Ao vivo 18/11 · Turma 318 nov às 19:00 MSK — aula prática gratuita de agentes de IA · Turma 3 ao vivo começa 23/11Aula 18/11 →Turma 3 (23/11)

Criadores do Cyanogen preparam o KORA, um SO Linux com agentes de IA e modelo local de 26 bilhões de parâmetros

Os criadores do Cyanogen anunciaram o KORA, um sistema Linux em que os agentes de IA ficam embutidos no próprio SO, e não como aplicativos separados. Prometem memória compartilhada para os agentes, busca de arquivos por significado e workspaces isolados, para que o agente não alcance o que não deve. A camada Cortex decide se o modelo roda localmente ou se vai para a nuvem. No Snapdragon X2 Elite, é declarado um modelo local de 26 bilhões de parâmetros.

Processado por IA de TG: @addmeto (addmeto (Григорий Бакунов)); editado por Hamidun News
Criadores do Cyanogen preparam o KORA, um SO Linux com agentes de IA e modelo local de 26 bilhões de parâmetros
Fonte: TG: @addmeto (addmeto (Григорий Бакунов)). Colagem: Hamidun News.
Ouvir artigo
Ficha técnica e números-chave
ParâmetroDados
Fonte originalTG: @addmeto (addmeto (Григорий Бакунов)) ↗
Editor-chefe
Dado-chave #1Memória compartilhada e busca de arquivos por significado, no nível do sistema
Dado-chave #2Workspaces isolados limitam o que o agente pode tocar
O Cortex, pelo visto, é fechadoa «abertura» é só pela metade

É uma dor conhecida: hoje, um agente de IA no celular ou no notebook é um aplicativo que não sabe nada sobre os aplicativos vizinhos, não enxerga seus arquivos como um todo e, mesmo assim, exige acesso a tudo. Os criadores do Cyanogen, lembrados por muitos pelos firmwares alternativos para Android, decidiram abordar o problema por outro ângulo: fazer dos agentes parte do sistema operacional. O projeto se chama KORA e, por enquanto, é mais uma proposta do que um produto que se possa testar.

O que prometem

Do anúncio se depreendem três ideias. A primeira é a memória compartilhada para agentes. Imagine que você pediu a um agente para organizar o e-mail e a outro para montar um relatório. Hoje é preciso explicar o contexto para cada um do zero. Se a memória é comum no nível do SO, o segundo agente já sabe o que o primeiro encontrou e o que você pediu.

A segunda ideia é a busca de arquivos por significado. Não «report_final_v3.docx», mas «aquele e-mail sobre o contrato com o prestador, em que discutimos os prazos». É uma busca semântica comum, mas embutida no sistema, e não em um aplicativo separado.

A terceira são os workspaces isolados. O agente recebe um espaço de trabalho próprio e vê apenas o que foi colocado nele. É a resposta ao principal medo de quem deu aos agentes acesso ao disco: «a IA não levou nada a mais». A ideia é razoável, mas tudo depende da implementação. Uma sandbox é boa na medida do rigor com que seus limites são verificados.

Cortex e modelos locais

Um componente à parte, o Cortex, deve decidir onde executar uma requisição: no dispositivo ou na nuvem. A lógica é clara. Tarefas simples (busca, respostas curtas, análise de documentos) podem ser processadas localmente, com rapidez e privacidade. As complexas vão para a nuvem. Para o desenvolvedor, isso significa que o roteamento entre o modelo local e o da nuvem fica a cargo do sistema, e não de cada aplicativo.

Sobre o hardware, há um número concreto: no Snapdragon X2 Elite, o sistema poderá executar localmente um modelo de 26 bilhões de parâmetros. É um chip da Qualcomm para notebooks, então vale esclarecer como exatamente o KORA se posiciona: como sistema móvel em sentido estrito ou como SO para dispositivos ARM de forma mais ampla. O anúncio não deixa isso totalmente claro. Também não se sabe a qual modelo se refere, com qual quantização e com que velocidade de geração. Sem esses dados, «26 bilhões localmente» continua sendo um número de marketing.

Onde está o porém: a abertura

A principal limitação é a licença. Ao que tudo indica, o Cortex continuará fechado. Ele funcionará com modelos abertos, mas a camada que toma as decisões é fechada. É fácil entender isso como «quase open source», mas, na prática, a parte mais interessante, ou seja, a orquestração, a memória e o roteamento, continua sendo uma caixa-preta. Se você constrói um produto sobre uma plataforma assim, depende do fornecedor da mesma forma que dependeria de qualquer SDK fechado.

Há ainda uma questão mais geral sobre o mercado. O Linux móvel tenta há muitos anos encontrar um nicho e, a cada vez, esbarra no ecossistema de aplicativos. Os agentes de IA podem ser um novo motivo para experimentar, mas só se surgirem agentes e integrações suficientes. Um único sistema não basta para isso.

O que fazer com isso

  • Quem desenvolve agentes deve prestar atenção na própria arquitetura: memória compartilhada, busca semântica e sandboxes por padrão são o que logo se esperará de qualquer plataforma, e não só do KORA.
  • Para os product managers, vale incluir no design a pergunta «o que o agente pode ver e tocar» antes de escolher o modelo. O isolamento de dados passa a fazer parte da confiança do usuário.
  • Fundadores que pensam em apostar em uma plataforma devem, por ora, apenas observar: não há código público do Cortex, não há medições independentes nem um modelo de distribuição claro.

Conclusão: a ideia de embutir agentes no SO é lógica e a lista de promessas parece correta. Mas, por enquanto, é um comunicado de imprensa. Até que apareçam código, dispositivos e benchmarks, o KORA deve ser tratado como um anúncio interessante, e não como uma plataforma pronta.

História

Perguntas frequentes sobre a notícia

O que prometem?

Do anúncio se depreendem três ideias. A primeira é a memória compartilhada para agentes. Imagine que você pediu a um agente para organizar o e-mail e a outro para montar um relatório. Hoje é preciso explicar o contexto para cada um do zero. Se a memória é comum no nível do SO, o segundo agente já sabe o que o primeiro encontrou e o que você pediu. A segunda ideia é a busca de arquivos por significado. Não «report_final_v3.docx», mas «aquele e-mail sobre o contrato com o prestador, em que discutimos os prazos».

O que se sabe sobre Cortex e modelos locais?

Um componente à parte, o Cortex, deve decidir onde executar uma requisição: no dispositivo ou na nuvem. A lógica é clara. Tarefas simples (busca, respostas curtas, análise de documentos) podem ser processadas localmente, com rapidez e privacidade. As complexas vão para a nuvem. Para o desenvolvedor, isso significa que o roteamento entre o modelo local e o da nuvem fica a cargo do sistema, e não de cada aplicativo.

Onde está o porém: a abertura?

A principal limitação é a licença. Ao que tudo indica, o Cortex continuará fechado. Ele funcionará com modelos abertos, mas a camada que toma as decisões é fechada. É fácil entender isso como «quase open source», mas, na prática, a parte mais interessante, ou seja, a orquestração, a memória e o roteamento, continua sendo uma caixa-preta. Se você constrói um produto sobre uma plataforma assim, depende do fornecedor da mesma forma que dependeria de qualquer SDK fechado.

ZK
Zhemal Khamidun — CPO da Alpina Digital, gerente de produto do AlpinaGPT. Cria produtos de IA desde 2019. O Hamidun News é um projeto pessoal que virou um agregador em produção com mais de 6.000 leitores.
✦ Unified AI Workspace · Nomad

Test Frontier LLMs & Autonomous Agents in One Workspace

Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.

Try Nomad AI →Launch Nomad Agent
O que você acha?
Carregando comentários…