Gemini 3.7 Flash e Codex Bedrock

Episódio 104 — 19 de agosto de 2026

[00:00] Gancho do episódio

O OpenAI Codex rust-v0.148.0 traz integração com o Bedrock e ramificação de sessão, enquanto o Gemini 3.7 Flash do Google introduz raciocínio híbrido na latência e custo do Flash. A Z.ai lança o GLM 5.3 com contexto de 1M de tokens, o Qwen 3.8 27B chega para implantação local, e um roadmap de agente trilíngue completa a primeira parte do episódio, seguida de análises mais profundas sobre fluxos de trabalho empresariais, gargalos de decodificação e modelos de mundo. Cada história recebe o mesmo tratamento — o que foi lançado, o mecanismo por trás e o que muda para desenvolvedores que trabalham com isso.

[02:00] Leitura do Lançamento do Agent Stack: OpenAI Codex rust-v0.148.0

A OpenAI lançou o Codex rust-v0.148.0 em 18 de agosto, e a principal adição é o Amazon Bedrock como provedor nativo. Agora você pode apontar o Codex para modelos hospedados na AWS através do seu perfil e região da AWS, com roteamento de GPT-5.6 suportado prontamente. Para equipes já padronizadas na AWS, isso remove um motivo recorrente de manter o Codex separado do restante da stack.

O lado de fluxos de trabalho do lançamento é igualmente prático. Um novo comando codex exec fork ramifica uma sessão existente em uma que você pode executar independentemente, e o seletor de retomada do TUI agora permite arquivar ou restaurar sessões passadas. Combinado com /export, que despeja uma conversa completa do TUI em Markdown na área de transferência ou em um novo arquivo, você finalmente pode tratar uma sessão do Codex como um artefato real: ramifique, salve, compartilhe e retome depois.

A visibilidade de custos também é nova. /status, linhas de status e a barra de título do terminal agora podem mostrar créditos estimados da thread ou custo para workspaces elegíveis. Para quem executa o Codex contra um backend medido, essa é uma mudança significativa — você pode ver a conta aumentar sem sair do terminal.

Os hooks também ficaram mais poderosos. Scripts externos agora podem executar de forma assíncrona e invocar ferramentas MCP diretamente, então um hook não precisa bloquear a rodada principal enquanto faz seu trabalho. Isso desbloqueia padrões de automação de execução mais longa, como um hook que inicia um build ou uma consulta de banco de dados sem congelar o agente.

Por baixo dos panos, o lançamento corrige silenciosamente muitas arestas ásperas. Trocas de modelo não deixam mais instruções obsoletas para trás nem alteram uma rodada ativa no meio do processo. Sessões retomadas restauram seu diretório de trabalho persistido e política de aprovação. Rodadas se reconectam através de interrupções temporárias do provedor, e servidores MCP se recuperam automaticamente após reautenticação OAuth em vez de exigir um reinício do Codex. O TUI não ativa mais prompts a partir de entrada de terminal em buffer, a renderização do compositor e da transcrição lida corretamente com colas CRLF, espaços em branco quebrados e URLs longas, e restrições de sandbox agora falham de forma segura para caminhos negados ou ilegíveis tanto no Linux quanto no Windows.

[02:58] Análise Profunda: Gemini 3.7 Flash e a Chegada do Raciocínio Híbrido

O Gemini 3.7 Flash do Google representa uma mudança arquitetural significativa ao introduzir raciocínio híbrido na infraestrutura de IA de produção. Em vez de forçar desenvolvedores a escolher entre um modelo de linguagem padrão instantâneo ou um modelo de raciocínio caro de alta latência, o Gemini 3.7 Flash unifica ambos os regimes em uma única arquitetura de modelo. Desenvolvedores controlam esse comportamento diretamente através de um parâmetro configurável de orçamento de pensamento, que pode variar de zero para inferência padrão subsegundo até 64.000 tokens de pensamento para resolução profunda de problemas multi-etapa.

O que torna isso particularmente impactante para construtores de agentes é a combinação de profundidade de raciocínio, multimodalidade nativa e alta taxa de transferência. O Gemini 3.7 Flash preserva capacidades multimodais completas em texto, código, imagens de alta resolução, vídeo e áudio dentro de sua janela de contexto de 1M de tokens. Em avaliações de benchmark como SWE-bench Verified, o Gemini 3.7 Flash oferece capacidades de codificação e refatoração de nível de fronteira em nível de repositório que rivalizam com modelos muito maiores, mantendo o custo da API e a latência no nível do Flash.

Quando comparado à competição, as compensações ficam claras. Em comparação com o Claude 3.7 Sonnet, que também adota raciocínio híbrido, o Gemini 3.7 Flash visa loops de execução de agentes ultra-rápidos a uma fração do custo, tornando-o ideal para fluxos de trabalho iterativos contínuos e coordenação multiagente. Em comparação com o o3-mini ou o1 da OpenAI, que utilizam níveis de raciocínio fixos e não possuem raciocínio nativo de áudio/vídeo, o Gemini 3.7 Flash fornece controle granular contínuo sobre tokens de pensamento junto com um contexto multimodal de 1M de tokens. E contra modelos de contexto longo apenas de texto como GLM 5.3 ou modelos locais quantizados como Qwen 3.8 27B, o Gemini 3.7 Flash fornece confiabilidade de produção e tempo até o primeiro token subsegundo imediato.

Para desenvolvedores construindo loops de agentes, o padrão recomendado é alocação dinâmica de pensamento: execute classificação rotineira, despacho de ferramentas e verificações de lint com tokens de pensamento definidos como zero, e escale dinamicamente tokens de pensamento entre 2.048 e 16.384 ao executar exploração complexa de codebase, planejamento arquitetural ou localização profunda de bugs.

[04:25] Z.ai lança modelo de raciocínio GLM 5.3 com contexto de 1M de tokens

A Z.ai colocou o GLM 5.3 no OpenRouter, e o número principal é a janela de contexto: um milhão de tokens no lado de entrada, com um teto de 4.096 tokens nas saídas. O modelo é descrito como um modelo de raciocínio em escala grande construído para engenharia de software complexa e tarefas de agente de longo horizonte — em linguagem simples, ele é ajustado para trabalho que abrange muitas etapas em um codebase em vez de respostas de rodada única.

Esse é um espaço significativo a preencher. A maioria dos modelos de raciocínio no router hoje oferece janelas de contexto menores, então qualquer fluxo de trabalho que precise ingerir um repositório grande, uma longa sequência de chamadas de ferramentas ou um plano estendido agora tem outro candidato para rotear. Texto entrada, texto saída é a única modalidade listada, então construtores roteando trabalho multimodal não receberão ajuda dessa entrada.

O movimento prático é colocar o GLM 5.3 através de um pequeno conjunto de avaliações reais de agentes de codificação antes de tratá-lo como padrão. Contexto longo sozinho não é um fosso — o que importa é se o modelo mantém coerência em toda essa janela e realmente planeja bem em muitas rodadas de trabalho de agente. Fique de olho em primeiros benchmarks de equipes executando avaliações de agente e em qualquer sinal de preços ou limites de taxa que mudariam a decisão de roteamento em escala.

[05:45] Qwen 3.8 27B é excelente, mas pensa demais por padrão

O laboratório de pesquisa Qwen da Alibaba lançou o Qwen 3.8 27B na sexta-feira — um modelo de linguagem com 27 bilhões de parâmetros, licenciado sob Apache 2, com capacidade de visão, pequeno o suficiente para rodar em um laptop com especificações razoáveis. Os benchmarks autorreportados do Qwen alegam que ele melhora tanto sobre o Qwen 3.6 27B anterior quanto sobre o Qwen 3.7-Plus de peso fechado, que era um dos modelos mais fortes do Qwen de qualquer tamanho até maio.

Simon Willison o testou exaustivamente em um MacBook Pro M5 Max de 128GB e um NVIDIA DGX Spark, rodando a build quantizada Q4_K_M de 17GB do LM Studio, e também tentou usar o llama-server diretamente no Spark. A peculiaridade principal: o Qwen vem com reasoning_effort definido como xhigh por padrão — a documentação descreve xhigh como "para tarefas complexas que exigem análise aprofundada" — e o GGUF do LM Studio preserva esse padrão. Em hardware de consumo, o resultado é o modelo consumindo cada token disponível pensando em prompts mundanos. A janela de contexto padrão de 8.192 tokens do LM Studio deixou o problema evidente; carregar o modelo com sua janela completa de 262.144 tokens ajudou, mas a solução real é reduzir o reasoning_effort para medium ou low.

O tamanho de 27B, a licença Apache 2 e o contexto de 262K tornam isso um alvo atraente para desenvolvedores local-first que querem entrada de visão e uma licença permissiva. Um ponto a observar: benchmarks independentes — Willison destaca que os números autorrelatados do Qwen são impressionantes, mas ainda não foram testados por terceiros.

[07:07] Um roteiro trilíngue para aprender IA agentiva, com mais de 240 recursos selecionados

Um roteiro trilíngue para aprender IA agentiva recebeu uma atualização fresca no GitHub esta semana. O repositório, awesome-agentic-ai-zh por WenyuChiou, apresenta um caminho estruturado desde o básico de LLMs até sistemas multi-agente, escrito em três idiomas: Chinês Tradicional, Inglês e Chinês Simplificado. O título chinês do projeto é 中文 AI agent 學習地圖.

O roteiro vem com mais de 240 recursos selecionados e exemplos práticos — o suficiente para funcionar como um currículo autodirigido em vez de uma lista dispersa de posts de blog. O GitHub lista 5754 estrelas no repositório, e o mantenedor enviou atualizações em 18 de agosto de 2026, após um lançamento datado de 14 de agosto.

O que diferencia o projeto é seu layout trilíngue. A maioria do material de aprendizado de IA agentiva existe apenas em inglês, o que deixa uma lacuna real de entrada para desenvolvedores falantes de chinês que querem acompanhar o campo. Ao manter o mesmo conteúdo em 繁中, Inglês e 简中 lado a lado, o repositório permite que o aprendiz escolha um idioma inicial e mude quando a terminologia ficar confusa — uma pequena coisa que importa quando você encontra jargões como tool calling ou o agent loop.

Para desenvolvedores, a leitura prática é direta. Se você é novo em IA agentiva e quer um caminho sequenciado em vez de tutoriais aleatórios, o roteiro oferece um ponto de partida gratuito e organizado. O que observar a seguir é se o mantenedor mantém a lista de recursos atualizada enquanto o stack agentivo continua evoluindo — a atualização de agosto sugere que sim.

[08:34] OpenAI lança iniciativa para trazer supervisão democrática à IA na segurança nacional

A OpenAI anunciou uma nova iniciativa em 18 de agosto voltada para fortalecer a supervisão democrática da IA na segurança nacional. O programa é construído em torno de três pilares: fornecer a instituições governamentais ferramentas, treinamento e expertise para examinar a implantação de IA em contextos de defesa e inteligência. A OpenAI publicou o anúncio em seu site de notícias, enquadrando o movimento como resposta às crescentes questões sobre como a IA é integrada ao trabalho de segurança do estado e quanto dessa implantação recebem de supervisão por órgãos eleitos e independentes.

O anúncio é enxuto em detalhes específicos. A OpenAI não listou agências parceiras nomeadas, turmas concretas de treinamento ou compromissos mensuráveis na própria página, então o impacto no curto prazo para desenvolvedores é principalmente indireto. Para quem constrói produtos que tocam compradores governamentais, de defesa ou de inteligência, o sinal é que a OpenAI está ativamente moldando a linguagem e expectativas sobre como fornecedores de IA devem se engajar com instituições de supervisão, o que pode alterar conversas de aquisição e requisitos básicos de confiança ao longo do tempo. Uma coisa a observar: se anúncios de acompanhamento nomeiam instituições específicas, turmas de treinamento ou pilotos de supervisão que deem à iniciativa bordas mais nítidas.

[09:40] NVIDIA transforma ChatGPT Work em uma camada global de fluxo de trabalho

A OpenAI publicou uma história de cliente em 18 de agosto intitulada "Como a NVIDIA escala expertise com ChatGPT Work," enquadrando como um olhar interno de como uma grande fabricante de chips usa o produto no dia a dia.

O resumo na página de OpenAI News descreve três resultados: equipes da NVIDIA usam ChatGPT Work para reduzir tarefas manuais, conectar sinais de rápida movimentação e escalar fluxos de trabalho bem-sucedidos globalmente.

Esse enquadramento posiciona o ChatGPT Work como infraestrutura compartilhada — um lugar onde o padrão de trabalho de uma equipe pode ser embalado e realocado em toda a organização em vez de ficar preso em uma única sessão.

O estudo de caso não detalha quais divisões da NVIDIA o adotaram primeiro ou quantifica horas economizadas, então a leitura mais útil é estrutural: uma empresa cujo negócio é construir aceleradores de IA está usando o produto de chat da OpenAI como uma camada interna de coordenação.

Para desenvolvedores observando o mercado empresarial, o sinal prático é que grandes clientes estão começando a tratar ferramentas de IA conversacional como infraestrutura de fluxo de trabalho, não apenas máquinas de respostas.

Uma coisa a observar: se estudos de caso futuros da OpenAI trazem números concretos ou modelos específicos de fluxo de trabalho que outras equipes podem copiar, em vez de permanecer no nível geral de "equipes usam para escalar expertise."

[10:53] Resumo de pesquisa: o gargalo de raciocínio da IA é a decodificação, não o tamanho do modelo

Problemas de Olimpíada de Linguística pedem aos competidores que descubram uma língua desconhecida do zero — sem manual de regras, apenas frases de exemplo. O Desafio IOL-AI entregou esses exatos quebra-cabeças a equipes de IA sob restrições severas (uma única GPU T4 e trinta minutos por problema). Os sistemas com restrição de recursos que os organizadores submeteram ficaram nos cinco percentis inferiores dos competidores humanos, enquanto um modelo de fronteira, Claude Opus 4.8, igualou uma performance de medalha de ouro. A descoberta chave foi que o tamanho não decidiu o vencedor: submissões menores e ajustadas derrotaram modelos várias vezes maiores, e os ganhos vieram de decodificação mais inteligente — como o modelo lida com sua própria saída — em vez de capacidade bruta. O escore automático acompanhou os rankings do júri, mas favoreceu sistemas fracos. A conclusão para quem constrói sistemas de raciocínio: quebra-cabeças linguísticos são um teste limpo de se um modelo realmente consegue descobrir coisas, e o gargalo agora é o manuseio de saída, não o tamanho do modelo.

[11:50] OpenAI descreve abordagem para ajustar ritmo de modelos conforme capacidades cibernéticas crescem

OpenAI published a blog on August 18 titled "Pacing model development in an era of cyber-critical capabilities." The piece frames the company's approach to releasing frontier models at a time when AI systems are gaining more meaningful cyber capabilities. According to the published summary, OpenAI is strengthening monitoring, alignment, and security practices around frontier model development, and positioning those safeguards as the mechanism that guides the pace at which new models ship.

The post does not announce a specific product, model, or tool. It reads as a policy and posture piece: an explanation of how OpenAI is thinking about the relationship between advancing model capability, particularly in cybersecurity-relevant domains, and the controls the company applies before and during release. The available summary describes the safeguards in general terms rather than naming new evaluation suites, red-team programs, or deployment gates.

For builders and operators, the practical takeaway is modest but worth noting. Frontier model release timing is increasingly being shaped by cyber risk considerations rather than purely by capability benchmarks. Anyone planning around future OpenAI model drops, whether for security tooling, agent workflows that touch sensitive systems, or safety-critical applications, should expect cyber evaluation documentation to become a more visible part of future launch posts. Watch for whether upcoming model announcements ship with explicit cyber assessment summaries alongside the usual capability results.

[13:13] Resumo de pesquisa: Modelos de mundo de IA Podem Trocar Objetivos Sem Retreinar

A maioria dos agentes de aprendizado por reforço que aprendem um "modelo de mundo" — uma simulação interna de como seu ambiente se comporta — fica presa a um objetivo. Treine um agente para navegar em um labirinto e procurar a chave azul, e ele geralmente não pode ser redirecionado para procurar a chave vermelha sem mais interação com o ambiente, porque a lógica de recompensa está entrelaçada com a percepção dentro de uma rede neural. Uma equipe de pesquisadores propõe uma pequena mudança com um grande efeito prático: dividir o modelo de mundo para que a reconstrução de observações e a previsão de recompensas não compartilhem mais a mesma representação. A recompensa se torna uma função sobre algumas variáveis de estado simbólicas legíveis por humanos, enquanto o resto da rede continua prevendo o que o mundo fará a seguir. Essa separação é o que torna possível a transferência de tarefas zero-shot — a mesma simulação aprendida pode ser redirecionada para um novo objetivo apenas reescrevendo a regra de recompensa. Na prática, isso significa que um robô treinado em simulação poderia ser redirecionado para pegar um objeto diferente, ou um agente de jogotrocado para um novo objetivo de pontuação, sem uma nova coleta de dados.

[14:21] Asana troca uma migração de cinco anos por duas semanas com o Codex

A Asana, empresa de gerenciamento de trabalho, substituiu um sistema de testes desatualizado em cerca de duas semanas usando o agente de codificação Codex da OpenAI — trabalho que sua equipe de engenharia havia estimado levar perto de cinco anos. O custo total ficou em torno de doze mil dólares.

Essa diferença é a manchete. Duas semanas em vez de cinco anos, doze mil dólares em vez de um projeto que exigiria equipe por vários anos. A OpenAI publicou o caso em 18 de agosto como evidência de que agentes de codificação de fronteira podem começar a compactar migrações legadas que estavam envelhecendo silenciosamente nas filas de engenharia porque ninguém queria financiá-las.

A história é rasa em especificações técnicas. A OpenAI não publicou qual configuração do Codex a Asana usou, o tamanho da suíte de testes ou quanto review humano esteve envolvido nas duas semanas. Os números de duas semanas e cinco anos vêm da própria estimativa da Asana.

O que o caso estabelece é que uma migração antes estimada para exigir uma pequena equipe por anos pode passar para dois engenheiros, duas semanas e um orçamento modesto com um agente de codificação da geração atual, pelo menos para uma empresa em uma carga de trabalho. Se você tem um subsistema descontinuado no roadmap, isso agora é um item realista em vez de uma fantasia.

O próximo ponto de dados que ajudaria a esclarecer a imagem é a Asana publicando seu próprio artigo de engenharia com o escopo da suíte de testes e a proporção de review humano, já que o resumo da OpenAI não inclui um changelog detalhado.

[15:50] OpenAI Enquadra a Janela do Defensor nas Ameaças Cibernéticas de IA

Em 17 de agosto, a OpenAI publicou um artigo de perspectiva chamado 'The Defender's Window' que apresenta a IA como reformulando ambos os lados da cibersegurança. O post afirma que a OpenAI está fortalecendo suas próprias defesas e aponta para as equipes de segurança uma orientação sobre o que fazer a seguir. Fora dessa estrutura ampla, o material de origem não especifica quais produtos, modelos ou sistemas de detecção mudaram, quais controles foram adicionados ou quais mitigações concretas a empresa está recomendando. Lê-se como um artigo de opinião e roadmap em vez de um changelog, então o aprendizado prático agora é principalmente direcional: a OpenAI quer que os defensores acompanhem e tratem o modelo de ameaça como em mudança, já que ferramentas de IA podem reduzir o custo de certos ataques em ambos os lados. Equipes de segurança que procuram mudanças específicas em produtos da OpenAI, regras de detecção nomeadas ou novas mitigações precisarão ler o post diretamente para a lista completa, porque os materiais de resumo não os enumeram. O interessante para acompanhar é se essa estrutura se transforma em funcionalidades lançadas ou detecções mensuráveis nas próximas semanas, ou permanece como uma declaração de postura.

[16:56] ChatGPT Ads Chega a 31 Mercados Europeus

A OpenAI expandiu o ChatGPT Ads para 31 mercados europeus, levando o programa de um piloto limitado para um lançamento regional mais amplo. A empresa publicou a notícia em 18 de agosto, apresentando o lançamento como uma forma de os anunciantes alcançarem pessoas enquanto elas estão ativamente explorando, comparando opções e tomando decisões dentro do chatbot.

A mudança importa porque a IA conversacional passou os últimos anos sendo principalmente um centro de custo para os laboratórios por trás dela. Os anúncios mudam essa conta, e um lançamento europeu de 31 países muda a questão da escala. O ChatGPT é um dos produtos de IA para consumidores mais usados na região, então anúncios patrocinados dentro dele agora alcançam um público pelo qual os anunciantes costumavam pagar ao Google ou Meta. A apresentação da OpenAI de "momentos de decisão" também indica onde os anúncios ficam: não apenas no final de uma resposta, mas nos pontos onde alguém está comparando produtos, avaliando opções ou prestes a agir.

Para construtores e profissionais de marketing na Europa, o efeito prático é que o ChatGPT não é mais uma curiosidade para mencionar em uma apresentação. É um lugar para realmente executar campanhas, com seu próprio público e sinais de intenção. Para qualquer pessoa lançando um produto de consumo, a questão de longo prazo é se os espaços de recomendação dentro dos assistentes começam a substituir os anúncios tradicionais de busca, e se sua categoria é uma que o ChatGPT mostrará nesses momentos.

[18:21] OpenAI Apoia 14 Projetos Políticos Independentes para a Economia de IA

A OpenAI anunciou em 17 de agosto que está financiando 14 projetos independentes para desenvolver novas ideias de políticas para o que ela chama de Idade da Inteligência. As bolsas visam dois objetivos amplos: expandir a oportunidade econômica à medida que a IA se espalha pelo trabalho e fortalecer a resiliência social à disrupção que a acompanha. A OpenAI está agindo como financiadora em vez de think tank, escolhendo equipes externas para gerar ideias para que a conversa política incorpore mais pontos de vista do que apenas o roadmap de uma empresa.

Isso importa agora porque os governos ainda estão elaborando legislação de IA e os mercados de trabalho já estão mudando sob o peso das novas ferramentas. Os projetos financiados poderiam alimentar recomendações concretas em debates ativos em vez de produzir princípios vagos. Com a OpenAI sendo ela própria uma grande beneficiária do desenvolvimento de IA, canalizar dinheiro por pesquisadores independentes também é uma tentativa de ampliar quem define as regras do jogo.

O que assistir a seguir: quais tópicos os 14 times abordam. A configuração de seus portfólios revelará onde os pesquisadores independentes veem as lacunas mais urgentes — seja sobre substituição de empregos, educação, regulamentação de segurança, ou algo completamente diferente — e esse sinal chegará antes de qualquer documento de política finalizado.