OpenClaw v2026.4.27, Agentes de Voz e Armazenamento Rápido de IA

OPENCLAW DAILY — EPISODE 043 — 30 de abril de 2026

[00:00] INTRO / GANCHO OpenClaw v2026.4.27 é a versão estável mais recente na lista de releases do GitHub, e as notas do episódio recente já cobriram v2026.4.26, v2026.4.25 e v2026.4.24. Sob a regra de seleção de release, isso significa que o bloco de release válido para o EP043 é exatamente v2026.4.27.

Este é um release denso para operadores. O Codex Computer Use ganha um caminho de configuração real. DeepInfra se torna um provedor integrado. Sandboxes Docker ganham passthrough de GPU opt-in. Anexos de chat de agente são tratados de forma mais explícita. O roteamento de proxy outbound se torna uma configuração gerenciada pelo operador. Tencent Yuanbao e QQBot expandem a superfície de canais. Inicialização de plugins e catálogos de modelos continuam avançando em direção a metadados gerenciados por manifest. E a lista de correções é um tour muito longo pelos lugares onde sistemas de agente reais geralmente quebram: Telegram, Slack, mídia do Discord, entrega cron, padrões de sessão, dependências de runtime de plugins, replay de provedor, inicialização do Gateway, atualizações, transferências no Windows e mídia de canais.

[02:00] HISTÓRIA 1 — OpenClaw v2026.4.27 Torna as Superfícies de Computer Use e Provedores Mais Operáveis Comece com o Codex Computer Use, porque é uma das mudanças mais claras voltadas para operadores neste release.

O OpenClaw agora oferece configuração do Codex Computer Use com comandos de status e instalação, descoberta no marketplace, instalação automática opcional e verificações MCP fail-closed antes do início dos turnos em modo Codex. A frase importante é fail-closed. Um recurso de computer use não deve permitir que um agente inicie um turno de controle de desktop enquanto o servidor MCP necessário estiver faltando, mal configurado ou invisível para o runtime. É assim que usuários terminam debugando capacidade fantasma: o modelo pensa que pode agir, o shell do produto diz que pode agir, mas o driver ou bridge embaixo não está realmente pronto.

Então o release transforma a configuração em um pré-voo de primeira classe. /codex computer-use status é a superfície de inspeção. /codex computer-use install é o caminho de reparo. A descoberta no marketplace dá ao runtime uma forma de encontrar a integração correta. As verificações MCP fail-closed tornam a fronteira explícita: se o servidor de controle de desktop não estiver disponível, não inicie o turno como se estivesse. Isso é entediante da melhor forma possível, porque computer use confiável depende de saber a diferença entre uma capacidade que existe no produto e uma capacidade que está realmente conectada no ambiente atual.

Há uma mudança de documentação relacionada ao Codex Computer Use, cua-driver mcp direto e o PeekabooBridge do OpenClaw.app. Isso importa porque o controle de desktop agora tem múltiplos caminhos de configuração possíveis. Uma bridge de app local, um driver MCP direto e uma configuração em modo Codex parecem semelhantes de fora, mas operacionalmente podem diferir em tempo de vida do processo, permissões, disponibilidade de screenshots, injeção de input, foco do navegador e recuperação de falha. O EP043 deve explicar que o produto está tentando tornar essas escolhas legíveis em vez de deixá-las como conhecimento tribal.

A segunda grande área do release é a expansão de provedores. DeepInfra se junta ao conjunto de provedores integrados com onboarding de DEEPINFRA_API_KEY, descoberta dinâmica de modelos compatível com OpenAI, geração e edição de imagens, compreensão de imagem e áudio, TTS, texto para vídeo, embeddings de memória, metadados estáticos de catálogo e política de URL base gerenciada pelo provedor. Isso não é apenas um novo logo em um dropdown de modelos. Expande os tipos de cargas de trabalho que o OpenClaw pode rotear através de um provedor: texto, geração de mídia, compreensão de mídia, fala, vídeo e embeddings.

O detalhe para operadores é a descoberta de modelos e a política gerenciada pelo provedor. Quando um provedor é compatível com OpenAI, é tentador tratá-lo apenas como outra URL base. Mas suporte real a provedores precisa de onboarding, metadados de catálogo, flags de capacidade, suporte a mídia, dicas de autenticação, comportamento de embeddings, semântica de fallback e ownership de URL base. Caso contrário, cada endpoint compatível se torna um floco de neve customizado com nomes de modelos surpreendentes e capacidades semi-conhecidas. DeepInfra sendo integrado significa que o runtime pode expô-lo como uma superfície de provedor gerenciada em vez de forçar usuários a criar manualmente cada borda.

[11:30] HISTÓRIA 1B — Sandboxes, Proxies, Anexos e Presença de Dispositivo Ficam Mais Nítidos A mudança de sandbox Docker é pequena, mas muito importante para fluxos de trabalho de IA local: o OpenClaw adiciona passthrough sandbox.docker.gpus opt-in para containers de sandbox Docker quando o runtime host suporta --gpus.

Essa é a forma de padrão correta. Acesso a GPU dentro de uma sandbox é poderoso e útil, mas deve ser explícito. Servindo de modelos local, geração de imagens, processamento de vídeo, visão computacional e trabalhos de avaliação frequentemente precisam de aceleração de hardware. Mas expor GPUs a trabalho arbitrário de agente em sandbox também amplia a superfície de recursos e drivers. Tornar opt-in dá aos operadores um controle: este sandbox pode usar a GPU; este outro sandbox permanece apenas CPU. Isso se torna especialmente relevante quando um agente pode instalar dependências, executar ferramentas de modelo ou executar trabalhos longos que podem monopolizar VRAM.

O release também adiciona roteamento de proxy outbound gerenciado pelo operador com proxy.enabled, proxy.proxyUrl e OPENCLAW_PROXY_URL. As notas destacam validação estrita de proxy forward http://, bypass de Gateway apenas em loopback e limpeza de ambiente proxy e estado do dispatcher na saída. Essa é uma boa postura de segurança. Reconhece que algumas instalações precisam de um caminho outbound controlado para conformidade, inspeção, networking corporativo ou restrições de egress, mas não roteia silenciosamente tráfego interno do Gateway pelo mesmo caminho ou deixa estado proxy obsoleto após o desligamento.

O comportamento de anexos de chat do Gateway também melhora. Anexos não-imagem enviados através de chat.send agora podem ser armazenados como caminhos de mídia legíveis pelo agente, enquanto caminhos de anexos RPC não suportados são explícitos em vez de descartar arquivos silenciosamente. Isso importa para a UX do agente porque um anexo que desaparece é pior do que um anexo que falha claramente. Operadores precisam saber se um arquivo é legível pelo agente, se virou mídia, se o provedor do canal aceitou, e se um caminho não suportado foi rejeitado.

Em dispositivos móveis e nós pareados, iOS e Android agora publicam eventos node.presence.alive autenticados e expõem campos de última vez visto para que despertas em segundo plano possam marcar nós pareados como recentemente vivos sem tratá-los como conectados. Essa distinção importa em sistemas de assistente distribuídos. Um nó pode estar vivo recentemente sem estar conectado neste momento. Se o runtime colapsar esses estados em um booleano único, ele ou superpromete disponibilidade ou perde informação útil de liveness. Metadados de última vez visto permitem que agendamento, diagnóstico e UX descrevam o estado de forma mais honesta.

[18:30] HISTÓRIA 1C — Inicialização Orientada a Manifest e Catálogos de Modelos Reduzem Adivinhação do Runtime Muito do v2026.4.27 é sobre mover metadados de catálogo e plugin de imports pesados do runtime para manifests.

Manifests de plugins integrados agora declaram comportamento explícito de activation.onStartup. Há também um portão de modo futuro para desabilitar o carregamento sidecar implícito obsoleto na inicialização, além de avisos de compatibilidade para mover autores de plugins em direção a metadados explícitos. O ponto prático é simples: a inicialização do Gateway não deve importar todo sidecar de plugin possível só para descobrir se ele tem trabalho de inicialização a fazer. Inicialização é onde árvores de dependência lentas, verificações de rede, estado de plugin obsoleto e efeitos colaterais acidentais mais machucam.

O release também conecta modelCatalog.aliases e modelCatalog.suppressions do manifest ao planejamento de catálogo de modelos. Catálogos de provedores para Qianfan, Xiaomi, NVIDIA, Cerebras, Mistral, Moonshot, DeepSeek, Tencent TokenHub, StepFun, BytePlus, Volcano Engine, Fireworks e Together AI avançam em direção a linhas de manifest de plugin. Este é o mesmo movimento arquitetural de outro ângulo: tornar linhas de provedores, aliases, supressões e metadados de endpoint inspecionáveis sem forçar normalização de runtime através de um universo amplo de plugins.

Para construtores, a lição é que catálogos de modelos são infraestrutura, não apenas UI. Se o produto tem que responder "quais modelos existem", "qual provedor é dono deste modelo", "quais aliases são válidos" e "quais linhas obsoletas devem ser ocultadas", essa informação deve estar próxima do contrato do provedor. Caso contrário, cada comando de lista, fluxo de configuração, boot do gateway e caminho de descoberta de provedor arrisca fazer trabalho demais e retornar respostas ligeiramente diferentes.

Há também uma história forte de SDK e testes aqui. O release expõe subcaminhos focados do SDK de plugins para rotas de canal, helpers de teste de canal, teste de alvo de canal, fixtures de runtime de plugins, helpers de catálogo de provedores, assertions de capacidade de provedores de mídia e muitos helpers de contrato que costumavam viver em bridges de teste apenas do repo. Isso não é diretamente visível para o usuário, mas é higiene importante do produto. Autores de extensões e plugins integrados devem testar contra superfícies de SDK documentadas, não diretórios de teste privados que podem se mover sob eles.

[25:00] HISTÓRIA 1D — Correções de Confiabilidade Mostram Onde Runtimes de Agente Realmente Machucam A lista de correções do v2026.4.27 é longa, e o show não deve ler cada item. Em vez disso, agrupe as correções por dor do operador.

Primeiro: entrega por canal. O Telegram ganha melhor roteamento de aprovação nativo para múltiplos bots, chamadas limitadas de Bot API outbound, pesquisa de alias de plugins agrupados em cache e preservação de tópicos cron com --thread-id. O Slack ganha controles de timeout de ping/pong em socket-mode e downloads limitados de arquivos privados e anexos encaminhados. O Mattermost para de duplicar posts regulares de entrada como eventos de sistema. O LINE persiste mídia de entrada em armazenamento de mídia gerenciado em vez de arquivos temporários que podem desaparecer. Esses são os tipos de correções que importam quando o OpenClaw não é apenas um CLI local, mas um assistente multicanal que precisa sobreviver a provedores lentos, tópicos de fóruns, downloads de arquivos, retenção de mídia e semântica específica de canal.

Segundo: mídia assíncrona e tarefas. Contextos de ferramentas video_generate e music_generate desanexados permanecem registrados até o status terminal, jobs de provedores de longa execução permanecem frescos e registros de tarefas no escopo da sessão inferem propriedade. Isso corrige uma classe desagradável de falha de produto onde um job de geração ainda está vivo no provedor, mas o contexto de chat pai ou a tabela de tarefas pensa que está perdido. Para geração de mídia baseada em Discord especialmente, a experiência do usuário depende do runtime rastrear um job externo longo entre turnos.

Terceiro: sessões, modelos e replay. Os valores padrão de pensamento de chat.history e sessions.list agora se alinham com a resolução ciente do agente proprietário e do catálogo. O conteúdo de raciocínio do DeepSeek V4 é preenchido retroativamente em caminhos de replay. Cabeçalhos beta da Anthropic são restritos a endpoints públicos diretos da Anthropic em vez de provedores compatíveis personalizados. Respostas de ferramentas com muita configuração param de reproduzir configurações gigantes redigidas em transcrições. Tudo isso aponta para o mesmo tema: uma vez que os agentes usam múltiplos provedores, chamadas de ferramentas, transcrições, replay e padrões por agente, o runtime deve preservar estado suficiente para continuar corretamente sem enviar acidentalmente metadados errados para o backend errado.

Quarto: inicialização, atualizações e dependências de runtime de plugins. A inicialização do Gateway não espera mais pelo pré-aquecimento do modelo primário antes de iniciar os canais de chat. Plugins rastreados desabilitados são ignorados durante a sincronização pós-atualização. Dependências de runtime agrupadas e espelhos ficam mais leves, mais cientes de cache e mais seguros durante reinicializações. A inspeção de plugins carrega apenas o plugin correspondente. Planos de desinstalação de plugins vêm de metadados em vez de carregar tudo em runtime. Isso é exatamente o que os operadores sentem como "OpenClaw inicia mais rápido" ou "atualizações não travam minha instância", mesmo que as correções subjacentes sejam principalmente disciplina de dependência e metadados.

O veredito do release: v2026.4.27 não é um episódio de feature única. É um release de operações de runtime. Ele torna o uso de computador mais seguro para iniciar, provedores mais fáceis de integrar, sandboxes mais capazes, canais mais explícitos, inicialização de plugins mais leve e jobs de longa execução mais difíceis de perder.

[31:00] HISTÓRIA 2 — Deepgram Flux Multilingual Torna STT de Agente de Voz um Problema de Runtime de Alternância de Turno

A história do Flux Multilingual da Deepgram é boa para agentes de voz porque não é apenas "mais idiomas". Ele muda como desenvolvedores devem pensar sobre a camada de reconhecimento de fala dentro de agentes em tempo real.

O modelo é flux-general-multi e a Deepgram diz que suporta inglês, espanhol, francês, alemão, hindi, russo, português, japonês, italiano e holandês com troca de código. A promessa arquitetural chave é uma conexão de streaming em vez de rotear cada utterância através de reconhecedores específicos por idioma. Isso importa porque uma conversa multilíngue pode mudar de idioma no meio de uma chamada, misturar idiomas dentro de um turno ou começar em um idioma que o sistema não previu.

Os detalhes da API são o que a tornam operacionalmente interessante. O Flux usa o caminho WebSocket /v2/listen. O prompt de idioma usa language_hint para polarizar o reconhecimento. Idiomas detectados aparecem em eventos TurnInfo através de campos como languages. O comportamento de fim de turno é configurável com limites como eot_threshold, eager_eot_threshold e eot_timeout_ms. Esses não são flags cosméticas. Eles controlam o loop do agente de voz: quando parar de ouvir, quando começar a gerar, quando arriscar uma resposta precoce e quando esperar porque o usuário ainda pode estar falando.

Para um agente de voz, latência de STT e detecção de turno são comportamento de produto. Se fim de turno dispara muito cedo, o agente interrompe. Se dispara muito tarde, o agente parece lento. Se a troca de código é tratada por uma camada de roteamento fora do modelo, o sistema pode gastar tempo extra adivinhando idiomas e reconectando streams. Se as dicas de idioma forem muito estreitas, o reconhecimento pode degradar quando o locutor troca. A recomendação prática é tratar STT como parte do loop de runtime, não como um serviço de transcrição de caixa preta.

A documentação autohospedada adiciona outro ângulo importante: o Flux quer infraestrutura dedicada. A Deepgram diz que o Flux deve rodar em uma instância Engine separada de outros modelos STT e TTS, deve ser explicitamente habilitado nos arquivos TOML do Engine e da API, usa /v2/listen e aloca memória GPU para streams do Flux na inicialização. Você seleciona flux-general-multi na seção [flux], configura max_streams e monitora flux_max_streams, flux_used_streams e flux_fraction_streams.

Esse é exatamente o tipo de detalhe operacional que desenvolvedores de agentes de voz precisam. Se max_streams for muito alto, os sintomas não são abstratos: respostas atrasadas, chamadas caídas, erros de API e latência instável. Se o modelo estiver acidentalmente rodando em CPU, os docs apontam alta latência, falhas estilo OOM e a necessidade de verificações de saúde de GPU. Se o Flux for colocado no mesmo nó Engine de outros modelos, pressão de memória pode quebrar requisições não relacionadas. A conclusão para o desenvolvedor: agentes de voz multilíngues precisam de planejamento de capacidade na camada de streaming, não apenas um LLM maior por trás da transcrição.

[39:00] HISTÓRIA 3 — Google Rapid Bucket Traz Colossus para o Caminho de Dados PyTorch

O post do Rapid Bucket do Google é uma forte história de infraestrutura de IA porque é sobre a parte do treinamento que é fácil ignorar até que as GPUs estão caras e ociosas: alimentando dados e escrevendo checkpoints.

O mecanismo central é o Rapid Storage, alimentado pela arquitetura de armazenamento Colossus do Google, exposto ao PyTorch através do gcsfs e da interface fsspec. O fsspec importa porque já é uma abstração comum de sistema de arquivos Python usada em preparação de dados, checkpoints e ferramentas de inferência: Dask, Pandas, Hugging Face Datasets, Ray Data, PyTorch Lightning, caminhos PyTorch distribuídos, Weights & Biases e fluxos de trabalho adjacentes ao vLLM. Se o backend de armazenamento pode ficar mais rápido por trás do fsspec, muito código de IA pode se beneficiar sem adaptadores de armazenamento personalizados.

O Rapid Bucket muda o caminho de dados usando buckets zonais dedicados, conectividade direta a arquivos Colossus subjacentes e streams gRPC bidirecionais persistentes através de APIs como BidiReadObject e BidiWriteObject. Isso substitui a sobrecarga repetida de acesso de objeto estilo REST mais tradicional com streaming stateful. O post também menciona detecção automática de tipo de bucket no gcsfs, então código existente no estilo fsspec.open() pode usar o caminho mais rápido quando o bucket é Rapid.

Os números são úteis: o Google cita throughput agregado de 15+ TiB/s, uma melhoria de 23% no tempo de treinamento em um benchmark usando 16 nós GKE com oito GPUs A4 cada, melhoria de 4.8x em throughput de leitura e 2.8x em throughput de escrita em microbenchmarks com tamanhos de E/S de 16MB através de 48 processos. O resultado exato para qualquer workload vai variar, mas o mecanismo é claro o suficiente para discutir: menos saltos de rede, streams persistentes, menor sobrecarga por operação, co-localização zonal e suporte a append de checkpoint.

O tradeoff é localidade. A co-localização zonal é por que o caminho rápido funciona, mas também muda o modelo de falha e arquitetura. Se seu job de treinamento roda em uma zona e os dados ficam em um bucket Rapid nessa zona, o perfil de latência melhora. Mas você ainda precisa pensar sobre durabilidade regional, replicação de dataset, backup de checkpoint e o que acontece se a zona se tornar indisponível. Para sistemas de treinamento em produção, isso significa separar o caminho de treinamento quente do caminho de archival durável. Use o bucket zonal rápido para manter aceleradores ocupados; copie checkpoints importantes e produtos de dados para uma camada de durabilidade regional ou multi-regional quando o workflow exigir.

A conclusão relevante para o OpenClaw é que infraestrutura de agente e modelo depende cada vez mais de caminhos de dados aburridos. Um modelo não é apenas uma GPU e um checkpoint. É armazenamento de objetos, abstrações de arquivos, protocolos de stream, locality do scheduler, frequência de checkpoint e estratégia de recuperação. Se o caminho de dados trava, a frota de aceleradores mais inteligente se torna uma sala de espera muito cara.

[45:00] OUTRO

A conclusão prática do EP043 é controle operacional. O OpenClaw v2026.4.27 torna uso de computador, provedores, canais, inicialização e confiabilidade mais fáceis de operar. A Deepgram mostra que agentes de voz precisam de controles de streaming e alternância de turno, não apenas transcrições. O Google mostra que o desempenho de treinamento de IA pode depender de protocolos de armazenamento, abstrações de sistema de arquivos, protocolos de stream, comportamento de checkpoint e locality zonal.