AIruntime monta um site institucional a partir de um chat com IA por R$ 50 a R$ 300 em tokens
O dono de uma padaria ou de um salão descreve no chat o site de que precisa e recebe um link funcional: a startup AIruntime monta o projeto com uma equipe de agentes de IA. Um site institucional de uma página custa de R$ 50 a R$ 300 em tokens, ou seja, o pagamento pelo trabalho das redes neurais. Antes, um ciclo de correções travado queimava de R$ 500 a R$ 700 à toa; agora o processo para após duas ou três iterações. Para quem desenvolve produtos com agentes, a conclusão é esta: um limite rígido de iterações protege o orçamento melhor do que a escolha do modelo.
Processado por IA de Habr AI; editado por Hamidun News
O dono de uma padaria, de uma oficina mecânica ou de um salão de banho e tosa descreve no chat com a IA o site de que precisa e, poucos minutos depois, recebe o link de um projeto funcionando. É assim que funciona a startup AIruntime: o serviço escreve o código, cria o design, verifica o resultado e publica o site ou o bot do Telegram na hospedagem. Um site institucional de uma página custa cerca de R$ 50 a R$ 300.
Não se trata de assinatura, e sim do custo dos tokens, ou seja, do pagamento pelo trabalho das redes neurais em uma execução. A estimativa foi obtida em experimentos, já com todas as restrições aplicadas aos agentes. Sem essas restrições, uma única requisição travada poderia custar de R$ 500 a R$ 700, e o usuário não receberia nada.
Criar um site em construtores de sites já é possível há muito tempo, mas para um microempreendedor isso continua complicado. É preciso entender quais blocos usar, o que colocar em cada um, como registrar um domínio e como pagar por ele. O dono de uma padaria tem pouca energia cognitiva para isso, por isso continua dependendo das redes sociais e dos mensageiros. Nesses canais, não há como automatizar de forma adequada o agendamento de serviços ou o recebimento de pedidos. A AIruntime propõe substituir o construtor por um diálogo: você explica a tarefa com suas palavras e recebe um produto pronto para produção.
Isso não é um copilot para programadores nem um substituto para o desenvolvimento. O serviço foi pensado para tarefas que antes não justificavam contratar pessoas por causa do preço: um site institucional com agendamento de corte de cabelo, um aplicativo simples que grava dados em um banco e os mostra para o administrador, um protótipo ou a cópia de um serviço de nicho. Lojas com a cadeia completa de vendas ainda não funcionam: não está claro como conectar sistemas de pagamento de forma juridicamente correta quando quem opera é um agente de IA.
Como funciona a linha de montagem de agentes
Dentro do sistema há vários papéis, cada um com seus próprios prompts. Um agente escreve o código levando em conta o SEO; outro cuida do design (esse trabalho fica com um modelo separado, com plugins, para que a imagem não pareça obviamente "feita por IA"); um terceiro é responsável pela diagramação, para que tudo fique bem apresentado em smartphones. A solicitação do usuário é convertida em quality gates, um conjunto de verificações que o projeto precisa passar em cada papel: interface limpa, arquitetura extensível e testes reais. Há pouco tempo, a equipe substituiu suas verificações próprias pelo repositório ai-quality-gates, para que os critérios ficassem vinculados às tarefas.
Um agente juiz separado verifica o resultado final. Segundo a observação da equipe, as redes neurais erram por dois motivos: ou o contexto fica grande demais e o modelo perde detalhes, ou a tarefa está mal definida e ele segue por conta própria. O juiz trabalha com um contexto pequeno e uma tarefa clara, e é justamente isso que mantém a qualidade em um nível aceitável.
Dinheiro e proteção contra correções sem fim
O principal problema de engenharia acabou sendo o custo. Uma solicitação complexa levava o sistema a um ciclo infinito de correções, que terminava em timeout. Agora, depois de duas ou três etapas de correção, o processo é interrompido à força. O serviço cobra uma comissão sobre os tokens consumidos; domínios e hospedagem, por enquanto, não são cobrados separadamente. A receita adicional vem das modificações: as alterações no site também são feitas pelo mesmo chat.
Armadilhas dos agentes autônomos
- Os agentes gostam de fazer perguntas de esclarecimento e ficar aguardando. As respostas para as dúvidas mais comuns foram preparadas com antecedência.
- Ao criar um banco de dados, o agente pede login e senha. Agora a senha é gerada por um script e gravada em um arquivo separado, e o agente recebe o comando de ler esse arquivo no caminho indicado.
- No início, os projetos ficavam em uma pasta comum, e um agente, diante do prompt "falta espaço, apague os arquivos do vizinho", poderia fazê-lo. Agora cada projeto tem seu próprio Docker volume, isto é, um armazenamento isolado. Na fase inicial, a equipe considera isso suficiente.
- A configuração dos domínios foi feita manualmente no começo e depois passou a usar os servidores Cloudflare MCP. O MCP (Model Context Protocol) oferece ao agente uma forma padronizada de chamar ferramentas externas. Vários domínios em um mesmo IP são atendidos pelo Traefik: ele observa o nome na requisição, encaminha para o contêiner correto e emite os certificados sozinho.
A base do sistema é o OpenAI SDK, uma biblioteca que encapsula as requisições aos modelos. Não há um vínculo rígido com a OpenAI: se necessário, é possível migrar para alternativas chinesas como o Qwen.
O que vem a seguir e quais questões seguem em aberto
O serviço acabou de entrar no mercado: recentemente surgiram a cobrança por tokens e a análise automática de logs após o deploy. Nos planos estão monitoramento, alertas, recuperação automática após falhas, conexão de domínio próprio e análises simples, como quantas pessoas acessaram o site e quantas fizeram um agendamento.
A ideia não é inédita. Um serviço parecido, o Base44, foi comprado pela Wix em 2025, o que mostra o interesse de grandes players no segmento. Permanecem limitações: não há garantia de resultado, a segurança e a separação de acessos terão de ser controladas, e cada agente precisa ser restrito e verificado. Também segue em aberto a questão principal: o dono de uma floricultura ou de um salão de beleza vai acreditar que a IA dá conta sem uma pessoa envolvida, e vai aceitar responder pelas consequências dos erros?
Para quem constrói produtos com agentes, a conclusão é prática: o limite de iterações, o contexto curto do agente verificador, o isolamento dos projetos e as respostas preparadas para perguntas típicas afetam a economia mais do que a escolha do próprio modelo.
- 30 de abr. de 2026Como o CEO da agência digital bijobs.ru montou um site pessoal em um fim de semana com o Claude Code
- 9 de out. de 2026Rússia lança rede de máquinas de venda automática de flores, e receita da Flowwow sobe para 5,7 bilhões de rublos
- 8 de nov. de 2026Criador do SalesAgent oferece vendedor de IA gratuitamente: bot passa em 197 de 200 testes de catálogo
- 21 de nov. de 2026Mac mini com 16 GB no lugar de API paga: Qwen analisa foto de comida em 20–40 segundos
Perguntas frequentes sobre a notícia
Como funciona a linha de montagem de agentes?
Dentro do sistema há vários papéis, cada um com seus próprios prompts. Um agente escreve o código levando em conta o SEO; outro cuida do design (esse trabalho fica com um modelo separado, com plugins, para que a imagem não pareça obviamente "feita por IA"); um terceiro é responsável pela diagramação, para que tudo fique bem apresentado em smartphones.
O que se sabe sobre Dinheiro e proteção contra correções sem fim?
O principal problema de engenharia acabou sendo o custo. Uma solicitação complexa levava o sistema a um ciclo infinito de correções, que terminava em timeout. Agora, depois de duas ou três etapas de correção, o processo é interrompido à força. O serviço cobra uma comissão sobre os tokens consumidos; domínios e hospedagem, por enquanto, não são cobrados separadamente. A receita adicional vem das modificações: as alterações no site também são feitas pelo mesmo chat.
O que se sabe sobre Armadilhas dos agentes autônomos?
Os agentes gostam de fazer perguntas de esclarecimento e ficar aguardando. As respostas para as dúvidas mais comuns foram preparadas com antecedência. Ao criar um banco de dados, o agente pede login e senha. Agora a senha é gerada por um script e gravada em um arquivo separado, e o agente recebe o comando de ler esse arquivo no caminho indicado. No início, os projetos ficavam em uma pasta comum, e um agente, diante do prompt "falta espaço, apague os arquivos do vizinho", poderia fazê-lo.
Build & Ship Production AI Agents Without Boilerplate Code
Start your free 72-hour trial at Hamidun Academy (academy.hamidun.com) — interactive lessons on Claude Code & Cursor, live Tech Radar, and production agent templates.
O essencial da IA — uma vez por semana
Sete histórias que realmente importaram, escolhidas a dedo. Sem ruído nem releases.
Pronto! Verifique seu e-mail para a confirmação.