Guias, comparações e novidades sobre ferramentas de IA

O Claude Fable 5 e o Opus 5 são ambos de topo, mas a resposta não é nem "sempre o Fable 5" nem "sempre o Opus 5" — escolha pela tarefa. E a chegada do Opus 5 em 24 de julho de 2026 mudou bastante essa resposta: a geração anterior, o Opus 4.8, era "um degrau abaixo do Fable 5, mas pela metade do preço", enquanto o Opus 5 mantém o mesmo preço de $5 / $25 e ainda empata ou supera o Fable 5 nos benchmarks agênticos (Frontier-Bench 43,3% vs 33,7% e OSWorld 2.0 70,6% vs 66,1%, ambos da tabela comparativa da Anthropic; no CursorBench 3.2 a Anthropic afirma que ele fica a menos de 0,5% do Fable 5 por cerca de metade do custo). Onde a diferença é pequena, a ordem depende da tabela: no DeepSWE v1.1, o Fable 5 vence por 69,7% vs 68,8% na da Anthropic e o Opus 5 vence por 73,7% vs 69,9% na da OpenAI. As especificações coincidem na janela de contexto de 1M e na saída máxima de 128K; o modo rápido (cerca de 2,5x) é exclusivo do Opus 5, mas custa 2x e só funciona na API da Claude, e o Opus 5 traz o corte de conhecimento mais recente, de maio de 2026. O fluxo de decisão: teste primeiro o Opus 5 e escale para o Fable 5 apenas onde ele estaciona. Na prática, "Opus 5 como base, Fable 5 para as partes difíceis" é o ideal, apoiado pela troca automática do aplicativo em bloqueios de segurança e pelo novo modo "default" de fallback da API. Cobre disponibilidade (suspensão em junho, reimplantação em julho), como evitar a dependência de um único modelo, ajuste de effort para custo e um FAQ — ligando o cluster do Fable 5 ao guia de lançamento do Opus 5.

Em 1º de julho de 2026, a Anthropic reimplantou seu modelo de topo Claude Fable 5 no mundo todo (o Mythos 5 voltou apenas para um grupo de organizações dos EUA) — apenas 19 dias após ambos serem totalmente suspensos em 12 de junho por uma ordem de controle de exportação dos EUA. O motivo direto do retorno: o Departamento de Comércio dos EUA suspendeu os controles de exportação em 30 de junho. O estopim original foi um relato de jailbreak de pesquisadores da Amazon, mas a Anthropic sempre argumentou que "o Fable 5 não oferece nenhuma capacidade ofensiva única", e a suspensão dos controles resolve a questão em linha com essa posição. Ele não voltou simplesmente inalterado: um novo classificador treinado para detectar a técnica de contorno relatada a bloqueia em mais de 99% dos casos e, quando dispara, a solicitação é redirecionada automaticamente para o Opus 4.8 (a opção "trocar de modelo quando uma mensagem é sinalizada" no app). Por ora aplica-se um limite temporário — até 50% do limite semanal nos planos Pro, Max, Team e alguns Enterprise até 7 de julho, depois via créditos de uso. O Fable 5 consome mais rápido que o Opus 4.8, e o acesso via nuvem (AWS, Google Cloud, Microsoft Foundry) volta em etapas (ainda sem data). Como continuação da suspensão, este texto aborda por que ele pôde voltar, o que mudou, as ressalvas de uso e a lição de projetar sem depender de um único modelo — com base no anúncio oficial e na cobertura da imprensa.

O primeiro obstáculo ao colocar um agente de IA em trabalho real é "em qual framework construí-lo". Da ótica do desenvolvedor e de quem seleciona a tecnologia, este artigo compara seis frameworks principais — LangGraph, CrewAI, AutoGen (integrado ao Microsoft Agent Framework, GA em abril de 2026), OpenAI Agents SDK, Google ADK e Claude Agent SDK — por abordagem de orquestração (grafo dirigido / crew baseada em papéis / GroupChat conversacional / handoffs / árvore hierárquica / laço autônomo de ferramentas), linguagem, curva de aprendizado, controle, maturidade em produção, custo de tokens e caso de uso ideal. A ressalva central: o framework "mais rápido de prototipar" (CrewAI) pode ser o mais caro em produção — cerca de 3× os tokens (41k contra 18,5k do LangGraph em um benchmark) e não determinístico, o que o torna inadequado para finanças e saúde. Também explica como 2026 trouxe interoperabilidade via MCP (ferramentas) e A2A (agente a agente), de modo que agentes de frameworks diferentes agora trabalham juntos e o lock-in diminuiu. Inclui um guia de seleção por caso de uso e FAQ.

IA ou humano, quem é melhor em segurança? A resposta mudou muito em 2025–2026. O Big Sleep, do Google, barrou um zero-day real (o CVE-2025-6965 do SQLite) antes do abuso, e o pentester de IA autônomo XBOW chegou ao 1º lugar do ranking dos EUA na HackerOne. Por outro lado, 45% do código gerado por IA traz vulnerabilidades (Veracode; outra análise, da CodeRabbit, encontrou até 2,74 vezes mais problemas de segurança em pull requests coescritos com IA do que nos feitos só por humanos) e ocorreu o primeiro ciberataque de larga escala liderado por IA, com abuso do Claude (80–90% do ataque executado de forma autônoma). Com base em fontes primárias de Google, Anthropic, DARPA, Veracode e CodeRabbit, este artigo compara, em uma tabela por tarefa, a IA — que domina em velocidade, escala e cobertura — e o humano, superior em lógica de negócio, encadeamento de ataque e decisão final. Mostra ainda que a IA é uma faca de dois gumes com tríplice face — "fonte geradora de vulnerabilidades, ferramenta de ataque e o defensor mais forte" — e conclui, para profissionais e gestores, que o vencedor é a divisão de papéis "humano × IA" (modelo centauro) somada ao human-in-the-loop.

O Ollama é a ferramenta de referência para começar com LLMs locais: ele cuida de quase toda a configuração trabalhosa para que você baixe um modelo e converse com um único comando. Este guia para iniciantes percorre tudo do começo ao fim — instalação no Windows, Mac e Linux, os comandos essenciais, como obter e escolher modelos pelo tamanho e pela VRAM, usar uma GUI como o Open WebUI, integrar a API local (inclusive a compatível com OpenAI) aos seus próprios apps, personalizar com Modelfile e variáveis de ambiente, além de soluções para os problemas mais comuns.

Um guia prático para escolher qual modelo de LLM local instalar em 2026, organizado por desenvolvedor, país de origem, caso de uso, tamanho e licença. Cobre as principais famílias (Qwen, Llama, Gemma, DeepSeek, Mistral, Phi, GLM) e destaca modelos focados em português e regionais — Sabiá e Tucano (Brasil), Albertina e Gervásio (Portugal) —, além de modelos multilíngues fortes bem ajustados ao português, com recomendações por VRAM e alertas de licenciamento para uso comercial.

Quer rodar um LLM local mas não sabe se o seu PC dá conta? Cerca de 90% da especificação se resume à VRAM (a memória da GPU). Este guia traz uma tabela rápida de VRAM por tamanho de modelo, uma fórmula simples, a armadilha do cache KV que cresce com o contexto, velocidades realistas por GPU e Mac, e três níveis de configuração por orçamento. Com o jargão ao mínimo, até iniciantes descobrem qual hardware comprar.

Um LLM local que você roda no próprio PC ou LLMs em nuvem como Claude, ChatGPT e Gemini — ambos são "LLMs", mas diferem em desempenho, custo, privacidade e esforço. Este artigo coloca tudo lado a lado em uma única comparação e mostra com honestidade até onde a mal compreendida "diferença de desempenho" diminuiu em 2026, hoje desprezível para muitos casos de uso. Em seguida, ele guia você pela escolha na ordem confidencialidade → qualidade → volume, com um guia de decisão prático. Para a maioria das pessoas, a resposta é o híbrido: o local para o trabalho confidencial e rotineiro, a nuvem para as partes mais difíceis.

Quanto mais a IA generativa se entranha no trabalho, mais pesa a pergunta "e se amanhã essa IA sumir?". Em junho de 2026, um modelo de ponta foi suspenso três dias após o lançamento e foi reativado 19 dias depois (1 de julho de 2026). Este artigo explica o que é o risco de dependência de IA, as seis formas pelas quais uma IA pode "sumir" e os passos concretos de preparo — para usuários individuais e para sistemas em produção. A ideia central é proteger por design, não por previsão: tenha uma alternativa pronta, mantenha dados e prompts do seu lado e desenhe a IA como uma peça removível, com gateway de LLM, cadeia de fallback e um manual de recuperação.

As regras de permissão do Claude Code controlam chamadas de ferramentas por allow, ask e deny no settings.json. Conheça a prioridade das configurações, a correspondência de comandos e caminhos e exemplos práticos. O guia também explica outras formas de invocar Bash, scripts arbitrários, padrões de negação de Read/Edit e mudanças de decisão por mods, distinguindo as regras de uma garantia de bloqueio de arquivos secretos ou acesso à rede por todas as vias.

O modo de permissão decide com que frequência o Claude pausa para pedir aprovação antes de editar arquivos ou executar comandos. Este guia explica os 6 modos — Manual, Aceitar edições, Plano, Auto, Ignorar permissões e dontAsk —, como alternar com Shift+Tab e como escolher cada um com segurança.

O controle de esforço do Claude Code decide quanto raciocínio e quantos tokens a IA aplica em cada resposta. Veja os 5 níveis da API (low–max), por que “Extra” é xhigh e não o topo, o que é o Ultracode e como definir tudo com /effort.