🚨 Alguém acabou de resolver o maior gargalo em agentes de IA. E é um binário de 12MB. Chama-se Pinchtab. Ele dá a qualquer agente de IA controle total do navegador através de uma API HTTP simples. Não está preso a um framework. Não está vinculado a um SDK. Qualquer agente, qualquer linguagem, até mesmo curl. Sem configuração. Sem instalação. Sem dependências. Apenas um único binário Go. Aqui está o porquê de cada solução existente estar quebrada: → O navegador do OpenClaw? Funciona apenas dentro do OpenClaw → Playwright MCP? Bloqueado por framework → Uso do navegador? Acoplado à sua própria pilha Pinchtab é um servidor HTTP independente. Seu agente envia requisições HTTP. É isso. Aqui está o que essa coisa faz: → Lança e gerencia suas próprias instâncias do Chrome → Expondo uma árvore DOM acessível em primeiro lugar com referências de elementos estáveis → Clicar, digitar, rolar, navegar. Tudo via chamadas HTTP simples → Modo de furtividade embutido que contorna a detecção de bots em sites principais → Sessões persistentes. Faça login uma vez, permanece logado entre reinicializações → Orquestração de múltiplas instâncias com um painel em tempo real → Funciona sem cabeça ou com cabeça (humano faz 2FA, agente assume) Aqui está a parte mais louca: Uma captura de página completa custa ~800 tokens com o endpoint /text do Pinchtab. A mesma página via capturas de tela? ~10.000 tokens. Isso é 13x mais barato. Em uma tarefa de monitoramento de 50 páginas, você paga $0.01 em vez de $0.30. Ele ainda tem um modo de diffs inteligente. Retorna apenas o que mudou desde a última captura. Seu agente para de reler a página inteira a cada chamada. 1.6K estrelas no GitHub. 478 commits. 15 lançamentos. Mantido ativamente. 100% Código Aberto. Licença MIT.

🚨 A equipa Qwen da Alibaba lançou uma estrutura que torna o treino de IA 8x mais eficiente. Chama-se OPUS Resolve o problema que cada laboratório de IA está silenciosamente a entrar em pânico: a Parede de Dados. O texto público de alta qualidade está a esgotar-se. As projeções dizem que estará esgotado entre 2026 e 2028. O OPUS não encontra mais dados. Ele escolhe os dados certos em cada passo de treino. Aqui está como funciona: → Em cada passo do otimizador, o OPUS pontua um buffer candidato de amostras de treino → Projeta a atualização efetiva de cada amostra na geometria real do otimizador (AdamW, Muon) → Mede quanto cada amostra melhoraria o desempenho em um benchmark alvo → Usa amostragem de Boltzmann para preservar a diversidade e evitar redundância → Seleciona apenas os tokens de maior utilidade para a atualização Aqui está a parte mais louca: Ele treinou o GPT-2 XL com 30B de tokens e superou modelos treinados com 200B de tokens. Isso não é um erro de digitação. 30B venceu 200B. No Qwen3-8B, o OPUS igualou o treino completo com 3B de tokens usando apenas 0.5B de tokens. Um ganho de eficiência de dados de 6x. Na continuação do pré-treino em domínios científicos. Ainda mais louco: eles deram deliberadamente ao OPUS os dados de menor qualidade (pontuação FineWeb-Edu 3) enquanto as linhas de base foram treinadas na partição de alta qualidade (pontuações 4-5). O OPUS ainda venceu. Dados de menor qualidade, selecionados dinamicamente, venceram dados de maior qualidade filtrados estaticamente. Tudo isso com apenas 4.7% de sobrecarga computacional adicional. Métodos anteriores de seleção dinâmica pontuavam dados usando gradientes brutos — o que assume SGD. Mas ninguém treina mais com SGD. Todos usam AdamW ou Muon. Esses otimizadores remodelam gradientes através de momento, escalonamento adaptativo e ortogonalização de matrizes. O OPUS é a primeira estrutura a pontuar dados no espaço de atualização real do otimizador. Não onde o gradiente aponta. Onde os parâmetros realmente se movem. Da SJTU, equipa Qwen da Alibaba, UW–Madison, UIUC e Mila. Artigo: "OPUS: Towards Efficient and Principled Data Selection in LLM Pre-training"

ÚLTIMA HORA: A IA pode agora planear estratégias fiscais como consultores da Deloitte (de graça). Aqui estão 15 prompts insanos do Claude que substituem projetos de consultoria fiscal de $15,000 (Guarde para mais tarde)