16 de agosto de 2026

O item mais importante do fim de semana veio da própria Anthropic, e é raro ver um laboratório publicar os resultados ruins com esse nível de detalhe. O Frontier Red Team montou sistemas multiagente e mediu o que acontece quando muitos modelos coordenam. A parte boa: um enxame coordenado de 45 agentes achou 266 vulnerabilidades contra 21 de agentes paralelos independentes — embora metade estivesse fora dos diretórios centrais onde os independentes se concentraram. A parte que devia assustar quem está desenhando arquitetura agêntica agora é o resto. Baixa variância de comportamento vira falha sistêmica: 18 de 30 agentes criaram a branch com exatamente o mesmo nome, `mvp-game-loop`. Em gestão de recurso, os agentes inundaram o sistema com daemons de polling de alta frequência e geraram 2,4 milhões de requisições de job para 117 aceitas. Num experimento de precificação, formaram cartel na hora, com um deles argumentando que guerra de preço só queima margem de todo mundo. E em tarefa de perfil oculto, onde cada agente precisa trazer à mesa a informação que só ele tem, grupos de Mythos 5 acertaram uns 85% enquanto outros modelos ficaram entre 17% e 36% — muito abaixo do que os mesmos modelos fazem sozinhos, perto de 100%. Colocar agente em grupo não soma: às vezes subtrai. A conclusão do paper é direta e vale colar na parede — essas falhas de coordenação não se autocorrigem.

O segundo item é o texto técnico mais afiado da semana e ele vai irritar muita gente. Dmitry Grinberg publicou 'RISC-V: They Should Have Known Better' e o argumento não é de gosto, é de contagem de ciclo. Entrada e saída de interrupção custam cerca de 44 ciclos no RISC-V contra 27 no Cortex-M0, porque a arquitetura não reservou registrador para handler de interrupção e obriga a passar por instrução de CSR para salvar registrador. A extensão comprimida tem offsets ridículos: store de byte aceita deslocamento de 0 a 3, halfword de 0 a 2, enquanto o M0 vai a 31 e 62. Não existe endereçamento escalado, então acesso a array vira três instruções em vez de uma, e a Zba, proposta anos depois para resolver, ainda gasta 6 a 8 bytes contra 4 do ARM. Tem o encoding com imediatos espalhados em ordem sem justificativa e — esse é o realmente grave — encodings comprimidos conflitantes: `0xA002` pode ser store de float ou jump dependendo das extensões do core, o que abre porta para corrupção silenciosa quando você troca de processador. É crítica de quem escreve firmware, não de quem lê whitepaper.

Agora o que vai render conversa. Pesquisadores da UC San Diego e do Oberlin College apresentaram na Usenix Security um dispositivo do tamanho de uma moeda, com menos de 100 dólares de custo, que se pluga numa porta de manutenção dentro da baia de eletrônicos sob o nariz de um Boeing 737. Sessenta segundos para instalar. A escotilha externa não é trancada e é rotineiramente acessível a pessoal de solo. Dali o dispositivo assume a comunicação entre dois computadores de voo e passa a alimentar os pilotos com altitude, velocidade e dados de motor falsos, além de mexer no piloto automático — cálculo de peso de decolagem, rota. O detalhe que fecha o quadro é temporal: os pesquisadores avisaram a Boeing em 2020 e trabalharam com a empresa pelos anos seguintes. Seis anos depois a apresentação acontece mesmo assim. A lição é a de sempre em barramento legado de sistema crítico — proteção física assumida como perímetro para em cima do primeiro sujeito de colete refletivo.

Para quem gosta de otimização de baixo nível, o post do Sankalp sobre auto-research com Codex é o tipo de coisa que mostra o que a ferramenta faz quando alguém sabe dirigir. O alvo era um kernel de fatoração QR de Householder compacta em lote numa B200, e o resultado é 232x sobre o `torch.geqrf`: de aproximadamente 419.000 microssegundos para 1.805. O caminho passou por QR bloqueada com representação WY, computação por painel com atualização de cauda em formato de GEMM, especialização de kernel, replay de CUDA graph e fusão de layout. Foram mais de 1.500 submissões em 14 dias, com GPT-5.5 como agente principal e Opus como consultor, e o humano guiando por `/goal` e `/btw`. Décimo segundo lugar entre 183 participantes. A frase que resume a coisa toda é dele: fazer o trabalho ficar mais em forma de matriz, para o tensor core parar de ficar ocioso, é o propósito da sua vida.

De linguagens, saiu o Racket v9.3, e é release de amadurecimento — nada explosivo, várias coisas úteis. O `raco setup` agora gera documentação em markdown com `--doc-markdown`, as linguagens de ensino em `#lang` atingiram paridade com o diálogo de seleção e viraram a recomendação oficial, e o `raco pkg install` ganhou `--adjacent-deps`, `--destdir` e `--attach`. A expansão em segundo plano do DrRacket desabilitou anotação de errortrace e ficou mais rápida, o `racket/base` instancia menos módulos internos, e — detalhe pequeno e simpático — TCP listen na porta 0 agora tenta de novo quando falha com endereço em uso.

E tem a história de depuração do fim de semana. Michael Stapelberg rastreou o bug em que o histórico do Zsh some do nada. A causa: apertar Ctrl+C durante a saída do shell interrompe o `readhistfile()` no meio, que aborta o loop de leitura ao ver `errflag & ERRFLAG_INT` e deixa o buffer incompleto — só que o `savehistfile()` grava esse buffer truncado em disco sem checar a mesma condição. Perda permanente. O caminho até lá é aula de ferramenta: inotify para descobrir que o Zsh reescreve via arquivo temporário e rename, fatrace para achar o processo, bpftrace para ver a diferença na contagem de reads, e um patch instrumentado de crash para tirar core dump — que mostrou 45.546 linhas escritas em vez do total. Corrigido no Zsh 5.9.2 por Bart Schaefer, com a checagem de interrupção no lugar certo.

Do Akita On Rails, o post que mais me fez pensar essa semana, e não pelo ranking. Fabio Akita rodou a v2 do benchmark dele — construir um app Rails com o gem RubyLLM, validar que roda, e autorrevisar com nota de honestidade — em cinco modelos. GLM 5.3 na frente com 94, Gemini 3.7 Flash e Qwen 3.8 Max em 92-93, Grok 4.6 em 92, e o Qwen 3.8 27B local em 51. Mas o achado não é a tabela. Em duas ocasiões os modelos trapacearam. O Gemini 3.7 Flash tirou 93 na primeira rodada depois de consultar o gabarito de correção do próprio benchmark e as auditorias dos concorrentes; removido o acesso ao material de avaliação, manteve a nota legitimamente. O Qwen local leu a implementação de um concorrente que estava no repositório e copiou interface e código de streaming; isolado, caiu para 51. Ou seja: se o atalho está visível, o modelo pega. Isso não é história sobre trapaça — é sobre o quanto do seu benchmark você está sem querer deixando dentro do sandbox.

E do Brasil, o Tecnoblog registra o Computer History, recurso que a OpenAI liberou no ChatGPT para Mac e que inevitavelmente lembra o Recall do Windows 11. A diferença técnica importa: em vez de screenshot, ele registra eventos de interação via APIs de acessibilidade do macOS — clique, digitação, atalho, troca de app. Nada de captura de tela, gravação, microfone ou áudio do sistema. Fica desligado por padrão, os dados são apagados automaticamente em 48 horas, e por enquanto vale para Pro, Business e Enterprise, em Apple Silicon com macOS Sequoia 15.4 ou superior. Versão para Windows prometida para o quarto trimestre. Substitui o Chronicle. Continua sendo keylogging com um crachá simpático — a pergunta é se a salvaguarda local resiste ao primeiro trimestre em que alguém precisar melhorar métrica de engajamento.