AI Lab — Newsletter — 22/04/2026

O AI Lab é um espaço para mergulharmos juntos nas novidades da IA, discutirmos tendências e, sempre que possível, testarmos inovações na prática. Esta é uma iniciativa do curso de Graduação Digital 4D Inteligência Artificial: Sistemas de dados inteligentes da PUCPR.

Vibe-coding em produção já é possível?

Desde que começaram a surgir os assistentes de codificação existe uma grande discussão sobre o uso de IA para construção de sistemas. O termo vibe-coding surgiu justamente quando profissionais de outras áreas começaram a se embrenhar no mundo do desenvolvimento de software.

Tanto os modelos de codificação (Claude Opus & Sonnet, Gemini Pro, GPT5) quanto as ferramentas (Cursor, Claude Code, OpenAI Codex) evoluíram muito nos últimos anos e isso foi dando cada vez mais confiança para a utilização.

O pessoal da Anthropic fez uma apresentação justamente sobre esse assunto, deixando claro que não devemos (ainda) utilizar essa tecnologia para resolver todos os nossos problemas, mas trouxeram uma série de boas práticas para utilizar a IA para otimizar a construção de sistemas.

Aproveitando o tema, o criador do Claude Code realizou um workshop de 30 minutos com dicas de como melhor utilizar a ferramenta, é um vídeo mais recomendado para quem já está um pouco mais a frente do curso, com experiencia em desenvolvimento colaborativo de sistemas. Aqui também tem um pequeno guia de configuração.

Temos que falar sobre o custo cada vez maior dos agentes de IA.

Um tema que vem levantando bastante debate na comunidade da IA é que o “tamanho” das tarefas executadas pelos modelos de IA é cada vez maior, e junto ao tamanho, tem aumentado também o custo por hora dessas execuções, o que, se não sanado em breve, tornaria insustentável o custo computacional com inferência de modelos para este tipo de tarefa complexa. Nesta publicação, você consegue encontrar uma análise completa bem interssante sobre o tema.

Falando nisso, você já ouviu falar no METR (Model Evaluation & Threat Research)?

Tá vendo esse gráfico aí em cima, foram eles que produziram. O METR é uma organização de pesquisa sem fins lucrativos focada em segurança de IA, especialmente em entender até onde os modelos mais avançados podem chegar e quais riscos eles trazem. O trabalho deles é bem importante, visto que a IA não está evoluindo de maneira linear, o que pode fazer com que ela cruze limites críticos de ética e segurança rapidamente.

Vale a pena ficar de olho nesse assunto, este estudo, por exemplo, afirma que o uso de IA reduz a persistência de usuários ao realizar tarefas, além de reduzir performance quando executam tarefas de maneira independente. Portanto, sempre importante ficarmos atentos aos lados positivos e negativos da tecnologia!

Mas voltando um pouquinho no foco do custo, já há quem se preocupe com o futuro dos modelos open-source devido ao aumento no custo para manter toda infraestrutura de treinamento e inferência de modelos. Neste artigo, o autor argumenta que modelos abertos não vão conseguir se sustentar sozinhos, e que seria necessário um consórcio de empresas para financiar o ecossistema juntas.

Novos modelos na área…

A Anthropic lançou seu novo modelo, o Claude Opus 4.7, com melhorias importantes para área de engenharia de software, especialmente em tarefas mais complexas (como as que falamos na notícia acima). O modelo também promete melhores resultados em tarefas que envolvam imagens.

Já a chinesa Alibaba, tornou open-source seu modelo de ponta, o Qwen 3.6. Os resultados são muito bons se comparados com modelos de mesmo tamanho, e o melhor de tudo, é um modelo de 35 bilhões de parâmetros, mas utiliza uma metodologia de Mixture of Experts (MoE) que faz com que durante a inferência ele ative apenas 3 bilhões de parâmetros, tornando sua utilização muito mais leve.

E a Moonshot AI lançou o Kimi K2.6, com janela de contexto expandida e com 4 variantes: o K2.6 Instant para respostas rápidas, o K2.6 Thinking para raciocínio prolongado, o K2.6 Agent para pesquisa, slides, websites, documentos e planilhas, e o K2.6 Agent Swarm para buscas em larga escala e tarefas em lote.

Não é um modelo novo, mas esses dias alguém me perguntou sobre um modelo de Speech-to-text nativo para pt-br. Segue o link.

Vale a pena falar também do Voxtral, da Mistral, que promete com apenas 3 segundos de fala, clonar a voz de alguém (você pode brincar com o modelo aqui).

Lançamento do Claude Design surpreende o mercado.

Foi lançado no dia 17 o **Claude Design**, uma ferramenta que permite a construção de protótipos, slides e vários tipos de materiais gráficos apenas conversando com o Claude. As demos mostradas impressionam, não só pelos excelentes visuais produzidos, mas pela capacidade de exportação do material, ou até mesmo integração com o design system que uma equipe já faça uso.

[embed]

O impacto foi tal que as ações da Figma, que hoje é a ferramenta de referência para construção de layouts, tiveram uma desvalorização significativa horas após o anúncio. E aí, quem topa trazer uma live-demo de algum projeto utilizando o Claude Design?

O que mais surpreende, é que com a evolução (sobre)natural dos modelos, você nem precisa obrigatoriamente de uma ferramenta específica para desenvolver grandes coisas, veja este tutorial de 16 minutos que usa um método relativamente simples para construir websites com animações profissionais. Tem até o open-lovable, que a partir de um link, replica qualquer website.

E mais uma vez aquela discussão sobre a IA tomar empregos…

Dessa vez, quem requentou o tema, e botou bastante lenha no fogueira, foi o CEO da Anthropic, Dario Amodei, que em entrevista disse que 50% de todos empregos de tecnologia, direito, consultores e finanças serão extintos nos próximos 5 anos. Em outras edições aqui do AI Lab News já falamos sobre esse assunto, e pela nossa experiência, toda vez que um CEO de uma big-tech prevê algo, geralmente ele está mais focado nos seus investidores do que no mundo real.

A seguir uma publicação que resume bem como devemos lidar com este tipo de “previsão”:

E enquanto isso, no mercado de IA aqui do Brasil:

Como fine-tunar meu primeiro modelo?

Quer ter sua primeira experiência fine-tunando um modelo? Use os notebooks da Unsloth AI.

Neste notebook, por exemplo, você consegue fine-tunar o Gemma 4 gratuitamente utilizando a infraestrutura do Kaggle. Você pode inclusive carregar um dataset diferente do que está descrito (se tiver dificuldades pode até pedir para alguma IA te mostrar o que você deve alterar no código).

Lembre, o céu é o limite quando o assunto é o que um LLM pode fazer =D

Seção “Quero estudar mais”:

• Super aula da disciplina Machine Learning da Universidade de Stanford (CS229) sobre o processo de construção de LLMs.
• Tutorial produzido pelo time do LangChain para construção de agentes do zero (explora desde funcionalidades iniciais até capacidades avançadas) — algum estudante topo pegar uma parte deste tutorial para replicar em um AI Lab Hands On?
• Um videozão de 4h sobre Claude Code — vai desde a teoria até a prática. E neste aqui fala sobre os Managed Agents.
• Quer ideias do que você pode automatizar com o Openclaw? Veja este link
• Construindo agentes que nunca esquecem — os princípios de Memória em Agentes de IA
• Você ainda tem dúvidas sobre o que é um agente e como as principais empresas/ferramentas enxergam o assunto? Dá uma olhada aqui.