![A IMPRESSIONANTE EVOLUÇÃO da Inteligência Artificial e COMO BOTAR isso EM PRÁTICA [com Fábio Akita]](https://lh3.googleusercontent.com/blogger_img_proxy/AEn0k_tNkzb9RFqrdB3bqaxoZTefkj3DG1yz7eKYl_yoCMmkusa8XfI2cnolxBwWdZLJjQcQSvhX9hDmlxACLq5kbgEZz_hWuxJbjIcViJNIcY4OmlHMmA)
A IMPRESSIONANTE EVOLUÇÃO da Inteligência Artificial e COMO BOTAR isso EM PRÁTICA [com Fábio Akita]
Publicado no IA Dots ·
AI Signaldot-artificial_intelligenceidioma-ptInteligência artificialPortuguêsyt-AKJ4arlMQmM
Vídeo em Português, publicado pelo canal Cortes do Flow [OFICIAL].
Sobre este conteúdo: O resumo, os principais pontos e os temas abaixo são gerados automaticamente a partir da transcrição do vídeo. Eles refletem o conteúdo, opiniões, afirmações e previsões apresentadas no vídeo e não representam posicionamento, validação ou verificação de fatos pelo IA Dots.
Resumo do vídeo
Nesta conversa do Flow Podcast, Igor e Fábio Akita discutem os avanços recentes na inteligência artificial, com foco na evolução da programação assistida por agentes de IA. Akita compartilha sua experiência testando modelos e agentes em linguagens de programação menos comuns, detalhando como a capacidade dos agentes de realizar testes automatizados, buscar informações na web e corrigir erros em loop transformou a produtividade no desenvolvimento de software.
Principais pontos
- Fábio Akita relata que 2026 tem se consolidado como o ano em que as IAs alcançaram competência suficiente para tornar o uso de agentes produtivo em áreas como programação, vídeo, imagem e texto.
- Segundo Akita, os modelos de linguagem em si (os "cérebros") não evoluíram drasticamente de forma isolada, mas a grande mudança veio dos "arreios" (harnesses) e protocolos de agentes que gerenciam esses modelos.
- Akita testou os modelos usando uma linguagem de programação pouco difundida e em constante mudança (Zig), na qual os modelos não possuíam amplo material de treinamento prévio.
- Os agentes de IA melhoraram a eficiência ao ganharem ferramentas como a busca na web (web fetching) para ler documentações atualizadas e a capacidade de executar código e analisar mensagens de erro em um ciclo automatizado de tentativa e erro.
- O processo de funcionamento dos agentes é comparado ao trabalho de um programador júnior, pois o modelo ainda pode gerar respostas iniciais incorretas, mas o sistema agora consegue testar, identificar falhas e corrigir o código de forma autônoma até que ele funcione.
Temas
Inteligência ArtificialAgentes de IAProgramaçãoDesenvolvimento de SoftwareModelos de LinguagemAutomaçãoTecnologia
Transcrição do vídeo
Texto das legendas disponíveis; pode conter erros.
Salve, salve, família, bem-vindos a mais um Flow. Eu sou o Igor e hoje eu vou conversar mais uma vez com Fábio Akita. Obrigado por vir aí, cara. >> Bom, olá, pessoal, Fábio Akita e obrigado de novo me convidar. E vamos, vamos embora que tem coisa de IA para caramba e eu sei que você tá empolgado e eu tô empolgado e acho que todo mundo aqui tá querendo saber quais são as novidades. >> Então, mais do que quais as novidades, né, cara? Porque as coisas elas mudam tão rápido que as coisas legais que dá para fazer com IA vão se tornando, eh, cada vez mais reais, mais próximas do que de de um cara normal. Que, assim, tu, que é um dev experiente e o [ __ ] não sei o quê, eh, tu consegue levar uns patamares muito loucos. E eu gosto de fazer esse de desses episódios aqui, eu tava te falando antes, que eles vão me mostrar e eles são transformadores para mim. Eu, quando eu vi que tu fez o bot para tua para tua namorada no no Discord, eu, [ __ ] [ __ ] eu queria fazer isso. Aí comecei a fazer no Discord e um pouquinho, se se eu tivesse uma plataforma. Aí eu fiz o Aí agora eu acesso eu é um bagulho muito doido. Mas o que eu quero te mostrar hoje é outra coisa, um jogo. E tu que tá assistindo aí vai poder ver também em primeira mão, galera que já tá jogando. Eh, e eu tô feliz com esse jogo porque ele eh, se eu fosse jogar, eu não ia dizer que é de que foi feito com IA. Tá ligado? Então, bom, mas antes da gente Deixa eu falar para vocês eu que eu queria só mandar um salve aqui para os parceiros de hoje que que de quem falarei já já, que é a HostGator, a #treinamentos e a Cut Pro. E se você quiser mandar uma mensagem para a gente, fica à vontade. O Vitão vai escolher aí as cinco melhores no live pics que eu vou ler aqui. Eh, vai que faltou falar de alguma coisa, tu ficou com alguma dúvida, fica à vontade, tá bom? Akita, então, da última vez que tu veio aqui para cá, de fato, muita coisa mudou na IA. Eu não sei dizer o quê, exatamente, assim, mudou mais. Eu vou chutar aqui que foi geração de vídeo, mas, eh, da última vez que a gente conversou, a gente tava discutindo aquela aquela patifaria da Anthropic do de falar do Mitos, que ele tava te escapado de uma parada, né? >> E a patifaria continua. >> Isso, aí teve a patifaria de invadir, acho que o, o Rigsfield, não foi? >> Ah, eu não me lembro direito, mas tem o Hugging Face. >> O Hugging Face, é, o Chat PT. Então assim, é, é, tava tendo, a gente tava discutindo aquilo ali. Agora a gente tá numa, é, é, é, muito doido, porque assim, tem cinco meses, como você tava falando, e, ah, tu já me avisou que esse vai ser um episódio longo. >> [risadas] >> O que que, o que que tu diria que é o que mais te chamou atenção nesse tempo aí? Porque quando tu entra no teu hiperfoco lá, tu vai a fundo. >> Eu acho que vale a pena eu dar um, posso dar um passo atrás, porque quando eu vim aqui da última vez, faz cinco meses atrás, eu tava, eu, eu, eu achava que eu estava perto de terminar uma maratona de IA, a gente tava falando que eu comecei uma maratona, comecei, tanto é aí que você viu os vários aplicativos, ficou empolgado porque onde que a gente tava naquele momento? 2026 virou o ano onde as IAs finalmente ficaram competentes o suficiente, aonde com agentes a gente consegue de fato programar bem, fazer vídeo, fazer imagem, fazer texto, enfim, tá, tá produtivo de fazer as coisas e isso foi por causa das evoluções que a gente teve nos protocolos de agentes. Aí quando eu vi a junção agentes mais modelos, isso foi aproximadamente quando saiu Cloud Code a partir de julho do ano passado, daí lá pra novembro, dezembro saiu a versão mais estável tanto do Codex quanto Cloud Code. Aí todo mundo começou de fato a testar, porque até o ano passado a gente não conseguia, dava pra tá produtivo com ele, eu fazia código, quebrava, alucinava, fazia merda. >> Servia pra que, do ponto de vista de código, nessa época? >> Naquela época não servia pra nada. >> Nem pra procurar bug? >> Ah, ajudava, fazia pequenas coisas, mas ainda tinha muito trabalho meu de ficar toda hora fazendo, bem, eu era muito babysitter do agente e não ele não fazia tanto. Mas quando virou o ano lá para, principalmente dezembro, eu já estava me até meio frustrado, eu falei nossa essa bola eu eu tinha cancelado o meu plano do Claude naquela época, eu falei cara que bosta. Eu ficava fazendo teste atrás de teste e não passava nos meus testes mais simples. Aí quando eu comecei a ver na na minha timeline a galera que eu sigo de desenvolvedor >> Pergunta idiota, o que é o que o que é um teste? Como como quais eram os testes que tu submetia, que tu colocavas reais? >> Ah, boa pergunta. Porque um dos os testes que todo mundo os testes que passa fácil são aqueles que tem no treinamento do modelo. Então você imagina que tem o GitHub, você vai para aquele repositório de código aberto, então tem código aberto do Linux, tem código aberto do WordPress, todas essas coisas estão abertas e isso entra no treinamento dos modelos, os modelos treinaram em cima. Então se eu pedir para ele fazer me faça uma cópia do WordPress, mais ou menos ele vai conseguir cuspir algo parecido. >> Naquela época que ele era um merda. >> Na mesma naquela época que ele era um merda. Então as coisas óbvias ele conseguia fazer. Aí o que que eu um dos meus testes era o que? Eu peguei uma linguagem de programação que quase ninguém usa, portanto tem pouco material de treinamento, portanto nenhum dos modelos tinha nenhuma material de treinamento e ele ah mudava, ele ainda é uma uma linguagem de programação que não está pronta chamada Zig, ele está na versão 0. alguma coisa, nem é 1.0, ou seja, ainda o a sintaxe do código estava evoluindo. Então mesmo se ele tivesse aprendido a versão logo anterior ia quebrar na versão seguinte. Então esse eu aí eu eu fiz ele tentar desenvolver um mini chat para conversar com um modelo de LLM que nem fazer um Claude Code, é só que com essa linguagem Zig. Ele não conseguia de jeito nenhum. Com todos os modelos que eu testei no ano passado era não saía. Aí justamente chegou dezembro eu comecei a tentar de novo. A partir de janeiro começou a sair. Começou a sair e começou a sair mais fácil e foi ficando cada vez mais fácil. >> Que que que que habilidade, vou chamar de habilidade, é ele precisou ter para conseguir? É é um é um é uma versão melhor do que a versão melhor para valer é o quê? >> Então, aí [roncando] aí vem uma uma parte que é uma hipótese. Então eu já vou tem vários disclaimers que eu tenho que fazer que eu eu não tenho acesso ao código fonte da Open AI, então tudo que eu tenho que a gente tem que especular o que eles estão fazendo. Mas ah o que que eu acho? Os modelos em si que são o cérebro, então Opus, Sonnet, esses caras todos, eles não evoluíram mais tanto no último ano, tá? Então ah eu diria que eles quase não evoluíram. Em Só que o modelo faz muita coisa, não é só o WordPress, tá? Então tem medicina, lei, cultura. Então alguns aspectos ele foi treinado a mais, tipo, eles têm focado em matemática para provar problemas do milênio. Então tem muito treinamento sendo feito especificamente nas partes matemáticas, partes de segurança. Então nessas áreas tem tido evolução, mas por exemplo, na minha área que é programação em geral, eu não vi grande mudança nos modelos. Porém, os agentes que que é rodam, que conversam com esses modelos, assis melhoraram muito a a a produtividade e o resultado. Então é a combinação do modelo com o os harness que a gente fala, são os arreios. Então o que seria o Cloud Code, Codex, Kimi Code, Anti-gravity. Então todos esses caras é o que a gente chama de arreios. Eles que fornecem as ferramentas que fazem o modelo conseguir cuspir código que presta. >> Entendi. Inclusive um código que não tem um treinamento extenso como os deles. >> Sim. E aí você consegue mais ou menos imaginar por quê? >> Eu imagino que, não sei, mas eu diria que ele ele tem é mais eficiente em buscar informação porque ele tem mais ferramentas, tipo, ele conseguiria usar a internet mais eficientemente. >> Exatamente isso. Exatamente isso. >> Mas foi um [ __ ] chute. >> Mas é um chute foi o seu os seus as suas semanas de de experiência estão se pagando, estão se pagando. >> Então. >> Mas o grande lance, se você perguntar para qualquer um deles, quando foi o cut off que a gente chama, quando foi o corte, porque em algum momento tem que fazer um corte de momento de começar a treinar. Então, eu acumulo dados da internet e tudo mais, você vai ver que os modelos são eles têm um um corte lá 2024, tipo, alguns são 2023 se bobear. Então, é um dois anos atrás, porque eles cortam, aí trabalham esses dados, aí começa meses de treinamento para conseguir sair um modelo. Então, o modelo quando sai, ele o modelo em si, um Opus 5.5, Sonet 5, todos esses modelos são um arquivo estático. É uma coisa que muita gente não não tem essa noção, ele é um arquivão, um banco de dados parado. E a partir desse momento, ele não evolui mais. Então, alguém no no laboratório tem que estar treinando a próxima versão enquanto esse está rodando. São independentes. Então, o Sonet 5.5 5.0 é diferente do arquivo do 5.5. É um outro arquivão. Aí, nesse arquivão, que nem eu falei, ele não vai ter a versão Zig 0.8.9, não sei qual que está agora. Então, agora, o agente, por outro lado, ele tem a ferramenta de fazer web fetching, que é literalmente o equivalente a abrir um browser, ler a documentação desse Zig mais novo, ver códigos de exemplo do mais novo, aí ele compara com o treino velho que ele tinha, faz um código que não vai estar bom, porém o agente permite acesso a ele executar esse código, ver que mensagem de erro está dando, essa mensagem de erro volta para o modelo, aí agora o contexto vai aumentando, então ele partiu de um contexto de linguagem Zig antiga, foi na web buscou um contexto, aí ele executa esse erro vira novo contexto, ele testa de novo e aí o modelo com o agente fica fazendo um loop até o agente conseguir executar e não dar erro, e aí o modelo fala bacana, consegui ter está aqui a resposta, então não é que ele ficou mais inteligente, ele agora tem acesso a fazer tentativas e erros automatizadas e de conseguir ir até o ponto aonde ele roda uma coisa que funciona, em vez de isso era o que eu tinha que fazer manualmente antes, eu tinha que pegar o erro da copy paste no no no antigo agente, no chat, né, era só o chat, aí ele vai, ah, deu um erro, tenta isso daqui aí copy paste, tenta, esse é o baby sitting que eu falei que tinha que ficar fazendo, porque ele não enxergava como executava, agora ele entre aspas enxerga a execução e é isso que torna um agente tão importante e é isso que 2026 melhoraram esses agentes ao ponto onde eu consigo finalmente ter respostas úteis, não porque ele ficou mais inteligente de primeira ele sabe a resposta, não, porque ele continua dando uma resposta burra e mas ele agora ele testa que é o que a gente faz com o júnior, o júnior vem com uma resposta e fala você acertou, ele ah, não testei, não testa, aí [ __ ] deu pau, tenta consertar, então vai fazendo isso até conseguir resolver, então é esse que é o o grande diferencial esse ano
Assistir ao vídeo original no YouTube
Assuntos: Inteligência artificial. Publicado no YouTube em 2026-10-15.
Seleção automática por assunto e idioma. O vídeo pertence ao canal de origem.