Quatro vídeos muito diferentes chegaram juntos esta semana e, sem combinarem, contam a mesma história: o modelo de linguagem deixou de ser o centro. Um mostra uma IA de decisão que nem conversa, só escolhe. Outra descreve um sistema que melhora a própria estratégia de busca sem retreinar nada. E o Y Combinator registra a vez dos fundadores que constroem coisas físicas. Em todos os casos, o valor migrou do modelo para o que existe em volta dele.

Decidir não é conversar

We need to talk about Jev… · Matthew Berman · 12min31s

O vídeo apresenta o Jev, criado por um dos primeiros desenvolvedores do ChatGPT. A ideia é simples de enunciar: em vez de um chat que raciocina em público, um modelo treinado para tomar milhares de decisões em paralelo, cada uma em milissegundos. O treinamento usa RLCD (Reinforcement Learning for Calibrated Decisions), uma alternativa ao RLHF que troca feedback humano por decisões calibradas. A eficiência é tanta que os tokens de saída saem de graça. Nos benchmarks exibidos, como o TypeSafe, o Jev supera Claude Sonnet 5 e Opus 5 com custo muito menor. A pergunta que fica não é se o Jev substitui um LLM, e sim quantos usos que hoje passam por um chat na verdade só precisavam de uma decisão rápida e barata.

A IA que melhora a si mesma

Did Google just kickstart the intelligence explosion? · Fireship · 4min59s

O Fireship dissecou dois artigos recentes sobre RSI (Recursive Self-Improvement, a IA melhorando a si mesma). O mais interessante é o “Dream RSI” da Google DeepMind: em vez de retreinar o modelo, o sistema simula milhares de estratégias a partir de dados históricos, como se a IA “sonhasse” novas políticas de exploração, e depois aplica a melhor delas sem custo adicional de inferência. Nos experimentos de design de algoritmos, o número de tentativas necessárias caiu por ordens de magnitude. O segundo artigo, “The Last AI Built by Humans”, propõe um roteiro de cinco etapas que termina com a IA reescrevendo o próprio processo de melhoria. O vídeo conecta isso à visão de I. J. Good de 1965, que imaginava exatamente esse ciclo há mais de sessenta anos.

O arnês e os átomos

Total Recall: Agent Memory and Harness Engineering · AI Engineer (Ignacio Martinez, Oracle) · 1h

Workshop de uma hora sobre memória de agentes e engenharia de arnês. A tese de Ignacio Martinez, da Oracle, é que o modelo é a parte congelada do sistema: raciocínio comoditizado que se troca como peça. O valor está no arnês, nas sete camadas que envolvem o modelo, sobretudo memória, que deixa de ser armazenamento para virar um sistema de recuperação e busca integrado ao resto. Quem construir o arnês certo troca de modelo sem refatorar nada. A Oracle, claro, vende a infraestrutura disso.

The State of Startups in 2026 · Y Combinator · 36min29s

O retrato anual do YC confirma o movimento. Hard tech (robótica, manufatura, defesa, semicondutores, energia) saltou de 8% para 20% dos lotes. Um em cada seis fundadores tem PhD, e a faixa dos 30-50 anos virou norma, não exceção. A receita mediana ao fim do lote multiplicou por 2,5: de US$ 8 mil para US$ 20 mil mensais, maturidade mais rápida que o próprio YC atribui à IA destravando cadeia de suprimentos e componentes de software. O Vale do Silício, que passou uma década vendendo bits, está de volta aos átomos.

A pergunta da semana: se o modelo virou commodity e a decisão virou produto, o que sobra para diferenciar? Sobrou o arnês, a memória e quem constrói coisas que ocupam espaço no mundo.