Dados de um cliente na resposta de outro

A Cloudflare identificou 155 respostas do GLM-5.3 que continham dados de requisições anteriores de outros clientes. A exposição ocorreu entre 27 de agosto e 9 de setembro de 2026, apenas em requisições acima de 681.280 tokens. A empresa corrigiu a configuração da capacidade do cache e o caminho de rejeição do SGLang; afirma que nenhum outro modelo de seu serviço foi afetado. O problema combinou uma capacidade de cache menor que a janela anunciada com uma falha no tratamento de requisições longas.

Em outra frente, os responsáveis por Open3DLab, SFMLab e SmutBase relatam que um rastreador identificado como ligado à Roblox baixou 1.027 arquivos, ou 145,5 GB, de seus sites. A identificação vem da declaração do próprio rastreador; a Roblox ainda não confirmou a autoria, segundo o relato. Os autores dizem que a coleta contrariou suas regras. Suspeitam de uso para treinamento ou avaliação de IA, mas não sabem se os arquivos chegaram a algum modelo.

Pagamentos também entram na conta

No registro da Anthropic na SEC, as despesas com processamento de pagamentos aumentaram US$ 222 milhões no primeiro semestre de 2026 em relação ao mesmo período de 2025. É a variação de uma categoria de custo, não o valor total gasto em taxas. A despesa com computação e infraestrutura subiu de US$ 2,334 bilhões para US$ 8,945 bilhões, mas caiu de 201% para 55% da receita. Com o crescimento da receita, vale acompanhar tanto o custo de atender às requisições quanto o de receber por elas.

Mais código pede mais revisão

Em uma apresentação sobre agentes de revisão, um cofundador da Greptile explica como a empresa combina contexto do repositório e testes em ambientes isolados para examinar alterações. Ele alerta que uma revisão automática pode deixar passar erros e gerar comentários irrelevantes; encontrar problemas em uma alteração não prova que ela esteja livre de outros.

O engenheiro Orestis Ioannou descreve outra carga: ao trabalhar com vários agentes em paralelo, precisa alternar entre perguntas, planos, alterações e resultados. É um relato pessoal, não uma medida geral de produtividade. Juntos, os dois textos dão uma razão prática para medir revisão e atenção humana, além do volume de código gerado.

Docker remoto sem tirar o editor da máquina

O Ulak mantém o código-fonte e o editor no computador do desenvolvedor, sincroniza os arquivos necessários por SSH e executa Docker ou Compose em um servidor sob seu controle. Dispensa o daemon Docker local, mas requer Docker, SSH e ferramentas de sincronização no servidor. O ganho de recursos na máquina local vem com uma dependência clara: manter conexão e sincronização confiáveis.

Síntese: os episódios da Cloudflare e dos sites de modelos 3D mostram riscos distintos: exposição entre clientes e disputa sobre coleta de dados. No trabalho com agentes, revisão continua consumindo atenção; na operação comercial, a Anthropic registra o peso crescente das taxas de pagamento. Nenhum desses custos desaparece só porque o modelo produz mais.

Repositórios e projetos da comunidade

  • Ulak executa cargas Docker de um projeto local em servidor próprio, com sincronização por SSH.
  • Quorus coordena agentes de programação em salas e áreas de trabalho Git separadas; a revisão por outro agente pode ser configurada, mas não equivale à proteção da ramificação principal no servidor Git.
  • Vesalius cria no Mac um grafo local do código para consultas por Claude Code e outros clientes MCP. Requer Mac com chip Apple e macOS 15 ou posterior. O projeto não envia código por conta própria, mas as respostas que entrega ao Claude Code podem incluir trechos enviados ao modelo da Anthropic.
  • Resin oferece componentes experimentais para construir mecanismos de inferência, incluindo um escalonador em Rust. O projeto avisa que não é um mecanismo pronto para produção.
  • Ploom testa ordens de execução de operações de concorrência instrumentadas em Python e salva a sequência que reproduz uma falha.