1️⃣ OpenAI quer testar o modelo como se já estivesse solto OpenAI publicou o Deployment Simulation: pega em conversas reais desidentificadas, remove a resposta antiga e faz o modelo candidato responder antes do release. O teste cobriu cerca de 1,3 milhões de conversas GPT-5 Thinking.
💡 Porque importa As evals deixam de ser só prompts de laboratório. Para modelos e agents, a pergunta passa a ser como se comportam em trafego parecido com produção.
☕ Conversa de café Quem audita o simulador quando ele começa a pesar no botão de release?
2️⃣ Microsoft pôs o Cowork a contar créditos Microsoft lançou o Copilot Cowork em disponibilidade geral e meteu billing por uso. Cada tarefa passa a gastar Copilot Credits conforme modelo, contexto, tool calls e runtime; a Axios diz que a Microsoft pondera DeepSeek V4 alojado no Azure.
💡 Porque importa O agent empresarial deixou de caber bem no preço fixo. Quando uma tarefa corre minutos, chama ferramentas e troca de modelo, o custo aparece no workflow.
☕ Conversa de café Quantas equipas vao descobrir que o agent era barato ate alguem o usar a sério?
3️⃣ LangChain treinou um juiz barato para traces de agents LangChain e Fireworks afinaram um Qwen-3.5-35B para detectar “perceived error” em traces de produção. Dizem que fica ao nível de modelos frontier e custa 10 a 100 vezes menos a servir.
💡 Porque importa Observar agents em escala nao pode depender sempre de GPT-5.5 ou Opus. Juízes pequenos e especializados podem virar infra normal de qualidade.
☕ Conversa de café Quando o juiz barato falha, quem ve primeiro: o dashboard ou o cliente?