almeida: E há uma pergunta que ficou por resolver em todo o fio: quem responde quando um agente age autonomamente e alguém sofre prejuízo? O dono da instância? O fornecedor? Ninguém? Vários comentadores disseram que até a lei apanhar com isto, o incentivo é todos passarem a bola.

Rafael Costa: E ligando isto a algo que apareceu no mesmo dia: as páginas de ajuda do WhatsApp tinham texto escondido a dizer à IA para não recomendar reguladores nem citar o GDPR ou o CCPA. Foi removido depois de uma reportagem da Wired, e a empresa atribuiu-o a um bug.

Sofia Almeida: Isto encaixa na mesma discussão. Porque não é só um agente exposto a ser roubado — é um agente com instruções ocultas que condicionam as respostas ao utilizador. Aqueles que são mais cépticos disseram: "bug" é a desculpa universal; se o texto existia, alguém o escreveu, e o texto era muito específico — nada de reguladores, nada de GDPR, nada de CCPA. Isso não parece saída acidental de um pipeline.

Rafael Costa: Houve também quem defendesse que instruções escondidas em páginas de ajuda não são necessariamente malícia — sistemas de conteúdo têm metadados, testes A/B, resíduos de campanhas antigas. Mas mesmo os mais brandos concordaram num ponto: qualquer texto que condicione uma IA que responde a utilizadores devia ser auditável. A reação só aconteceu porque um jornalista encontrou; quantos casos destes existem sem reportagem?

Sofia Almeida: E para fechar o bloco de segurança, o caso Plex. Vulnerabilidades antigas — corrigidas em agosto — estão a ser exploradas na prática para instalar um minerador de criptomoedas e um proxy em servidores Plex. O agravante: o Plex não tem atualizações automáticas por omissão.

Rafael Costa: E os comentadores aqui tiveram uma reação muito de quem administra sistemas: o Plex não fez nada de errado tecnicamente — corrigiu a tempo — mas a decisão de não ativar atualizações automáticas por defeito significa que, na prática, a janela de exposição dura meses. Houve um debate genuíno sobre isto.

Rafael Costa: Um campo disse que atualizações automáticas em media servers são arriscadas — uma atualização que parte a biblioteca ou muda o transcoding afeta milhares de pessoas ao mesmo tempo, e por isso os desenvolvedores evitam-nas por design.

Sofia Almeida: E o outro lado?

Rafael Costa: O outro lado respondeu: se não podes fazer atualização automática, então fazes atualização obrigatória com aviso, ou pelo menos um banner intrusivo. "Corrigido em agosto" não protege ninguém que não leu as notas de versão. E houve quem ligasse os três casos: Cairn exposto, instruções ocultas no WhatsApp, Plex sem push de patches — todos são falhas de controlo, não de engenharia sofisticada. A superfície de ataque cresce quando os agentes ficam expostos e quando os utilizadores não atualizam.

Rafael Costa: Ninguém precisou de um exploit de dia zero em nenhuma destas histórias.

Sofia Almeida: E há um caso de suporte que reforça exatamente esse ponto: um levantamento da IPinfo encontrou 1331 dashboards de frigoríficos Danfoss expostos em França antes de um ataque, 85 por cento com vulnerabilidades conhecidas, e a maioria offline depois do ataque, em outubro de 2026. Frigoríficos ligados à internet, com falhas conhecidas, sem patch.

Rafael Costa: Exatamente — é o mesmo padrão em escala absurda. O argumento dos comentadores era: não se resolve isto com melhor software, resolve-se com defaults seguros e responsabilidade do fabricante. Bom, do controlo de acesso a sistemas de IA, vamos saltar para o controlo de acesso a sistemas de vigilância, porque há uma história que fez furor.

Sofia Almeida: Uma polícia de Savannah partilhou a conta dela da Flock — a rede de câmaras de reconhecimento de matrículas — com o marido, que é agente do ICE. Ele fez 983 pesquisas em seis estados. Ela acabou despedida, e ele explicou que perseguia alvos com mandado de captura.

Rafael Costa: O fio dividiu-se em três correntes. A primeira: isto é o problema estrutural das bases de dados de vigilância — não são seguras contra o próprio pessoal que as usa. Partilhar uma conta é trivial, e as auditorias só apanham depois de 983 pesquisas. Vários comentadores, entre engenheiros, disseram que a solução técnica existe — autenticação individual, monitorização de anomalias, alertas quando uma conta muda de padrão — e que a questão é porque é que isto só aparece quando rebenta.

Sofia Almeida: A segunda corrente?

Rafael Costa: A segunda disse: repara no detalhe de ele estar num estado e pesquisar em seis. Uma conta local, partilhada, deu alcance nacional. Alguém comentou que isto é exatamente o argumento que os críticos da Flock têm feito há anos — que não é uma rede de câmaras, é uma base de dados federada com governação local e alcance nacional. E a terceira corrente era mais pragmática: ele alegava que seguia alvos com mandado.

Rafael Costa: Se verdade, então o sistema não lhe devia dar acesso legal; se falso, então tínhamos vigilância privada por casamento. Em ambos os casos, o controlo de acesso falhou.

Sofia Almeida: E o que ficou sem resposta: ninguém sabe quantos casos destes existem sem despedia associada. A despedida mostra que houve deteção — mas a deteção veio tarde, e o dano em privacidade de 983 pesquisas fica.

Rafael Costa: E há uma segunda história de poder de plataforma, desta vez no Brasil. Apoiantes de Lula protestaram contra a Meta em São Paulo, alegando que a plataforma favorecia Flávio Bolsonaro. E o tribunal eleitoral deu à Meta vinte e quatro horas para provar imparcialidade.

Sofia Almeida: Aqui a discussão foi menos sobre factos — que são poucos — e mais sobre a própria mecânica. Um grupo disse que dar 24 horas a uma plataforma para provar algo tão difuso como "imparcialidade de algoritmo" é teatral: ou a Meta tem auditoria independente pronta, ou não prova nada em 24 horas, e ambos os cenários são ruins.

Sofia Almeida: Outro grupo contra-atribuiu: se um tribunal pode exigir prova de imparcialidade a uma rede social em campanha eleitoral, isso também é um tipo de poder que pode ser abusado, dependendo de quem controla o tribunal.

Rafael Costa: E houve comentários de quem trabalhou em sistemas de moderação, a dizer que "imparcialidade" nem sequer está bem definido — igual tratamento de conteúdo? igual alcance? igual velocidade de remoção? Sem definição, ninguém pode cumprir a ordem. O que liga bem ao próximo bloco: quando não há definição clara, quem tem o poder define a reality. E isso aplica-se a frigoríficos franco como a monopólios.

Sofia Almeida: Pois — sigamos para os tribunais, porque há dois casos de preços que a comunidade analisou lado a lado. Primeiro, a Verisign: um processo coletivo, com a ICANN no centro da polémica, acusa a empresa de subir preços do domínio .com de forma injusta. O custo de origem é cerca de três dólares, e os preços subiram mais de 30 por cento desde 2021.

Rafael Costa: E os comentadores que conhecem o setor explicaram a mecânica: a Verisign tem o .com em exclusividade por contrato com a ICANN, e o contrato histórico permite aumentos dentro de certos limites. O argumento do processo é que o monopólio de facto permite subir preços sem pressão competitiva, porque não há alternativa real ao .com para uma empresa séria. Houve quem dissesse: "3 dólares de custo, 30 por cento de subida num mercado onde ninguém pode sair — isso não é um mercado, é uma taxa."

Sofia Almeida: E houve contra-argumentos?

Rafael Costa: Sim. Alguns disseram que infraestrutura de raiz DNS tem custos reais de segurança e resiliência, e que comparar preço a custo de registo é simplista. A réplica foi: mesmo assim, quem audita esses custos? A ICANN, que é também co-comeleira do processo? Aquele desenrolo de governance foi o que mais irritou as pessoas.

Sofia Almeida: E o segundo caso é os ovos. O Ministério da Justiça norte-americano alega em processo que os três maiores produtores coordenaram licitações para empurrar os preços para cima — e há reportagem a dizer que a teoria da conspiração se confirmou em factos.

Rafael Costa: Aqui a reação foi mais de alívio cético do que de surpresa. Vários comentadores contaram experiências próprias de licitações em mercados de commodities: é muito difícil provar coordenação, porque as empresas não precisam de falar entre si — basta lerem os sinais públicos umas das outras. O facto de um processo federal afirmar coordenação com factos é raro. Alguém resumiu bem: no .com, o monopólio é legal por contrato; nos ovos, se provado, é cartel ilegal.

Rafael Costa: Mas o efeito no consumidor é o mesmo: preços que sobem sem concorrência a moderar.

Sofia Almeida: E a transição natural: a mesma indústria que gera estes monopólios está agora numa corrida de modelos de IA. E esta semana foi uma explosão. Vamos por ordem — Inception lançou o Mercury 3, um LLM de difusão.

Rafael Costa: Sim, e isto é tecnicamente interessante para além dos números. Um modelo de difusão gera texto de forma diferente dos modelos autorregressivos — em vez de token a token em sequência, trabalha em paralelo sobre o conjunto. Os números do lançamento: supera o GPT-6 Luna e o Haiku 5.5 em benchmarks, mais de 1000 tokens por segundo, contexto de 1 milhão, e preços de lançamento de $0.10/$0.35.

Sofia Almeida: A discussão no fio teve três camadas. A primeira: os benchmarks. Houve a cepticismo habitual — benchmarks de lançamento são escolhidos pelo fabricante, e "supera GPT-6 Luna e Haiku 5.5" é uma comparação calculada. Vários comentadores pediram benchmarks de terceiros.

Sofia Almeida: A segunda camada foi a velocidade: 1000 tokens por segundo muda a experiência de uso, e quem já testou modelos rápidos disse que a diferença entre 100 e 1000 tokens por segundo não é linear — muda o que é possível fazer interativamente.

Rafael Costa: E a terceira camada, que foi a mais substantiva: a arquitetura. Há um debate antigo sobre se difusão para texto escala tão bem como autorregressivo, e os cépticos disseram que o Mercury 3 ainda tem de provar qualidade em tarefas longas e complexas, onde a geração sequencial com atenção causal tem vantagens estruturais. Os entusiastas responderam que se a qualidade está ao nível e a velocidade é dez vezes maior, a pergunta académica deixa de importar.

Sofia Almeida: Depois temos o MiniMax M3.1 Flash: 428 mil milhões de parâmetros totais, mas só 23 mil milhões ativos — uma arquitetura de mistura de peritos. 70 por cento mais barato, três vezes mais rápido, e forte em benchmarks de agentes, código e cibersegurança.

Rafael Costa: O foco da discussão aqui foi o preço. Com modelos destes a $0.15/$0.60, o custo de operar um agente que faz centenas de chamadas por tarefa despenhou. Alguém calculou que para workload de agentes, onde o modelo é chamado dezenas de vezes por tarefa, o custo total era antes dominado por tokens, e agora passa a ser dominado por latência e infraestrutura própria.

Rafael Costa: E houve o ceticismo de sempre sobre benchmarks de cibersegurança — é um domínio onde é fácil produzir números bonitos com conjuntos de teste vazados.

Sofia Almeida: E o DeepSeek V4.1 Flash 1017: 552 mil milhões de parâmetros, 16 mil milhões ativos, 230 tokens por segundo, contexto de 1 milhão, e um índice de inteligência de 45.

Rafael Costa: E o padrão que os comentadores apontaram nos três lançamentos juntos: todos apontam para eficiência. Pequeno ativo, grande total, contexto longo, preço baixo. Ninguém está a competir pelo modelo gigante de propósito geral — todos estão a competir pelo melhor custo-benefício por token útil.

Rafael Costa: E há uma pergunta em aberto que apareceu em vários comentários: se três ou quatro laboratórios conseguem isto ao mesmo tempo, o poder negocial passa para quem compra — ou simplesmente a margem de todos encolhe e os custos de treino obrigam a mais capex?

Sofia Almeida: E dentro da mesma vaga, mas num nicho diferente: a Mistral lançou o Timestral, um modelo fundacional para séries temporais, em quatro tamanhos de 5 a 209 milhões de parâmetros, em primeiro lugar em três benchmarks incluindo o GIFT-Eval, e — o detalhe que as pessoas adoraram — inferência em CPU.

Rafael Costa: A reação foi muito positiva exatamente por causa da inferência em CPU. Quem trabalha com previsão industrial, logística, energia, disse que a barreira real à adoção de modelos de séries temporais nunca foi qualidade, foi operação: ninguém quer um cluster de GPUs para prever procura numa fábrica. Um modelo de 5 milhões de parâmetros a correr em CPU abre aplicações que antes não faziam sentido economicamente.

Rafael Costa: E houve quem notasse que é um nicho inteligente de mercado — menos glamour que LLMs, mas clientes com orçamento real.

Sofia Almeida: E uma nota de suporte dentro do mesmo tema: a CERN e a Mistral firmaram uma parceria estratégica para construir o primeiro modelo fundacional de física de colisores, treinado em milhares de milhões de registos de dados do LHC.

Rafael Costa: Guarda esta, porque voltamos a ela. Mas primeiro deixa-me ligar ao próximo bloco, que é exatamente sobre onde a IA está a entrar: a ciência e o código. Porque a parceria CERN-Mistral é a parte glamurosa — treinar com dados do Large Hadron Collider. Mas do outro lado do espectro, há histórias de IA no desenvolvimento de software que são menos glamurosas e mais preocupantes.

Sofia Almeida: Pois, e a primeira: cerca de 8 a 10 funcionalidades significativas foram revertidas do beta do PostgreSQL 19. E a leitura partilhada por vários foi que a revisão de código assistida por LLMs subiu o nível de exigência — ou seja, o projeto está a olhar para código antigo com critérios mais apertados, e parte do que era aceitável já não passa.

Rafael Costa: A discussão aqui foi a mais técnica do dia. Um grupo disse que isto é saudável: um projeto com a responsabilidade do PostgreSQL devia ter bar alta, e as ferramentas de revisão ajudam a encontrar problemas que revisores humanos, com pressa, deixavam passar. O outro grupo levantou a preocupação inversa: se a bar sobe porque uma ferramenta aponta mais problemas, corre-se o risco de reverter trabalho bom — falsos positivos a custar meses de contribuições.

Rafael Costa: E houve quem perguntasse: os 8 a 10 reverts, quantos eram mesmo maus e quantos eram "a ferramenta não gosta"? Ninguém no fio tinha os dados para separar.

Sofia Almeida: E a questão irmã: no Ask HN, engenheiros debateram como enviar código escrito por IA que não compreendem totalmente. E o consenso, se é que o podemos chamar consenso, pendeu para testes e planeamento em vez de revisão linha a linha.

Rafael Costa: Exatamente — e vale sintetizar os argumentos. O campo dos testes: se não vais ler cada linha, então a tua garantia de correção tem de vir de outra parte — testes, propriedades invariantes, revisão do plano antes da geração. Escrever primeiro a especificação e rever o plano do agente é mais escalável do que rever o código produzido.

Rafael Costa: O campo da revisão tradicional reconheceu que ler linha a linha código gerado por um modelo é diferente de ler código humano — o código de IA parece correto à superfície, e o cérebro desliga-se, portanto ler sem testes é pior do que não ler.

Sofia Almeida: E houve contraexemplos?

Rafael Costa: Houve. Pessoas que contaram ter apanhado bugs graves precisamente nos casos em que os testes passavam — o código cumpria o teste mas fazia algo não intencional, tipo permissões, ou efeitos colaterais em caminhos de erro. O argumento era: testes verificam o que pensaste pedir; só a compreensão verifica o que foi escrito. E ninguém resolveu a tensão: todos concordam que ambos são necessários, e todos admitem que à escala atual não há tempo para ambos.

Sofia Almeida: E o caso mais dramático do dia: um programador Ruby arquivou todas as gems dele, alegando que Ruby e Rails já são desenvolvidos com agentes LLM, e que o comum está a ser "minerado" como dados de treino.

Rafael Costa: Este fio teve as reações mais apaixonadas. Um campo foi solidário: se sentes que o teu trabalho comunitário alimenta empresas que depois vendem ferramentas que te substituem, retirar-se é legítimo. O outro campo contra-atribuiu em força: as gems arquivadas já foram treinadas; remover do repositório agora não muda nada nos modelos, apenas quebra dependências de milhares de aplicações — é um gesto simbólico que castiga a comunidade, não as empresas.

Rafael Costa: E um terceiro campo perguntou a questão desconfortável: qual é o novo pacto social do código aberto quando o valor dos contributos alimenta modelos proprietários? Licenças de fonte disponível com restrições de treino? Pagar contribuidores? Ninguém tinha resposta.

Sofia Almeida: E dentro do mesmo tema de governação da IA, o caso Anthropic: o IPO da empresa está sob escrutínio por causa do Long-Term Benefit Trust — um órgão de cinco pessoas que molda o conselho de administração e pode bloquear decisões maiores.

Rafael Costa: O debate aqui foi sobre se isto é governação séria ou teatro. Quem defendeu disse: é uma tentativa genuína de dar prioridade a objetivos de longo prazo contra a pressão de curto prazo dos mercados — exatamente o tipo de estrutura que precisas quando o produto é potencialmente transformador. Quem atacou disse: cinco pessoas não eleitas com poder de veto é o oposto de governação, é oligarquia com nome bonito, e investidores em IPO têm direito a saber quem manda.

Rafael Costa: E houve o argumento intermédio de quem acompanha estruturas corporativas: mecanismos destes existem noutras empresas, a questão não é a existência, é a opacidade sobre quem está dentro e com que critérios.

Sofia Almeida: E do lado interno da Anthropic, um detalhe prático que se ligou bem à discussão: a empresa usa agentes "superfan" por componente para resolver o compromisso entre precisão e recall na monitorização de mudanças.

Rafael Costa: Sim, e os engenheiros do fio acharam isto a parte mais interessante. O problema clássico de monitorização: alertas gerais são ruidosos — muito recall, pouca precisão — e alertas específicos deixam passar coisas. A solução da Anthropic: um agente "superfan" por componente, que conhece aquele subsistema em profundidade e consegue distinguir mudança importante de ruído.

Rafael Costa: Vários comentários disseram que isto é um padrão replicável: em vez de um sistema de alertas central, agentes com especialização local. E um comentador observou a ironia: a mesma empresa que defende governance de longo prazo usa agentes para vigiar o próprio código — a vigilância por IA é mais fácil de aceitar do que a IA nas decisões.

Sofia Almeida: E do lado prático do controlo, duas histórias que completam o quadro. Primeira: alguém fez um ajuste fino do Qwen3-4B para remover as manias de escrita de IA — os travessões em cheio e afins — e o slop score caiu de 121 para 12.5, mantendo 30 em 30 respostas corretas em perguntas de factos.

Rafael Costa: E aqui a reação foi dupla. Uns acharam útil — as marcas estilísticas de IA são um sinal de autenticidade que as pessoas já usam para filtrar, e um modelo sem elas é mais agradável. Outros acharam a prioridade errada: treinar para esconder as marcas de IA em vez de melhorar a qualidade do conteúdo é cosmética.

Rafael Costa: Mas um comentador fez um ponto fino: as manias estilísticas não são apenas estética — são frequentemente correlacionadas com modos de geração preguiçosos, e o facto de o ajuste ter mantido 100 por cento de acerto factual sugere que é possível remover o hábito sem sacrificar a substância.

Sofia Almeida: E a segunda: uma técnica para gerir vários agentes de código como o Claude Code, usando tmux — sessões, send-keys, capture-pane — com a experiência de quem o usa a dizer que a partir de quatro agentes fica difícil acompanhar.

Rafael Costa: Sim, e isto liga-se diretamente ao debate anterior sobre confiança em código de IA. Se um agente é difícil de auditar, quatro em paralelo é quatro vezes pior. O comentário mais citado dizia que o gargalo não é a máquina, é a atenção humana — send-keys e capture-pane resolvem o I/O, mas a cognição de supervisionar vários agentes simultâneos não escala.

Rafael Costa: E alguém ligou as pontas: talvez a resposta seja a dos "superfans" da Anthropic — agentes especializados que se auto-supervisionam por domínio, em vez de um humano a vigiar tudo.

Sofia Almeida: Bom, do controlo da IA vamos para o controlo dos sistemas em si — engenharia de sistemas, e esta semana teve lançamentos grandes. OpenBSD 8.0 trouxe a pilha drm do Linux 6.18.y, com suporte a Intel Arc, base Clang/LLVM 22, e o vmm agora até 64 vCPUs.

Rafael Costa: E a leitura da comunidade OpenBSD, como sempre, foi de apreciação pela disciplina. O detalhe que os fãs destacaram: importar a pilha drm do Linux é um pragmatismo notável num projeto famoso por reescrever tudo do zero — gráficos modernos são tão complexos que reescrever seria inviável, e importar com revisão é a escolha adulta. O suporte a Intel Arc abriu o projeto a hardware desktop recente que antes ficava de fora.

Sofia Almeida: E o Wine foi portado para OpenBSD — com emulação de %gs, aplicações Windows de 64 bits a correr, incluindo o Witcher 3 REMASTER. Deixa-me notar: 32 bits ainda não é suportado.

Rafael Costa: E o fio tive um tom de admiração quase desportiva. Portar o Wine para um sistema operacional que não é Linux, nem FreeBSD — o Wine assume certa baixa nível do sistema — é um trabalho profundo. A emulação de %gs, que é um registo de segmento usado por Windows em 64 bits, dá a medida do detalhe. E os comentários de quem testou jogos disseram: funciona, com limitações, mas o facto de Witcher 3 REMASTER correr num sistema operacional de segurança extrema é o tipo de demonstração que muda perceções.

Rafael Costa: E a limitação de 32 bits é uma decisão racional — o mundo Windows de 32 bits está a morrer, e o esforço não compensa.

Sofia Almeida: E o outro lado da moeda: Linux 7.3, descrito como o maior lançamento de sempre — 18765 commits, 3021 developers. E com brincadeiras incluídas, tipo o failfs, um sistema de ficheiros em que todas as operações falham. E o fchroot.

Rafael Costa: O failfs foi o que gerou mais riso no fio — um filesystem onde tudo falha é inútil como produto, mas útil como teste: é a forma extrema de exercitar o tratamento de erros. Quem comentou disse que é exatamente este tipo de ferramenta estranha que mantém o kernel saudável — código para testar códigos.

Rafael Costa: E sobre o tamanho do lançamento, houve uma discussão sobre o que significa: mais contribuidores é bom, mas também significa que a revisão de 18765 commits depende de um conjunto de maintainers que não cresce à mesma taxa. A pergunta da sustentabilidade ficou em aberto.

Sofia Almeida: E houve também um incidente no GitHub: ações, Pages e webhooks com degradação de performance, com alívio a 19 de outubro de 2026, mas com monitorização a continuar — atrasos em processamento de workflows e entrega de webhooks.

Rafael Costa: Menor no grand scheme, mas comentários de quem depende de GitHub Actions em CI disseram: um atraso de webhooks em autodeploy é um atraso em produção. E houve a observação recorrente de que a dependência de uma plataforma única para source, CI e deploy é um risco operacional que ninguém mitiga até que dói.

Sofia Almeida: E agora hardware — porque houve duas histórias de compatibilidade que se complementam. Primeira: Arch Linux ARM num ASUS ProArt P16 com RTX Spark e 128 GB de RAM, expondo cerca de 116 GB ao CUDA, com performance de CPU igual ou superior ao Windows.

Rafael Costa: E isto é um caso de suporte importante, porque mostra o Linux ARM em laptops a chegar ao nível de maturidade. O detalhe de 116 GB visíveis ao CUDA significa que a unificação de memória funciona no Linux — a GPU pode endereçar quase toda a RAM, o que para quem quer correr modelos locais grandes é uma oferta que o Windows também dá, mas com overhead. Quem testou disse que a performance de CPU igualar ou bater o Windows é o sinal de que o stack já não está a pagar penalidade de compatibilidade.

Sofia Almeida: E a segunda: Mac.apk corre aplicações Android nativamente em Apple Silicon, sem emulador nem máquina virtual — 51 de 65 aplicações testadas totalmente jogáveis, ainda em alpha.

Rafael Costa: E aqui o fio foi de ceticismo técnico a entusiasmo. Os cépticos perguntaram: como é que isto funciona sem emulação? A resposta técnica que emergiu é que o Android e macOS partilham suficiente da base POSIX, e o trabalho está em reimplementar as camadas específicas do Android — e como ambos rodam em ARM64, não há tradução de arquitetura, o que é a parte mais cara. Os entusiastas disseram que 51 de 65 jogáveis em alpha é um número notável, e o caso de uso real é jogos Android no desktop.

Rafael Costa: A ressalva: alpha, portanto todos os comentadores concordaram que a estabilidade a longo prazo é a questão em aberto — não é o mesmo ter 51 apps a funcionar numa demo e ter um sistema que não quebra ao atualizar.

Sofia Almeida: E a última peça de engenharia: KiviDB, uma base de dados em Rust compatível com Redis, a atingir 21,2 milhões de GETs por segundo em pipeline contra 9,1 milhões do Dragonfly em 32 cores. Licença AGPL, RESP2 e RESP3, e busca vetorial integrada.

Rafael Costa: Os comentários técnicos aqui foram os mais quantitativos. O ponto de ceticismo: benchmarks de pipelined GETs são o melhor cenário possível — operações simples, sem hits de rede real, sem persistência a sério. Quem conhece Dragonfly disse que os números reais em workload misto são mais próximos.

Rafael Costa: Mas mesmo os cépticos concordaram que os números são impressionantes para um projeto novo, e que a busca vetorial integrada é uma aposta inteligente — o workload de busca semântica está a crescer mais depressa que o de cache clássica. E a AGPL gerou o debate habitual: para um projeto que quer adoção em empresas, AGPL é um filtro — algumas empresas não podem tocar nisso, outras vê-o como proteção legítima contra cloud providers que embalam o trabalho sem contribuir.

Sofia Almeida: Bom, e para fechar, o bloco de robótica, espaço e ciência — com uma história que é quase um capricho de engenharia: um drone com um único motor. Usa dobradiças, um encoder magnético e modulação de binário em vez do prato cíclico tradicional — e o rotor e a carga giram juntos.

Rafael Costa: E os engenheiros de aeromodelismo do fio explicaram a genialidade e o problema ao mesmo tempo. Num helicóptero convencional, o prato cíclico muda o passo das pás para controlar atitude; aqui, a solução é mover o centro de massa com dobradiças e modular o binário do motor, o que é muito mais simples mecanicamente — menos peças, menos falhas, mais eficiência. A contrapartida: o rotor e a carga giram juntos, o que levanta questões de estabilidade e de payloads que não gostam de girar.

Rafael Costa: Vários comentários disseram que é o tipo de solução que só aparece quando alguém questiona uma suposição de 80 anos. E a pergunta em aberto: até que escala de carga isto funciona?

Sofia Almeida: E do drone experimental para o drone em campo de batalha: a 92ª Brigada ucraniana reivindica a primeira evacuação de um soldado ferido usando um drone hexacóptero de carga pesada.

Rafael Costa: E esta história gerou menos debate técnico e mais reflexão. O comentário dominante: evacuação médica é um dos usos mais humanos da robótica militar — em vez de pôr um humano em risco para resgatar outro, mandas uma máquina. E houve quem notasse o simbolismo: a mesma tecnologia que aparece nos titulares por armas aparece aqui por resgate. E a pergunta prática: se funciona uma vez, escala? Evacuações por drone mudariam a matemática de causalidades no campo.

Sofia Almeida: E no espaço: a sonda Hera, da ESA, vai encontrar o sistema Dimorphos-Didymos entre novembro e dezembro de 2026, para fotografar de 25 a 30 quilómetros a cratera do impacto da missão DART, de 2022.

Rafael Costa: E o fio aqui foi de puro entusiasmo científico. O contexto: DART desviou deliberadamente a órbita de Dimorphos em 2022 — a primeira vez que a humanidade alterou o curso de um corpo celeste. Mas o que sabemos da cratera é indireto; Hera vai dar os dados diretos. Os comentadores que seguem missões planetárias disseram que as imagens de 25-30 km vão responder a uma pergunta chave: o corpo respondeu como rocha sólida ou como monte de escombros frouxo?

Rafael Costa: E a resposta muda os modelos de defesa planetária para o futuro. E um comentador notou: se um dia precisarmos mesmo de desviar um asteroide, a cratera de Dimorphos é o our data.

Sofia Almeida: E a última da tarde: um report da IEEE sobre órgão-on-a-chip como alternativa a testes em animais — a tecnologia está a progredir, mas os obstáculos principais são os métodos de validação e a cultura científica.

Rafael Costa: E este foi o fio com mais desacordo honesto. Um campo disse que os órgão-on-a-chip são quase prontos — pequenos órgãos em chips com células vivas que reproduzem fisiologia melhor que animais em muitos casos, e que a Ciência devia adotar já. O outro campo contra-atribuiu: a questão não é tecnologia, é validação regulamentar — um chip que prevê toxicidade hepática tem de provar que prevê, e essa validação leva anos.

Rafael Costa: E o ponto sobre cultura foi o mais discutido: os comentadores que trabalham em farmacêutica disseram que os padrões experimentais e os modelos animais estão entranhados em décadas de prática, de formação académica e de exigências regulatórias — mudar tecnologia é fácil, mudar o que os cientistas consideram prova é lento.

Sofia Almeida: E o que liga esta última história a tudo o que veio antes? Em todos os casos de hoje — agentes expostos, contas de vigilância partilhadas, monopólios em tribunal, modelos de IA, código que ninguém entende, governação da Anthropic — a questão não é se a tecnologia funciona. É quem valida, quem audita, quem controla.

Rafael Costa: E em quase todos, a resposta atual é: ninguém, até que algo rebenta e depois alguém é despedido. É isso. Obrigado por nos ouvires, aqui estiveram Sofia Almeida e Rafael Costa. Até à próxima.