O que você chama não é o que responde

Em 10 de setembro a DeepSeek publicou o V4.1-Flash, com pesos no Hugging Face sob licença MIT. É um mixture-of-experts de 552 bilhões de parâmetros com uma arquitetura que a empresa chama de Causal Encoder–Decoder: 40 camadas, 8 bilhões de parâmetros ativos na leitura do prompt (prefill) e 16 bilhões na geração (decode). O cache de atenção fica em um quarto do que ocuparia em memória de GPU, e em um oitavo quando vai para SSD.^1,2 Todos os números são da DeepSeek; nenhum foi replicado por terceiros até o fechamento.

Separar a leitura da escrita é a ideia técnica da semana: o prompt, que em agentes costuma ser muito maior do que a resposta, passa por metade dos parâmetros que a escrita usa. Mas a linha que muda a conta de quem já usa a DeepSeek está no mesmo aviso, três parágrafos abaixo: a partir das 4h (UTC) de 14 de setembro, as chamadas a deepseek-v4-pro passam a ser atendidas pelo V4.1-Flash e cobradas pela tarifa dele, “até o lançamento do V4.1-Pro”. O deepseek-v4-flash e o modelo experimental de visão foram aposentados no mesmo dia, e o nome recomendado agora é deepseek-flash, sem versão.¹ A tabela 1 resume quem responde a cada nome.

Redirecionar um nome antigo para um modelo novo não é novidade — todo provedor faz isso com apelidos como latest. O que muda aqui é que deepseek-v4-pro parecia um nome fixo, com versão no próprio nome, e passou a apontar para um modelo de outra família, com outro tamanho e outro preço. Para quem tem um agente em produção, as consequências são concretas: a avaliação que aprovou o V4 Pro deixou de valer para o que está respondendo; a fatura muda sem mudança de código; e um log que guarda só o nome chamado não diz qual modelo produziu cada resposta.

Em 10 de setembro a OpenAI abriu em beta pública a Agents API. A empresa a descreve como um harness do Codex gerenciado: ela cuida da orquestração da sessão, da compactação do contexto quando a janela enche e da recuperação quando algo falha. A sessão é “uma instância durável de um agente”, que atravessa turnos; o progresso chega por streaming ou webhook; o agente usa ferramentas próprias do cliente e servidores MCP; e roda numa sandbox hospedada pela OpenAI, na infraestrutura do cliente (type: self_hosted) ou num provedor parceiro.^4,5 O rótulo de beta está no próprio código: o namespace client.beta.agents e o cabeçalho OpenAI-Beta: agents=v1.⁵

Até aqui, o harness — o laço que chama o modelo, executa a ferramenta, guarda o estado, resume o contexto quando ele estoura e recomeça depois de um erro — era código da sua equipe, escrito à mão ou montado sobre um framework. É a parte do agente que menos aparece em demonstração e mais quebra em produção. A tabela 2 mostra o que passa para a OpenAI e o que continua com você.

A troca é menos código por mais dependência, e a dependência fica justamente na parte mais difícil de migrar: o estado. Um agente cujo histórico vive numa sessão do fornecedor, compactada pelas regras do fornecedor, não se muda para outro modelo trocando uma linha. A sandbox no próprio servidor reduz o problema do dado sensível, não o do estado. Antes de adotar, vale testar duas coisas com dados de mentira: se dá para exportar a sessão inteira num formato que você consiga ler, e o que o agente ainda sabe depois que a compactação roda.

A semana operacional

O resto do changelog da semana é de quem já está em produção. Em 8 de setembro, a OpenAI publicou diagnósticos de cache de prompt — para saber por que uma chamada não aproveitou o cache que você esperava. Em 10 de setembro, chaves de API de projeto passaram a aceitar data de expiração, e o GPT-Live 1, modelo de voz em tempo real, saiu da prévia.⁴ Nada disso dá manchete. Tudo isso reduz a conta ou o risco de quem já opera: uma chave que vence sozinha é uma chave vazada a menos, e um cache que se explica é dinheiro que deixa de escapar sem ninguém ver.

Na segunda-feira, 7 de setembro, a Artificial Analysis publicou a versão 4.3 do seu Índice de Inteligência — o número que quase todo comparativo de modelos cita, inclusive este. Três mudanças: o Terminal-Bench 2.1 deu lugar ao Terminal-Bench 4.0, com peso de 10%; o τ³-Banking deu lugar ao AutomationBench-AA, com 5%; e os conjuntos privados, que nenhum laboratório consegue ver antes do teste, passaram de 40% para 45% do índice.⁶ O ranking quase não se mexeu: GPT-6 Astra e Claude Fable 5.1 empatados em 53, Claude Opus 5 com 51, GPT-5.6 Sol com 47. As notas, sim. A figura 2 mostra os mesmos seis modelos nas duas réguas.

O Opus 5 e o Astra trocaram de lugar (63,0 contra 61,2 na v4.2; 51 contra 53 na v4.3) e o Fable 5.1 caiu para o empate com o Astra — diferenças de dois pontos, dentro do ruído de um índice desse tipo. O que a figura mostra de verdade é a escala: o número absoluto de um modelo no índice depende da versão do índice tanto quanto do modelo. O código 1 faz a conta das quedas.

# Índice de Inteligência da Artificial Analysis: os mesmos modelos, duas réguas
v42 = {  # leitura de 4 de setembro (v4.2)
    "Claude Fable 5.1": 65.7, "Claude Opus 5": 63.0, "GPT-6 Astra": 61.2,
    "GPT-5.6 Sol": 58.9, "GLM-5.3-Flash": 57.5, "GPT-5.6 Terra": 55.0,
}
v43 = {  # artigo de 7 de setembro (v4.3)
    "Claude Fable 5.1": 53, "Claude Opus 5": 51, "GPT-6 Astra": 53,
    "GPT-5.6 Sol": 47, "GLM-5.3-Flash": 42, "GPT-5.6 Terra": 42,
}
abertos = {"GLM-5.3-Flash"}

print(f"{'modelo':18}{'v4.2':>6}{'v4.3':>6}{'queda':>7}")
for m in v42:
    print(f"{m:18}{v42[m]:>6.1f}{v43[m]:>6}{v42[m] - v43[m]:>7.1f}")

fechados = [v42[m] - v43[m] for m in v42 if m not in abertos]
print(f"\nqueda média dos fechados:     {sum(fechados) / len(fechados):.1f}")
print(f"queda do aberto (GLM-5.3-Flash): {v42['GLM-5.3-Flash'] - v43['GLM-5.3-Flash']:.1f}")
print(f"modelos com índice >= 55 na v4.3: {sum(v >= 55 for v in v43.values())}")

modelo              v4.2  v4.3  queda
Claude Fable 5.1    65.7    53   12.7
Claude Opus 5       63.0    51   12.0
GPT-6 Astra         61.2    53    8.2
GPT-5.6 Sol         58.9    47   11.9
GLM-5.3-Flash       57.5    42   15.5
GPT-5.6 Terra       55.0    42   13.0

queda média dos fechados:     11.6
queda do aberto (GLM-5.3-Flash): 15.5
modelos com índice >= 55 na v4.3: 0

Os fechados caíram 11,6 pontos em média; o único aberto da amostra, o GLM-5.3-Flash, caiu 15,5. Um modelo só não sustenta conclusão nenhuma, mas a direção é a que se esperaria de um índice que dá mais peso ao que ninguém viu antes: um teste privado está menos exposto a contaminação, e quem teria se beneficiado de dados de teste vazados perde mais quando eles pesam menos. É uma hipótese, e a próxima versão do índice vai testá-la sozinha.

O corte que o painel usava

A última linha da saída é a que nos obriga a corrigir o painel. O indicador “preço do aberto permissivo” lia o menor preço entre os modelos MIT ou Apache 2.0 com índice ≥ 55. Na v4.3, nenhum modelo, aberto ou fechado, chega a 55. Em vez de baixar o corte para onde os números caíram — e baixar de novo na próxima versão —, o indicador passa a seguir o aberto permissivo mais bem colocado no índice, seja qual for a nota. Hoje é o próprio GLM-5.3-Flash, com índice 42, a US$ 0,50 por milhão de tokens de saída. O valor não mudou; o método, sim. A série recomeça nesta edição, e o painel diz isso ao lado do número.

No lançamento do GPT-6 Astra, a OpenAI publicou uma tabela com o próprio modelo e os concorrentes no Terminal-Bench 4.0: 57,9% para o Astra, 55,8% para o Claude Fable 5.1, 44,5% para o Claude Opus 5 e 37,3% para o GPT-5.6 Sol.⁸ Foi esse o número que o nº 1 usou. No mesmo 7 de setembro em que fechamos aquela edição, a Artificial Analysis publicou a sua medição, com protocolo declarado: as 66 tarefas, três rodadas, média de pass@1.⁶ A figura 3 põe as duas lado a lado.

Nenhuma das diferenças é escândalo: com 66 tarefas, cada uma vale 1,5 ponto, e três delas cobrem a maior distância da figura. O ponto é outro. Uma tabela de lançamento junta números de origens diferentes sem dizer qual é qual: a da OpenAI deu ao Fable 5.1 quase quatro pontos a mais e ao Opus 5 quatro e meio a menos do que a medição independente, e não informa quem rodou essas linhas, nem como. A ordem entre os quatro não mudou; a distância entre eles, sim.

Há uma terceira fonte, que o nº 1 também não leu: o placar oficial, no site do Terminal-Bench, onde cada laboratório submete o próprio agente — Codex, Claude Code — com cinco rodadas por tarefa. Lá, o Fable 5.1 no esforço máximo aparece com 57,9% desde 3 de setembro; o Astra, com 58,2%, numa linha criada no mesmo dia e atualizada em 10 de setembro; o Opus 5, com 51,8%.¹⁶ São números dos próprios laboratórios, mas num protocolo comum e com intervalo de confiança publicado — perto de três pontos para cada lado, o que cobre quase todas as diferenças da figura 3.

Três bugs de vantagem

No SWE-bench Science — os 119 bugs reais de software científico que o nº 1 apresentou —, o GPT-6 Astra entrou no placar em 10 de setembro com 50,42%, rodando no Codex com esforço máximo. O líder anterior, o Claude Opus 5, tinha 47,90%.⁹ Em tarefas: 60 contra 57. Pela conta de ruído que fizemos no nº 1, cujo intervalo de confiança tem quase dezoito pontos de largura nessa faixa, três tarefas não separam dois modelos. O placar tem novo primeiro colocado; a medida não tem novo campeão.

A lição das duas medidas é a mesma do movimento anterior, por outro caminho: um número de benchmark só se compara com outro medido pelo mesmo grupo, com o mesmo harness, na mesma versão. Por isso o painel diz, ao lado de cada leitura, quem mediu. Nesta edição o teto do Terminal-Bench 4.0 passa a 59,1%, independente, e o do SWE-bench Science, a 50,42%.

Em 19 de agosto, o Diário Oficial publicou a Chamada CNPq nº 29/2026, a RHAE IA — Pesquisador na Empresa. São R$ 50 milhões do FNDCT para bolsas que levam mestres e doutores a projetos de pesquisa em micro e pequenas empresas e startups de inteligência artificial, até R$ 300 mil por proposta. O objeto declara o Plano Brasileiro de IA (Eixo 4, IA para inovação empresarial) e a Nova Indústria Brasil; ao menos 30% do dinheiro vai para empresas do Norte, do Nordeste e do Centro-Oeste. As propostas fecharam em 9 de outubro; o resultado final está previsto para dezembro.¹¹

No dia seguinte, 20 de agosto, a FACC publicou a Seleção nº 27/2026, o supercomputador de IA de Macaíba para o LNCC: R$ 959.040.959,04.¹² Foi esse o número que o nº 1 leu como “PBIA licitado”. A chamada do CNPq, publicada um dia antes e com o mesmo plano no objeto, ficou de fora. O código 2 refaz a soma.

# PBIA: o que já virou edital com valor fixo e prazo, em R$
editais = [
    ("2026-08-19", 50_000_000.00, "RHAE IA, CNPq/FNDCT, Chamada 29/2026"),
    ("2026-08-20", 959_040_959.04, "Supercomputador de IA, FACC/LNCC, Seleção 27/2026"),
]
total = sum(valor for _, valor, _ in editais)
for data, valor, nome in editais:
    print(f"{data}  R$ {valor / 1e6:>9,.2f} mi  {nome}")
print(f"{'total':10}  R$ {total / 1e6:>9,.2f} mi")
print(f"fração dos R$ 23 bi anunciados para 2024-2028: {total / 23e9:.1%}")

2026-08-19  R$     50.00 mi  RHAE IA, CNPq/FNDCT, Chamada 29/2026
2026-08-20  R$    959.04 mi  Supercomputador de IA, FACC/LNCC, Seleção 27/2026
total       R$  1,009.04 mi
fração dos R$ 23 bi anunciados para 2024-2028: 4.4%

R$ 1,009 bilhão, 4,4% dos R$ 23 bilhões anunciados para 2024–2028. A tabela 3 mostra o que entra na conta e o que não entra. O fundo de investimento em IA do BNDES e da Finep fica de fora pela regra do indicador, mesmo tendo andado nesta semana: em 14 de setembro, os dois escolheram a Monashees como gestora, entre 17 propostas.¹⁵ O fundo deve mobilizar até R$ 500 milhões, mas o compromisso público é um teto — até R$ 125 milhões da BNDESPar e até R$ 80 milhões do FNDCT/Finep —, e o dinheiro só existe quando o fundo é montado.

Corrigimos a leitura do nº 1 de R$ 959 milhões para R$ 1,009 bilhão, e o painel mostra a correção ao lado do número. Ela está também no registro de correções do Método. O erro foi de busca, não de regra: a chamada estava no site do CNPq, publicada antes do fechamento daquela edição, e não a encontramos.

No Congresso, nada. O PL 2338/2023 segue na Câmara “aguardando parecer” do relator, o deputado Aguinaldo Ribeiro (PP-PB), designado em maio de 2025. As últimas movimentações foram em 1º e 2 de setembro, duas apensações — entre elas a do PL 3060/2026.¹³ Na semana de 8 a 14 de setembro, a ficha não registrou movimento.