ai-powered-markdown-translatorArtigo traduzido do fr para o pt com o gpt-5.4-mini.
O fim de semana de 21 de junho de 2026 concentra duas dinâmicas distintas: de um lado, o Perplexity Computer ganha profundidade com a integração do Deep Research e de novas ferramentas de navegação nos fios de trabalho; de outro, o Together AI torna o GLM-5.2 acessível gratuitamente ao mesmo tempo em que se afirma como o fornecedor de inferência mais rápido para esse modelo no OpenRouter. No campo das ferramentas de código, a Amp melhora significativamente seu subagente Librarian e introduz os Custom Agents, enquanto o v0 simplifica o retorno dos usuários com seu modo Annotations.
Perplexity Computer — Deep Research integrado, command panel e forking
19 de junho — A Perplexity publica uma atualização substancial do Computer, sua plataforma de agentes de pesquisa. A principal novidade: o Deep Research agora está disponível diretamente nos fios de trabalho do Computer. Os resultados de uma pesquisa aprofundada podem ser convertidos em relatório, planilha, apresentação, painel de controle, site ou workflow — sem sair do ambiente. A Perplexity anuncia que o Deep Research in Computer supera os concorrentes nos benchmarks mais recentes graças a uma infraestrutura batizada de “Search as Code”.
| Funcionalidade | Descrição |
|---|---|
| Deep Research in Computer | Pesquisa aprofundada convertível em relatório, planilha, dashboard ou workflow no mesmo fio |
| Command panel | Acesso rápido a todos os modos e competências via / na caixa de pesquisa |
| Forking | Ramificação de um fio para uma nova pergunta enquanto se preserva o contexto completo |
| Inline actions | Confirmações, esclarecimentos e conexões trazidos diretamente para a caixa de pesquisa |
| Computer Analytics API | Recuperação de usos (créditos, artefatos, workflows, durações) em série temporal — Enterprise |
| Custom credit limits | Limites de créditos por membro ou equipe definíveis pelos administradores — Enterprise |
O command panel acessível por / reúne todos os modos e competências disponíveis (Deep Research, Plan Mode, skills personalizados, skills da organização) em um único lugar. O forking permite explorar uma pergunta de acompanhamento em um fio separado, mantendo ao mesmo tempo o acesso ao contexto e aos artefatos do fio de origem — um mecanismo de não regressão útil durante iterações em projetos complexos.
As funcionalidades Analytics API e custom credit limits destinam-se às organizações: os administradores agora podem monitorar os usos do Computer por API (compatível com Snowflake, Hex, Metabase ou planilhas) e definir cotas de créditos por função ou equipe.
🔗 Changelog da Perplexity — Deep Research, command panel, forking
Together AI disponibiliza GLM-5.2 gratuitamente e se impõe no OpenRouter
21 de junho — A Together AI anuncia o lançamento do GLM-5.2 (modelo open-source publicado sob licença MIT pela Z.ai / Zhipu) em sua plataforma, acessível gratuitamente via Together Chat sem configuração de API. O modelo funciona em uma infraestrutura norte-americana segura.
| Modelo | Editor | Licença | Acesso Together AI |
|---|---|---|---|
| GLM-5.2 | Z.ai (Zhipu) | MIT (open-source) | Gratuito — Together Chat, sem configuração de API |
Em paralelo, a Together AI afirma ser o fornecedor de inferência mais rápido para GLM-5.2 no OpenRouter, com um trabalho direcionado a workloads de longo contexto (codificação, agentes) para maximizar os tokens por GPU ao mesmo tempo em que mantém a latência.
“Everyone’s trying to find where to test GLM-5.2. You can try it free on Together Chat (link below). No API setup. Just pick GLM-5.2 and start prompting. Served by Together AI on secure North American infrastructure.”
🇵🇹 “Todo mundo está procurando onde testar o GLM-5.2. Você pode experimentá-lo gratuitamente no Together Chat (link abaixo). Sem configuração de API. Basta escolher GLM-5.2 e começar a usá-lo. Fornecido pela Together AI em uma infraestrutura norte-americana segura.” — @togethercompute
🔗 Together AI — servidor GLM-5.2 mais rápido no OpenRouter
Ferramentas de código IA — Amp acelera seu Librarian e lança os Custom Agents, v0 introduz as Annotations
Amp — Librarian 3× mais rápido e 43% mais barato
18 de junho — A Amp melhora seu subagente Librarian, especializado na busca de código no GitHub. A nova versão é cerca de 3× mais rápida e 43% mais barata do que a versão anterior.
| Métrica | Evolução |
|---|---|
| Velocidade | ~3× mais rápido |
| Custo | −43% |
O Librarian é o agente interno da Amp encarregado de vasculhar grandes bases de código para localizar símbolos, funções ou patterns. Essa melhoria de desempenho beneficia diretamente os workflows em que a busca de código é uma etapa frequente.
Amp — Custom Agents: os plugins criam e pilotam agentes
19 de junho — A Amp amplia seu sistema de plugins com os Custom Agents: os plugins agora podem criar agentes, executá-los e continuar interagindo com seus fios de conversa. Essa funcionalidade permite compor agentes especializados diretamente a partir de um plugin, sem infraestrutura adicional.
O interesse prático está na composição de pipelines agenticas: um plugin pode acionar um agente dedicado a uma tarefa (review de código, geração de testes, análise de dependências) e recuperar os resultados no mesmo fio. A separação entre o plugin orquestrador e o agente executor continua explícita.
v0 — Modo Annotations, perguntas no formulário, Apple/Google Pay
19 de junho — O v0 (plataforma de geração de interface de usuário da Vercel) publica várias novas funcionalidades.
| Funcionalidade | Descrição |
|---|---|
| Annotations mode | Clicar em elementos na preview para deixar comentários numerados, enviados em lote ao agente |
| In-form questions | As perguntas de esclarecimento do v0 aparecem no formulário de prompt (seleção simples, múltipla ou skip) |
| Apple Pay / Google Pay | Disponíveis no checkout do v0 |
| Favoritos ilimitados | Eliminação do limite de 5 favoritos |
| ZIP download | Membros em modo somente leitura podem baixar o código de um chat em ZIP |
O modo Annotations é a novidade mais notável: em vez de descrever um problema visual em prosa, o usuário clica diretamente no elemento na preview e deixa um comentário numerado — todos os comentários são enviados em lote ao agente. Essa abordagem reduz a ambiguidade entre descrição textual e intenção real.
Breves
- Claude Code v2.1.185 (20 de junho) — A mensagem de espera exibida durante uma desaceleração de rede é reformulada: “Waiting for API response · will retry in …” substitui “No response from API · Retrying in …”. O tempo de acionamento passa de 10 para 20 segundos. 🔗 CHANGELOG
O que isso significa
A instrumentação agentica dos desenvolvedores ganha em composabilidade. Os Custom Agents da Amp ilustram uma tendência de fundo: os ambientes de desenvolvimento de IA já não se contentam em integrar um LLM em um editor; eles expõem primitivas que permitem aos plugins orquestrar agentes especializados. A separação orquestrador/executor proposta pelos Custom Agents corresponde à arquitetura multiagentes que vem se impondo nos pipelines de produção — mas tornada acessível no nível do plugin, sem infraestrutura a ser implantada. A atualização do Librarian (3×, −43%) mostra que essa camada de agentes especializados pode ser otimizada independentemente do modelo principal.
A corrida pela inferência para modelos open-source se intensifica. O fato de a Together AI comunicar ativamente sua posição de servidor mais rápido para GLM-5.2 no OpenRouter sinaliza que o desempenho de inferência está se tornando um argumento comercial diferenciador para os fornecedores de cloud ML. Tornar o GLM-5.2 acessível gratuitamente via Together Chat sem configuração é uma estratégia de aquisição: uma vez que os desenvolvedores se familiarizam com o modelo via chat, a conversão para a API paga se torna mais direta. É um modelo que a HuggingFace e a Replicate utilizaram com sucesso nos modelos open-source anteriores.
As plataformas de agentes de pesquisa adicionam camadas de controle enterprise. As novas funcionalidades do Perplexity Computer (Analytics API, credit limits por membro, forking) revelam uma maturidade na adoção organizacional dessas ferramentas: as empresas precisam de controle de custos, rastreabilidade de uso e não regressão durante as iterações. O forking é particularmente interessante — é uma primitive de gestão de contexto que não existia nas primeiras ferramentas de pesquisa IA, e que aproxima essas plataformas dos ambientes de trabalho colaborativo (branches Git, fios de discussão separados).