Avsnittsbeskrivning
No EP 29, Flávio Pripas e Rodrigo Conde discutem o que muda quando modelos de fronteira deixam de ser apenas chatbots e passam a executar trabalho por horas, usar o computador, navegar interfaces e operar ferramentas.
A conversa parte do GPT-6 Astra e do Claude Fable 5.1, mas vai além dos placares: o que benchmarks como ARC-AGI-3, FrontierMath e ExploitBench realmente medem? Quando um resultado mede o modelo — e quando mede também o harness, as ferramentas e o orçamento de inferência?
Também entram na pauta os limites práticos dos agentes: ganho real em codebases conhecidas, tarefas de…

