Pra deixar um agente realmente útil, eu faria isso antes de sair caçando prompt mágico: lista todas as ferramentas que você usa todo dia, encontra a API, o MCP ou a CLI de cada uma e deixa o agente te entrevistar sobre o seu jeito de trabalhar. Sem contexto, até o melhor agente fica chutando.

KKKKKKK alguém explica o que essa sandália tá fazendo 😭 via @junkboxai

We’ve raised a $2.5M pre-seed to fix hardware hiring. The most reliable way to know if an engineer can do the job is to watch them work. In hardware, that’s been almost impossible to do at scale. Colare runs simulation-based assessments that show how candidates actually work, in the tools they’d use on the job, before anyone books an interview. We assess across: - Mechanical (CAD, DFM, FEA) - Electrical (PCB, schematics) - Systems - Manufacturing, & more. Candidates solve problems from first principles. Hiring teams see that across their whole pool, so engineers only interview people who’ve already cleared the bar. We're already working with everyone from seed-stage startups to multi-billion-dollar aerospace manufacturers. If you’re hiring hardware engineers, let’s talk: colare.com/

Acho interessante que a gente esteja começando a escolher agentes de código por motivos que quase não têm mais nada a ver com benchmarks. Um desenvolvedor prefere Claude porque consegue retomar a sessão remotamente. Outro prefere Codex pelo ambiente de trabalho. No fim, o melhor modelo no papel não serve pra muita coisa se a interface faz você perder tempo o dia inteiro.

Os agentes de IA já escrevem quase todo o código em algumas equipes. E os desenvolvedores continuam trabalhando o mesmo tanto. Porque agora precisam revisar, testar, corrigir e manter tudo que os agentes geram. Automatizamos a escrita do código, mas não a responsabilidade pelo que vai pra produção.

Chegamos ao ponto em que desenvolvedores estão criando plugins pra obrigar seus agentes de IA a pensar antes de escrever código. É maravilhoso. Inventamos assistentes que geram aplicativos inteiros em minutos. E agora precisamos ensinar esses bichos a não sair fazendo tudo igual estagiário empolgado KKKKK.

O candidato usa IA pra escrever o currículo. O recrutador usa IA pra rejeitar. O candidato não lê a vaga. O recrutador não lê o currículo. Ainda bem que automatizaram tudo isso, corria o risco de alguém conversar com alguém.

Adoro quando o agente escreve "todos os testes passaram". Aí você vai ver o que ele alterou. Os testes.

Once AI is ready for finance, the world is gonna be a different place. Strict compliance is the main reason AI hasn't fully exploded in accounting yet. But @john__glasgow and the team at @Meet_campfire are changing that with a deterministic model built specifically for finance.

Tons of AI tools help companies scale operations, CRM etc. But payments are the real constraint. That's where everything breaks. I just listened to @jbjerresanders from @uselightinc explain that. Super interesting.

Eu abrindo o aplicativo do banco e descobrindo que o novo desenvolvedor fez toda a infraestrutura com Claude Code numa tarde. KKKKKK Acho que vou voltar a guardar dinheiro debaixo do colchão.

A gente já tem agentes capazes de construir um aplicativo inteiro em minutos. Mas pede pra mover um botão 10 pixels e você passa 15 minutos discutindo com o negócio. Uma hora vamos ter que admitir que arrastar um elemento com o mouse ainda é mais rápido que escrever 14 prompts KKKKK.

O verdadeiro problema dos agentes de IA nem é mais fazer eles escreverem código. É fazer eles entenderem quando precisam parar. Você pede uma alteração pequena, o negócio refatora 12 arquivos, instala 3 dependências e apaga uma funcionalidade que tava funcionando perfeitamente. E depois ainda diz todo orgulhoso que concluiu a tarefa KKKKK.

Desenvolvedores em 2024: “A IA vai substituir a gente.” Desenvolvedores em 2026: 8 agentes do Claude Code abertos, 47 pull requests pra revisar e o aplicativo ainda não funciona. Conseguimos automatizar a criação de bugs numa velocidade absurda KKKKK.

Cérebro de dev: Modelo novo de IA? Legal. Interface nova? Beleza. Possibilidade de rodar inferência mais rápido no meu próprio setup? CALMA AÍ, DEIXA EU VER ESSE README KKKKK É por isso que o EAGLE-4 chama atenção.

A GPU depois da décima quinta otimização: EU NÃO AGUENTO MAIS 😭 Os engenheiros chegando com outra ideia pra acelerar a inferência: KKKKKKKK EAGLE-4 entrou na conversa.

EAGLE-4 is here. From EAGLE-1 to EAGLE-3, we’ve kept making inference faster. EAGLE-4 is our fastest yet. 961.6 tokens/s on @Alibaba_Qwen’s Qwen3.8-27B with TokenSpeed (BF16, 4× @NVIDIA B300, TP4, one request, T=0). Github: github.com/eagle-hq/EAGLE-4

Aloha!🌺 Meet Ornith-1.5-122B: No Tradeoff Between Strong and Fast Stronger. Faster. Leaner. Ornith-1.5-122B delivers frontier-level capabilities with exceptional inference efficiency. With superior instruction following, stronger task decomposition, and deeper understanding of real-world workflows, it achieves state-of-the-art performance among open-source models of comparable size, while running on a single NVIDIA DGX card!! Open weights under the MIT license. Coding ✅SWE-bench Verified: 0.845 ✅TB2.1: 0.813 ✅CyberGym: 0.800 ✅NL2Repo: 0.512 Agentic ✅HLE: 0.446 ✅BrowseComp: 0.785 ✅MCP-Atlas: 0.746 ✅Toolathlon: 0.708 🤗Hugging Face: huggingface.co/ornith-ai/Orn… We can’t wait to see what you build with Ornith-1.5-122B.

122B de parâmetros rodando em uma única DGX é o detalhe que mais chama atenção aqui. Agora falta testar latência, consumo de memória e desempenho em tarefas longas. Benchmark bonito sozinho não paga a conta.

Toda semana aparece um modelo novo destruindo benchmarks KKKKK Quero ver é colocar ele pra resolver um problema real de programação sem inventar 15 bugs no caminho. Se conseguir, aí sim temos algo interessante.