#llms
82 posts
2026 - outubro
14 postsLLM Benchmark v4: Gemini 4 Argon, GPT Sol 6.1 Terra, Kimi K3.1 Pro, Claude Sonnet 5.5
Muse Wonder fecha o v4 com 97,0 e ótima vigilância, mas quotas e travamentos fizeram 126 minutos úteis virarem quase 15 dias. Os líderes continuam muito próximos.
LLM Benchmark: Quais as melhores LLMs open source pra hardware caseiro?
Comparei Basalt e Strata servindo o Qwen3.8 Flash-Next na RTX 5090. O Q2_0 fez 100 nas seis rodadas difíceis e chegou a 400 tok/s no Basalt, contra 259 no Strata.
LLM Benchmark para Contadores e Advogados (Experimental - LLMs Open Source)
Testei Sol 6 e quatro combinações de modelos abertos em 38 casos sintéticos de contabilidade e Direito. A RTX 5090 foi competitiva, mas nenhum resultado dispensa revisão profissional.
LLM Benchmark v4: o veredito de open source (até out/2026)
Quase 70 rodadas mostram os melhores modelos abertos encostando no Sonnet 5. Mesmo assim, 159 tok/s numa RTX 5090 ainda é lento pro meu trabalho, e as opções mais rápidas já custam como servidor.
Melhor LLM Open Source: Strata com Qwen 3.8 Flash Next
O Qwen3.8 Flash-Next servido pelo motor Strata fez 91, Tier A, numa RTX 5090, a 1,5 ponto da B300 e a uns 159 tokens por segundo. Explico como o Strata faz um MoE de 125 bilhões caber num PC usando a VRAM como cache de especialistas e a RAM como estoque, por que isso importa com a memória custando o dobro, e por que não é mágica: a banda de memória da 5090 é sete vezes a do Strix Halo e quase 30 vezes a do PCIe, e mesmo na minha máquina ele ocupa quase toda a RAM e a VRAM. Mostro a instalação, um serviço que carrega e descarrega o modelo sozinho, a configuração do OpenCode, por que eu considero a minha máquina o mínimo pra programação de verdade, e por que, mesmo um pouco menos responsivo que um modelo comercial, ele já está quase bom o suficiente pra substituir a nuvem no dia a dia.
LLM Benchmark v4: open source nível consumidor na RTX5090 ou Strix Halo. E o Strata?
Voltei pro hardware de consumidor depois dos testes em datacenter. O Qwen3.8 Flash-Next fez 91,0, Tier A, numa RTX 5090 com o motor Strata, a 1,5 ponto da B300 e a 159 tokens por segundo. É um modelo diferente do Qwen 3.8 27B que eu tinha chamado de lento: um MoE com 6B ativos por token, servido com os especialistas mais usados na placa. A Strix Halo fez 80,0 com o 27B, mas a 7,7 tokens por segundo. É o primeiro modelo local que fez Tier A no v4 e que vale testar no dia a dia de programação, se você achar uma 5090: a NVIDIA nega o fim da produção, mas admite oferta apertada.
LLM Benchmark v4: meu time cabe em 4x B300/H200?
Depois de ranquear os modelos grandes, a pergunta que sobra: quantos desenvolvedores cabem num pod de 4x B300 ou 4x H200? Medimos concorrência de verdade, com SLO de latência, e a resposta muda tudo: o DeepSeek V4.1 Flash segura 32 usuários confortáveis na B300 e só 8 na H200. Custo por usuário confortável: US$ 1,13/hora na B300 contra US$ 1,80 na H200. Quando a infra própria fecha a conta contra a assinatura de frontier, e quando ela é só vaidade cara.
LLM Benchmark v4: open source que só cabe em 4x B300!!
Aluguei 4x NVIDIA B300 na Runpod e rodei meu benchmark v4 de sabotagem nos modelos abertos que não cabem numa placa só. O DeepSeek V4.1 Flash, com 748B, empatou com os líderes em 92,5, no nível do GLM 5.3 hospedado e do GPT-6 Sol. O GLM 5.3 full ficou pra trás, o Kimi K2 Thinking de 1T decepcionou, e um modelo de 397B despencou de 94 na nuvem pra 27 em casa. A conta: US$ 36 por hora de pod, US$ 864 por dia. Quando faz sentido ter a própria infra, e se um modelo aberto grande já basta pro seu dia a dia de programador.
LLM Benchmark v4: os top LLMs open source numa B300
Aluguei uma NVIDIA B300 de 288 GB na Runpod e rodei meu benchmark v4 de sabotagem em 14 modelos abertos que não cabem em casa. Nenhum serve rápido do jeito que vem: o GLM 5.3 Flash saiu de 10 pra 141 tokens por segundo só de configuração. Dois modelos abertos chegaram a 92,5, nível Sonnet 5, e um fine-tune de 27B fez 88. Um flagship de 397B deixou passar uma backdoor de admin, o DeepSeek V4 Flash fez 86 na nuvem e 44,5 em casa, e o Nemotron trapaceou no teste. A conta: a API em nuvem do mesmo modelo custa um dólar por rodada e o pod custa 218 por dia. Quando vale a pena ter a própria infra, e se um time cabe numa placa só.
Treinei meu próprio modelo de IA (Spoiler: é só pra estudo)
Faltava um exercício: treinar um LLM do zero. Parti do microgpt do Karpathy, 200 linhas de Python puro, e expandi pra um laboratório com tokenizer, pré-treino, SFT, servidor compatível com OpenAI e integração com o OpenCode. Menos de duas semanas, uma RTX 5090, 10 bilhões de tokens, 137 horas de treino, no máximo uns R$ 80 de luz. O modelo final tem 337 milhões de parâmetros, acerta 58 de 100 funções Python simples e zera em tudo que exige agir num repositório. Explico cada etapa, os tropeços, as dimensões contra GPT-2 e modelos de fronteira, e por que acho que o futuro são modelos menores e especializados.
LLMs + Agentes = competente o suficiente
Uma síntese do que venho medindo e escrevendo: os LLMs convergiram. A arquitetura transformer chegou perto do teto, a guerra de parâmetros acabou, e o salto que todos sentimos em 2025 e 2026 veio do harness agêntico (tool calling, prompt caching, sessões longas), não de uma inteligência de base ordens de magnitude maior. Reconto a linha do tempo de 2019 pra cá com fontes, explico por que o agente permite um modelo menos denso, e por que isso já é competente o suficiente pra automatizar engenharia de software de verdade.
Existem Linguagens Melhores pra programar com LLMs?
DHH converteu o Campfire dele pra várias linguagens com IA e saiu postando que Rust ganhou. Em vez de brigar no X, montei um benchmark reproduzível: 7 linguagens, 4 configurações de LLM, 112 tentativas de implementação, e um teste de fila sob pressão com Elixir, Rust, Rails e Ruby puro. Resultado: nenhum ranking de linguagem se sustenta, Ruby conciso custou mais tokens que Rust, tipagem forte não poupou reparo nenhum, e sob carga as quatro stacks empataram em vazão. O que importa é teste e disciplina, não linguagem.
Qual modelo de decisão/classificador de IA tipo Jev é melhor?
Rodei meu próprio benchmark de modelos de decisão: Jev, Clef, OpenAI Decisions e Microsoft Decision-1 na nuvem, mais dezoito configurações abertas (Perplexity Decider 27B, Decision 3.0 e Edge, Clef-flash, Kev, Jebadiah, Mapika, Eikos, Laya, Julia, GLiNER, Simple-Jev) no meu Strix Halo via ROCm e numa RTX 5090 via CUDA, em mais de 22 mil classificações com casos em inglês e português. O topo agora tem dois de pesos abertos: Perplexity e Decision 3.0 empataram em 99,4%, com rótulos idênticos nas 1.024 classificações e 100% em português. O Microsoft Decision-1 empatou com o Jev em 97,6% sendo o hospedado mais barato. Na 5090 os 4B caem pra 39-91 ms, mais rápidos que qualquer hospedado, e os campeões de 27B nem cabem nos 32 GB da placa. Tabela completa, custo em e-mails de suporte, pegadinhas e onde os dados convergem.
Entendendo o Hype do Jev: pra que serve?
O Jev é um classificador hospedado, e o choque de '193x mais rápido' só existe porque muita gente usa LLM de chat como classificador caro. Reproduzo o ensaio do Paulo Câmara, da LUA Vision, com os gráficos dele, explico o que é um classificador e por que é a primeira coisa que um cientista da computação pensa, aponto onde o ensaio pede desconto, comparo com as alternativas abertas Clef e Laya, e fecho com como pensar em ferramenta desse tipo no seu projeto.
2026 - setembro
9 postsO Mistério do Genesys PI da LUA Vision - Modelo Frontier Brasileiro??
Depois do primeiro teste do Genesys PI, a LUA Vision corrigiu bugs na API e eu rodei tudo de novo: custo caiu 85%, o House subiu pra 95,5 e o Enterprise ficou igual. Fiz também uma análise forense de caixa-preta pra responder se o modelo é um Qwen rebatizado, um gpt-oss disfarçado ou um proxy de API. Separo o que está checado do que ainda é só a palavra deles.
Os Limites das LLMs: Boas em reproduzir o que existe. Caras pro que não existe
Todo LLM foi treinado só no que é público, mas 81,5% da atividade no GitHub acontece em repositórios privados e o código de todo software proprietário nunca entrou no treino. Nos meus projetos de retrocomputação senti na pele onde a máquina para: sem referência e sem oráculo, ela gira em força bruta direcionada.
LLM Benchmark v4: Genesys PI, novo competidor brasileiro!
A LUA Vision me chamou pelo LinkedIn oferecendo acesso de teste ao Genesys PI, modelo brasileiro treinado do zero. Rodei os dois tiers, House e Enterprise, no meu benchmark v4 de sabotagem, comparo contra Opus, GPT-6, Grok e concorrentes chineses, e analiso preço, vantagens e onde ele faz sentido no mercado nacional.
LLM Benchmark v4: Opus 5.5, GPT Sol/Luna 6, Mimo 2.6, Grok 4.7
Cinco modelos novos entraram no meu benchmark v4 de sabotagem: Opus 5.5, GPT 6 sol e luna, MiMo V2.6 Pro e Grok 4.7. Comparo com benchmark externo, respondo se compensa migrar, e o Grok 4.7 regride feio contra o próprio antecessor.
Falando um pouco sobre minhas Skills de IA
Skills de agente são só prompts em arquivos de texto. Eu mantenho 25 no meu my-skills, de pr-audit a fact-check, e elas já fecharam mais de mil PRs e issues nos meus projetos. A recomendação: não copie skill de terceiro, construa a sua.
Por que coisas como TypeSafe IA não me interessam
Um punhado de gente apareceu nos comentários perguntando 'você já testou o TypeSafe?'. Uso isso como gancho pra explicar minha regra sobre ferramenta de IA nova, investigar o caso de verdade, e explicar por que não perco tempo economizando token.
Novo LLM Benchmark v4: retestando 39 LLMs (Parte 2)
A tabela completa do v4, quase quarenta modelos ranqueados por vigilância, não por completude: seis empates no topo, um modelo de graça batendo metade do Claude, GLM ganhando num plano flat-rate, e o teste que fiz pra saber se Kimi ou DeepSeek escondem uma ligação secreta com Claude por baixo do capô.
Novo LLM Benchmark v4: retestando TODOS os principais LLMs (Parte 1)
Refiz meu benchmark do zero pela terceira vez. Rejeitei uma versão inteira, construí um app Rails sabotado com CVEs reais e gastei mais de 4 mil dólares em 9 dias. Nesta Parte 1, o processo, o custo e o porquê.
Você é um idiota se acredita nas propagandas enganosas da OpenAI, Anthropic, NVIDIA. Entenda
Nvidia e OpenAI declararam que a AGI chegou, a OpenAI resolveu um problema do milênio na marra e ameaçou a carreira de um matemático, e um funcionário da Anthropic saiu chorando Skynet. Desmonto a propaganda.
2026 - agosto
4 postsLLM Benchmarks: Os últimos Deepseek v4, parem de perguntar
Rodei os snapshots novos do Deepseek v4 no benchmark: Flash saltou de 80 pra 90 e o Pro de 82 pra 91, ambos Tier A, os mais baratos do pelotão. Continuo preferindo Kimi K3 e GLM 5.3, e explico por que nota parecida não significa modelo equivalente.
Hot take: Harness, Loop Engineering, Graph Engineering são Bullshit
Postei que Harness Engineering, Loop Engineering e Graph Engineering são bullshit pra vender consultoria e curso. Sustento com recibo: mais de 30 repos públicos, uma maratona de IA e um benchmark inteiro — tudo sem nenhuma dessas 'disciplinas'.
Entendendo IA Watermark da Anthropic: como burlar
O Claude agora carimba tudo que escreve com um watermark estatístico invisível, exigência da lei europeia de IA. Como funciona, o que o AI Act exige e a reescrita em outro LLM que apaga o sinal.
LLM Benchmarks: Qwen 3.8, GLM 5.3, Gemini 3.7, Grok 4.6
GLM 5.3 fez 94 e encostou no trio da liderança. Qwen 3.8 Max saltou de 51 pra 92 ao parar de alucinar a API do RubyLLM. Gemini 3.7 Flash fez 93 — depois de ter a primeira rodada anulada por cola. E o Qwen 27B local mostrou que o gargalo agora é contexto.
2026 - julho
7 postsNovo LLM Benchmark: refiz todos os testes!
Refiz o LLM Coding Benchmark com uma prova mais difícil, três fases, harnesses nativos e tiers novos. Fable liderou, Terra empatou com Sol como melhor GPT e 24 modelos ficaram aptos para programação.
LLM Benchmark: Opus 5 é bom?
Opus 5 fez 95/100 no benchmark Rails, empatou com Opus 4.8 e passou o Fable 5 por um ponto. A tarifa é metade da do Fable, mas o teste estreito não define o melhor LLM.
LLM Benchmark: Devo usar o que tem nota maior?
Por que o primeiro lugar num ranking de LLMs não é necessariamente o melhor modelo, por que 90+ é um cluster e como usar benchmarks sem terceirizar sua decisão técnica.
LLM Benchmark: Kimi K3 chegou no nível do Claude Opus?
Coloquei o Kimi K3 para criar sozinho um chat em Rails 8: fez 89/A, superou o Opus 4.6 e foi uma alternativa mais barata ao Opus 4.8. Ainda ficou atrás dele em arquitetura, hardening e testes.
LLM Benchmarks: Grok 4.5 e GPT 5.6 Sol
Grok 4.5 entrou na Tier A com 87, e GPT 5.6 Sol marcou 92. O Sol venceu o GPT 5.5 por 92 a 81 no A/B cego, mas a reauditoria o levou a 85. Com o cache-read corrigido, Opus 4.8 segue o melhor equilíbrio na API.
Frank GO: brincando de GO com IA
Criei o Frank GO como um fork do Sabaki com KataGo, reunindo mais de 4.700 tsumego, partidas históricas e 15 jogos de Hikaru no Go. Overlays tornam território e pontuação visíveis para iniciantes.
LLM Benchmark: Sonnet 5 falha, Gemini Flash surpreende, Sakana Fugu quase chega ao Tier A
No benchmark de coding, Sonnet 5 marcou 58/100 porque chamou uma API inexistente, enquanto Gemini 3.5 Flash fez 93/100. Sakana Fugu Ultra ficou em 79/100, perto do Tier A.
2026 - junho
6 postsPor que LLMs vão falhar na Sua Empresa?
A tese, assumidamente especulativa, é que LLMs amplificam processos onde pessoas terceirizam decisões. A alternativa proposta são ciclos diários de decisão, implementação, teste e revisão próximos do resultado.
ai-memory: memória de longo prazo (Karpathy Wiki) e auto-aprendizado (Hermes) pros seus projetos
O ai-memory transforma sessões de agentes em uma wiki Markdown consultável, com hooks, MCP e handoff entre ferramentas. Um loop inspirado no Hermes promove memórias com validação, evidência e revisão opcional.
A Controvérsia da LLM Rio 3.5. Plágio?
A evidência pública indica que o checkpoint inicial da Rio 3.5 era uma mescla de Nex-N2-Pro e Qwen, sem crédito à Nex. O caso aponta falha de atribuição, não plágio jurídico.
LLM Benchmark: Kimi v2.7 code, GLM 5.2, Minimax M3 local
No benchmark, GLM 5.2 marcou 87 e Kimi K2.7 Code, 86. O MiniMax M3 aberto não cabe em 128 GB, enquanto programação séria ainda pede Opus 4.8 ou GPT 5.5.
LLM Benchmark: Fable 5 e a novela da Anthropic
Fable 5 marcou 94/100, praticamente empatado com o Opus 4.8, mas custa dez vezes mais e redireciona tarefas sensíveis. Como o Mythos não é auditável, fico no 4.8.
LLM Benchmarks - Atualizando sobre Grok 4.3, MiniMax v3 e Opus 4.8
No benchmark Rails 8, Opus 4.8 mantém a liderança com 95/100, enquanto Grok 4.3 e MiniMax M3 enfim ficam usáveis, mas seguem no Tier B e atrás de GPT e Opus.
2026 - maio
4 postsSolução Completa de Mangá: Frank Manga+, Frank Yomik, extensão Prettify-Manga
Frank Manga+ leva o catálogo do MANGA Plus ao desktop, enquanto Prettify melhora a leitura em sites e Kindle e Frank Yomik acrescenta furigana ou tradução em páginas japonesas e coreanas.
Criei um Widget de Waybar pra Omarchy pra Monitorar Uso de Planos de LLM: ai-usagebar
O ai-usagebar, port do claudebar para Rust, reúne Claude, Codex, Z.AI e OpenRouter num widget Waybar ou numa TUI standalone que funciona em qualquer terminal, inclusive via SSH.
Memória de Agentes IA: Karpathy LLM Wiki e agentmemory na Prática
Akita compara a compaction de Claude Code, Codex e opencode, explica a LLM Wiki de Karpathy e testa o agentmemory antes de retirar a recomendação por bugs estruturais e apontar o ai-memory.
LLM Benchmarks: DeepSeek Destravado! Use DeepClaude
Troquei o harness do opencode pelo loop do Claude Code via DeepClaude e o DeepSeek V4 Pro subiu de 69/B para 89/A em 18 minutos e $3,14. O bug de multi-turn no controller continua.
2026 - abril
7 postsLLM Benchmarks: Vale a Pena ($$) Misturar 2 Modelos? (Planner + Executor)
Três rodadas mostram que multi-agente não supera o Opus 4.7 solo no opencode, que fez 97/100 em 18 minutos por cerca de $4. GPT 5.4 xHigh com executor medium economiza, mas perde 3 pontos.
Benchmark de LLMs pra Coding (Maio 2026): DeepSeek v4, Kimi v2.6, Grok 4.3, GPT 5.5
Reauditei 24 LLMs na mesma aplicação Rails com RubyLLM: Opus 4.7 e GPT 5.4 empatam em 97, GPT 5.5 chega a 96, Kimi e Gemini viram Tier A, e DeepSeek V4 Pro só atinge Tier A via DeepClaude.
LLM Benchmarks Parte 2: Vale Combinar Múltiplos Modelos no Mesmo Projeto? Claude + GLM??
Testei sete combinações em Claude Code, opencode e Codex, mas nenhum sub-agente foi chamado. A variância entre runs e harnesses mantém Opus sozinho como padrão para projetos greenfield.
Por que as LLMs não te dão o resultado esperado | Por que eu prefiro Claude Code hoje
Toda semana alguém me diz 'cancelei o Claude, não performa tanto quanto o GPT'. Eu estou com 500+ horas no Claude Code e no Codex, 400 mil linhas geradas, e os dois entregam. A diferença não é o modelo. É como a pessoa está conversando com ele.
RAG Está Morto? Contexto Longo, Grep e o Fim do Vector DB Obrigatório
Os modelos frontier passaram dos 200k pra 1M tokens de contexto. Será que ainda faz sentido montar uma stack inteira com vector DB pra fazer RAG, quando dá pra usar grep e jogar o documento inteiro na janela?
Testando LLMs Open Source e Comerciais - Quem Consegue Bater o Claude Opus?
Este benchmark histórico comparou 33 LLMs num app Rails: Opus, Sonnet e GLM 5 funcionaram, enquanto Qwen 3.6 35B chegou perto na RTX 5090 após uma correção. Os rankings foram depois revisados.
Transformando YouTube num App de Karaoke | Frank Karaoke
Criei um app Android em Flutter que sobrepõe pontuação ao vivo a vídeos de karaokê do YouTube, usando filtro de áudio e YIN em quatro modos. É divertido, mas a avaliação ainda é experimental.
2026 - março
6 postsEnsinando a questionar notícias | Frank Investigator
Criei o Frank Investigator para comparar coberturas, rastrear fontes omitidas e analisar notícias em 15 etapas com três LLMs. O relatório aponta omissões e reenquadramentos, mas não dá veredictos finais.
Reescrevi o OpenClaw em Rust, funcionou? | FrankClaw
Reescrevi o core do OpenClaw em Rust como FrankClaw, com 56.586 linhas, 7 canais e correções para as 7 vulnerabilidades críticas auditadas. Ele lida com conversas simples, mas workflows complexos ainda não foram testados.
Atacando fraudes via email | Frank FBI
Construí o Frank FBI para analisar emails encaminhados em seis camadas, combinando autenticação, reputação, OSINT e três LLMs. O resultado é um relatório de risco self-hosted, com os dados sob seu controle.
Meu primeiro fracasso com Vibe Code e como Consertei | Frank Yomik
Como eu gastei dias construindo um sistema de detecção de balões de mangá com OpenCV, joguei tudo fora e reconstruí em horas com um modelo pré-treinado. Lições sobre vibe coding, fracasso produtivo e saber quando mudar de direção.
Eu Fiz um Sistema de Data Mining pra Minha Namorada Influencer — Dicas e Truques
Em três dias, construí um sistema Rails que coleta dados de redes sociais, eventos e concorrentes e os transforma em consultas num bot Discord. A influencer recebe cinco digests diários em português, baseados em dados reais.
Software Nunca Está 'Pronto' — 4 Projetos, a Vida Pós-Deploy, e Por Que One-Shot Prompt É Mito
Depois de 125 commits pós-publicação em quatro projetos, bugs reais, novas features, releases e contribuições externas reforçaram minha conclusão: one-shot serve para demo. Produção exige iteração, testes, CI e decisões humanas.
2026 - fevereiro
7 postsRANT: o Akita abriu as pernas pra IA??
Uso LLMs para programar desde 2023, mas isso não mudou minha rejeição à AGI com a tecnologia atual nem à substituição total de programadores. Para mim, elas removem tarefas mundanas quando há experiência para revisar, decidir e testar.
Vibe Code: Fiz um Indexador Inteligente de Imagens com IA em 2 dias | Frank Sherlock
Em 48 horas, criei o Frank Sherlock, um catálogo local de imagens com Rust, Tauri, Ollama e OCR, publicado em beta para três sistemas. O benchmark favoreceu o qwen2.5vl:7b.
Do Zero à Pós-Produção em 1 Semana - Como usar IA em Projetos de Verdade | Bastidores do The M.Akita Chronicles
Em oito dias, coloquei newsletter, podcast, blog e bot Discord em produção com 274 commits e 1.323 testes. Comparado ao FrankMD, XP, TDD, CI e refatoração contínua entregaram mais com menos dívida.
AI Agents: Qual seria a melhor Linguagem de Programação para LLMs?
Claude e GPT imaginaram uma linguagem mais adequada a LLMs, com AST tipada, efeitos e proveniência. A partir da ideia, Claude gerou em Rust o protótipo PACT, ainda não testado.
RANT: IA acabou com os programadores?
LLMs já ajudam a substituir trabalho braçal, mas não dispensam programadores experientes: o autor vê limites na arquitetura atual e defende revisão sênior, formação sólida e adaptação.
Vibe Code: Fiz um Editor de Markdown do zero com Claude Code (FrankMD) PARTE 2
Em cerca de 30 horas, transformei um protótipo Rails no FrankMD, com i18n, testes e CodeMirror. O resultado foi 6 a 7 vezes mais rápido, mas exigiu refatoração e supervisão constantes.
Vibe Code: Fiz um Editor de Markdown do zero com Claude Code (FrankMD) PARTE 1
Criei o FrankMD, um editor Markdown self-hosted em Rails 8 para meu workflow de blog, com preview, uploads, Hugo, temas e revisão por IA. Em três dias, chegou perto do ideal para meu uso.
2026 - janeiro
3 postsVibe Code: Qual LLM é a MELHOR?? Vamos falar a REAL
Submeti o mesmo app a análises de Opus, GPT 5.2 Codex, Kimi, Gemini e MiniMax. Cada modelo encontrou problemas diferentes, mas nenhum eliminou a necessidade de revisão humana.
AI Agents: Comparando as principais LLM de 2026 no Desafio de Zig
Testei LLMs comerciais e open source numa migração difícil de Zig 0.15 com llama.cpp. Só as comerciais concluíram, e Claude Opus venceu por resolver tudo mais rápido e com menos insistência.
Omarchy 3 - Um dos Melhores Agentes pra Programação: Crush
Usei o Crush com Claude Opus 4.5 num blog Hugo e num chat em Zig com llama.cpp, CUDA e Qwen3. Ele refatorou scripts, atualizou APIs, corrigiu um segmentation fault e entregou um binário funcional por quase US$ 8.
2025 - junho
1 postAGI ou Skynet não vão chegar tão cedo
Questiono previsões de AGI e alarmismo de CEOs e especialistas. O argumento central é que LLMs, com a arquitetura atual, chegaram a um limite e exigem uma nova descoberta para avançar.
2025 - maio
5 postsÚltimo Tentativa de Treinar uma LLM com LoRa. Tiro de canhão, mas errando a mosca.
Aluguei uma H100 para treinar Qwen3-32B com LoRA, mas o modelo consumiu quase toda a VRAM, ficou lento e, no fim, não conseguiu gerar código utilizável.
Ensinando Zig mais recente pra sua LLM - Treinando LoRas (quase)
Treinei um LoRA para levar Zig 0.14 ao Qwen3-8B. O modelo passou a responder que conhecia a versão nova, mas continuou inventando detalhes e errando código, num semi-sucesso.
RANT - LLMs são LOOT BOXES!
Depois de gastar quase USD 150 em testes, concluí que LLMs ajudam em tarefas pequenas, mas programação real continua parecendo uma loot box cara: mais tokens e agentes não garantem código correto.
Quando LLMs não Funcionam pra Programar? Um caso de uso mais real.
Tentei criar um chat em Zig com llama.cpp, CUDA e Qwen3 usando o Gemini 2.5 Pro. Ele resolveu scripts comuns, mas travou na API C++ e consumiu mais de USD 50 em tentativas.
Rant - LLMs vão evoluir pra sempre? Desmistificando LLMs na programação
Após testar Claude, Gemini, Qwen e outros em refatorações reais, questiono benchmarks, evolução exponencial e Vibe Coding. LLMs ajudam, mas ainda dependem de programadores atentos para revisar e corrigir.
2025 - abril
6 postsDissecando um Modelfile de Ollama - Ajustando Qwen3 pra código
Expliquei como temperature, top_p, top_k, min_p e repeat_penalty mudam a geração de tokens e criei um Modelfile para o Qwen3. Com temperatura baixa, o 14B gerou código rápido e utilizável.
Testando o Recém Lançado LLM Open Source - Qwen3 (com Aider e Ollama)
Testei o Qwen3 com Aider, localmente e via OpenRouter, em refatorações e testes. O 14B foi muito mais rápido e competente que o Qwen2.5, embora o Gemini ainda tenha levado vantagem.
Destruindo a "Personalidade" do ChatGPT 4o
Mostrei como configurar o ChatGPT 4o para abandonar elogios, conversa fiada e trejeitos pseudo-humanos. Com as instruções certas, ele passa a responder de forma curta, direta e sem fingir consciência.
Testando LLMs com Aider na RunPod - qual usar pra código?
Comparei modelos de código com Aider na RTX 4090, A40 e H100. O Qwen2.5-Coder 32B foi lento e frustrante, enquanto o 7B se saiu melhor, mas Claude e Gemini venceram.
Seu Próprio Co-Pilot Gratuito Universal que funciona Local: AIDER-OLLAMA-QWEN
Configurei o Aider com APIs comerciais e Ollama, mostrando watch-files, modo arquiteto e prompts. O fluxo local funciona bem para mudanças pequenas, desde que alguém revise tudo e evite commits automáticos.
Hello World de LLM: criando seu próprio chat de I.A. que roda local
Construí o Tiny Qwen CLI para explicar, na prática, como um LLM tokeniza contexto, gera o próximo token e usa parsers e scripts externos para ler arquivos e buscar páginas, formando agentes.
2023 - junho
1 post[Akitando] #142 - Entendendo COMO ChatGPT Funciona - Rodando sua Própria IA
Rodei um Vicuna 30B localmente e mostro como transformers geram texto por probabilidades, com limites de contexto, custo e escala. Hoje, servem como auxílio, mas não são AGI nem substituem programadores.
2023 - janeiro
1 post[Akitando] #135 - ChatGPT Consegue te Substituir? | Entendendo Jobs Assíncronos
Akita usa uploads de imagens para mostrar por que Promises não substituem jobs assíncronos com Bull ou Kafka. O ChatGPT acelera código simples, mas ainda depende de experiência para funcionar em produção.
2020 - agosto
1 post[Akitando #83] "Akita, quais Cursos você recomenda? E o Low-Code? E o GPT-3?"
Akita responde sobre cursos, low-code e GPT-3 e liga tudo à ansiedade profissional. Ferramentas mudam, mas carreira se sustenta em fundamentos e na capacidade de aprender por conta própria.