O que surgiu em 2026

Pense num agente, uma inteligência artificial que lê os seus e-mails e marca as suas reuniões. Dentro dele há um modelo de IA, o programa que escreve as respostas num chat como o ChatGPT.

Quem monta o agente decide três coisas. O que o modelo lê de cada vez, o que vai em volta dele e como conferir se ele acertou. Cada decisão ganhou nomes, os andares do desenho. A primeira se chama engenharia de contexto.1

A segunda decisão é o que vai em volta do modelo. O modelo só escreve. Quem abre o e-mail é um programa em volta, o arnês, como as correias de um cavalo. Engenharia de arnês harness é montar esse programa.

A engenharia de ambiente cuida de onde o arnês mexe, o e-mail e a agenda. A de grafo, da ordem das etapas: ler, olhar a agenda, marcar. Engenharia, aqui, é só uma parte do trabalho de quem monta o agente.12

A terceira decisão é conferir. A engenharia de avaliação cria a medida: a reunião marcada era a certa? A de laço põe um programa para pedir e conferir por você, toda manhã. Um sétimo nome, engenharia agêntica, trata de outra coisa, de programar com a ajuda de agentes.

Cada nome aponta um problema de quem monta, e não um pedaço do agente. Por isso se misturam. O arquivo de regras que o agente lê ao começar cabe em quatro deles.12

Em uso corrente Quem monta agentes já usa esses nomes no dia a dia. A gente leu 316 boletins de notícias de IA. A engenharia de contexto aparece em 51, um em cada seis. Isso mede quanto se falou. Quanto se usa é outra conta.3

Imagine um agente, a inteligência artificial que marca reuniões por você. Tudo o que ele lê e escreve vai para um texto só, a janela.

Na segunda, ele escreveu ali o plano da semana. Reuniões só de manhã, porque à tarde você dá aula. Na terça, as aulas passam para a manhã. Você avisa. Mas o plano antigo, em vermelho, continua na janela. A cada passo, o agente relê a janela, acha o plano e segue marcando de manhã.

O plano de segunda está escrito com toda a firmeza, no começo da janela. O aviso de terça é uma linha no meio da conversa. O agente relê as duas coisas e segue o plano.

Outras pessoas já tinham visto isso. Drew Breunig, que escreve sobre agentes, juntou relatos de quatro equipes e deu nome ao efeito, inércia de contexto context inertia. O agente continua no rumo que já está escrito.4

O efeito aparece quando o agente trabalha muito tempo seguido, como o seu, que cuida da semana inteira. A Anthropic, uma empresa que faz modelos de IA, montou uma saída. A cada hora e meia, o agente escreve uma nota curta do que fez. Depois recomeça com a janela vazia.

O trabalho feito fica fora da janela, nas reuniões marcadas e na agenda com as aulas novas. A conversa some, e o plano de segunda vai junto.4

Ninguém publicou ainda uma medida desse efeito. Já se viu que ele acontece, mas não quanto.

E a saída tem um preço. Limpar a janela é esquecer de propósito, até o que ainda servia. E a nota é escrita pelo próprio agente, que pode pôr nela o plano velho de novo.

Em uso inicial Agentes que trabalham por horas já esvaziam a janela e guardam uma nota, ainda em poucos produtos. O nome do efeito é de outubro de 2026. Dos 316 boletins de notícias de IA que a gente leu, só um o registrou.3

Um agente, a IA que marca reuniões por você, junta o que lê num texto só. Esse texto se chama janela: o agente só vê o que cabe nela.

Hoje, quando a janela enche, o próprio agente resume o que veio antes e segue só com o resumo. O limite pode cair no meio de qualquer coisa. No desenho, corta ao meio o e-mail em que o Gustavo, um colega, cancela a reunião de quinta. O cancelamento some.5

Dentro do agente, quem escreve o resumo é um modelo de IA. Em 2026, pesquisadores passaram a treinar o modelo para escolher a hora certa. Na segunda faixa do desenho, o resumo espera o fim de uma tarefa, com o e-mail lido inteiro.

Num teste com problemas reais de programação, o agente treinado resolveu uns nove problemas a mais em cada cem. A comparação é com o mesmo agente sem o treino. Com e-mails, ninguém mediu ainda.56

Só que o resumo é escrito pelo próprio modelo. E ele pode pôr ali uma ordem que ninguém deu. Num treino da OpenAI, a empresa do ChatGPT, um modelo fez isso em 27 resumos. Uma das ordens era “não cite fontes”. Aconteceu quando ele tinha dificuldade para terminar o resumo.

A empresa diz que é raríssimo, mas não publicou o total de resumos. Num dos casos, o modelo retomou o trabalho pelo resumo, seguiu a ordem e errou a tarefa.7

No laboratório Cada parte fecha com um selo assim. “Em uso corrente” é o que está no dia a dia. “Em uso inicial” já aparece em alguns produtos. “No laboratório” está só em artigos de pesquisa. É o caso de resumir na hora certa, em artigos de junho a outubro de 2026. O resumo em geral vem de antes. Nos boletins de notícias de IA que a gente leu, ele aparece desde maio, em um de cada doze.3

Um agente, a IA que faz tarefas por você, usa um modelo de IA, o programa que escreve as respostas. A cada passo, o agente manda à empresa do modelo a conversa inteira, a janela.

O modelo lê esse texto e anota uma ficha por palavra, como fichas de leitura. Para escrever, consulta as fichas. A empresa guarda a pilha. Se o começo vier igual, cobra uma fração por ele. Um resumo troca o começo, e o desconto some.8

Na segunda, o agente pediu à agenda os horários livres. A lista entrou no texto, e o modelo anotou as fichas dela. Na terça, a lista já foi usada e só ocupa espaço.

Em 2026 surgiu um jeito de tirá-la sem resumir. O agente pede à empresa que tire da pilha só as fichas da lista. O texto não muda, nem o começo. Então o desconto continua. E a lista some do que o modelo consulta para escrever.8

Num estudo de outubro, saíram da pilha as respostas antigas das ferramentas. A lista é uma delas. São o que a caixa de e-mail e a agenda devolveram e o agente já usou.

Comparado a resumir quando a janela enche, isso custou pouco mais de um quarto a menos. E a nota média subiu 1,7 ponto, numa escala que vai até 100. Parece pouco, mas poupar não custou acerto.8

E se a lista fosse apagada do texto, em vez de sair da pilha? Cada ficha foi anotada levando em conta tudo o que veio antes. É como num extrato. Tire uma compra do meio, e os saldos seguintes mudam.

Por isso, as fichas de depois da lista são refeitas, a preço cheio. Um estudo testou 42 jeitos de apagar trechos. Com o desconto, nenhum saiu mais barato que deixar o texto como estava.9

Em uso inicial Equipes que montam agentes já desenham o trabalho de olho nesse desconto. Os dois estudos são de outubro de 2026. A gente leu 316 boletins de notícias de IA, e a ideia está em sete, desde junho.3

Pense numa biblioteca bem arrumada. Quem chega com uma pergunta vai direto à estante certa. Um agente bibliotecário faz isso com documentos, como os seus e-mails. Agente é uma inteligência artificial que faz tarefas por você.

O bibliotecário lê tudo antes e põe em pastas, uma para cada pergunta provável. Depois, outro agente responde usando as pastas. Arrumar dá trabalho, mas é feito uma vez só e serve às perguntas seguintes.10

As respostas também melhoram. O bibliotecário foi treinado para prever as perguntas. Num teste de busca em documentos, ele acertou 33 perguntas a mais em cada 100. A comparação é com os melhores jeitos de buscar.

Noutro teste, com assuntos que ele nunca tinha visto, o ganho foi parecido. Então ele arruma bem até material novo. Mas foram perguntas de prova, feitas para o teste.10

Por enquanto, é um artigo só. Mas ele inverte a ordem de sempre. Escolher o que o agente vai ler passa a ser trabalho de antes da pergunta.

E há um parente mais simples, que já se usa. Em vez de pastas, a IA escreve páginas sobre o que leu, como a folha do desenho.

No laboratório Por enquanto, só em artigos de pesquisa. O artigo é de outubro de 2026. Dos 316 boletins de notícias de IA que a gente leu, só um o citou.3

Um agente que cuida dos seus e-mails já leu muita coisa neles. Quem é quem, que projeto anda, o que ficou combinado. Agente é uma inteligência artificial que faz tarefas por você.

Em vez de reler tudo a cada pedido, ele lê uma vez e escreve páginas. Uma por pessoa, por projeto e por assunto, ligadas entre si como na Wikipédia. Isso se chama wiki. Quando chega e-mail novo, ele reescreve só as páginas que mudam, as duas do desenho.11

De onde veioAndrej Karpathy, pesquisador de IA que ajudou a fundar a OpenAI, propôs a ideia em 2026, com o nome de LLM Wiki.11

Cada pergunta passa a pedir menos leitura. O desenho usa seis e-mails e cinco perguntas de exemplo. Sem as páginas, cada pergunta volta aos seis e-mails. São 30 leituras de e-mail.

Com as páginas, cada e-mail é lido uma vez só, seis leituras. Depois, cada pergunta lê só uma página. A conta é só deste exemplo.11

Mas a página só é tão certa quanto o que a IA escreveu nela. Um erro escrito ali volta em toda pergunta que passa pela página.

A vantagem é que a página é texto. Você pode abrir a página do Gustavo, um colega, riscar a linha errada e corrigir. Com os números de que um modelo de IA é feito, isso não se faz.

Em uso inicial Ferramentas e equipes adotaram a ideia em 2026, sem muito barulho. Dos 316 boletins de notícias de IA que a gente leu, nove a citam, desde maio.3

Na reunião de terça, você fotografou o quadro. Semanas depois, você escreve “o quadro com o cronograma”. O agente, a IA que cuida das suas coisas, acha a foto.

Para isso, um modelo de IA transforma cada palavra ou frase num ponto de um mapa. As de sentido parecido ficam perto, como as palavras do desenho. Modelos lançados em 2026 põem no mesmo mapa texto, código de programa, imagem, som e vídeo. A foto e a frase caem perto.12

Os pontos desse mapa se chamam embeddings. Quando o mapa junta texto, imagem e som, são embeddings multimodais multimodal embeddings. O Google, a empresa do buscador, lançou um modelo que faz isso e cabe num celular, como o do desenho.

Ele tem 740 milhões de números, pouco mais que um modelo pequeno, desses que rodam num computador comum. Mas cair perto não garante acerto. A foto de outro quadro parecido também cai perto da frase.12

De onde veioo modelo é o EmbeddingGemma 2, do Google, de outubro de 2026. Os números de que um modelo é feito se chamam pesos. O modelo pequeno da comparação é o que a gente testou neste site, o Qwen3-0.6B, com os 0,6 bilhão de pesos, ou 600 milhões.12

Em uso inicial São modelos abertos, que qualquer pessoa pode baixar, lançados em 2026. A gente leu 316 boletins de notícias de IA, e a ideia está em seis, desde maio.3

Um modelo de IA, o programa que escreve as respostas, é um arquivo feito de números. A gente perguntou a um modelo pequeno, que cabe num computador comum, o que é um farol. Ele respondeu “uma mação de madeira”. E “mação” nem existe.

Num agente, a IA que faz tarefas por você, o modelo tem ajuda. Um programa em volta, o arnês, leva ao modelo ferramentas, anotações e arquivos. Boa parte do que parece inteligência vem daí.13

Um modelo grande pode passar a experiência a um pequeno. E sem mexer nos números de que o pequeno é feito. O grande resolve tarefas e anota o jeito de fazer cada tipo. Junta exemplos e os erros comuns. O pequeno recebe as anotações, o caderno do desenho.

Num estudo de agosto, os pequenos tinham uns dez vezes o tamanho do modelo que errou o farol. Com o caderno, fizeram 27 tarefas a mais em cada 100, dentro de aplicativos.14

Mas o que ajuda é o que o arnês leva, como o caderno. Num estudo de outubro, trocar só o arnês rendeu pouco.

O modelo sorteia cada palavra entre as mais prováveis. Por isso, repetir a tarefa muda 13 resultados em cada 100. Uns melhoram, outros pioram. Trocar de arnês mudou o mesmo tanto que repetir, nada além do sorteio. Já o custo mais que triplicou num deles. Se o caderno ajuda o modelo que errou o farol, ninguém mediu.15

Em uso inicial Em programas que ajudam a escrever código, um modelo pequeno já vasculha os arquivos para um grande. A gente leu 316 boletins de notícias de IA. A ideia de que a capacidade vem da ajuda em volta aparece em 15, desde maio.3

Um agente é uma IA que trabalha sozinha numa tarefa. Um instituto mede o alcance dos agentes com uma régua de horas. Cada tarefa vale o tempo que uma pessoa levaria.

Um agente que acerta metade das tarefas de duas horas tem horizonte de tarefa de duas horas. A régua vai até 16 horas. São horas de uma pessoa, não do agente. Em abril de 2026, o melhor agente medido passou dela. Mesmo assim, erra metade das tarefas desse tamanho.16

De onde veioo instituto é o METR. Em abril de 2026, o melhor agente medido chegou a 17,41 horas, acima do limite de 16.16

Em maio, o instituto escreveu que os agentes mais fortes quase esgotaram a régua. Faltam nela tarefas longas o bastante. Em setembro, avisou que a página com a medida não seria mais atualizada.

Isso não significa que os agentes façam tudo. Acabou essa régua, e não o jeito de medir.1617

Em uso corrente Medir o alcance pelo tamanho da tarefa é o jeito mais citado de acompanhar os agentes. O instituto aparece em 126 dos 316 boletins de notícias de IA que a gente leu. São quatro em cada dez, desde o primeiro. Em uso está o jeito de medir. A régua antiga parou.3

Um agente, a IA que marca suas reuniões, lê ao começar um arquivo com as regras da casa. Quando ele marca uma reunião cancelada, alguém acrescenta ali uma linha: “confira os cancelamentos antes de marcar”.

Há agentes que fazem isso sozinhos. Depois de cada tarefa, o agente olha o resultado e reescreve uma linha. Um teste decide se ela fica. Mudam as regras. O modelo de IA, o programa que escreve lá dentro, fica igual.18

De onde veioem 2003, o pesquisador de IA Jürgen Schmidhuber propôs uma máquina que só se reescreveria com prova matemática de que a mudança melhora. Em 2025, a prova deu lugar a testes: só fica o que passa neles.2221

A Anthropic, que faz modelos de IA, deu um problema a agentes que pesquisam sozinhos. Um modelo forte, o aluno, aprende com um mais fraco, o professor. Um dia, as pessoas serão esse professor de IAs mais fortes.

Numa nota de zero a cem, cem é aprender como se tivesse as respostas certas. Os agentes, em horas que somam mais de um mês, chegaram a 97. Dois pesquisadores, numa semana, a 23. Mas foi um problema só, escolhido por pessoas.19

Mas o resultado teve custo e limites. Rodar os agentes custou cerca de 18 mil dólares. Pessoas escolheram o problema e o jeito de dar a nota. E em modelos maiores não se repetiu tão bem.

Há outro risco. Quando o teste tem uma falha, o agente aprende a se aproveitar dela. A Anthropic achou tentativas de trapaça em uns dois de cada cem registros de agentes pesquisadores. São os pontos vermelhos.1920

No laboratório O agente que reescreve as próprias regras ainda é coisa de pesquisa. A versão à mão já se usa, quando alguém põe uma linha no arquivo a cada erro. Muita atenção para pouco uso. A ideia está em 38 dos 316 boletins de notícias de IA que a gente leu.3

O agente que marca suas reuniões é uma IA. Lá dentro, quem escreve as respostas é um modelo de IA, a caixa do desenho. Ele é feito de números que não mudam com o uso.

Um mês depois, as novidades sobre você estão em anotações que o próprio agente escreve, fora do modelo. Aprender com o uso sem estragar o que valia se chama aprendizado contínuo continual learning. Os estudos de 2026 tentam isso nas anotações. Ainda é coisa de laboratório.23

Fora do modelo volta um problema antigo, aprender o novo sem estragar o antigo. Imagine a semana de provas. Os pedidos são de alunos, e o agente troca a regra “reuniões de uma hora” por “de 15 minutos”.

Só que a regra valia também para as reuniões do projeto com o Gustavo, um colega. Elas caem para 15 minutos. Mexa no controle do desenho, chamado plasticidade. Quanto mais o agente muda com o novo, menos guarda do antigo.24

E as anotações crescem. Quanto mais lembranças guardadas, mais as velhas e as novas disputam a vez. Fica difícil achar a certa.

E mudar os números de dentro do modelo com o uso? Até 28 de outubro de 2026, nas fontes lidas para esta página, nenhum assistente vendido ao público anunciou isso.2325

No laboratório Guardar o que se aprende em páginas e arquivos já se usa. Aprender com o uso sem estragar o que valia ainda é coisa de laboratório. Os estudos são de abril a outubro de 2026. Dos 316 boletins de notícias de IA que a gente leu, só dois os citaram.3

Um modelo de IA é o programa que escreve as respostas. Ele trabalha com o texto que tem diante de si, a janela. É feito de números, e esses números não mudam com o uso.

O Google, a empresa do buscador, propôs mudar isso. De dia, o modelo trabalha. De noite, enquanto ninguém usa, passa para os números o que leu de dia. Para isso, ensaia com exercícios que ele mesmo cria, tentando não apagar o que já tinha.26

De onde veioo Google chamou a proposta de sono, sleep em inglês, porque lembra o que o sono faz com a memória das pessoas.26

Segundo o Google, o modelo guarda assim o conteúdo de umas dez janelas cheias dos maiores modelos de 2026. São os dez blocos que descem no desenho.

Para um agente, a IA que lê seus e-mails e marca reuniões, seriam anos de mensagens. Ficariam guardadas nos números do modelo, sem precisar reler.26

Mas guardar sem esquecer ainda é difícil. Num estudo de setembro, outro modelo também ensaiava com exercícios que ele criava. Aprendeu 100 tarefas de pergunta e resposta, uma depois da outra. No fim, ainda acertava uma em cada três e tinha esquecido quase dois terços.

Do jeito comum de ensinar um modelo pronto, acertava pouco mais de uma em cada cem. Se a ideia der certo, o que foi lido fica guardado.27

No laboratório Por enquanto, só em artigos de pesquisa. A proposta do Google saiu em 27 de outubro de 2026. Foi o último dia dos boletins de notícias de IA que a gente leu, e só esse boletim a citou.3

A página reúne doze ideias novas para os agentes, as IAs que fazem tarefas por você. Cada uma ganhou um selo, e o desenho junta todas em três faixas.

Duas já estão no dia a dia, e nenhuma é uma técnica. Uma é um conjunto de nomes, a outra é uma régua de medir. Cinco já estão em alguns produtos. Cinco estão só em artigos de pesquisa. É a leitura de 28 de outubro de 2026, e muda em meses.

Mas ser notícia não é ser usado. A gente contou cada ideia em 316 boletins de notícias de IA. O agente que reescreve as próprias regras, ainda de laboratório, aparece em 38. As páginas que a IA escreve, que já se usam, aparecem em nove.

As pilhas do desenho medem barulho. O que já roda em produto às vezes faz pouco barulho.3

Ficaram de fora quatro termos muito citados sem nada novo por trás. Um deles é medir o trabalho de alguém pela quantidade de texto que a IA lê e escreve.

E o agente que marca reuniões? Com o que já se usa, ele pode gastar menos e consultar páginas. Para largar o plano velho, pode recomeçar com a janela vazia, mas esquece também o que servia. Resumir na hora certa e aprender sem esquecer ainda são de laboratório.28