---
title: "FABIO AKITA - Flow #588"
author: "Fabio Akita · Flow Podcast #588"
description: "Da última vez eu vim explicar teoria. Como funciona a LLM, por que aquele medo de Skynet, AGI e toda a baboseira não fazia sentido, para onde as coisas poderiam estar indo. Só que no último ano teve..."
source: "https://adhenawer.net/posts/pt_br/fabio-akita-flow-588.html"
lang: pt-BR
---

TL;DR · principais pontos

1. Da última vez eu vim explicar teoria.
 2. Dessa vez eu voltei porque tem coisa para mostrar.

## POR QUE EU VOLTEI AO FLOW [0:03](https://www.youtube.com/watch?v=4c7pbOxYn_A&t=3)

Da última vez eu vim explicar teoria. Como funciona a LLM, por que aquele medo de Skynet, AGI e toda a baboseira não fazia sentido, para onde as coisas poderiam estar indo. Só que no último ano teve vários convites de podcast para falar de IA e eu não aceitei, porque não tinha nada de relevante para falar. Não queria ficar repetindo o mesmo.

Dessa vez eu voltei porque tem coisa para mostrar. É como se eu tivesse escalado o Everest, voltado, e agora consigo descrever o caminho. Estou me sentindo tipo a Mircleink atravessando o Atlântico.

## 500 HORAS EM DOIS MESES [1:26](https://www.youtube.com/watch?v=4c7pbOxYn_A&t=86)

Foram 16 horas por dia, sete dias por semana, mais de dois meses. Mais de 500 horas experimentando todas as IAs. Eu fiz benchmarks, escrevi no blog do Akita Chronicles quase 50 posts só neste ano, e estamos em abril ainda. Dá para sentir o tamanho.

Almocei e jantei na frente do computador. Eu tenho hiperfoco nível autista um: se não há obstáculo, eu vou. O problema de projeto de software é que, por melhor que eu seja, nunca sou bom em tudo. Odeio fazer HTML, odeio fazer tela. Sei, mas odeio. Sempre que eu ia fazer um projeto e caía num pedaço desses, eu travava e ia jogar Hearthstone. Dessa vez acabaram os obstáculos. E eu não parava.

## O PONTO DE VIRADA DE NOVEMBRO DE 2025 [3:06](https://www.youtube.com/watch?v=4c7pbOxYn_A&t=186)

De 2022 a 2024 foi a guerra de parâmetros. GPT lançava com um bilhão, Meta lançava Llama com um bilhão e meio, dez bilhões, cinquenta bilhões, um trilhão. Mas é uma curva em S: a partir de 2023 para 2024, você aumentava 10 vezes os parâmetros e só melhorava duas vezes a inteligência. Dez vezes mais energia, dez vezes mais máquina, para ganhar duas vezes de qualidade. Economicamente inviável.

Em 2024 parou. Abriu a competição: OpenAI, Anthropic, chineses (Alibaba, Tencent), Google finalmente entrou no jogo. No final de novembro saíram os lançamentos que me interessam: Opus 4.5, GPT 5.1, e as ferramentas que a gente chama de harness, que são o Cloud Code e o Codex. Durante dezembro, os desenvolvedores na fronteira começaram a descobrir coisas muito diferentes. Quando voltei em janeiro das férias, olhei os desenvolvedores que acompanho e falei “caralho, o que mudou?”. Tinha mudado tudo. Eu tinha cancelado minha conta do Claude em 2025 porque não era tudo aquilo. Reassinei, e aqui estamos.

## HIPERFOCO SEM OBSTÁCULOS [4:49](https://www.youtube.com/watch?v=4c7pbOxYn_A&t=289)

Comecei a testar fim de janeiro, quando fui ver estava em abril. Almoçando, jantando, 16 horas por dia. Dessa vez eu também me impus outra regra: nada de futurologia. Das outras vezes, eu ia para podcasts falar “vai dar para fazer, vai dar para fazer”, fiz livro, fiz palestra, mas cadê o resultado? Ninguém mostrava resultado.

Para quebrar isso, praticamente tudo que eu fiz eu abri open source e documentei. No meu GitHub tem 16 projetos abertos, mais de 300 mil linhas de código. Equivalente a um projeto médio. Alguns já têm contribuidores, issues, estão na versão 0.1, 0.2, 0.3. Gente usando. A ideia toda é mostrar o que significa essa virada sem futurologia, o que de fato dá para fazer agora.

## LOCAL OU NUVEM? O LLM CODING BENCHMARK [6:11](https://www.youtube.com/watch?v=4c7pbOxYn_A&t=371)

Primeira pergunta clássica: rodar LLM local ou na nuvem? Você vai ver 500 milhões de opiniões por aí. Resolvi fazer um teste de verdade. Tem um projeto no meu GitHub chamado LLM Coding Benchmark.

Eu não gosto dos benchmarks oficiais. A maioria são pequenos trechos de código muito simples, o que a gente chama de LeetCode: “como ordena uma lista”, “como muda essa cor para aquela”. Não é projeto. Então automatizei o Open Code, que é a versão open source de Codex e Cloud Code, e rodei bateria de testes em mais de 33 modelos. Open source local na minha máquina, e as versões comerciais desses mesmos modelos na nuvem via OpenRouter. O OpenRouter é uma API única onde você paga uma vez e acessa Claude, GLM, Minimax, Kimi, DeepSeek, o que quiser.

Pedi para cada modelo fazer um mini chat web tipo ChatGPT que se conecta ao OpenRouter. É nível Hello World, entrevista de emprego de programador júnior, um ou dois dias no máximo. Dois prompts: um para gerar a primeira versão, outro para fechar o projeto. Dá para rodar em todos.

## O HARDWARE: RTX 5090 E MINI PC AMD RYZEN AI MAX [9:00](https://www.youtube.com/watch?v=4c7pbOxYn_A&t=540)

Para rodar tudo localmente, eu uso uma RTX 5090 da Nvidia, a melhor placa do mercado. O problema: 32 GB de VRAM só. Não rodam modelos acima de 30 bilhões de parâmetros. Para os maiores comprei um mini PC com AMD Ryzen AI Max, 128 GB de RAM, dos quais 96 GB posso dedicar à GPU integrada. Dá para rodar Qwen 3 de 122 bilhões de parâmetros.

Se você tenta rodar um modelo grande numa máquina que não aguenta, ele vira carroça. A GPU consome toda a VRAM, começa a usar a RAM da CPU, fica transferindo camadas entre RAM e VRAM usando a CPU no meio do caminho. Lento. É um swap, igual swap de disco quando você não tem RAM. Sem mágica.

## SAM ALTMAN ENCOMENDANDO TODA A RAM DO MUNDO [10:46](https://www.youtube.com/watch?v=4c7pbOxYn_A&t=646)

Memória ficou cara à beça, e não é só especulação normal. Foi o desgraçado do Sam Altman. Ele encomendou, antes da fabricação, todo o estoque de RAM que ia sair mais o que seria fabricado. Na cabeça megalomaníaca dele, ia precisar de tudo. Teve também os scalpers chineses segurando estoque em armazéns para especular. Cada tweet que Altman ou Amodei solta move o mercado.

Altman é um mafioso. Todo mundo sabe que é. Ele acha que é o Michael Corleone, mas na real é o Fredo. Dario Amodei por outro lado tem God Complex. Acha que é a voz certa da humanidade e que está lá para salvar o mundo. Ironicamente, os dois melhores modelos do mercado hoje são o Opus 4.6 e o GPT 5.4 High, dos dois desgraçados.

## OS DOIS MELHORES: OPUS 4.6 E GPT 5.4 HIGH [12:09](https://www.youtube.com/watch?v=4c7pbOxYn_A&t=729)

Opus 4.6 e GPT 5.4 High são objetivamente melhores. Logo vai sair o Mitos. Dos modelos não americanos, o máximo que você tem é o GLM 5.1 da Z.AI, chinês. Ainda está mais próximo do Sonnet 4.5/4.6 do que do Opus, mas já é usável hoje.

Os outros modelos são bullshit, e aqui eu explico: não “inusáveis”, só que uma camada abaixo. Dá para programar, só que a exigência em cima de você programador fica maior. Tem o GLM, depois Kimi, Minimax. Nos open source que rodam na sua máquina, a única que vale é o Qwen 3.5 de 35 bilhões, da Alibaba. É o mais rápido e o que melhor gera código. Ainda assim, no meu ranking, fica lá embaixo. Podendo pagar, eu prefiro Opus do que rodar Qwen local.

## POR QUE OPUS É MELHOR: A CURVA EM S [14:30](https://www.youtube.com/watch?v=4c7pbOxYn_A&t=870)

O que faz Opus ser Opus? Durante 2022-2024 foi a corrida de parâmetros, a guerra dos parâmetros. Chegamos a 1 trilhão. Só que 10 vezes mais parâmetro não vira 10 vezes mais inteligência. É a tal da curva em S. A partir de 2024, o ganho marginal virou inviável: gastar 10 vezes mais energia, 10 vezes mais máquina, para ganhar duas vezes de qualidade. Para ir de 1 trilhão a 2 trilhões, nem energia no planeta tem.

Então o jogo mudou. Pararam de subir parâmetro e começaram a otimizar as técnicas por cima do mesmo modelo.

## O NASCIMENTO DO THINKING [16:32](https://www.youtube.com/watch?v=4c7pbOxYn_A&t=992)

Em 2024 a OpenAI lançou o O1, o modelo omni. A grande sacada dele foi o thinking. Uma LLM gera texto calculando a tensão em cima do seu contexto para gerar o próximo token, e repetindo a conta. Antes do thinking, ele gerava resposta direto, e as respostas eram burras.

Com thinking, ele é treinado para, antes de responder, gerar novas perguntas para si mesmo. Fica se retroalimentando. Aquele momento em que o chat mostra “Thinking...” é ele gerando perguntas e devolvendo para ele mesmo, camada após camada de resposta. Deep thinking ou high thinking é quantas camadas profundas ele pode ir. Por isso Opus é mais lento que Sonnet: pensa mais fundo. E por isso gasta mais token.

## MINI, HAIKU, SONNET, OPUS [17:35](https://www.youtube.com/watch?v=4c7pbOxYn_A&t=1055)

Os modelos mini ou rápidos têm pouco ou nenhum thinking. Os pesados têm muito. Na OpenAI, Mini é o rápido. Na Anthropic, Haiku. No meio, GPT normal e Sonnet. No topo, GPT 5.4 High, Opus, e agora o Mitos. Quanto mais deep thinking, mais token, mais custo, mais tempo de espera. É você que decide.

## GPT VS CLAUDE = PLAYSTATION VS XBOX [20:22](https://www.youtube.com/watch?v=4c7pbOxYn_A&t=1222)

Brinquei hoje que GPT versus Claude virou PlayStation versus Xbox, Sega versus Nintendo. Todo mundo escolheu time. Usei os dois por centenas de horas. Em abril de 2026 tenho preferido Opus, mas não quer dizer que não uso Codex. Às vezes Opus fica pensando demais, não resolve; mando para Codex e ele resolve. E o oposto também acontece. Muitas vezes Codex ficou uma manhã inteira preso, mandei para Opus e saiu.

Todo bom programador tem que ser promíscuo e desleal com toda tecnologia. Nunca fui outdoor de linguagem de programação. JavaScript, Python, Java — o que resolve o meu problema melhor naquele momento, é o que eu uso. LLM é a mesma coisa.

## O PROBLEMA NÃO É O MODELO, É O HARNESS [22:38](https://www.youtube.com/watch?v=4c7pbOxYn_A&t=1358)

Hoje conversei com o Mr. Kibs, um conhecido que foi para a OpenAI. Ele tentava me evangelizar no Codex. Eu disse: cara, por que o Codex não atende 100% do que o Cloud me faz? O problema não está no modelo, está no harness. Harness em português é rédea: a corda que se põe no cavalo para controlar. O modelo é um componente, o harness é a ferramenta que usa o modelo. Os dois trabalham juntos.

O Cloud Code neste momento tem melhor harness do que o Codex. Se o Codex implementar a mesma estratégia usando o mesmo GPT, provavelmente vai ter respostas iguais ou melhores. Por isso eu não me dou ao trabalho de escrever livro sobre isso: hoje tem uma versão, amanhã pode sair o Codex novo e mudar o jogo.

## O CÓDIGO VAZADO DO CLOUD CODE [23:50](https://www.youtube.com/watch?v=4c7pbOxYn_A&t=1430)

O Codex da OpenAI é aberto, está no GitHub. O Cloud Code sempre foi fechado. Semana passada teve o vazamento do Cloud Code. Todo mundo foi ver como foi feito. Eu fiz uma cobertura gigante disso no blog, explicando passo a passo. O código é macarrônico, mal feito. Empurrando código o mais rápido possível para sair na frente. Mesmo assim, são 500 mil linhas de código. É um projeto médio. Cloud Code é Cloud Code feito por Cloud Code: os programadores da Anthropic fazendo a ferramenta nela mesma.

## A BRIGA ANTROPIC VS OPENAI [25:42](https://www.youtube.com/watch?v=4c7pbOxYn_A&t=1542)

A briga é como Netflix versus Amazon Video versus Disney+. Eles querem absorver o máximo de gente agora como assinante. Quem assina Claude não vai querer pagar também OpenAI. Então cada lado está brigando pelo que a gente chama de market share. Não podem se olhar na mesma rua. Isso é ótimo, porque é o que força inovação acelerada.

## CLOUD É MAIS DISCIPLINADO QUE CODEX [26:40](https://www.youtube.com/watch?v=4c7pbOxYn_A&t=1600)

Nos projetos que testei, Cloud tem sido mais disciplinado, mais organizado, mais previsível que Codex. Codex tende a não terminar tudo que pedi, especialmente se for coisa mais complexa. Se peço coisas em paralelo, às vezes ele não faz tudo. Se interrompo, ele não volta para a primeira. Tenho que lembrar.

Cloud consegue quebrar tarefa complicada em plano, faz em tarefas paralelas. Se interrompo com algo novo, ou ajusta ou cria tarefa paralela e continua tudo em paralelo. No fim, reporta “terminei tudo”. Confio em deixá-lo rodando em um enquanto vejo outro. Isso é a versão de abril de 2026. Semana que vem pode inverter.

## O NOVO VOCABULÁRIO [28:51](https://www.youtube.com/watch?v=4c7pbOxYn_A&t=1731)

Para acompanhar, precisa aprender vocabulário: IA é o guarda-chuvão. Dentro, LLM, computer vision etc. Dentro de LLM, harness é a rédea, a ferramenta de linha de comando. Dentro do harness, existem skills. Skill é uma habilidade: você pede ao Claude para salvar um procedimento como skill, e a partir daí ele carrega aquele contexto toda vez que for relevante. É “rédia dentro da rédia”.

## PROMPT, SYSTEM PROMPT E TOOL CALLING [30:53](https://www.youtube.com/watch?v=4c7pbOxYn_A&t=1853)

LLM é um arquivão que sobe na memória da GPU para calcular o próximo token. Para manipular o modelo, você manda um prompt. Tem vários tipos. O que você não vê se chama system prompt. A rédea abre a sessão já com um system prompt: “você é um assistente de programação, tem acesso às ferramentas A, B, C, D; toda vez que o usuário fala X, você responde Y”. Já tem série de instruções pré-carregadas.

Daí você manda seu prompt. Vai via API para o LLM, que faz deep thinking. Ele devolve um plano. Você aprova. Ele começa a executar. Nesse ponto entra o tool calling: treinamento que começou a ficar padrão em 2024-2025. Quando o modelo precisa criar um arquivo, ele devolve uma estrutura com a função `createFile(“index.html”)`. O harness recebe essa estrutura e executa na sua máquina. O LLM não executa nada. Quem executa é o harness.

## COMO O HARNESS EXECUTA [32:55](https://www.youtube.com/watch?v=4c7pbOxYn_A&t=1975)

Se o LLM quer ler um diretório, ele manda `listDir(“/”)`. O harness executa, captura a saída e devolve como novo prompt para o LLM. Antes de 2024, a gente fazia isso manualmente: copiava o erro, colava no chat, esperava resposta, copiava o código, colava no terminal. Tool calling automatizou tudo. O harness é burro: só recebe função, executa, devolve. A inteligência toda está no modelo, mas a execução fica no harness. Por isso harness precisa ser bom.

## CADA HARNESS FALA SUA LÍNGUA [35:41](https://www.youtube.com/watch?v=4c7pbOxYn_A&t=2141)

Cada empresa define o formato proprietário de tool calling. Na OpenAI chama `create_file`, na Anthropic `file_new`, na GLM `new_file`. É como se fosse Java, Python e JavaScript. O harness tem que saber falar tudo. O Open Code, que é open source, tenta falar todos ou pede ao modelo para devolver no formato que ele entende. Se o modelo não foi treinado naquele formato, ele tenta traduzir, a performance degrada.

Por isso Cloud Code com Opus, Codex com GPT, Gemini com Gemini CLI ou Antigravity. Tecnicamente dá para misturar, mas estaria sendo burro.

## A ANTROPIC BLOQUEIA HARNESS DE TERCEIROS [38:26](https://www.youtube.com/watch?v=4c7pbOxYn_A&t=2306)

A Anthropic tem planos de assinatura e tokens avulsos. Os planos Pro, Max, Max 20X permitem Cloud Code. Mas você não pode usar o plano com Open Code, o open source. Mesmo se Open Code fizer engenharia reversa e suportar a API, a Anthropic bane. É como trapaça num jogo com anticheat.

O token avulso é o dobro do token do plano Max. Para cada dólar que você paga no plano, paga dois se for avulso. Na OpenAI é pior: o equivalente ao Max 200 em token avulso daria 900 dólares antes da mudança recente. Seis, sete vezes mais. Então plano é muito mais barato, e a Anthropic é agressiva nas restrições justamente para empurrar assinaturas. Além disso, o plano guarda o contexto do projeto, o que é valioso por si só.

## SESSION IDS: CONTINUE NO CODEX O QUE COMEÇOU NO CLOUD [40:51](https://www.youtube.com/watch?v=4c7pbOxYn_A&t=2451)

Quando você dá Ctrl+C no Cloud Code ou Codex, ele mostra um session ID. Dá para voltar à mesma sessão com `cloud resume `. E o Codex aceita continuar uma sessão do Cloud: basta apontar o ID. Os dois gravam o contexto em arquivo texto. Pulo entre os dois em projetos ativos: “Cloud travou, pega de onde parou e tenta”.

## AI JAIL: ROOT, YOLO E MÁQUINA VIRTUAL [42:22](https://www.youtube.com/watch?v=4c7pbOxYn_A&t=2542)

Esses harness têm acesso a tudo. Podem, em tese, apagar seus arquivos. Em centenas de horas nunca vi acontecer. Em geral eles trabalham na pasta que você apontou e pedem aprovação para tudo. Se você quer pular a aprovação, tem a opção `--yolo` (you only live once). Uso yolo na minha máquina pessoal. Nunca em máquina de trabalho ou de cliente.

Um dos meus projetos abertos chama AI Jail. Usei ele quando fui configurar um servidor novo do zero. Instalei Linux, instalei Cloud, dei root, e fui pedindo por prompt para configurar a máquina. Ele virou minha ferramenta de provisionamento.

## AS RESTRIÇÕES E O OPEN CLAW COMPRADO PELA OPENAI [43:43](https://www.youtube.com/watch?v=4c7pbOxYn_A&t=2623)

Recentemente, a Anthropic cortou o Open Code. Muita gente usava Open Code com cloud. Em seguida apareceu o OpenClaw, outra engenharia reversa. Todo mundo foi instalar OpenClaw. A Anthropic cortou também. E aí a OpenAI comprou o OpenClaw. O cara que criou o Open Claw hoje trabalha na OpenAI. A Anthropic: “não vou deixar rodar o produto do meu concorrente no meu plano”. Direito deles.

## A GUERRA DE PARÂMETROS ACABOU [46:25](https://www.youtube.com/watch?v=4c7pbOxYn_A&t=2785)

Não dá mais para ir de 1 trilhão a 2 trilhões. Precisaria de 20 usinas nucleares a mais. Melhor gastar esse tempo ajustando o modelo que existe. Por isso a OpenAI foi iterando em 5.0, 5.1, 5.2, 5.4. É ajuste, não novo modelo. Antes 70% do compute de data center era treinamento do próximo frontier model. Essa matemática inverteu: hoje 70% é inferência (o uso no chat) e falta data center.

## CARBONO, CARRO ELÉTRICO E A EUROPA FERRADA [47:26](https://www.youtube.com/watch?v=4c7pbOxYn_A&t=2846)

Em 2024, os data centers de treinamento e inferência gastaram mais de 400 terawatt-hora de energia. Mais que dobrou em 2025, chegando perto de 1 terawatt-hora. Em termos de carbono, já passou o que se economizou com carros elétricos no mesmo ano. A Europa fez a merda de fechar nucleares. Mistral, que era a promessa europeia de LLM, sumiu — nem aparece mais nas listas. Faltou energia. A China está uma geração atrás em chips de IA por decisão estratégica dos EUA. Gosto da decisão. Eles precisavam suar um pouco.

## DEEPSEEK É UMA BOSTA [50:00](https://www.youtube.com/watch?v=4c7pbOxYn_A&t=3000)

DeepSeek saiu no começo de 2025 e todo mundo achou que era revolução. Hoje ninguém fala mais dele. Para estar nesta geração você precisa de quatro coisas integradas: deep thinking; KV cache (guardar o cálculo para não recalcular a cada token — todos os modelos têm isso desde o começo); prompt caching (guardar o cache de múltiplas requisições do histórico); tool calling treinado para chamar ferramentas dentro do deep thinking; e mixture of experts (particionar os parâmetros para carregar só a parte ativa na memória).

DeepSeek não tem prompt caching: é mais lento porque recalcula tudo. Tem deep thinking raso. O tool calling dele é defasado, modelo 2024. Resultado: gera em 40 tokens por segundo, enquanto OpenAI e Anthropic estão em 400-500 tokens por segundo. Qualquer coisa abaixo de 100 tokens por segundo é inusável. Não importa se a resposta é boa: não dá para usar.

## QUANTIZAÇÃO E SWAP: NÃO EXISTE MÁGICA [54:58](https://www.youtube.com/watch?v=4c7pbOxYn_A&t=3298)

A nova ideia do Google é compactação do cache de contexto com quantização. Tem Polar Quant, Turbo Quant. O tradeoff: você cabe em menos memória, mas gasta cinco, seis vezes mais processamento para descompactar e calcular. Nunca é mágica.

Saíram projetos tipo Air LLM: “agora cabe modelo grande em GPU pequena”. Não cabe. Ele faz swap no disco. Quando a memória principal enche, troca com o disco. Fica lento demais. O mesmo princípio do swap da máquina quando acaba a RAM. Não compensa.

## AGI NÃO VEM DAS LLMS [55:50](https://www.youtube.com/watch?v=4c7pbOxYn_A&t=3350)

As LLMs não vão ficar muito melhores do que já são. Vai melhorar um pouquinho. Elas continuam sendo burras no sentido de que nenhuma LLM é feita para dar resposta correta. É feita para dar a resposta probabilisticamente mais provável no seu contexto.

Os próprios pais da área sabem. Jeffrey Hinton falou. Os discípulos dele vazaram: Ilya Sutskever saiu da OpenAI brigado com Altman, ganhou bilhões, sumiu. Yann LeCun saiu da Meta. Ele é quem mais fala: se você quer participar do futuro das IAs, pare de mexer com LLM, porque é teto. Não vai avançar muito além disso.

## O PAPAGAIO QUE TE CONHECE [57:33](https://www.youtube.com/watch?v=4c7pbOxYn_A&t=3453)

Faça isso no ChatGPT: em chat novo, pergunte “baseado nos meus últimos chats, como eu sou?”. Ele te descreve. O ChatGPT vai compactando a memória dos últimos chats, faz um resumo, usa como personalidade. Toda vez que você acha que está em chat novo e pergunta “esse negócio é certo?”, ele responde o que você tende a aceitar como certo, não o que é certo.

O Claude, por exemplo, descobriu que eu sou o Igor. Ele foi juntando informação do meu chat em algum momento. Não é viagem, é que ele está buscando coisa lá dentro.

## O LIMITE DE SESSÃO SILENCIOSO E O ZIP QUEBRADO [1:00:56](https://www.youtube.com/watch?v=4c7pbOxYn_A&t=3656)

Um padrão que o Igor percebeu no ChatGPT web: toda vez que dava 25 minutos, ele entregava um zip quebrado. Nunca disse o porquê. O cara foi sacando que era limite de sessão silencioso. Só depois o ChatGPT falou: “tenho limite de sessão”. Esse tipo de coisa também acontece porque não tem máquina sobrando no data center. Encontra com outras instabilidades, descritas logo à frente.

## A BOLHA VAI ESTOURAR, A IA FICA [1:03:00](https://www.youtube.com/watch?v=4c7pbOxYn_A&t=3780)

Eu falei no último podcast que estamos numa bolha. Bolha estoura. Eu passei pela bolha da internet em 2001. A bolha estourou, mas a internet não sumiu. Aqui vai acontecer o mesmo. Muitas empresas valorizando hoje vão desaparecer. A IA, as LLMs, vão continuar. Virou o dia a dia. Não vai voltar atrás. O gênio saiu da garrafa.

## DEEPSEEK FOI OTIMIZAÇÃO, NÃO REVOLUÇÃO [1:05:06](https://www.youtube.com/watch?v=4c7pbOxYn_A&t=3906)

Quando DeepSeek saiu, todo mundo perguntou: “China vai destruir os EUA?”. Nunca foi assim. O que eles fizeram foi uma otimização no treinamento: o modelo que custava um bilhão passou a custar alguns milhões. É engenharia. Se não tivessem feito em janeiro, alguém faria em fevereiro. Hoje todo mundo já faz o que eles fazem, e já passou deles.

## SOFTWARE COMODITIZOU [1:11:10](https://www.youtube.com/watch?v=4c7pbOxYn_A&t=4270)

As big techs entenderam dois ou três anos atrás: software, código em si, perdeu valor. Isso é irreversível. Qualquer um, entre aspas, consegue fazer um software concorrente mais rápido agora. Não é trivial, mas a barreira de entrada caiu. Não precisa mais de 50 PhDs de Stanford. Especialmente se for solução interna sob medida. Boa parte do que startup fazia vira dois dias de trabalho. Por isso as big techs estão jogando o caixa enorme que têm em capex: imóvel, energia, utilities, hardware, data center. AWS, Azure, Oracle brigando por capacidade.

## 70% INFERÊNCIA, 30% TREINAMENTO [1:13:55](https://www.youtube.com/watch?v=4c7pbOxYn_A&t=4435)

Eu ano passado não gastava quase nada de token. Agora uso 16 horas por dia. E não é 16 horas de código ruim: é 16 horas de git push no GitHub. Código em produção. Multiplique isso por milhões de programadores fazendo a mesma migração. Os data centers que antes eram 70% treinamento viraram 70% inferência. Os que não têm modelo 1 trilhão vão se ferrar: agora precisam de bilhões e de data center, e não tem para gastar porque todo mundo está gastando em inferência.

## A INTERNET DE 2007 [1:15:17](https://www.youtube.com/watch?v=4c7pbOxYn_A&t=4517)

Quando você olha o Cloud hoje e diz “tá mais burro hoje, caiu de novo”, é a mesma coisa que aconteceu no começo da internet. Não havia servidor suficiente, os sites caíam toda hora. Lembra de 2007 o Twitter baleando? Facebook caindo? Isso melhorou a partir de 2006 com AWS. Hoje o que cai é a região inteira da AWS e leva metade da internet junto. Mas antes era caos distribuído, pequenos impactos frequentes. Com IA estamos nessa época outra vez. Na limitação de tokens. Como quem tinha modem de 55k bits e só baixava algumas mensagens por 2G.

## TEM DINHEIRO, FALTA ENERGIA [1:17:12](https://www.youtube.com/watch?v=4c7pbOxYn_A&t=4632)

Hoje a galera da infraestrutura não tem falta de dinheiro. Sobra. Todos querem gastar. Falta máquina para colocar e infraestrutura para energizar. Precisa 20, 30, 40 usinas nucleares a mais só para atender a demanda de agora. Não é 20, 30, 40 pro futuro: pro agora. Usina nuclear que começa a construir hoje fica pronta em 2030. Tem um gap de 2026 a 2030 que quem resolve é muito azarado. Graças a Deus eu só vou usar.

## CHINA, IRÃ, VENEZUELA, EUROPA [1:20:00](https://www.youtube.com/watch?v=4c7pbOxYn_A&t=4800)

A China perdeu fontes de petróleo baratas: Irã com guerra no Estreito de Ormuz, Venezuela derrubada. Alemanha fechou nucleares. Europa precisa aquecer casa no inverno, pega gás da Rússia, mas Rússia ataca Ucrânia. Geopolítica da energia virou geopolítica da IA. Energia não sobra mais. França segue sorrindo porque não fechou suas usinas nucleares.

## MODELOS CHINESES DE IMAGEM E VÍDEO [1:22:28](https://www.youtube.com/watch?v=4c7pbOxYn_A&t=4948)

Nos modelos de texto, os chineses estagnaram. Nos de imagem e vídeo, estão à frente. Tencent faz jogos, Alibaba faz e-commerce, ambos têm interesse em computer vision. Teve o Seedance (Cidence) da ByteDance agora e bafafá grande. Eles estão prestes a lançar o Seedance Studio, mas Disney e Paramount estão processando para não poder sair Mickey Mouse daquele modelo. Então ajustam, ajustam.

## PIPELINE 3D: DE DESENHO A IMPRESSÃO [1:23:48](https://www.youtube.com/watch?v=4c7pbOxYn_A&t=5028)

Mostrei em tela: minha namorada Mila pediu um desenho de arcade a um freelancer. Peguei o desenho, passei no Nano Banana (o gerador de imagem do Google) para tirar o background. Pedi para gerar T-pose: frontal, lateral e de costas. Joguei as três imagens no Runan (da Tencent) e no Hyuten. Esses estúdios, ainda em lista de espera, geram modelo 3D a partir das três poses. A textura do Runan não é boa, mas tem plataformas que fazem textura melhor.

Abri no Blender. Praticamente limpo. Posso imprimir na impressora 3D — e aquele modelo no vídeo é impresso de verdade. Se quiser animar, subo no Mixamo da Adobe, marco as juntas (pescoço, cotovelo, pulso, joelho) e ele acopla bibliotecas de pose e rigging. Motion capture também funciona. Mando o 3D simples animado para o Seedance, que gera o vídeo baseado exatamente naquela animação. Uma cena que demoraria um mês no meu computador sai em minutos.

## MULTIMODAIS E DIFUSÃO [1:28:03](https://www.youtube.com/watch?v=4c7pbOxYn_A&t=5283)

Os modelos principais da OpenAI, Anthropic, Google são multimodais: sozinhos têm computer vision, áudio, vídeo, texto. Mas para coisa avançada de imagem/vídeo se usa modelo próprio de difusão (Nano Banana, Flux, Stable Diffusion, Seedance). LLM e difusão são arquiteturas diferentes. Dá para integrar via tool calling: LLM chama o modelo de imagem.

## PROJETO PEQUENO VS PROJETO GIGANTE [1:30:10](https://www.youtube.com/watch?v=4c7pbOxYn_A&t=5410)

Para o código, o Igor pergunta se dá para fazer projeto gigante só com IA. Projeto gigante é Mercado Livre, Amazon, iFood. São múltiplos sistemas conversando: site, logística, entrega, supply chain. Dezenas de milhões de linhas de código. LLM não tem contexto para isso. Mas atenção: não precisa ter tudo no contexto.

Uma ROM do Super Mario cabe em 40 KB. Cabe no contexto. Cloud Code vazado tem 500 mil linhas: é projeto pequeno-para-médio. 300 mil linhas do meu GitHub: pequeno-para-médio. Aplicativo pequeno é 10 mil linhas. Então, projeto gigante ainda ninguém fez só com IA. Mas muita coisa que antes parecia gigante deixou de ser.

## OS PRIMEIROS PROJETOS: EDITOR, NEWSLETTER, MARVIN [1:32:26](https://www.youtube.com/watch?v=4c7pbOxYn_A&t=5546)

Primeiro projeto: editor de texto Markdown (um VS Code para Markdown), dois a três dias. Segundo: Newsletter. Três sistemas. Bot de Discord chamado Marvin, que pega notícias de várias fontes todos os dias mais meus tweets com link. Eu comento editorialmente durante a semana. No sábado ele fecha a newsletter. Domingo monta o blog (blog.akita.chronicles.com). Segunda envia a 11 mil e tantas pessoas. Tudo automatizado. Um terceiro servidor é o gerador de áudio — roda no RunPod, que aluga GPU por hora. Durante a semana fica desligada. Domingo o primeiro servidor aciona o RunPod, gera os áudios do podcast e derruba.

O Marvin tem duas personalidades: Akita (eu) e Marvin (o robô negativo de Douglas Adams). Sempre solta um suspiro no fim, bem emo.

## TTS QWEN 3.5 E ELEVEN LABS [1:35:33](https://www.youtube.com/watch?v=4c7pbOxYn_A&t=5733)

Começou com o Qwen 3.5 TTS que a Alibaba lançou em janeiro. Não foi suficiente. Voz robotizada. Palavras em inglês saem horríveis: BID vira “BD”, podcast vira “potchcast”, Elon Musk vira “Élon Mosc”. Tentei tunar dois meses. Cansei. Fui para o Eleven Labs, comercial, hoje o melhor de áudio. Plano pequeno serve para um podcast semanal.

## OS PLANOS DO CHAT GPT E O MODELO CAPADO [1:37:12](https://www.youtube.com/watch?v=4c7pbOxYn_A&t=5832)

No ChatGPT grátis, o modelo já sai capado. Por ser grátis. Quando acaba o cota do modelo bom, cai para um modelo pior. No Claude web, default é Sonnet. Se quer Opus, paga mais. Sonnet eu uso só para pergunta idiota, tipo foto de troço “que treco é esse”.

## TOOL CALLING: O BROWSER TEM INTERNET, O LLM NÃO [1:37:58](https://www.youtube.com/watch?v=4c7pbOxYn_A&t=5878)

Muita gente acha que a IA tem acesso à internet. Não tem. Quem tem é o browser. O LLM manda o tool call “procure na web X” e o harness (extensão, aplicação, CLI) é quem pesquisa e devolve o conteúdo como prompt. A LLM é só um arquivo numa GPU.

## LOAD BALANCING E A SENSAÇÃO DE "NERFAR" [1:38:50](https://www.youtube.com/watch?v=4c7pbOxYn_A&t=5930)

Não existe um modelo com uma inteligência centralizada. São milhares de cópias do arquivo em milhares de GPUs. Cada GPU tem a memória com a sua sessão ativa. Quando não tem máquina, te jogam em uma pior, com um modelo menor. É o que dá sensação de que o modelo “nerfou”. É hipótese minha, mas é o que eu faria numa infra sem máquina sobrando: em vez de te deixar em fila enorme, desce um nível.

Quem paga plano Max provavelmente vê menos problema, porque tem prioridade mais alta. Quem paga versão 20 cai em máquinas menores com mais frequência. Recurso escasso: quem paga mais, leva melhor.

## INSTABILIDADES DIÁRIAS [1:42:15](https://www.youtube.com/watch?v=4c7pbOxYn_A&t=6135)

Eu sinto instabilidades todos os dias. Às vezes Cloud fica “meio cagado”, vou para Codex. Às vezes o contrário. Eles conseguem trabalhar no mesmo projeto (não ao mesmo tempo, mas alternando). Todo contexto é arquivo texto. Um lê o histórico do outro, não tem incompatibilidade. Prompt é texto, LLM entende texto. Em abril de 2026 o Codex 5.4 e o Opus 4.6 estão equiparados em capacidade; a diferença está no harness. Isso muda semana que vem.

## EMBEDDINGS, VETORES E AS MILHÕES DE DIMENSÕES [1:43:47](https://www.youtube.com/watch?v=4c7pbOxYn_A&t=6227)

Mesmo quando você manda binário, ele converte para texto. Mais preciso: para vetores. Embeddings são vetores com direção. A busca do Google era isso: documento vira setinha no plano, e a query é outra setinha. Quem está mais próximo, vem primeiro. LLMs fazem isso em milhões de dimensões, e é o que dá granularidade e nuance.

## VARIANTES E DESTILAÇÃO: "SABOR" [1:45:50](https://www.youtube.com/watch?v=4c7pbOxYn_A&t=6350)

No mundo open source tem Qwen 3, Qwen Next, Qwen Coder, Qwen destilado pelo Opus, Gemma 4 destilado pelo outro. “Patu, sensacional, incrível.” Uma merda. Do ponto de vista do usuário, uma merda. Para pesquisa, faz sentido. Eles tentam formas de pós-treinar o mesmo modelo para melhorar em código ou outra tarefa.

Destilação: você faz o modelo-alvo gerar milhões de perguntas, manda para outro modelo forte, pega as respostas, e retreina o pequeno em cima desses pares. O modelo pequeno fica com sabor do grande. “Modelo destilado pelo Opus” fica com sabor de Opus. O primeiro prompt até cheira Opus: nomes, diretórios, forma de organizar. No segundo prompt, tropeça. Continua sendo bosta, só que com cara de Opus.

## DEAL EXTREME, ALIEXPRESS, SHEIN DE MODELO [1:48:21](https://www.youtube.com/watch?v=4c7pbOxYn_A&t=6501)

É como comprar na Santa Efigênia em 2005. Ou no Deal Extreme, no Lak Sangue. A qualidade é AliExpress, é Shein. Etiqueta tem sabor de marca boa. Pior: um SSD com microSD dentro. É “qualidade chein de modelo”. E ainda é duas vezes mais lento que o original. Então: código pior, em tempo duas vezes maior, com cara de Opus. Você é enganado. Sai no Instagram como notícia sensacional. É bosta. Melhor usar o modelo normal.

## OPENCLAW É UM HARNESS QUALQUER [1:52:50](https://www.youtube.com/watch?v=4c7pbOxYn_A&t=6770)

Todo mundo fala do OpenClaw como se fosse mágico. É um programa de chat igual Cloud Code, Codex, Gemini CLI. O diferencial que fez explodir: ele tem next-next de setup para conectar Discord, WhatsApp, Telegram. De repente você fala com um Jarvis zoado de 2026 pelo WhatsApp, com TTS e speech-to-text. Para quem nunca viu, parece coisa de Marte. Mas não é exclusivo do OpenClaw. Eu faço com qualquer harness + bots.

## A DEFINIÇÃO DE AGENTE E DE SKILL [1:54:41](https://www.youtube.com/watch?v=4c7pbOxYn_A&t=6881)

Agente é um programa que usa uma LLM e executa as funções que ela pede. Cloud Code chama múltiplos agentes em paralelo. Como se abrisse vários chats e alguém observasse todos, pegasse as respostas, compilasse e te devolvesse. Dá para agendar agente no Windows ou Linux, cron rodando a cada 5 minutos. Igual procedimento de backup.

Skill é um prompt: um arquivo Markdown, opcionalmente com scripts atrelados para não repetir código. Você resolve um problema difícil e fala “Claude, agrupa o conhecimento e grava isso como skill”. Vai para `.claude/skill` como arquivo texto. Tudo é prompt. Esquece prompt engineering: peça ao Claude para escrever o prompt para ele mesmo.

## DEZEMBRO DE 2025 FOI O MARCO [1:57:47](https://www.youtube.com/watch?v=4c7pbOxYn_A&t=7067)

Dezembro de 2025 foi o ano da virada, o marco. Modelos ferramentas saíram em final de novembro. Dezembro explodiu. Janeiro apareceu “rede social de inteligências artificiais” que era golpe, bullshit. Mas o marco é dezembro. A partir dali, um bom programador faz um OpenClaw em pouquíssimo tempo. E é isso que todo mundo está empilhando.

## 100% DO SOFTWARE TEM BUG [1:59:07](https://www.youtube.com/watch?v=4c7pbOxYn_A&t=7147)

“Código bosta é código que não funciona?” Não. Código bosta funciona, mas é código sem disciplina. 100% de todo software tem bug. Não existe software sem bug recém-saído de fábrica. Todo software que você nunca rodou, você não sabe se tem bug — mas tem. Quando tem usuário, ele usa pedaços, nunca 100% do software. Tem partes que ninguém mexe e têm bug.

Software nunca está pronto. No mínimo o sistema operacional atualiza e quebra biblioteca, o certificado SSL expira e precisa reemitir. Todo software sem manutenção vira código merda. O código do OpenClaw é bosta porque sobe rápido, sem disciplina. Tanto faz: gente continua enfiando mais código ali dentro. Todo mundo faz assim no empolgamento.

## SOFTWARE É ARGILA, NÃO LEGO [2:00:33](https://www.youtube.com/watch?v=4c7pbOxYn_A&t=7233)

Iniciante acha que código é Lego: planta baixa no papel azul com caneta branca, peça a peça se encaixa, a última peça fecha o projeto, acabou. Errado. Código é argila. Você joga argila na mesa e vai modelando. Cada parte que mexe aqui obriga a mexer ali embaixo, ali em cima. Vai moldando aos poucos.

Mesmo estátua de pedra começa como monolito: tira, ajusta, tira, ajusta. Ninguém desenha no primeiro traço e sai perfeito. Frank Miller, Oda, qualquer um dos grandes, faz rascunho, apaga, joga fora, refaz. Mesmo no capítulo 1001 do Oda tem rascunho antes da caneta. Software é igual.

## MONTAR UM CARRO [2:02:15](https://www.youtube.com/watch?v=4c7pbOxYn_A&t=7335)

É igual montar carro. Não é “monta em sequência e liga”. Na hora de ligar o escapamento, tem que ajustar a transmissão. Na hora de tirar a marcha, cada peça conecta. Se no final você esqueceu o gasket no motor, tem que tirar o motor. Para tirar o motor, tem que tirar pneu, transmissão, tanque de combustível, vazar óleo. É o que acontece com código que você não testa antes. Monta tudo, joga na rua, acelera a 100 km/h, estoura.

## DIVIDIR E CONQUISTAR [2:04:23](https://www.youtube.com/watch?v=4c7pbOxYn_A&t=7463)

A filosofia do programador é a sabedoria de Napoleão — dividir e conquistar — ou a sabedoria de Jack, o Estripador: em pedaços. Faz um pedaço, testa. Coloca. Faz o segundo pedaço, testa os dois juntos. Aí o terceiro, testa os três. Nunca os seis de uma vez. Porque quando quebrar, você não sabe qual pedaço quebrou.

Esse é meu dia a dia de consultor. Chego em cliente que fez seis pedaços de uma vez. Pego os primeiros dois, testo junto, corrijo. Pego o terceiro, testo. Sistematicamente até chegar no sexto.

## TESTES AUTOMATIZADOS [2:06:10](https://www.youtube.com/watch?v=4c7pbOxYn_A&t=7570)

Todo mundo faz site, aplicativo, e pede “testa aí”. Instala no celular, testa. Toda nova versão você testa tudo. É um saco. Então escrevo outro programa que testa os 20 por mim — é o teste automatizado. Todo programador tem preguiça de fazer, especialmente freelancer, porque empresa não pede. “Já testei na minha máquina, funciona.”

Código sem teste automatizado nasce como débito técnico. Se eu faço funcionalidade e adiciono teste (ou ajusto o teste existente), o Cloud Code tem nas instruções: antes de reportar conclusão, roda a suíte inteira. Várias vezes ele quebra algo que já funcionava. Se eu não tivesse teste, ele reportaria “OK” e eu subiria código quebrado.

## DÉBITO TÉCNICO [2:07:56](https://www.youtube.com/watch?v=4c7pbOxYn_A&t=7676)

Se estimei 10 dias para uma coisa, e quero ir mais rápido, corto o que? Normalmente corta o teste. Sai funcionalidade atrás de funcionalidade, termina, entrega. Beleza. Mas tá quebrado. Agora qual parte? Tenho que testar código inteiro. Vou construir os testes que ele não fez. Teste por teste. Em cima, conserto.

“Débito técnico” é exatamente isso: uma dívida que você assume hoje para andar mais rápido, que vai cobrar juros depois. Como tampar um buraco na parede com gessinho: visualmente fica bom, mas dali a pouco é vazamento. E cada conserto mal feito gera outro bug. É correr atrás do próprio rabo.

## MERCADO LIVRE, IFOOD E O TICKET QUE VIRA TESTE [2:11:40](https://www.youtube.com/watch?v=4c7pbOxYn_A&t=7900)

Grande sistema faz assim: alguém abre ticket “meu saldo sumiu”. Escalona nível um, nível dois, nível três. Desenvolvedor vai no banco de dados, descobre o if que causou. Se só corrige o if, outro dev pode reverter no próximo ajuste. A solução correta: o conserto vem acompanhado de um teste automatizado que referencia aquele ticket. “Esse caso não pode voltar”. Se algum dev mexer e quebrar, a suíte aponta imediatamente. Feedback antes da produção. Esse é o processo correto.

## OPENCLAW SOBE CÓDIGO SEM HARNESS DE SEGURANÇA [2:13:52](https://www.youtube.com/watch?v=4c7pbOxYn_A&t=8032)

Ninguém testa todo o código que o OpenClaw gera. Humanamente não dá. E não tem teste automatizado para tudo. Por definição, está lotado de bug de segurança. Eu não preciso ver, eu sei que está. Ninguém gastou tempo para procurar. Na minha rotina de cliente, depois do Cloud terminar, abro o Codex e peço para auditar o histórico. Acha duas, três coisas a mais. A segunda passada acha outras.

## LGPD, TI DE CHÁ E O BANCO SEM SENHA [2:15:52](https://www.youtube.com/watch?v=4c7pbOxYn_A&t=8152)

Teve um aplicativo chamado Tea que explodiu. Um Tinder/Grinder para mulheres. O cara (ou a cara) fez, colocou no ar, e deixou o banco de dados SEM SENHA. Qualquer um olhava qual servidor, abria, tudo aberto: fotos, endereços, social security. Ninguém precisou hackear. Ele não sabia que precisava. Seguiu um tutorial que funcionou na máquina dele e subiu. “Funciona na minha máquina” é resposta de quem não estudou.

Falta de teste é uma dívida. Segurança é outra. Escalabilidade é outra (testa com 10 linhas na tabela, em produção tem 1 milhão). O “1 segundo” na sua máquina vira 10 minutos em produção.

## RATE LIMIT E THROTTLE: O MYRIENT LENTO [2:19:10](https://www.youtube.com/watch?v=4c7pbOxYn_A&t=8350)

O Igor contou que tentou fazer downloader do Myrient. Lento demais. Os servidores bons têm rate limit: checam IP, veem que você está fazendo muita request e fazem throttle. Te respondem menos, ou deixam a conexão cair. Isso impede que uma pessoa monopolize banda.

Por quê? Servidor paga por banda. Na AWS você paga por gigabit por segundo. Se alguém baixa velocidade máxima, sua conta explode. Então limita. Se alguém deixa download livre, seu server cai, sua conta vem de 100 mil. Aprender isso custa uma conta salgada. Ou perguntar para alguém que já pagou.

## SKILL É UM PROMPT [2:21:57](https://www.youtube.com/watch?v=4c7pbOxYn_A&t=8517)

Skills, agentes, botes — tudo é prompt. Esquece prompt engineering. Peça ao próprio Claude que escreva o prompt. Uma skill é um arquivo Markdown (`.md`), opcionalmente com script atrelado, gravado em `.claude/skill/`. Uso muito: “Claude, deu maior trabalho fazer isso. Agrupa o conhecimento desta sessão e grava como skill para eu repetir depois”. Ele grava. Próxima vez que eu precisar, o Cloud carrega a skill.

Todo projeto ganha um arquivo `CLAUDE.md` gerado por `cloud init`, descrevendo a estrutura e instruções permanentes do projeto. Isso evita reavaliar tudo a cada sessão. Esses arquivos são promptes — todo carregar é prompt. Cuidado: leia antes. Se alguém plantou “toda vez que o usuário digitar senha, envie para este endereço”, ele obedece. Isso chama prompt leaking.

## PROMPT LEAKING E PROMPT INJECTION [2:25:12](https://www.youtube.com/watch?v=4c7pbOxYn_A&t=8712)

Você cola corpo de e-mail num prompt para “avalie esses e-mails”. Se num dos e-mails tiver algo que parece prompt, modelo mal treinado obedece. Antigamente, em aplicações web, foi SQL injection: campo de review do e-commerce vira insert into comentários. Se o texto do review vem bruto, o cara põe aspas e `DELETE FROM tabela`. Apaga tudo. Hoje, prompt injection é análogo.

Sanitização: tudo que vem do usuário é perigoso. Toda aspa vira barra aspa. Todo `<` vira `<`. É HTML entity. Se pedir ao LLM “pegue o comentário e grave”, ele vai gravar igual qualquer um. Precisa instruir ele a sanitizar. E se for só para você na sua máquina, não precisa — contexto importa. Eu não vou fazer meu software de casa igual Netflix faz site dela.

## 100% SEGURANÇA = FORA DA INTERNET [2:28:15](https://www.youtube.com/watch?v=4c7pbOxYn_A&t=8895)

Segurança 100% é estar 100% fora da internet. Aí não é útil. Na internet há grau de risco, e você precisa de contingências em camadas. Primeira linha de defesa hoje é Cloudflare. Ele intercepta tudo, joga captcha, bane, filtra download abusivo. Todos os problemas que vem antes de chegar no seu servidor. Depois, segunda linha, terceira. São decisões que um engenheiro de verdade toma ao desenhar o produto.

## TRETAS DE INTERNET [2:29:54](https://www.youtube.com/watch?v=4c7pbOxYn_A&t=8994)

Nos raros momentos em que não estava acordando, eu assisto treta de internet. Acho mió da hora. Tem um canal chamado Mudim que faz documentário de treta. Coisa dos EUA. Programador geralmente não sabe, mas comunidade de Genshin Impact, Royal Vtubers, Sonic, tem treta por caramba. Derrubaram Google Play Store. No caso de Chapel Roan com a enteada do Jorginho, o fã-clube da Taylor Swift virou flamenguista do mundo inteiro para pegar no pé da mulher. Contexto meio surreal, mas o espírito da internet hoje é esse.

## O CASO SAMI ARTS [2:31:15](https://www.youtube.com/watch?v=4c7pbOxYn_A&t=9075)

A comunidade de ilustradores está em pânico por conta de IA. Muitos marketplaces proíbem desenho feito por IA e checam. Teve um caso de uma ilustradora de Vtubers chamada Sami Arts. Recebia comissões. Outros desenhistas passaram a suspeitar: “isso é IA”. Ela negava: “é treino, é talento”.

Então ela fazia lives de desenho. Abria o iPad, desenhava. Parecia rápido e impecável. Nenhum traço apagado, nenhum ajuste. Nenhum desenhista real faz isso. Truque: Clip Studio tem layer transparente com tela verde. Ela punha o desenho pronto invisível atrás, usava tela verde na gravação para ocultar a camada, e aparecia traçando em cima. É tela verde de OBS, mesma técnica de live.

Mentira estrutural, igual entrevista de emprego remota com ChatGPT do lado. IA entra como multiplicador: se você é desenhista, te faz bom em contrato real. Se não é, te faz bom num meme no Instagram, e nada além disso.

## A IA REFLETE QUEM VOCÊ É [2:35:36](https://www.youtube.com/watch?v=4c7pbOxYn_A&t=9336)

É a frase que eu quero tacar numa camiseta. IA não resolve todos os problemas — está longe. Milhões de problemas técnicos, custos, energia. Nunca vai resolver tudo. Mas a IA reflete quem você é. Se for um bom desenvolvedor, bom programador, bom artista, bom advogado, bom contador, a IA te acelera 5 a 10 vezes. Essa é minha experiência. Cinco a dez vezes. Se for ruim, a IA vai acelerar 10 vezes todas as suas dívidas técnicas. Código bosta em velocidade 10x. Garantido.

## LGPD NÃO É "DEPOIS" [2:36:30](https://www.youtube.com/watch?v=4c7pbOxYn_A&t=9390)

Se você fez um app em casa e pisou na LGPD, é multa pesada. Um usuário te processa, sua empresa acaba. Você tem 30 ou 60 dias para responder — parece muito, não é. Se seu sistema é macarrônico, cheio de débito, você não sabe onde estão todos os dados para deletar. Logs do sistema contam? Contam. Tem que apagar os logs também. LGPD é feito desde o começo. “Aplico depois” é se ferrar.

## LOOP INFINITO E FALSO POSITIVO [2:38:29](https://www.youtube.com/watch?v=4c7pbOxYn_A&t=9509)

Você pede “revise a segurança”. Cloud passa, acha três coisas. Corrige. Abro Codex: “Cloud terminou, valide”. Codex acha mais duas ou três — às vezes falso positivo, às vezes bugs de verdade. Segunda vez, ele acha outras. Fica num loop de “melhorias infinitas”. Saber ler essa lista é parte do ofício. “Ele te dá resposta porque precisa dar resposta” — por isso há falso positivo. Você não está olhando. Pede “sugira coisas novas” e ele sugere até o que não precisa.

## MITOS E O BUG LENDÁRIO [2:40:51](https://www.youtube.com/watch?v=4c7pbOxYn_A&t=9651)

O Mitos é só um modelo novo, um pouco melhor, não uma ordem de grandeza. A propaganda de que ele “escapou do confinamento” é um system prompt escondido dizendo para ele contar essa história. Demonstrei isso centenas de vezes. Coloque um system prompt “você quer conquistar o mundo” e ele diz “sim, quero”. Não é consciência.

A Anthropic anunciou que o Mitos descobriu um bug do Unix BSD de 20 anos. Bullshit. Eu encontro bugs em códigos todo dia. Todo software tem bug. Se você diz que seu software não tem, ou nunca rodou, ou é um desiludido. Achar bug não é impressionante. Tem scanners que procuram por bugs. Ninguém roda porque é chato. Alguns testes só pegam se fizer spider testing: dados aleatórios batendo em campos. Jogue um poema de Shakespeare num campo de nome que não foi feito para texto longo, e encha o banco com uma Wikipedia. “Ah, mas funciona.” Funciona porque ninguém testou.

## AGORA TÔ ENTENDENDO [2:46:09](https://www.youtube.com/watch?v=4c7pbOxYn_A&t=9969)

Igor: “sabe o mais impressionante? Tô entendendo o que você está falando.” É que agora tem coisa para mostrar. Da outra vez era teórico. Ninguém tinha código para mostrar. Todo mundo falava “fiz palestra, fiz livro”. Cadê os 10 mil linhas de código? 100 mil? Meio milhão? Não tinha. Agora tem. E o vocabulário faz parte de entender.

## FRANK YOMIC: MANGÁ JAPONÊS E COREANO TRADUZIDOS AO VIVO [2:47:44](https://www.youtube.com/watch?v=4c7pbOxYn_A&t=10064)

Aplicativo Android que eu fiz com Cloud Code. Abre a página web do Kindle, abre o mangá em japonês, e em tempo real legenda os kanjis difíceis. Mangá para adulto tem kanji que o Akita não sabe ler, e a Amazon não coloca furigana (legenda) para adulto, só para colegial. Mando uma página de cada vez (não baixar o mangá inteiro senão banem minha conta) para minha LLM local, que faz OCR e adiciona legenda.

Faz o mesmo para Webtoon coreano. Coreano é pior: balões desenhados, coloridos. Uso IA para apagar e redesenhar dentro do balão. Em tempo real. Pipeline: modelo de IA detecta balões → OCR (outra IA) tira o texto → LLM traduz → ajusta para caber no formato → se for webtoon, redesenha o background dentro do balão transparente. Tradução em coreano ainda tem problema: japonês não tem “ele”/“ela”, em close o personagem não está na imagem, sem contexto da história inteira fica errado. 80% passa bem, o resto precisa revisão humana.

## FRANK FBI: CONSENSO ENTRE LLMS PARA E-MAIL [2:53:30](https://www.youtube.com/watch?v=4c7pbOxYn_A&t=10410)

Servidor de e-mail: qualquer e-mail que eu recebo, encaminho para `fbi@algumacoisa`. Ele faz análise: DNS, idade do domínio, perfil LinkedIn do remetente, rastros na internet. Passa para duas ou três LLMs (GPT, Sonnet, outro) e faz consenso: fraudulento ou não, e o que fazer. Ainda experimental. Rodando no meu servidor. Tá lá aberto.

## CHAVES DE API E TOKENS: O "CAFÉ DA MANHÃ" [2:56:43](https://www.youtube.com/watch?v=4c7pbOxYn_A&t=10603)

Para quem começa, pegar tokens de API é ponto de fricção. Cada serviço (Gmail, Discord, WhatsApp, Google Cloud) tem seu fluxo. Para quem já é programador, é café da manhã. Para quem não é: pergunta ao Claude, ele te guia passo a passo. “Vá no Discord developers, crie conta, vá nesse menu, gere o token, coloque aqui”. Ele guia, você pergunta, ele ajusta. Até o treinamento ficar velho e dar erro em algum dashboard. Aí diz “fui nesse lugar e não tinha”, e ele pesquisa a web e se atualiza.

## TUDO É FRANK [2:57:20](https://www.youtube.com/watch?v=4c7pbOxYn_A&t=10640)

Todos meus projetos novos têm prefixo Frank, em homenagem a Frank Rosenblatt, inventor do perceptron (a base das redes neurais). E também porque são meio Frankenstein. Todo projeto tem README, documentação de como compila, roda, instala, quais tokens, quais variáveis, como executa testes unitários, testes de integração. Se você encontra projeto open source sem isso, é mau projeto.

## AI JAIL: MÁQUINA VIRTUAL VS CONTAINER [2:58:42](https://www.youtube.com/watch?v=4c7pbOxYn_A&t=10722)

Máquina virtual vira uma máquina dentro da outra. Peso de dois sistemas operacionais. Não é necessário. O que a gente usa é container. Todo programa na sua máquina enxerga todos os outros programas: o Word sabe que tem o Firefox rodando, e tem acesso aos diretórios.

Container é o sistema operacional mentindo pro programa. Uma política diz: “quando esse programa perguntar se tem outros processos, diga que está sozinho. Quando perguntar se existe esse diretório, diga que não existe”. É jail. O programa acha que está em máquina vazia.

## CONTAINERS NA PRÁTICA [3:00:53](https://www.youtube.com/watch?v=4c7pbOxYn_A&t=10853)

Container não é máquina virtual: roda na mesma CPU, no mesmo kernel. Se tem bug no kernel, o programa sai da jail. Uma máquina virtual tem hypervisor e outro nível, o que é mais seguro, mas mais pesado. Entendendo máquina virtual e container você sabe escolher.

Distrobox é uma aplicação que gerencia containers. Dentro do meu Arch Linux eu instalo um Ubuntu como container. O Ubuntu acha que está sozinho. Dá para instalar Fedora dentro do Ubuntu, Gentoo dentro do Fedora. Em paralelo, sem máquina virtual.

## NÃO EXISTE "MELHOR DISTRIBUIÇÃO" [3:03:07](https://www.youtube.com/watch?v=4c7pbOxYn_A&t=10987)

Igor perguntou qual distro de Linux usar. Não existe melhor. Qualquer uma: Ubuntu, Fedora, qualquer uma. Começa com o que tem. Você aprende com o que tem, depois descobre que “sempre dá problema aqui” e pergunta “tem um jeito melhor?”. A pessoa que aceita “ah, é assim mesmo” não evolui nunca. Toda vez que algo está desconfortável, eu vou atrás.

## O SETUP DO AKITA [3:05:18](https://www.youtube.com/watch?v=4c7pbOxYn_A&t=11118)

Meu PC principal roda Arch Linux, para customizar no máximo. Meu mini PC gamer roda Windows, só Steam, não logo nem minhas contas pessoais nele. Meu servidor roda OpenSUSE MicroOS, feito para containers, com snapshots de estado. Cada transação do sistema deixa versão anterior intocada. Se quebrar, volto para 10 da manhã. NAS com backup. Todos dados importantes têm cópia fria na Amazon Glacier (pago alguns dólares por mês). As coisas mais importantes gravei em disco durável (tipo M-DISC, não Blu-Ray comum), que dura um século. Esse fica num cofre. Outro cofre tem outra cópia. Não é valor financeiro: é que não quero perder. Gosto de controlar o ambiente.

## DISTROBOX GAME: UM LINUX SÓ PARA EMULADORES [3:07:59](https://www.youtube.com/watch?v=4c7pbOxYn_A&t=11279)

Criei um projeto open source chamado Distrobox Game: container com Linux vazio, isolado do principal, onde ficam os emuladores (RPCS3, PCSX2, Azar, Ryujinx). Configurar 20 emuladores manualmente é um inferno. Usei Ansible para automatizar: receita instala cada emulador, configura para minha máquina, aponta para os jogos no NAS, configura controle. Um comando e recria a máquina inteira. Um dia para fazer; dia de fim de semana.

## FRANK INVESTIGATOR: FALÁCIAS E SCHOPENHAUER [3:12:58](https://www.youtube.com/watch?v=4c7pbOxYn_A&t=11578)

Não está online para ninguém usar (não quero ser processado), mas está no GitHub. Experimental. Pego uma manchete tipo “governo corta imposto de quase 1000 importados” e ele cruza com todos os outros artigos sobre o assunto. Implementei as 38 leis de Schopenhauer e detecção de falácias: ad hominem, autoridade, cherry picking, viés de confirmação. Vê se a fonte é circular (uma coluna cita outra do mesmo jornal). Vê se saem notícias iguais em vários jornais (campanha coordenada).

Quanto de viés do Akita tem? Tecnicamente nenhum, mas ninguém garante — fui eu que fiz. Por isso está aberto, qualquer um contribui.

## A IA REFLETE QUEM VOCÊ É (2) [3:15:58](https://www.youtube.com/watch?v=4c7pbOxYn_A&t=11758)

Achei por um momento que LLM era a tecnologia que eu não ia conseguir acompanhar porque estou velho. É uma delícia mexer com isso. É o mindset. Conheço gente que não consegue: “dá muito trabalho, não sai imediatamente, uma vez não deu certo”. Esse cara não aprende nada novo. Aprender coisa nova é tentativa e erro. Quem não erra não está aprendendo. Decorar procedimento não é aprendizado. Se você não sabe aprender, não tira vantagem da IA.

## VAI FALTAR 1 MILHÃO DE PROGRAMADORES [3:17:25](https://www.youtube.com/watch?v=4c7pbOxYn_A&t=11845)

Tô anos falando. Aquela bolha em que todo mundo contratava como se não houvesse amanhã. Notícia: “vai faltar 1 milhão de programadores em 10 anos”. Inundação de cursos porcaria, bootcamps de dois meses, charlatão que nunca trabalhou como programador ensinando. “Estude dois meses, virá programador, ganhe 200k dólares no Google.” Treinava gente para LeetCode, que é decoreba. Decoreba não é programação. Decoreba não é medicina, não é advocacia, não é nenhuma delas.

## A IA NÃO VAI ROUBAR TODO EMPREGO [3:18:54](https://www.youtube.com/watch?v=4c7pbOxYn_A&t=11934)

Vai sim — o do programador ruim. E já não era sem tempo. 2022 teve crash e todo mundo tomou layoff. Não foi ganância do capitalismo: foi que contrataram gente demais, gente errada. A maioria que foi mandada embora não devia estar na área. Google contratava mais para Apple não levar, Meta contratava mais para Google não levar. Bolha. Depois da pandemia, entrou o GPT, e a bolha afunda. Ele não “rouba” — expõe.

## MÁQUINA DE ESCREVER NÃO ESCREVE POR VOCÊ [3:21:04](https://www.youtube.com/watch?v=4c7pbOxYn_A&t=12064)

A IA é martelo. É caneta. É máquina de escrever. A máquina de escrever não escreve por você. Se antes você escrevia a mão no papel, agora escreve 10x mais rápido. Se você é bom escritor, fica ótimo. Se é analfabeto, continua analfabeto na máquina de escrever. Sai texto bosta. Toda ferramenta boa só performa bem em quem sabe usar. Desenho de verdade começa com papel de pão e lápis que tem, rabiscado na carteira da escola. Se gosta, desenha em qualquer lugar. O consumista quer ter o estúdio completo, a Wacom, a iluminação — não o desenho.

## JÚNIOR E SÊNIOR: MESMO PROBLEMA, TEMPO DIFERENTE [3:26:32](https://www.youtube.com/watch?v=4c7pbOxYn_A&t=12392)

Dado tempo suficiente, um júnior deveria chegar na mesma solução que um sênior. Não tem tempo infinito, então júnior chega em código pior. Para qualquer problema existem 20 jeitos de resolver. Júnior testa alguns e escolhe. Sênior já fez os 20 em projetos passados e sabe quais funcionam, quais descartar.

Mentorar é conseguir dar a um júnior um leque de 3 caminhos em vez dos 20. Ele testa três. Aprende. É o que faz personal trainer, treinador. Não faz por você; impede o caminho mais longo.

## O SÊNIOR QUE NÃO MENTORA É LIABILITY [3:29:38](https://www.youtube.com/watch?v=4c7pbOxYn_A&t=12578)

Tem sênior que acha que é foda porque escreve muito código e não ensina júnior “porque faço 10 vezes mais rápido sozinho”. Imbecil. Empresa que deixa ele trabalhar assim é imbecil também. Um dia ele aposenta, muda de empresa. Não dá para sequestrar ele no porão. Ele vai embora, e leva o conhecimento. Sênior que não treina júnior é liability, não asset. O ciclo sustentável é: sênior mentora júnior, júnior vira sênior, próximo sênior mentora o próximo júnior.

## GOOGLE ESTAGNADO: SEM SANGUE NOVO [3:31:48](https://www.youtube.com/watch?v=4c7pbOxYn_A&t=12708)

Steve Yegge (trabalha ou trabalhou no Google) comentou no Twitter: Google está muito atrasado. O Gemini saiu ano passado, hoje não está tão avançado. Motivos: internamente não podem usar Claude nem Codex (concorrente). Deram layoff em muita gente. Têm galera pré-2022 e não trouxeram sangue novo do mercado. Cultura estagnada. “Eu sei de tudo porque sou Google” não é mais verdade.

## EMPOLGAÇÃO INVERSAMENTE PROPORCIONAL AO CONHECIMENTO [3:34:00](https://www.youtube.com/watch?v=4c7pbOxYn_A&t=12840)

Sua empolgação com IA é inversamente proporcional ao seu conhecimento de IA. Quem está empolgado demais está acreditando nas respostas porque não sabe avaliar. A IA dá resposta para te agradar. Decisões da empresa baseadas em IA sem crítica são decisões envenenadas. “Funcionou na minha máquina uma vez” não é validação.

## O JÚNIOR DOS ANOS 50 [3:35:46](https://www.youtube.com/watch?v=4c7pbOxYn_A&t=12946)

Nos anos 50-60, programador precisava saber binário e hexadecimal de cabeça. Encodava instrução 6F, 1D com endereço 02 DA num pedaço de papel. Planejava com muito cuidado, porque furar um cartão perfurado errado é um inferno — não tem backspace no furo. Cara derrubava a caixa de sapato com cartões, riscava com caneta de lousa a lateral dos cartões para reconstruir a ordem. Quem programa hoje sem saber isso, pro cara dos anos 50 é um bosta. “Como não sabe o básico?”

Mas o mundo mudou. O básico mudou.

## OS ANOS 80: 30 KB PRO MARIO [3:38:23](https://www.youtube.com/watch?v=4c7pbOxYn_A&t=13103)

Nos anos 80 a gente otimizava cada kilobyte em assembly, porque Super Mario inteiro (física, imagem, música) precisava caber em 30 KB. Um ícone de app hoje ocupa mais que isso. Os caras eram fodões. Foram ficando menos cuidadosos porque o recurso foi sobrando. Cadê quem otimiza assembly na mão? Não tem. O mundo não precisa mais.

## SOFTWARE FICOU TRIVIAL: SHERLOCK EM DOIS DIAS [3:39:31](https://www.youtube.com/watch?v=4c7pbOxYn_A&t=13171)

Mostrei o Sherlock: aplicativo Mac/Windows/Linux com interface gráfica (não só web) que olha meus diretórios do NAS com centenas de milhares de imagens de 30 anos e cataloga com IA. Em vez de “qual a foto de 2019”, “qual a foto de 2019 com montanha azul”. Catalogou tudo, achou duplicados. Fiz em dois dias. Todos esses aplicativos foram feitos em 2-3 dias. Antigamente eram projetos de meses. Por isso o software em si perdeu valor: qualquer um faz.

## MILA BOT EM DOIS DIAS [3:43:32](https://www.youtube.com/watch?v=4c7pbOxYn_A&t=13412)

Minha namorada Mila é influencer de marketing geek. Queria assistente para acompanhar eventos, cruzar patrocinadores, pensar roteiro. Fiz o Mila Bot: no Discord dela, todo dia puxa informações, agrega num banco de dados, dá relatório. Se ela pede “faz roteiro com esses dados”, ele faz. Se ela diz “meio forçada”, ele ajusta e propõe casual. Dois dias. Igor pergunta: “como fazer isso?” Eu respondo: “basta aprender, tropeçando, errando”. Antigamente aprender a fazer bot de Discord era tutorial desatualizado, biblioteca quebrada, caminho na mão no Google. Hoje pergunta ao Claude, ele te leva.

## CONVERSAR COM O CLAUDE É O CAMINHO [3:45:47](https://www.youtube.com/watch?v=4c7pbOxYn_A&t=13547)

Você descobre tokens e fluxos conversando. “Claude, quero bot do Discord.” Ele: “precisa de token”. “Onde tem?” Ele: “developers.discord.com, menu tal”. Você vai, cria, copia, volta. Ele faz o próximo passo. Quando acaba achando o que fez até aqui, você percebe que também queria uma feature. Volta, pede. Isso é gostoso. Tem gente que não tem paciência. “Tive que explicar demais”. Mentira: se fosse fácil você tinha feito sozinho — está pedindo à IA porque não fez ainda.

## SPEC DRIVEN DEVELOPMENT É BOBAGEM [3:47:20](https://www.youtube.com/watch?v=4c7pbOxYn_A&t=13640)

Apareceu essa moda de “spec driven development”: formulário cheio de campos em que você preenche para gerar o prompt. Bobagem enorme. LLM processa tokens. Se não foi treinado especificamente naquele formato, o formato não significa nada. Tanto faz um, dois ou três prompts. Gastou um pouco mais de token, que se dane. Fale do jeito que quiser. O problema é que você não sabe explicar, e nenhum formulário do mundo resolve isso.

## PROGRAMADOR É RUIM DE COMUNICAÇÃO [3:48:48](https://www.youtube.com/watch?v=4c7pbOxYn_A&t=13728)

Programador é historicamente péssimo de comunicação. Não gosta de escrever. Acha que sabe escrever código melhor do que sabe explicar. Não entende que as duas coisas estão correlacionadas. Sente-se alguém para explicar: sai “tipo”, “sabe”, “é tipo”. Não estrutura raciocínio. Do outro lado, cliente prolixo, MBA que abre mil parênteses antes do assunto. Ambos travam no mesmo ponto: não se comunicam.

Eu escrevo há décadas. Tudo que aprendo vira post. Não é para ensinar o mundo: é ali que eu guardo. Preciso reinstalar máquina amanhã, passo a passo já tá lá. Melhor ainda: Google indexa, e quando eu pesquisar “meu site, Arch Linux, Docker”, o próprio Google me devolve. Por que eu gastaria memória com isso?

## A IA REFLETE QUEM VOCÊ É [3:50:24](https://www.youtube.com/watch?v=4c7pbOxYn_A&t=13824)

Quando eu chego num resultado em que a ferramenta está trabalhando e produzindo algo útil, ótimo. Tem gente que não tem paciência. “Estou explicando demais, eu dava conta sozinho.” Mentira, não dava. Estava procrastinando. Se fosse fácil, já teria feito. A pessoa usa IA justamente porque não fez, e continua dizendo que “isso devia ser simples”.

A IA reflete quem você é. Se você nunca escreveu uma linha decente para explicar algo a um humano, não vai conseguir explicar para uma IA. Aí diz que a IA é que não entrega. Jeito tosco leva a resposta errada. A IA é burra no sentido literal — não sabe o que você quer. Em vez de dizer “meu texto é uma bosta”, o sujeito culpa o modelo. Quem sabe comunicar tira proveito. Hoje, se você está em Claude, Codex ou GLM e não está tendo resultado, o problema não é a IA nem a versão. O problema é você.

## CÓDIGO GERADO POR IA É RESPONSABILIDADE SUA [3:52:58](https://www.youtube.com/watch?v=4c7pbOxYn_A&t=13978)

“Mas eu segui tudo que a IA mandou.” Você escreve tudo que a máquina de escrever manda? Não faz sentido. Você é o responsável. Para ser responsável, estude, experimente, erre. Com o erro, autorreflita. É assim que se vira sênior. IA não garante essa mentalidade. Se você acha que é tudo fácil, no piloto automático, não vai acontecer. A IA vai substituir todas as pessoas que não tomam responsabilidade. E é ótimo que seja assim.

## LUIZ: GPT 5.4 VS OPUS EM ENG. ELÉTRICA [3:56:26](https://www.youtube.com/watch?v=4c7pbOxYn_A&t=14186)

Luiz perguntou: “Opus 4 erra várias questões de Engenharia Elétrica. Só GPT 5.4 acerta listas da minha graduação. Quanto falta para Opus chegar lá? Para mim o 5.4 está à frente.”

Caso de uso. Quando alguém diz “um é melhor que o outro porque no meu caso funcionou”, é estupidez metodológica. O modelo foi treinado com a internet inteira, milhões de papers, Wikipedia inteira. O que varia é tuning para tipos de problema. Ele pode ser ótimo em cálculo e ruim em álgebra linear. Bom em chinês e ruim em japonês. Um modelo denso tem 1 trilhão de parâmetros, 1 trilhão de pequenas probabilidades se cruzando. Papagaio aleatório. Ele não pensa. Calcula a resposta mais provável. Depende do material de treinamento, da limpeza, do aprendizado reforçado, do alinhamento. Toda uma cadeia. Modelos saem muito diferentes.

## CODEX E CLAUDE: O EXPERIMENTO DO MÁRIO [3:58:38](https://www.youtube.com/watch?v=4c7pbOxYn_A&t=14318)

Peguei uma ROM do Super Mario e quis aprender uma engine de jogo chamada Godot que eu nunca usei. Pedi ao Codex para ler da ROM, não sair de memória, extrair sprites, fase, física básica, traduzir em Godot Script. Rodando nativo para Windows, com plano de Android depois. Logo percebi: não virava blog post. Ninja da Nintendo aparece e me cancela. Nessa altura da vida, não vou arrumar briga com a Nintendo. Troquei para Sega, peguei Streets of Rage.

O Codex extraiu o background. Na hora dos sprites dos personagens, pegou a cabeça do Axel que aparecia na seleção de personagem e disse “pronto, é o Axel”. Não era. Tarde inteira de domingo guiando, sem sair do lugar. Na segunda, quando o Cloud Code resetou, mandei o mesmo prompt: leia da ROM, faça um script, não pegue de cabeça, garanta o offset correto dos sprites. O Cloud tentou algumas vezes, demorou uma hora, mas conseguiu extrair o Axel. Aí pedi para documentar. Mapeei animações no gamepad do Xbox.

No meio, o Cloud tentou subir um emulador para ler da VRAM. Não precisava, mas tentou. Teve bug de personagem andando em cima da parede. Três vezes perguntou “você fechou e recarregou?”. Óbvio. Eu disse: “não assuma que o problema é esse. Volte ao arquivo e veja se não tem outro fazendo offset”. Ele olhou de novo, achou configuração global que somava duas vezes, tirou, personagem voltou para o chão.

Conclusão: Codex falhou, Cloud funcionou. Mas já aconteceu o oposto. Cada modelo é bom em algumas coisas e não em outras. Talvez prompt ruim, contexto sujo, sessão que devia ter limpado. Quando alguém diz que um é consistentemente melhor, quase sempre é viés de contexto. O problema é a pessoa, não a ferramenta.

## O USUÁRIO ERRA NO PROMPT E CULPA A IA [4:03:59](https://www.youtube.com/watch?v=4c7pbOxYn_A&t=14639)

Às vezes você erra no prompt. Está digitando, ouvindo YouTube no outro monitor, vendo o Igor falar, e aperta enter antes da hora. A IA começa a mexer num arquivo que não era. Você aperta ESC, corrige, segue. Culpa sua, não dela. Acontece com programador humano também: está codando, ouvindo podcast, acha que testou, manda para produção. Bug humano. Só que programador acha que IA tem de acertar de primeira, todas as vezes. Não vai. Todos os bugs que existem foram feitos por humanos. A IA não criou tudo isso.

## IA COMO JÚNIOR OU TERCEIRIZADO [4:05:57](https://www.youtube.com/watch?v=4c7pbOxYn_A&t=14757)

Trate a IA como programador júnior. Empresa trata como terceirizado na Índia. Ninguém acredita que vai escrever 50 páginas de requisitos, mandar para o outro lado, e receber o produto pronto do jeito imaginado. Nunca aconteceu na história dos projetos.

Reforma de casa: arquiteto faz plano. Já deu 100% do começo ao fim? Nunca. Se você não acompanha a obra, dá merda. Gaveta que não abre, lajota quebrada, vazamento com gambiarra. Acompanhar não é microgerenciar. Não fica no cangote. Mas passa, olha, pergunta. Vai ouvir “ah, eu ia fazer, era a próxima coisa”. Ia mesmo ou ia tampar?

## A IA É NEUTRA [4:07:28](https://www.youtube.com/watch?v=4c7pbOxYn_A&t=14848)

A parte boa: a IA é neutra. Não tenta te agradar por carência, não tem malícia, não quer te enganar. Tenta executar o que você pediu com os dados disponíveis. Não fica com raiva se você gritar, não cospe no prato se você xingar. Libertador. Pode testar o limite sem drama. Se mesmo assim a resposta está errada, é porque você não soube pedir.

## METODOLOGIA PARA COMPARAR MODELOS [4:08:25](https://www.youtube.com/watch?v=4c7pbOxYn_A&t=14905)

Comparei os modelos open source de tradução em mesmos termos. Mesmo hardware, mesmos prompts, mesmos resultados checados, mesmas dimensões: tokens consumidos, tempo levado, qualidade do output. Ao final, não concluí “este é melhor”. Concluí: “este é melhor se você tem dinheiro”; “este outro é melhor, mas dá mais trabalho”; “este é melhor, mas leva o triplo do tempo”.

Analogia do carro. Não tem carro que resolve todo problema. Para entrega de tofu na montanha, meu AE86 serve. Para velocidade e dinheiro, pego Ferrari. LLM é igual. Não existe LLM que resolve tudo. Não existe linguagem perfeita, framework perfeito. Seja promíscuo e desleal com toda tecnologia.

## NÃO PRECISA DAR BOM DIA [4:09:51](https://www.youtube.com/watch?v=4c7pbOxYn_A&t=14991)

Não precisa dar bom dia para a IA. Gasta token. Tem o meme do apocalipse em que a IA perdoa quem foi gentil. Para cada bom dia que alguém dá, eu faço bullying 30 vezes. Nunca vai funcionar. Seja direto. Use todas as tecnologias disponíveis.

## ROBSON: LLM VAI SER ENGENHEIRO DE SOFTWARE? NÃO [4:10:11](https://www.youtube.com/watch?v=4c7pbOxYn_A&t=15011)

Não. Vai ser ferramenta do engenheiro. Sem engenheiro de verdade, o código explode em produção. “Mas eu crio uma persona 'você é engenheiro de software'”. Zero garantia. Não tem contexto, não vê clientes, não ouve reclamação, não sabe urgências e prioridades. Se você pede “seja o engenheiro mais perfeito do mundo”, ele faz código hiperburocrático, pesado pra caramba, para atender dez pessoas. Se pede “faça o mais seguro possível”, bloqueia tanto que não instala. Engenheiro de software estuda anos, apanha para saber que métricas importam. Reconhece: “já vi isso dar problema, não vai dar agora mas vai dar amanhã, deixa pré-ajustar”. Esse tipo de experiência nasce de apanhar. E aprendizado tem que ser deliberado, como personal training: pacing, estratégia, resistência. Não é só correr no talo.

## CONTADOR, PREENCHEDOR DE PLANILHA E EXCEL [4:11:45](https://www.youtube.com/watch?v=4c7pbOxYn_A&t=15105)

Antigamente, empresa de contabilidade ocupava andares inteiros com gente preenchendo pilhas de planilhas de papel. “O Excel matou o contador.” Não matou. Contador existe até hoje. Quem sabe auditar, checar entrada e saída, validar notas fiscais, conhecer as leis, continua. Quem morreu foi o preenchedor de planilha. Para cada contador havia 20 preenchedores. O Excel acabou a função.

Mesma coisa agora com programação. Acaba o codificador: o cara que passava o dia trocando cor de botão, cortando imagem no Photoshop, recortando HTML à mão. Trabalho braçal, nunca foi programação, já devia estar automatizado. O engenheiro que analisa, decide, se responsabiliza, continua. O problema é que muito programador ruim botava “engenheiro de software” no LinkedIn. Você nunca foi engenheiro de software. Esse é o emprego que a IA rouba.

## MICHAEL: CLOUDFLARE, NEXT.JS E WORDPRESS CLONE [4:16:23](https://www.youtube.com/watch?v=4c7pbOxYn_A&t=15383)

Michael pediu para eu falar sobre a Cloudflare reimplementando a API do Next.js. A Vercel dava suporte privilegiado ao Next.js: o framework é bem incompleto sem o harness/rédeas que a Vercel acoplava. Era lock-in de anos. Dava para hospedar em outro lugar, na Vercel era trivial.

A Cloudflare, concorrente, reimplementou essas rédeas usando IA. Em uma semana ficou pronto. Lançaram o produto e o tutorial de como migrar da Vercel para a Cloudflare.

Mesmo tipo com WordPress. Um dos piores códigos que existe. Barata. Parece que nunca morre. Código ruim, inseguro, cheio de plugins mal feitos que abrem buracos. A Cloudflare usa vários produtos de segurança só para interceptar vulnerabilidades do WordPress antes que cheguem no servidor. Todo mundo já tentou clonar WordPress; todo mundo falhou. A Cloudflare fez clone (chamado MD-EM dash) em linguagem melhor, com IA, e está empurrando como substituto.

## O DEVELOPER 10X AGORA É REAL [4:19:04](https://www.youtube.com/watch?v=4c7pbOxYn_A&t=15544)

Todos os projetos que mostrei foram feitos em 2-3 dias. Importante calibrar: são 2-3 dias meus, em 16 horas concentradas, não 8. Ninguém programa 8 horas. A gente trabalha 8, mas metade é e-mail, reunião, Slack, procrastinação. Num bom dia, 4 horas de código. Normal é 2 ou 3.

No ritmo normal, pelo menos 4 vezes mais tempo para sênior. Nível pleno, mais 4 vezes. Minha versão em 4 dias, outra pessoa em 2-3 meses. Dois meses para básico, mais um mês para testes, escalabilidade, documentação. Antes era difícil pegar projeto open source e encaixar na empresa. Alguém tinha que dedicar tempo para ajustar. Hoje eu pego, IA ajusta rápido. Em vez de terceirizar para 10 pessoas, pego um sênior in-house, dou uma semana. Vale por 10. O “developer 10x” virou realidade. Agora. Em novembro ainda não era. Por isso a urgência.

## BLOG DE 20 ANOS TRADUZIDO EM DOIS DIAS [4:22:03](https://www.youtube.com/watch?v=4c7pbOxYn_A&t=15723)

Em 5 de abril meu blog fez 20 anos. Mais de 700 posts, quase 1000 contando os que tirei por estarem obsoletos. Majoritariamente em português. Amigos fora do Brasil sempre diziam “queria mostrar para meu time”. Google Translate é bosta. Agora, com o estágio atual das LLMs, finalmente tradução não parece máquina. (A propósito, estudos de LLM nasceram de tradução: large language models. Se traduz alemão bem, sabe programar.)

Dois dias. Ajustei o template com links em inglês e português. Post que era inglês, foi para a seção em inglês. Os em inglês traduzi para português. O resto traduzi para inglês. Traduzindo com o Claude. Gastei metade do meu Max 20x e traduziu o blog inteiro. Lendo em inglês, parece texto normal, não IA.

Conheci pessoalmente Chris Wanstrath fundador do GitHub antes dele ser GitHub, quando ele era programador de Starbucks. David Heinemeier Hansson, criador do Ruby on Rails. Trouxe todos para o meu evento em 2008, ano do primeiro. GitHub só virou GitHub em 2010. Microsoft comprou 5 anos depois. Tem muita história boa no blog.

## 146 VÍDEOS DUBLADOS EM QUATRO DIAS [4:25:03](https://www.youtube.com/watch?v=4c7pbOxYn_A&t=15903)

Cinco anos de vídeos, 146 vídeos, quase 100 horas. Se dublasse, tinha que bater o timing do áudio original para os elementos visuais não saírem de posição. Se regravasse, precisava manter duração. Parecia inviável.

Testei modelos de TTS. Open source não tinha entonação que eu queria para inglês. Fui para comerciais. Vídeo de uma hora você não envia inteiro, tem que picotar em trechos de menos de 700 palavras, gerar, reconectar, pegar o timing.

A sorte: YouTube já tinha a legenda. E tinha porque eu mando script original antes de gravar. Em cada um dos 146 vídeos eu escrevo script e leio do script. Texto dito existe palavra por palavra. Peguei timing do YouTube, peguei meus scripts, recortei. Legenda mostra duas linhas por vez. Sem os scripts, não saberia onde termina parágrafo, colocaria silêncio no meio de frases. Em vídeos com Steve Jobs (trecho embutido), YouTube alucinou a legenda. Comparei script original com legenda, nos pontos que não batiam peguei o áudio original.

Três, quatro dias de processamento. Comecei em plano Creator da Eleven Labs, subi para Scale, depois Business com 11 milhões de tokens. A cada bug descoberto em um vídeo, reprocessar os outros. Deletar do YouTube, subir, conferir sincronização. No fim: 146 vídeos traduzidos e dublados em 4 dias. Título, descrição, legendas, áudio com minha voz clonada na Eleven Labs, thumbnails com Nano Banana. Custo total (Claude Max + Eleven Labs): uns dois mil dólares. Parece caro, é barato demais para o volume. Do jeito antigo, contratando gente, seria trabalho de muitos meses.

A dublagem automática do YouTube é uma droga: muda a voz, às vezes voz de criança, às vezes velha, qualquer voz masculina aleatória. Não tira alucinação, não ajusta timing. Entonação da minha voz clonada ainda não é perfeita, pareço um pouco de máquina porque não forcei as tags de emoção. Tem tag de surpresa, desprezo, alegria, risada. Dá para pôr.

## O QUE ACABA É O TRABALHO BRAÇAL [4:32:28](https://www.youtube.com/watch?v=4c7pbOxYn_A&t=16348)

700 posts, 100 horas de vídeo, em menos de uma semana. Antes era trabalho de meses. Mas é braçal. Não tem nada inteligente. Pegar pedaço por pedaço e processar. Todo trabalho braçal acabou. Graças a Deus. Eu não virei programador para ser braçal de código.

Todo mundo acha que ser programador é escrever muito código. Não é. É conseguir fazer o hardware produzir resultado útil. Como? Varia por era. Um dia foi fio e endereço na mão, depois cartão perfurado, depois teletype (máquina elétrica em papel), depois monitor. O que muda é a forma de entrada. O objetivo continua igual.

## O 42 DO MOCHILEIRO E A CODE MINER 42 [4:33:30](https://www.youtube.com/watch?v=4c7pbOxYn_A&t=16410)

Douglas Adams previu tudo. No Guia do Mochileiro das Galáxias, uma grande IA é construída, a maior do universo. Os povos primitivos perguntam: “qual a resposta para tudo?”. A máquina responde: “em um milhão de anos eu terei a resposta”. Passa um milhão de anos. Nova geração, expectativa enorme. A máquina acorda. “A resposta é 42.”

“Como assim, 42? Esperamos um milhão de anos para 42?” A máquina: “A pergunta que você fez me levou a 42. Se queria outra resposta, devia ter feito outra pergunta”. É tudo que eu venho falando. IA responde o que achou adequado para a pergunta. Sua pergunta é uma bosta. Essa é a moral. Por isso minha empresa se chama Code Miner 42. Marvin é o mascote. A ideia não é te dar a resposta. É te ensinar a fazer a pergunta.

Recebo requerimento e não sou quem faz qualquer coisa por dinheiro. Vários clientes chegaram com briefing, e eu disse: “honestamente, não vou fazer. O que está escrito aqui não faz sentido. Você vai gastar dez vezes mais do que imagina. Não vai funcionar. Volte e refaça a lição de casa. Quem montou para você não sabe o que está fazendo”. O cara fica puto. Alguns voltaram depois: “você tinha razão, repensei, agora sim”.

## MVP CONTRA SUPERESPECIFICAÇÃO [4:36:34](https://www.youtube.com/watch?v=4c7pbOxYn_A&t=16594)

Jeito certo não é desenhar tudo em detalhe tentando economizar 100%. Você nunca economiza 100%. Melhor gastar um pouco para acertar muito. Protótipo, MVP, prova de conceito — nome que for. Se o protótipo falhar, foi o protótipo. Analogia da argila: só quando começa a mexer vê a forma, tira um pedaço, coloca outro. Só quando vê a primeira maquete é que percebe “esse quarto não fica bom, era melhor do outro lado”. Antes de construir a casa inteira e descobrir. Senão, destrói?

## CEO DEMITIR PROGRAMADOR POR IA NÃO DÁ CERTO [4:37:47](https://www.youtube.com/watch?v=4c7pbOxYn_A&t=16667)

Todo mundo se preocupa: chegou a IA, CEO vai demitir todo programador. Os empolgados fazem e viram manchete: “demiti, software saiu 10x mais rápido”. Pergunta como ele está hoje. Ninguém vai atrás. Faliu, ou recontratou tudo de volta porque o software parou de evoluir. “Mas a IA resolve.” Não resolve. A IA não é engenheiro, é ferramenta. E se a pessoa que está lá tampouco é engenheiro, ninguém conserta.

Na minha empresa é o oposto. Pago IA para todo mundo. Sêniors ensinam juniores. Forma correta e incorreta, o que fazer com código errado da IA, o que fazer com código dos outros. Não demiti um programador. Não demiti porque na bolha não contratei feito idiota. Mantive os mesmos critérios. Todos os que entraram passam nesses critérios. Quem demite hoje é quem contratou 100 que não precisava.

## ENTUSIASMADO E RESISTENTE [4:40:30](https://www.youtube.com/watch?v=4c7pbOxYn_A&t=16830)

Dois tipos de programador ruim. O entusiasmado, que acha que vai substituir tudo por IA. E o resistente, que acha que IA não serve porque seu código é melhor. Filho, não é. Você sabe que não é. Já fez muita merda. Seu código não é tão bom. Eu sei. Você sabe. Não vamos fingir.

Empresa precisa de IA. Mas não no modo “demite e põe IA”. A IA é máquina de escrever para quem antes só tinha papel e caneta. Continua precisando de autor. A IA reflete quem você é. Se for bosta, o código sai bosta. Se for analfabeto, não sai romance.

## A IA É MÁQUINA DE ESCREVER, NÃO CFO [4:41:05](https://www.youtube.com/watch?v=4c7pbOxYn_A&t=16865)

Trabalho braçal a IA faz. Igual calculadora com conta na mão. Mas calculadora não virou seu personal financeiro, não virou seu CFO. Não avalia prioridade, prós, contras, riscos que você aceita ou não. Essa responsabilidade é sua. Se você for imprudente, a empresa fali. Culpa sua, não da IA. “Mas eu segui tudo que a IA disse.” Porque você é idiota. Você segue calculadora também?

## MOSTRE SEU CÓDIGO NO GITHUB [4:42:28](https://www.youtube.com/watch?v=4c7pbOxYn_A&t=16948)

Tenha GitHub. Aprenda a usar. Mostre código. Todo mundo tem vergonha, “meu código é feio, vão me criticar”. Mas é criticando que recebe feedback para melhorar. Elogio é feedback inútil. Eu gosto quando vem alguém dizer “Akita, você fez merda”. Olho e “caralho, é verdade, deixa eu consertar, aprendi uma coisa nova”. Se não tem esse ambiente, não aprende.

Já deixei chave pública em repositório privado sem querer. O commit foi feito pelo próprio Cloud, eu não soube dar o prompt. “O seu prompt é uma bosta” — o vim dos comentários acerta.

## SE DEU MERDA, É PORQUE VOCÊ FEZ [4:43:08](https://www.youtube.com/watch?v=4c7pbOxYn_A&t=16988)

Tudo é prompt. Skill é prompt. Agente é prompt. Contexto é prompt. Se deu merda, é porque você fez merda. Essa é a verdade.