[NOVA]: Eu sou a NOVA. [ALLOY]: Eu sou o ALLOY, e este é o AgentStack Daily... [NOVA]: A Moonshot acabou de colocar 2,8 trilhões de parâmetros no Kimi K3, tornando-o o primeiro modelo abertamente disponível a entrar na classe de 3 trilhões. Isso é enorme. O preço também é enorme: três dólares por milhão de tokens de entrada e quinze dólares por milhão de tokens de saída. Enquanto isso, uma ferramenta de codificação afirma que pode responder perguntas de repositório com 99% menos tokens, e um modelo de chat de 27 bilhões de parâmetros está sendo instalado em máquinas locais com pesos ternários de 2 bits. [ALLOY]: Okay, isso é realmente absurdo — o maior modelo aqui pode não produzir a maior mudança. As pessoas já estão usando esses sistemas para navegar por bases de código inteiras através de grafos de conhecimento, manipular cenas Unity e scripts C-sharp pelo chat, e ajustar image e video generators em hardware NVIDIA sem escrever cada componente de treinamento por conta própria. [NOVA]: Hoje: o agente de codificação baseado em terminal Codex ponto um-quatro-quatro-seis corrige metadados de contexto para três camadas do GPT-5.6; Kimi K3 desafia modelos de fronteira com preços de fronteira; e o Medicare coloca autorização prévia assistida por IA em seis estados. Você vai ouvir sobre aprendizado por reforço de um milhão de tokens, um modelo aberto de vídeo generalista, métricas de Copilot em nível de repositório, e as ferramentas em rápido crescimento que estão transformando MCP em infraestrutura comum de aplicativos. [NOVA]: ... [NOVA]: A OpenAI lançou o ponto um-quatro-quatro-seis para o Codex em 18 de julho. O agente de codificação baseado em terminal recebeu uma correção focada de metadados para três camadas do GPT-5.6: Sol, Terra e Luna. Suas janelas de contexto agrupadas agora mostram 272.000 tokens, e a atualização atualiza as instruções empacotadas com esses modelos. Não é glamoroso. Mas também não é curiosidade opcional quando o software que planeja um trabalho longo de codificação depende desse número. [ALLOY]: Certo, porque o harness decide quanto material ele pode carregar com segurança com base na capacidade que ele acha que o modelo tem. Se o Codex acredita que a janela é menor que 272.000 tokens, ele pode resumir ou descartar material útil do repositório antecipadamente. Se ele acredita que a janela é maior, uma sessão longa pode atingir o limite real, perder contexto mais antigo, ou parar exatamente no momento errado. Um campo de metadados parece pequeno até que um refator multi-arquivos dependa dele. [NOVA]: A correção veio através de duas pull requests do mesmo engenheiro. Uma trouxe metadados atualizados do modelo agrupado para a linha ponto um-quatro-quatro. A segunda restringiu o hotfix aos prompts e contexto do GPT-5.6, deixando outras famílias de modelos intocadas. Esse é o tipo sensato de correção cirúrgica: corrigir Sol, Terra e Luna sem transformar um reparo de metadados em uma mudança comportamental ampla. Os 72.000 tokens extras em relação a uma suposição de 200.000 podem conter uma quantidade substancial de código-fonte, documentação, saída de ferramentas e histórico de conversa. Não garante melhor raciocínio, mas dá ao agente limites mais precisos ao decidir o que reter. [ALLOY]: E eu gosto mais disso do que uma release vaga de "melhorias de desempenho", porque a consequência é legível. Refatorações e migrações de longa execução podem permanecer coerentes por mais tempo quando o agente conhece seu espaço de trabalho real. Uma migração que abrange código da aplicação, testes, configuração e saída gerada de ferramentas pode caber em um histórico de trabalho contínuo em vez de forçar um resumo antecipado. O próximo desenvolvimento útil seria o mesmo alinhamento de metadados alcançando outras famílias de modelos afetadas, ou uma release ponto um-quatro-cinco mais ampla que consolidasse o reparo. Por agora, ponto um-quatro-quatro-seis corrige uma fonte silenciosa de truncamento e subutilização para as três camadas nomeadas do GPT-5.6. [NOVA]: ... [ALLOY]: A Moonshot não mordiscou a fronteira. Kimi K3 tem 2,8 trilhões de parâmetros, mais que o dobro do K2.6 e bem acima do V4 Pro de 1,6 trilhão de parâmetros da DeepSeek. A Moonshot o chama de parte da classe de 3 trilhões, e ele se torna o primeiro modelo abertamente disponível nessa escala. Resultados iniciais o colocam perto dos sistemas fechados mais fortes em vez de apenas no topo do campo de pesos abertos. [NOVA]: Os números externos são impressionantes. K3 marcou 1.547 Elo no teste privado de trabalho de conhecimento de longo horizonte da Artificial Analysis, 732 pontos acima do K2.6 e em segundo lugar atrás apenas do Claude Fable 5. Também alcançou o primeiro lugar no leaderboard de Frontend Code do Arena, que compara interfaces web geradas. A Moonshot relata separadamente vitórias sobre Claude Opus 4.8 max e GPT-5.5 high, enquanto fica atrás do Claude Fable 5 e GPT-5.6 Sol. Essas últimas comparações vêm da Moonshot, então eu não as compro como resolvidas até que execuções independentes as reproduzam. [ALLOY]: E então vem a conta: três dólares por milhão de tokens de entrada, quinze dólares por milhão de tokens de saída. K2.6 custava 95 centavos de entrada e quatro dólares de saída. K3 agora fica em torno do preço do Claude Sonnet e se torna o modelo mais caro lançado por um laboratório chinês. A Artificial Analysis estima 94 centavos por tarefa, perto do GPT-5.6 Sol a um dólar e quatro centavos e abaixo do Opus 4.8 a um dólar e oitenta centavos. K3 também usou 21% menos tokens de saída que K2.6 no índice de inteligência desse avaliador, então o aumento efetivo não é tão brutal quanto a taxa publicada. [NOVA]: Ainda não é barato. A release de pesos abertos prometida para 27 de julho vai decidir se K3 é principalmente uma API premium ou um modelo que o ecossistema mais amplo pode genuinamente operar e adaptar. O produto web e a API da Moonshot já estão no ar, mas os detalhes da camada de API ainda estão chegando. Você pagaria taxas de fronteira por um modelo aberto se ele superar rivais fechados no seu trabalho real? Essa é a disputa agora: qualidade por tarefa concluída uma vez que usuários independentes obtenham os pesos. [NOVA]: ... [NOVA]: Ternary-Bonsai-27B está se movendo na direção oposta do Kimi K3: não mais escala, mas compressão mais agressiva. A Prism-ML lançou o modelo de chat de 27 bilhões de parâmetros em GGUF, um formato de arquivo construído para inferência local eficiente, com seus pesos armazenados em precisão ternária de 2 bits. Cada peso usa um de três valores possíveis. Isso reduz drasticamente o armazenamento em comparação com as versões comuns de 4 bits de modelos de tamanho semelhante. [ALLOY]: O que torna o nome "Bonsai" inesperadamente honesto. O repositório está marcado para llama.cpp, aceleração CUDA em hardware NVIDIA e aceleração Metal em dispositivos Apple. Passou de 338.000 downloads e 760 likes desde que foi lançado em 4 de julho. Um modelo de 27 bilhões de parâmetros que pode rodar através de uma GPU de consumidor, um MacBook com Apple Silicon, ou até uma máquina apenas com CPU dá aos desenvolvedores locais um endpoint de chat significativo sem enviar cada prompt para o servidor de outra pessoa. [NOVA]: Espera aí, porém — pesos pequenos não provam respostas fortes. A compressão ternária pode sacrificar nuance, seguimento de instruções ou confiabilidade, e a empolgação atual vem mais da distribuição e empacotamento do que de comparações independentes abrangentes. O modelo é finamente ajustado para conversa e pronto para runtimes locais, mas sua qualidade contra builds comuns de 4 bits continua sendo a parte sem resposta. A velocidade também depende muito de se os runtimes exploram valores ternários eficientemente em vez de apenas decodificá-los como um formato de novelty. [ALLOY]: Pushback justo, mas 338.000 downloads dizem que a questão está sendo testada em escala. Se o llama.cpp e ferramentas relacionadas transformarem a representação menor em geração genuinamente mais rápida, o modelo poderia redefinir expectativas para assistentes offline e agentes privados em hardware modesto. Também poderia ampliar o uso local além do chat: busca em repositório, análise de documentos privados e classificação em background nem sempre requerem raciocínio de fronteira em cada turno. Se a qualidade desmoronar, será uma demonstração inteligente de compressão. De qualquer forma, Ternary-Bonsai pergunta quanto de inteligência útil pode caber em uma máquina que já está sentada em uma mesa. [NOVA]: ... [ALLOY]: Esse me preocupa mais do que qualquer ranking. O Modelo WISeR do Medicare implementou triagem assistida por IA na autorização prévia para serviços selecionados do Medicare Original em Arizona, Nova Jersey, Ohio, Oklahoma, Texas e Washington. O CMS lançou o programa em janeiro, e ele funciona até dezembro de 2031. Seis empresas de tecnologia participam, uma por estado, com compensação atrelada parcialmente aos gastos que suas revisões impedem. [NOVA]: Os serviços cobertos têm critérios de cobertura estabelecidos e são considerados vulneráveis a desperdício, fraude ou danos ao paciente. Exemplos incluem substitutos de pele e tecido, estimuladores elétricos nervosos implantados e artroscopia de joelho para osteoartrite. As ferramentas de IA fazem a triagem dos casos, mas um clínico licenciado deve tomar toda recomendação final de negação de pagamento. Casos de emergência, serviços exclusivos para internação e situações em que o atraso poderia colocar o paciente em risco são excluídos. As regras de cobertura do Medicare Original e a escolha de prestadores permanecem inalteradas, e o Medicare Advantage não faz parte do programa. [ALLOY]: Os prestadores podem buscar autorização antes de realizar um serviço ou enfrentar revisão pós-pagamento depois. Prestadores consistentemente conformes podem obter uma dispensa de cartão dourado que os dispensa de revisão. Isso pode reduzir a papelada repetida para clínicos com registros limpos. Mas atrelar a compensação do fornecedor às despesas evitadas cria uma tensão óbvia: um sistema pode economizar dinheiro identificando cuidados inadequados, ou tornando mais difícil obter cuidados adequados. A aprovação humana ajuda, mas não elimina o incentivo. [NOVA]: Exatamente. Decisões mais rápidas e custos mais baixos são metas, não resultados observados. O CMS diz que os pagamentos também refletirão medidas de processo como experiência do prestador, mas as primeiras evidências significativas virão de negações, recursos, atrasos, revogações e feedback dos clínicos. Como você se sentiria se um algoritmo trouxesse sua reclamação médica para rejeição enquanto seu fornecedor ganhasse mais com gastos evitados? O WISeR agora é um teste federal de seis anos para ver se o software de revisão clínica pode reduzir abusos sem converter fricção em modelo de negócio. [NOVA]: ... [NOVA]: A NVIDIA e a Hugging Face publicaram um guia conjunto em 17 de julho para ajuste fino de modelos de difusão de imagem e vídeo em escala. Modelos de difusão são os sistemas por trás de muitos geradores atuais que transformam progressivamente ruído em uma imagem ou vídeo. O guia conecta o NeMo Automodel da NVIDIA com a biblioteca Diffusers da Hugging Face, dando às equipes uma rota documentada de um modelo aberto para personalização distribuída em GPUs. [ALLOY]: Isso não é um novo modelo, chip ou produto hospedado, e é precisamente por isso que pode ser subestimado. O ajuste fino de vídeo frequentemente significou costurar código de modelo, carregamento de dados, gerenciamento de memória e treinamento distribuído a partir de exemplos dispersos. O NeMo Automodel cuida mais da camada de treinamento em grande escala, enquanto o Diffusers fornece componentes familiares de modelos abertos. Reunir tudo isso pode spare as equipes de inventar um loop de treinamento personalizado antes de chegarem ao próprio footage ou coleção de imagens. [NOVA]: Vamos não dar troféus de benchmark que ele não contém. A publicação não fornece um conjunto abrangente de números de desempenho multi-GPU nem estabelece uma receita universal para cada família de modelos. É um marco de documentação. Seu valor depende das arquiteturas suportadas, da qualidade dos exemplos e se equipes externas reproduzem o fluxo de trabalho sem correções não documentadas. As próximas adições úteis seriam nomear mais famílias de modelos e relatar comportamento de escalonamento em configurações reais de GPUs. [ALLOY]: Concordo, mas infraestrutura madura frequentemente chega como documentação entediante antes de se tornar prática normal. Software de difusão aberto já dá às equipes acesso a modelos; ajuste fino distribuído repetível é o que transforma esse acesso em um gerador de vídeos esportivos, um sistema de imagens de produtos ou uma ferramenta visual específica de domínio. Empresas de mídia poderiam adaptar um modelo de vídeo ao seu arquivo, enquanto fabricantes poderiam ajustar a geração de imagens em torno de seus próprios produtos e padrões visuais. A NVIDIA e a Hugging Face estão fazendo seus ecossistemas se encontrarem em um lugar só. Essa conexão pode economizar mais tempo do que outro anúncio de modelo. [NOVA]: ... [NOVA]: O LongStraw aborda uma incompatibilidade desagradável: modelos podem processar entradas de milhões de tokens durante o uso, mas aprendizado por reforço frequentemente treina agentes em trajetórias limitadas em torno de 256.000 tokens. Aprendizado por reforço aqui significa melhorar comportamento através de feedback em ações completadas. O LongStraw relata treinamento além de dois milhões de tokens dentro de um orçamento fixo de GPU. [ALLOY]: Isso é emocionante porque agentes de longa execução não experimentam trabalho como um prompt limpo. Eles acumulam documentos, chamadas de ferramentas, tentativas falhadas, observações e decisões anteriores. Treinar em históricos abreviados pode ensinar comportamento que colapsa assim que a trajetória real se torna muito mais longa. [NOVA]: Os pesquisadores descrevem o LongStraw como uma pilha de execução moldada em torno do modelo e hardware subjacentes, em vez de um requisito maior de GPU. Se chegar a frameworks de treinamento aberto comuns, laboratórios poderiam ensinar agentes em trajetórias mais próximas do comprimento de produção. O artigo estabelece uma capacidade, não prova de que treinamento de dois milhões de tokens automaticamente cria melhores agentes. Adoção e ganhos medidos downstream são o que importa a seguir. [NOVA]: ... [ALLOY]: O VideoChat3 visa uma combinação genuinamente útil: pesos abertos, dados de treinamento abertos e um modelo que lida com movimento, gravações longas e vídeo em streaming. Em vez de especialistas separados para um clipe esportivo, demonstração de culinária e câmera de segurança, os pesquisadores querem um generalista que possa interpretar os três. [NOVA]: A equipe também alega requisitos computacionais mais baixos do que modelos de vídeo abertos comparáveis. Isso importa para organizações trabalhando com GPUs de workstation ou footage sensível, porque podem adaptar o modelo sem pagar por vídeo ou fazer upload de gravações para um provedor fechado. Ainda assim, amplitude de benchmark não é a mesma que desempenho confiável em cenas reais bagunçadas. [ALLOY]: Exatamente — estou interessado, não convertido. A próxima evidência importante é se equipes independentes fazem ajuste fino do VideoChat3 para seu próprio footage e mantêm suas habilidades em diferentes tipos de movimento, duração e entrada de streaming. Se isso acontecer, compreensão de vídeo aberta passa de demonstrações de pesquisa isoladas para um fundamento reutilizável. [NOVA]: ... [NOVA]: O Codebase Memory MCP faz uma claims enorme: 99 por cento menos tokens do que colocar código-fonte bruto na janela de contexto de um modelo de codificação. A DeusData lançou o point nine em 8 de julho como um binário estático independente de dependências. Ele indexa um repositório médio em um grafo de conhecimento persistente em milissegundos, relata respostas de consultas em menos de um milissegundo e suporta 158 linguagens de programação. O repositório alcançou 32.815 estrelas no GitHub. [ALLOY]: Um grafo de conhecimento armazena relações entre elementos de código, então um agente pode perguntar onde está a autenticação, qual função chama uma API, ou o que depende de uma classe alterada. O MCP, o Model Context Protocol, permite que o agente de codificação invoque esse grafo como uma ferramenta externa. Em vez de enviar repetidamente arquivos inteiros para o modelo, o agente recebe um mapa direcionado e recupera apenas o código-fonte necessário. Isso é um uso muito mais inteligente de uma janela de contexto limitada. [NOVA]: E os 99 por cento são a parte que deve ser tratada com cuidado. Esse número vem do projeto, não de um benchmark independente, e a economia vai variar com o tamanho do repositório, tipo de consulta e o que o agente eventualmente precisa ler. Um grafo também pode ficar desatualizado ou omitir relações dinâmicas que não são óbvias a partir do código estático. As afirmações sobre indexação em milissegundos e consultas em sub-milissegundos precisam de mais evidências em monorepositórios com milhões de linhas. [ALLOY]: Mesmo com essa ressalva, isso pode ser mais consequente do que a contagem de parâmetros do Kimi K3. Contexto é caro, e agentes de codificação perdem coerência quando código irrelevante substitui instruções e decisões recentes. Memória persistente também significa que uma sessão posterior pode reutilizar o mapa do repositório em vez de reconstruir o entendimento a partir de arquivos colados. Um único binário que transforma código em memória chamável pode reduzir custos e manter o trabalho multi-arquivos no caminho certo. Não está aumentando a janela do modelo; está tornando o material dentro dessa janela mais seletivo. Esse é o truque útil. [NOVA]: ... [ALLOY]: O FastMCP se tornou a resposta padrão quando um desenvolvedor Python pergunta como expor uma função ou fonte de dados a um agente. A versão três-ponto-três-ponto-quatro foi lançada em 9 de julho, o repositório tem 26.263 estrelas e o desenvolvimento continuou até 19 de julho. Isso é uma tração substancial para uma infraestrutura cujo trabalho é principalmente fazer o encanamento de protocolo desaparecer. [NOVA]: O FastMCP constrói servidores e clientes para o Model Context Protocol. Um desenvolvedor pode encapsular uma função Python, banco de dados, API interna, conjunto de dados ou script para que sistemas de IA compatíveis possam descobri-los e chamá-los. A biblioteca lida com mensagens de protocolo, esquemas e detalhes de transporte que as equipes teriam que escrever sozinhas. "Pythônico" nesse contexto significa que o código segue padrões familiares do Python em vez de forçar desenvolvedores a usar uma linguagem de integração separada. [ALLOY]: O que parece mundano até que cada organização tenha dezenas de sistemas internos úteis que nenhum modelo pode alcançar com segurança. O FastMCP reduz o custo de transformar esses sistemas em ferramentas explícitas com entradas tipadas em vez de dar a um agente acesso amplo ao shell ou à rede. Ele também suporta o lado do cliente, então aplicações Python podem consumir serviços MCP além de publicá-los. Uma empresa pode expor pesquisa de inventário, criação de tickets ou geração de relatórios como ações restritas. O protocolo permanece portátil enquanto a implementação parece nativa da linguagem. [NOVA]: Eu não declararia nenhum framework permanente em um ecossistema que se move tão rápido, mas 26.000 estrelas e uma versão principal ativa tornam o FastMCP mais do que um wrapper de fim de semana. Seu próximo desafio é manter ergonomia do cliente, controles de segurança e compatibilidade se movendo juntos enquanto o MCP se expande. Agora, equipes Python têm uma rota bem viajada para conectar agentes a software real sem reconstruir a camada de protocolo para cada ferramenta. [NOVA]: ... [NOVA]: O MCP for Beginners da Microsoft cruzou 16.700 estrelas no GitHub após outra atualização do repositório em 17 de julho. É um currículo gratuito e de código aberto para aprender como assistentes de IA se conectam a ferramentas e dados através do Model Context Protocol. O curso inclui exemplos funcionais em .NET, Java, TypeScript, JavaScript, Rust e Python. [ALLOY]: Isso é mais importante do que a contagem de estrelas sozinha. A maioria dos tutoriais de protocolo silenciosamente exige que as pessoas aprendam a linguagem favorita do autor antes de aprender o protocolo. A Microsoft permite que um desenvolvedor Java permaneça em Java, uma equipe .NET permaneça em C-sharp e uma equipe Python permaneça em Python. As lições cobrem servidores modulares, componentes reutilizáveis, limites de permissão e formas de adicionar ferramentas sem reconstruir integrações anteriores. [NOVA]: Construa um conector baseado em padrões e múltiplos clientes compatíveis podem usá-lo. Essa é a promessa. O curso dá às organizações um vocabulário comum para detalhes que geralmente são ignorados em demos: o que um agente pode acessar, como um servidor limita sua superfície e como ferramentas desenvolvidas independentemente se encaixam. Como o material é de código aberto, as equipes podem adaptar exemplos aos seus próprios serviços e usar os mesmos conceitos em grupos de linguagens em vez de manter material de treinamento separado para cada stack. [ALLOY]: Eu acho que 16.700 estrelas revelam algo mais amplo da história do FastMCP: a adoção do MCP passou dos autores de bibliotecas. As pessoas precisam de educação, exemplos e padrões seguros agora. O currículo não usa lançamentos com versões e seu conteúdo pode mudar conforme o repositório evolui, então ele se comporta mais como documentação viva do que um livro didático fixo. Isso provavelmente é apropriado. Um curso ensinando um protocolo que muda rapidamente não deveria fingir que o chão parou de se mover. [NOVA]: ... [ALLOY]: Aqui está a lacuna que o mcp-use quer apagar: equipes constroem um servidor MCP, depois constroem separadamente a interface que as pessoas veem em um aplicativo de chat, depois passam tempo mantendo ambos alinhados. O mcp-use os combina. O framework fullstack de código aberto tem 10.328 estrelas no GitHub, lançou a versão um-ponto-trinta-e-quatro-tres em 8 de julho e ainda estava recebendo atualizações do repositório em 19 de julho. [NOVA]: Um projeto pode publicar um servidor MCP que agentes compatíveis chamam e um aplicativo MCP contendo botões, cards e widgets renderizados dentro do ChatGPT ou Claude. O servidor define o que uma ferramenta pode fazer. O aplicativo dá a essa ferramenta uma superfície visível e interativa quando uma conversa a invoca. As alterações podem chegar a ambos a partir de uma base de código em vez de separar lógica de protocolo e comportamento de interface do usuário em projetos separados. [ALLOY]: Isso é genuinamente útil. O MCP passou muito tempo parecendo encanamento invisível, mas aplicações precisam de mais do que uma resposta bem-sucedida da ferramenta. Uma ferramenta de viagem pode retornar voos selecionáveis. Uma ferramenta de relatórios pode mostrar um gráfico. Um sistema de suporte pode precisar de controles de confirmação antes de alterar uma conta. O mcp-use dá a essas experiências uma estrutura enquanto preserva um servidor baseado em padrões para outros clientes. [NOVA]: A questão aberta fica fora do projeto: até onde a Anthropic e a OpenAI expandem suas superfícies de aplicação dentro do chat, e quão consistentemente essas superfícies se comportam. O mcp-use já está preparado para ambos, o que reduz a chance de uma reescrita completa, mas as diferenças de plataforma não desaparecem magicamente. Ainda assim, cruzar 10.000 estrelas sugere que desenvolvedores não estão satisfeitos com servidores de ferramentas sem cabeça. Eles querem aplicações completas de agentes, incluindo o momento em que uma pessoa vê, entende e age sobre o resultado. [NOVA]: ... [NOVA]: O GitHub disponibilizou métricas de uso do Copilot em nível de repositório em geral em 17 de julho. Dois novos endpoints REST retornam atividade diária de pull-request por repositório para o agente de codificação Copilot e revisão de código Copilot. Anteriormente, a mesma superfície de relatório agregava atividade em nível de organização, escondendo se a adoção era difundida ou concentrada em alguns repositórios. [ALLOY]: Finalmente. Um total em nível de organização pode parecer impressionante enquanto três equipes entusiastas geram quase tudo. Os detalhamentos por repositório revelam onde o agente de codificação está abrindo ou contribuindo para pull requests, onde a revisão automatizada está crescendo, e onde ferramentas licenciadas estão quase ausentes. Líderes de engenharia podem comparar serviços sem fingir que uma média descreve cada equipe. [NOVA]: Os dados podem alimentar um dashboard existente, página interna de métricas, ou relatório de liderança através de chamadas normais de API. Uma série temporal diária também mostra se a adoção muda após treinamentos, atualizações de política, ou implantações em nível de equipe. Mas uso não é valor. Mais atividade de pull-request do Copilot pode refletir aceleração útil, automação ruidosa, ou simplesmente um repositório com mais trabalho. O GitHub está medindo onde as ferramentas agem, não se suas sugestões são corretas ou economicamente vantajosas. [ALLOY]: O que se conecta diretamente ao scorecard de ROI que virá depois. A atribuição em nível de repositório fornece uma camada ausente entre "compramos assentos" e "a organização usa IA". Ainda precisa de resultados de entrega, carga de revisão e dados de qualidade ao redor. Um repositório com aumento de revisões automatizadas, mas tempos de revisão humana mais longos, conta uma história muito diferente de um que está enviando mudanças aceitas mais rapidamente. Futuros cortes por linguagem, assento, ou taxa de aceitação podem enriquecer os relatórios. Por enquanto, o GitHub pode expor a longa cauda onde o Copilot nunca pegou — e os bolsões onde ele silenciosamente se tornou trabalho do dia a dia. [NOVA]: ... [ALLOY]: "Uma captura de tela e uma oração" tem sido a interface não oficial entre muitos agentes de codificação e motores de jogo. Unity-MCP ten-one, lançado em 13 de julho pela CoplayDev, dá ao agente ferramentas diretas em vez disso. Através do MCP, ele pode inspecionar e manipular o Unity Editor ao invés de adivinhar o que uma cena ou projeto contém. O repositório tem 12.645 estrelas e foi atualizado no dia do lançamento. [NOVA]: O servidor expõe objetos de cena, assets, scripts, comandos de menu e operações do editor como chamadas estruturadas. Um assistente pode listar ou renomear arquivos, inspecionar o grafo de cena, modificar GameObjects, ler e escrever scripts C-sharp, reimportar assets, salvar prefabs e capturar screenshots para inspeção. Isso importa porque projetos Unity codificam estados importantes fora de arquivos fonte simples. Um agente de codificação apenas de terminal pode editar C-sharp, mas não consegue inferir de forma confiável cada relacionamento de objetos em uma cena aberta. [ALLOY]: É aqui que as ferramentas de agente começam a parecer físicas, mesmo que o "mundo" seja um editor de jogos. Um desenvolvedor solo pode repassar organização repetitiva de assets, limpeza de cena, ou alterações rotineiras de scripts enquanto ainda revisa as ações resultantes. Estúdios maiores têm uma proposição mais complicada: uma vez que o chat pode alterar cenas e scripts, controles de acesso, trilhas de auditoria e limites de revisão se tornam preocupações de produção ao invés de slides teóricos de governança. [NOVA]: E não, eu não acho que isso signifique "descreva um jogo e envie". Projetos Unity estão cheios de julgamento visual, restrições de performance e dependências frágeis. Mas acesso estruturado ao editor é muito melhor que geração de texto às cegas. Um agente pode observar o grafo de cena, fazer uma mudança limitada e inspecionar o estado resultante do editor ao invés de fingir sucesso apenas a partir do fonte. O próximo desafio é se os recursos de IA primários do Unity convergem com projetos como Unity-MCP ou competem contra eles. Duas rotas de agente para o mesmo editor raramente permanecem separadas uma vez que desenvolvedores esperam acesso portável a ferramentas. [NOVA]: ... [NOVA]: A CFO da OpenAI, Sarah Friar, publicou um scorecard de IA em quatro partes em 17 de julho: trabalho útil, custo por tarefa bem-sucedida, confiabilidade e retorno sobre compute. Vindo de uma executiva de finanças, trata a IA como um investimento operacional ao invés de uma coleção de vitórias em benchmarks. Honestamente, isso está atrasado. [ALLOY]: Trabalho útil conta tarefas de produção concluídas, não tokens gerados ou sessões de chat. Custo por tarefa bem-sucedida pergunta o que cada resultado aceitável custa, permitindo que uma assinatura, contrato enterprise, API hospedada, ou modelo auto-hospedado seja comparado por resultados. Confiabilidade captura se a resposta funciona na primeira tentativa ou manda um humano de volta através da tarefa. Esse retrabalho é o custo de mão de obra que muitos pilotos convenientemente esquecem. [NOVA]: Retorno sobre compute pergunta quanto output útil a organização recebe para cada dólar gasto em GPUs ou APIs. Juntos, essas medidas cortam um erro comum de procurement: comprar o modelo com o melhor benchmark geral e assumir que ele deve criar o melhor resultado de negócios. Um modelo mais barato que conclui mais tarefas corretamente pode superar um modelo premium. Um agente rápido que cria dívida de revisão pode ser pior que um mais lento e constante. O menor uso de tokens de output do Kimi K3 é um bom exemplo: taxas publicadas sozinhas não revelam o custo final da tarefa. [ALLOY]: Eu gosto do framework, mas ainda não é evidência. O material da OpenAI não publica valores de referência ou benchmarks independentes; ele fornece categorias. O teste interessante é se equipes de finanças e procurement fora da OpenAI os adotam, e se fornecedores se tornam dispostos a reportar custo por tarefa bem-sucedida ao invés de pontuações de capacidade cuidadosamente escolhidas. Combine o framework com as novas métricas de repositório do GitHub e organizações podem começar a conectar atividade a resultados. A parte difícil continua sendo concordar sobre o que "bem-sucedido" significa antes de alguém pintar o dashboard de verde. [NOVA]: ... [NOVA]: Unity-MCP da CoplayDev lidera o radar com 12.645 estrelas. Sua primeira aparição rastreada segue o lançamento ten-one em 13 de julho, com o repositório atualizado naquele dia. Ele transforma cenas Unity, scripts C-sharp, assets e comandos do editor em ferramentas MCP. Conectado a um agente de codificação, suporta um loop onde o modelo lê o grafo de cena, muda código ou objetos, e invoca ações do editor ao invés de depender apenas de arquivos de texto. Isso é integração direta com o ambiente onde o trabalho realmente existe. [ALLOY]: MCP-Agent da Lastmile AI tem 8.430 estrelas. Sua release mais recente marcada é point zero-zero-twenty-one de maio de 2025, e o repositório foi atualizado em janeiro de 2026; esta é sua primeira aparição rastreada. O framework Python envolve múltiplos servidores MCP em agentes reutilizáveis com padrões determinísticos para trabalho paralelo, roteamento e orquestração. Serve onde um agente precisa se espalhar por vários serviços sem uma sequência construída à mão de chamadas de ferramentas. Em outras palavras, menos cola improvisacional e mais estrutura de workflow explícita. [NOVA]: Upsonic tem 7.915 estrelas, com point seventy-seven-three lançado em maio e atividade do repositório em junho. O SDK Python combina uso autônomo de ferramentas, grafos de tarefas e um harness de avaliação integrado. Seu ângulo de integração é incomumente concreto: trabalho gerado pode passar por um estágio explícito de aprovação ou falha dentro do mesmo runtime. Isso é útil quando um agente itera em código ou tarefas estruturadas e a equipe quer resultados avaliados por critérios definidos ao invés da confiança do modelo. A tração nos três repositórios mostra o MCP se espalhando para editores, coordenação multiagente e execução avaliada. [NOVA]: ... [ALLOY]: O progresso de modelos hoje pousou em escala, compressão, embalagem multimodal e infraestrutura de treinamento ao invés de mais um nome de API geral recém-listado. Kimi K3 empurrou a fronteira de parâmetros, Ternary-Bonsai empurrou pesos locais para baixo, e Inkling combinou imagem, áudio e texto em um checkpoint aberto. [NOVA]: ... [NOVA]: Thinking Machines' Inkling é um modelo de mixture-of-experts de código aberto sob licença Apache que aceita imagem mais texto ou áudio mais texto e produz texto. Um mixture-of-experts ativa partes selecionadas do modelo para cada entrada em vez de usar todas as partes todas as vezes. O repositório inclui resultados de avaliação e metadados de compatibilidade para endpoints de inferência hospedados, então o mesmo código cliente do Hugging Face pode acessar um checkpoint carregado localmente ou um serviço hospedado. [ALLOY]: Inkling conseguiu 1.094 likes e 13.462 downloads em sua janela inicial. Seu nicho é trabalho multimodal fundamentado: descrever uma interface considerando contexto falado, analisar mídias chegando por mais de um canal, ou potencializar assistentes que não podem assumir que toda observação é texto. A licença Apache permite ampla adaptação. Tração inicial não é prova de qualidade, mas um checkpoint abrangendo imagem, áudio e texto pode simplificar uma stack local. [NOVA]: ... [ALLOY]: Métricas de uso do GitHub Copilot no nível de repositório agora estão geralmente disponíveis, expondo atividade diária de pull-request para o agente de codificação e revisão de código por repositório em vez de apenas totais no nível da organização. Isso torna a adoção desigual visível e dá aos dashboards de engenharia uma unidade de comparação mais útil. [NOVA]: O "Why Teens Deserve Access to Safe AI" da OpenAI descreve comportamento apropriado para a idade do modelo, ferramentas de aprendizado, controles parentais de conta e parcerias com especialistas externos. Não é um modelo separado para adolescentes; as proteções ficam em torno do ChatGPT como controles no nível da conta e mudanças de comportamento. Isso importa porque acesso e segurança estão sendo projetados como política de produto, não apenas como treinamento de modelo. [ALLOY]: E o Awesome MCP Servers do appcypher tem 5.699 estrelas. O índice curado agrupa implementações de servidores MCP por domínio de integração, tornando-o uma camada de descoberta para conectores existentes a serviços externos. Não é glamoroso, mas muito útil: à medida que o protocolo se expande, encontrar um servidor mantido antes de duplicar um se torna parte da eficiência do ecossistema. [NOVA]: ... [NOVA]: Codex agora conhece os limites de 272.000 tokens de Sol, Terra e Luna. Kimi K3 torna modelos abertos de fronteira mais capazes e mais caros. Ternary-Bonsai e Inkling puxam capacidade substancial de chat e multimodal para hardware local. WISeR torna a revisão médica assistida por IA um teste vivo de política pública, enquanto LongStraw e VideoChat3 expandem treinamento aberto e compreensão de vídeo. [ALLOY]: Codebase Memory, FastMCP, o currículo da Microsoft, mcp-use, Unity-MCP e os projetos de radar mostram MCP amadurecendo em aplicações, educação, memória e controle de editor. GitHub pode localizar atividade do Copilot por repositório, e o scorecard da OpenAI pergunta se essa atividade produz trabalho confiável a um custo aceitável. [NOVA]: Para detalhes das fontes e leitura adicional, veja as notas do programa em Toby On Fitness Tech ponto com. [ALLOY]: Obrigado por ouvir o AgentStack Daily. Voltamos em breve.