Reflection's Beam 1.0 pousa no OpenRouter como um MoE de programação 501B

Episódio 123 — 16 de outubro de 2026

[00:00] Abertura do episódio

O Reflection's Beam 1.0 chegou ao OpenRouter como um modelo de raciocínio sparse mixture-of-experts com 501 bilhões de parâmetros totais e 23 bilhões de parâmetros ativos. O Hermes Agent lançou a versão v0.22.2 em 15 de outubro de 2026 para reverter uma build v0.22.1 defeituosa que havia sido montada a partir do commit errado e enviou trabalho não lançado do gateway. A NVIDIA completou sua família open Nemotron com três modelos, tendo como destaque o Nemotron 3.5 Super VL de 120 bilhões de parâmetros para agentes de alto volume sempre ativos, além das variantes edge Bolt para implantações mais compactas. A Apple publicou um guia para executar o modelo Muse Spark Open de quase um trilhão de parâmetros em um cluster de Mac Studios usando MLX e um fabric RDMA-over-Thunderbolt. O editor arquitetônico 3D open-source Pascal Editor lançou uma CLI local e ferramentas do Model Context Protocol voltadas para workflows de agentes de IA. O OpenBMB publicou um checkpoint draft DSpark quantizado em GGUF para o MiniCPM-V 4.7, adicionando decodificação especulativa ao modelo de linguagem visão de 35 bilhões de parâmetros.

[02:00] Leitura do Lançamento do Agent Stack: Hermes Agent v0.22.2, v0.22.1, v0.22.0, v0.21.7

O Hermes Agent v0.22.2 foi lançado em 15 de outubro de 2026, e é a versão que a v0.22.1 deveria ter sido. No dia anterior, a v0.22.1 foi construída a partir do commit errado, o que significa que enviou trabalho não lançado do gateway, e a versão da Microsoft Store poderia ficar presa na tela "Connecting". A 0.22.2 reverte esse erro e envia duas correções.

A maior das duas é um bug de reinicialização. No Linux, após um reinício, o kernel pode distribuir um PID inicial que acaba pertencendo a algum processo completamente não relacionado que iniciou primeiro. O gateway supervisionado — systemd, launchd, Docker — então veria o que parecia ser um gateway em execução e se recusaria a iniciar. O Hermes agora registra em qual boot ele iniciou, e quando não consegue determinar, pergunta ao lock do host, que apenas um gateway ativo realmente detém.

A outra é uma varredura de ergonomia de laptop para modelos locais. Solicitações locais agora sempre transmitem o progresso de leitura do prompt na linha de status, para que você possa ver o quanto o servidor avançou em um prompt longo. Os temporizadores de estagnação ignoram o tempo em que o laptop estava adormecido, para que uma conversa adormecida não pareça estagnada. Um servidor local recuperado recebe mais uma tentativa em vez de um disjuntor que falha em cada turno posterior. A compressão não expira mais enquanto o servidor ainda está lendo uma conversa longa. Em máquinas Windows com memória unificada, o lançamento do modelo e o cache de prompt são dimensionados para liberar memória, o que importa quando não há pool de VRAM separado.

Uma ressalva que o projeto está destacando: sessões que rodaram sob o gateway 0.22.1 não podem ser excluídas na 0.22.2. Qualquer coisa que iniciou corretamente sob a build correta pode ser limpa; apenas as sessões da build ruim estão presas.

Contexto para a linha: a v0.22.0 saiu em 13 de outubro como o "Threshold Release", descrita pelo projeto como a maior janela que o Hermes já enviou, cerca de 2,5x o ciclo da v0.21.0. As principais adições foram um chat de configuração guiado de primeira execução que roda em um modelo de teste gratuito para que novatos não precisem de uma chave de API para começar, conectores que trazem o agente para apps hospedados, um runtime llama.cpp com um clique para modelos locais, e pacotes desktop assinados incluindo a build da Microsoft Store.

Para desenvolvedores, isso é principalmente uma atualização de estabilidade. Se o seu gateway supervisionado se recusou a iniciar após uma reinicialização do servidor, ou seu app da Store travou em Connecting, esta atualização é a correção. Usuários de modelos locais, especialmente em laptops Windows com memória unificada, têm uma experiência mais tranquila em conversas longas e adormecimentos do laptop.

[03:47] O Reflection's Beam 1.0 entra no OpenRouter como um MoE de codificação de 501B

Um novo modelo de raciocínio open-weight chamado Beam 1.0 do Reflection surgiu no OpenRouter como uma listagem de modelo. É um modelo sparse mixture-of-experts com 501 bilhões de parâmetros totais e 23 bilhões de ativos por token, uma janela de contexto de um milhão de tokens, e está posicionado para codificação e workflows agentic de longo horizonte. O formato disponível é um cavalo de trabalho: um MoE de meio trilhão de parâmetros focado em codificação agentic, com contexto suficiente para manter um projeto sério em uma sessão. O modelo está listado no OpenRouter sob o identificador reflection/beam-1.0-501b-a23b.

[04:38] MLX da Apple Executa Muse Spark Open de Quase Um Trilhão de Parâmetros em Cluster de Mac Studio

O grupo de pesquisa de ML da Apple publicou um guia prático para executar modelos de linguagem de fronteira inteiramente em hardware Mac Studio usando MLX, seu framework open-source de arrays. O resultado principal: um modelo de mistura de especialistas de quase um trilhão de parâmetros chamado Muse Spark Open gera mais de 36 tokens por segundo quando distribuído em quatro Mac Studios com chips M5 Ultra, bem acima da velocidade média de leitura.

Em um único Mac Studio M5 Ultra com 512GB de memória unificada, o Mistral Medium 3.5 (128 bilhões de parâmetros) e o Qwen 3.8 (27 bilhões de parâmetros) cabem confortavelmente. A geração M5 adiciona um Acelerador Neural de GPU dedicado à multiplicação de matrizes, o que se traduz em até 4,6× mais rápido no tempo até o primeiro token comparado ao M3 Ultra. A velocidade de decodificação, limitada pela largura de banda da memória, melhora em cerca de 1,6× graças aos 1,2 TB/s de largura de banda de memória unificada do M5 Ultra, acima dos 819 GB/s do M3 Ultra. O pico de energia permanece em torno de 300 watts, aproximadamente o que um torradeira consome.

O Muse Spark Open, com 816 bilhões de parâmetros totais e 42 bilhões de ativos por token, precisa de aproximadamente 493GB em quantização NVFP4, grande demais para uma máquina. O MLX v0.30.1 e posteriores, emparelhados com o driver RDMA-over-Thunderbolt 5 de baixa latência do macOS 26.2, divide o modelo em vários Macs usando novos coletivos de comunicação chamados jaccl. O MLX suporta duas abordagens: paralelismo de pipeline, que divide o modelo pela profundidade (um Mac roda a primeira metade das camadas, depois passa os resultados para o segundo), e paralelismo de tensor, que divide pela largura. Um comando auxiliar, mlx.launch, facilita o disparo de jobs em vários hosts sobre um par conectado por Thunderbolt.

Para desenvolvedores, o workflow significa que modelos grandes podem permanecer locais no hardware do escritório, suportando codificação agentic privada e outras cargas de trabalho pesadas em contexto sem tocar na nuvem.

[06:22] Editor arquitetônico 3D open-source lança CLI e ferramentas MCP para agentes de IA

O repositório Pascal Editor, um editor arquitetônico 3D open-source, recent

[07:37] MiniCPM-V 4.7 Recebe um Aumento de Velocidade via Decodificação Especulativa

O OpenBMB publicou um checkpoint draft DSpark quantizado em GGUF para o MiniCPM-V 4.7, adicionando decodificação especulativa ao modelo de linguagem visão de 35 bilhões de parâmetros. Esta técnica permite que o modelo procese múltiplos tokens simultaneamente, melhorando significativamente o desempenho em tarefas de visão e linguagem. A abordagem de decodificação especulativa otimiza o processamento, mantendo a precisão dos resultados.

Os desenvolvedores podem esperar uma experiência mais suave e responsiva ao trabalhar com o MiniCPM-V 4.7, especialmente em dispositivos com recursos limitados. A implementação de GGUF e decodificação especulativa representa um avanço na eficiência de modelos de linguagem visão.

OpenBMB publicou um checkpoint draft DSpark quantizado em GGUF para MiniCPM-V 4.7 no Hugging Face, habilitando decodificação especulativa com llama.cpp. MiniCPM-V é uma família de modelos abertos de visão-linguagem projetados para implantação em dispositivos e borda, e este repositório torna possível executá-los com decodificação especulativa do llama.cpp. A decodificação especulativa emparelha um pequeno modelo draft que prevê múltiplos tokens com um modelo alvo maior que verifica essas previsões em paralelo. Em vez de esperar pelo modelo completo de 35 bilhões de parâmetros gerar um token por vez, o draft propõe um lote que o alvo confirma ou rejeita, o que acelera a taxa de saída visível. O draft tem aproximadamente 389 milhões de parâmetros e prevê 15 tokens por passagem direta, mirando camadas específicas de estados ocultos no modelo base. Os números de avaliação mostram comprimentos de aceitação variando de cerca de 3,5 tokens por rodada de verificação em texto geral até 7,4 em tarefas de código, com benchmarks de visão como MMMU e MathVista ficando em torno de 5 a 6 tokens aceitos. Para usá-lo, baixe o modelo alvo, seu projetor de visão e o draft quantizado, depois execute com o tipo spec draft-dspark no llama-cli ou inicialize como servidor multimodal. O draft deve ser emparelhado com o alvo MiniCPM-V 4.7 35B-A3B correspondente, e requer um build do llama.cpp que suporte a arquitetura dflash e o Markov head DSpark. Quantizar o draft em si afeta apenas a frequência com que as previsões são aceitas, nunca a saída final, então desenvolvedores podem usar o menor draft quantizado que caiba em seu orçamento de memória. O modelo draft prevê 15 tokens por passagem direta, e os benchmarks mostram médias reportadas pelo publicador de 3,501 tokens aceitos por etapa de verificação em texto geral e 7,387 em geração de código. O draft quantizado funciona com llama-cli ou llama-server usando a flag --spec-type draft-dspark, requerendo um build do llama.cpp com arquitetura dflash.

[09:24] NVIDIA Expande Família Nemotron com Modelos Super VL e Bolt Edge

A NVIDIA expandiu sua família aberta Nemotron esta semana com três modelos cobrindo toda a faixa de implantação de agentes — desde data centers até desktops RTX. O modelo principal é o Nemotron 3.5 Super VL, um modelo aberto de 120 bilhões de parâmetros construído com o Nemotron Coalition para agentes always-on de alto volume. A NVIDIA diz que ele iguala a precisão de seu maior modelo de raciocínio em aproximadamente um quinto da contagem de parâmetros, e roda até 5x mais rápido que o próximo melhor em sua classe no Artificial Analysis Intelligence Index.

Bolt 74B-A9B 24GB é construído para cargas de trabalho agentivas locais em RTX e DGX Spark. O truque é uma quantização nativa de 2 bits — uma compressão que encaixota o modelo de 74 bilhões de parâmetros em 24GB de memória, deixando espaço para outras aplicações. A NVIDIA o classifica como o modelo aberto #1 em sua classe de memória no PinchBench e #2 no BrowseComp. Suporta llama.cpp, Ollama, LM Studio, Unsloth e vLLM.

Um terceiro modelo, Bolt E4B 4GB, será lançado em 23 de outubro para agentes conversacionais e físicos em GeForce RTX, Jetson e DGX Spark. Super VL e Bolt 74B-A9B estão disponíveis agora no Hugging Face, Open Router, ModelScope e como microserviços NVIDIA NIM.

Super VL foi treinado em aproximadamente 26 trilhões de tokens e passou por pós-treinamento com cerca de 3,8 milhões de amostras em dezenas de ambientes de aprendizado por reforço. A NVIDIA também está liberando conjuntos de dados abertos no Hugging Face para uso de ferramentas, finanças, seguimento de instruções, contexto longo, equidade e compreensão visão-linguagem, além dos ambientes de aprendizado por reforço no NeMo Gym.

O pipeline de personalização já está movimentado: a Scale AI o adaptou para o agente de finanças de créditos de fornecedores da Skydance e o agente de due diligence de M&A da EY; a AfterQuery o ajustou para a análise de contratos de crédito do Hebbia; a Mercor o pós-treinou para agentes de codificação no benchmark APEX-SWE; e integrações estão em produção na Atlassian, CrowdStrike, Dassault Systèmes, Perplexity, Salesforce e Synopsys. Escalado no NVIDIA Dynamo, a NVIDIA alega até 8x mais usuários com 85% menor latência.

[11:17] Digest de pesquisa: Quatro Agentes de IA Derrotam o Dragão Ender do Minecraft Juntos

Uma equipe de quatro agentes Gemini 4 Argon derrotou o Dragão Ender do Minecraft dentro de um mundo de sobrevivência isolado, e o artigo descrevendo a corrida está em alta no feed diário do HuggingFace. Cada agente controlava um jogador através de uma biblioteca de código aberto chamada Mineflayer. Os agentes conversavam entre si no chat do jogo e mantinham uma memória compartilhada que podiam ler e escrever, mas ninguém lhes atribuiu papéis ou entregou lógica de jogo. Os agentes planejaram, escreveram e depuraram cada programa por conta própria conforme a corrida se desenrolava. Os pesquisadores assistiram tudo em um painel ao vivo e podiam pausar ou parar os agentes a qualquer momento, embora digam que nunca precisaram. O ponto não é apenas um troféu do Minecraft — é uma demonstração clara de coordenação multiagente em uma tarefa aberta. Com nada mais do que chat, memória compartilhada e a capacidade de escrever seu próprio código, quatro modelos manejaram uma meta de longo prazo que geralmente exige horas de jogo humano. Esse é o padrão que qualquer pessoa construindo stacks de agentes deve ficar de olho.

[12:21] Grok Voice 3.0 Lidera Índice Speech-to-Speech ao Mesmo Custo de $0,08 por Minuto

A xAI lançou o Grok Voice 3.0 hoje, um modelo speech-to-speech que lidera o Índice Speech-to-Speech da Artificial Analysis com uma pontuação de 86,9, à frente de seu próprio antecessor em 81,3 e à frente do GPT-Live-1 (Astra, Medium) em 83,2 e do Gemini 3.8 Live (Ext. Thinking, High) em 82,6. O modelo atinge latência sub-segundo, custa menos por tarefa do que modelos comparáveis no Big Bench Audio da Artificial Analysis, e tem preço idêntico ao Grok Voice 2.0 a $0,08 por minuto na API de Agente de Voz.

Nos sub-scores mais difíceis, o Grok Voice 3.0 fica em 98,5% no Speech Reasoning Big Bench Audio, 1070 Elo no Human Preference Speech Agent Arena, 94,8% no Task Completion e 97,0% no Full Duplex Bench, o último medindo quão naturalmente um modelo lida com pausas, alternância de turnos e interrupções. No EVA-Bench da ServiceNow, que pontua agentes de voz empresariais em mais de 200 cenários, ele obtém 74% de precisão e lidera em uma pontuação combinada de precisão e experiência. Nitin Aggarwal da ServiceNow chamou de uma nova fronteira de Pareto para IA de atendimento ao cliente de primeira linha.

O modelo já está rodando em escala. A Tesla o usa para milhões de conversas diárias dentro dos carros, onde motoristas verificam calendários, enviam emails, pedem café ou reservam jantares com as mãos livres através do Grok Bot. Os call centers da Starlink roteiam 20.000 chamadas por dia através do Grok Voice em vários idiomas, com aproximadamente 70% resolvidas sem humano na operação e cerca de uma em cada quatro chamadas de vendas terminando em compra. Agentes existentes construídos no grok-voice-latest já foram migrados sem mudanças de código.

[13:52] Bundle de $30 da xAI Coloca Modelos Grok Dentro do Cursor

A xAI lançou um único bundle de assinatura que reúne seu assistente Grok, Grok Bot, o agente de codificação Cursor e X Premium, com o tier Premium precificado a $30 por mês e apresentado como substituindo aproximadamente $90 em assinaturas separadas. A espinha dorsal do negócio é um pool compartilhado de uso de modelos Grok que viaja pelo chat, voz e geração de imagem e vídeo do Grok, e dentro dos agentes de codificação do Cursor. Modelos de terceiros no Cursor ainda funcionam no Premium e acima, cobrados separadamente através de recargas de API pelo preço de lista.

A linha começa em um tier gratuito com acesso diário ao Grok e uma allowance inicial do Cursor. Plus roda $8 por mês com mais uso de IA no Grok e Cursor mais um checkmark no X e menos anúncios. Premium a $30 desbloqueia o que antes era SuperGrok, Cursor Pro e X Premium+ combinados, com quatro vezes o uso do Plus. Super a $100 multiplica isso por quinze, e Ultra a $200 por cinquenta. A xAI diz que cada tier pago inclui pelo menos o dobro do uso de codificação com seus modelos comparado ao plano standalone comparable do Cursor.

Para equipes, Premium, Super e Ultra estão disponíveis por assento aos mesmos preços individuais, substituindo a antiga precificação de Cursor Teams enquanto adicionam três vezes o uso de codificação mais SSO, controles administrativos, cobrança consolidada, análise de uso e conformidade SOC 2. Clientes enterprise obtêm um único painel gerenciando Grok e Cursor com um pool de uso compartilhado. Assinantes existentes do SuperGrok, Cursor e X Premium podem manter seu plano atual ou migrar através da cobrança da conta com reembolsos rateados durante a janela de transição.

[15:29] mcp-use 2.10 chega para um framework fullstack MCP cobrindo ChatGPT, Claude e servidores de agentes

mcp-use, um framework de código aberto para construir apps MCP, lançou a versão 2.10 em 14 de outubro. O projeto se posiciona como fullstack: uma única base de código que visa apps MCP para ChatGPT e Claude no front end, e servidores MCP para agentes de IA no back end. O repositório reporta 10.772 estrelas no GitHub, colocando-o entre os kits de desenvolvedor MCP mais populares em circulação ativa.

Para construtores, o argumento prático é consolidação. Em vez de manter duas integrações paralelas, uma equipe pode escrever uma vez e enviar para ambas as principais superfícies de chat, enquanto também expõe um servidor MCP que agentes podem chamar. Esse componente de servidor importa porque o ecossistema MCP cada vez mais assume que agentes descobrirão e invocarão ferramentas através de um protocolo compartilhado em vez de endpoints REST customizados. Um framework unificado diminui o custo de suportar ambas as direções a partir de um projeto.

O que mudou especificamente no 2.10 não está documentado nas notas de lançamento visíveis aqui, então a notícia relevante é que o projeto está ativamente enviando atualizações e continuando a ganhar força. Desenvolvedores avaliando stacks MCP agora têm uma única opção de framework que cobre tanto implantação de aplicativo de chat quanto de servidor, e uma comunidade grande o suficiente para que perguntas e exemplos tendem a aparecer rapidamente.

Uma coisa a observar: como o framework lida com a divergência à medida que o ChatGPT e o Claude evoluem suas implementações MCP independentemente, já que superfícies unificadas frequentemente pagam o preço da amplitude com atraso ocasional atrás de recursos específicos de plataforma.

[16:55] Third Moment Research executa 10.000 agentes por mais de 36 horas seguidas

Um laboratório de pesquisa chamado Third Moment Research está mantendo dez mil agentes de IA em execução por mais de trinta e seis horas seguidas, usando GPT-6 Astra e GPT-6.1 Sol, Codex e Daybreak — este último lidando com trabalho de cibersegurança. A configuração, apresentada no índice de notícias da OpenAI em meados de outubro, é posicionada em torno de agentes que mantêm seu foco através de dias e melhoram quanto mais são usados.

O número do título é significativo. A maioria dos agentes de produção hoje termina seu trabalho em segundos ou minutos; uma configuração mantendo dez mil agentes simultâneos por mais de um dia e meio aponta para uma classe diferente de implantação. O fato de a OpenAI estar mostrando a configuração do laboratório sinaliza que a família GPT-6 subjacente e o Codex podem sustentar esse tipo de carga multi-dia.

A pilha é em camadas em vez de modelo único. O Third Moment executa GPT-6 Astra e GPT-6.1 Sol como espinha dorsal, Codex para código e execução, e Daybreak para tarefas de segurança. O enquadramento do laboratório — agentes que melhoram com o uso — sugere que quanto mais longa a execução, mais os agentes aprendem com seu trabalho acumulado, o que é a parte que vale a pena observar.

Para construtores, a conclusão é que fluxos de trabalho de longo prazo e multiagentes passaram das demonstrações. Se um único laboratório pode manter dez mil agentes coerentes em trinta e seis horas, os modelos para operações de agentes sustentadas estão começando a existir. Vale a pena observar a seguir: o que esses agentes estão realmente fazendo ao longo da execução, e se outros laboratórios publicam números comparáveis.

[18:25] Equipe de segurança da Block reduz resposta a ameaças para minutos com a OpenAI

A Block está colocando os modelos da OpenAI para trabalhar dentro de sua organização de segurança, e os primeiros resultados são concretos: a equipe investiga ameaças mais rapidamente e propõe correções em minutos. A colaboração surgiu através do OpenAI News em 14 de outubro de 2026.

O que mudou é onde o modelo está posicionado no fluxo de trabalho. Em vez de ser usado para chat ou resumos, a tecnologia da OpenAI está incorporada no loop de investigação e remediação de ameaças. A equipe ainda é dona das decisões, mas o modelo está ajudando a reduzir o tempo de detecção até uma correção候选人. Isso importa porque na segurança a lacuna entre identificar algo e agir é onde a maioria dos danos acontece.

Para construtores e equipes de segurança, este é um sinal útil. Modelos generativos agora estão sendo confiados dentro de um pipeline de resposta a incidentes empresariais, não apenas na borda como assistente. O padrão vale a pena adotar é direto: forneça ao modelo o mesmo contexto que seus analistas veem, deixe-o propor uma correção, e mantenha um humano no loop de aprovação. O turnaround em escala de minutos é a métrica que importa, e é a que vale a pena observar à medida que mais organizações de segurança publiquem números similares.

[19:35] Modelo de Visão Pequeno Recebe Impulso de Draft para IA Local

A OpenBMB lançou um checkpoint de draft DSpark quantizado em GGUF para o MiniCPM-V-4.7-1B no Hugging Face, dando aos construtores de IA local uma nova ferramenta para executar inferência linguagem-visão com decodificação especulativa. O MiniCPM-V-4.7-1B é um modelo de um bilhão de parâmetros que processa imagens e texto, construído para implantação em dispositivos e borda. O draft DSpark é um checkpoint leve separado treinado para gerar tokens candidatos que o modelo principal então verifica. Ele tem 5 camadas de draft produzindo 15 tokens por passagem direta, usando camadas de estado oculto específicas do alvo. O draft quantizado em GGUF está disponível para download no Hugging Face junto com o modelo alvo e o projetor de visão para implantação local. As métricas de comprimento de aceitação do card do modelo mostram a proporção de tokens aceitos para etapas de verificação, alcançando 5.891x em tarefas de matemática e 4.752x em benchmarks de OCR, significando que as previsões do draft se alinham de perto com o que o modelo alvo teria gerado. Isso é importante para inferência local porque a decodificação especulativa pode melhorar a taxa de transferência mesmo em hardware modesto, já que o draft lida com a previsão inicial de tokens e o alvo confirma ou corrige. Desenvolvedores executando llama-cli ou llama-server podem configurar o offloading de GPU no máximo tanto para o alvo quanto para o draft, definir um comprimento de contexto de 8192, e parear o alvo Q4_K_M com um draft Q8_0 para manter o uso de memória baixo. O draft deve ser pareado com o alvo MiniCPM-V 4.7 1B correspondente; requer llama.cpp com a arquitetura dflash e cabeça Markov DSpark. Um novo repositório no Hugging Face publicou o checkpoint de draft DSpark quantizado em GGUF para o MiniCPM-V-4.7-1B, habilitando decodificação especulativa através do llama.cpp. O draft DSpark gera 15 tokens candidatos por passagem direta em 5 camadas de draft, que o modelo alvo verifica para acelerar a inferência.

[21:16] GitHub Copilot vai descontinuar vários modelos em 16 de novembro

O GitHub publicou um changelog em 15 de outubro announcing que um conjunto de modelos do GitHub Copilot será descontinuado em 16 de novembro de 2026. A descontinuação se aplica em todas as superfícies do Copilot: Copilot Chat, edições inline, modo de pergunta, modo de agente e completions de código. O efeito prático é que qualquer usuário que tenha fixado um modelo prestes a ser descontinuado em suas configurações do Copilot verá ele parar de funcionar na data limite. Completions de código, chat e execuções de agente que dependiam de um dos modelos afetados precisarão de um novo padrão após esse dia. A lista completa dos modelos afetados está no post do changelog do GitHub, junto com as substituições sugeridas. A descontinuação afeta Copilot Chat, modo de pergunta, modo de agente, edições inline e completions de código no mesmo dia, então um usuário do Copilot mudando de completion inline para chat no meio de uma sessão não se salvará pulando superfícies. Qualquer pessoa cuja equipe tenha padronizado em um modelo particular por trás de um plano do Copilot vai querer confirmar que essa escolha ainda está na lista de suportados antes de novembro.