OpenAI abre o capô: como seus agentes escrevem código (e por que não há mágica nisso)

A OpenAI quebrou seu habitual voto de silêncio. Depois de meses guardando segredos com mais cuidado do que a fórmula da Coca-Cola, os desenvolvedores da empresa divulgaram de repente detalhes de como seus modelos deixam de ser autocompletadores de texto avançados e se tornam engenheiros completos. O tema é a arquitetura técnica dos agentes de código, e essa análise oferece uma rara chance de espiar um futuro em que programar deixa de ser trabalho manual. Convenhamos: nos últimos anos, o nome OpenAI soava mais como ironia, mas este post técnico nos leva de volta à época em que a empresa de fato compartilhava conhecimento.

O destaque é o chamado "ciclo do agente", ou agent loop. Até pouco tempo atrás, estávamos acostumados a uma rede neural que simplesmente devolvia um trecho de código em resposta a um pedido. Se ele não funcionasse, o problema era seu. Agora a abordagem mudou radicalmente. A OpenAI descreve um sistema que trabalha em iterações: o modelo escreve o código, executa-o imediatamente em uma "sandbox" fechada, recebe do compilador o relatório de erros e volta ao início para corrigir as próprias falhas. O processo se repete até que os testes passem. Na prática, a empresa automatizou exatamente o que qualquer júnior faz no primeiro ano de trabalho — só que milhares de vezes mais rápido.

Por que isso importa justamente agora? Sejamos honestos: nos últimos tempos, o Claude 3.5 Sonnet, da Anthropic, estragou bastante o humor da equipe de Sam Altman ao assumir a liderança em programação.

Publicar os detalhes técnicos vai além de um gesto de boa vontade: é uma tentativa de mostrar que a OpenAI ainda dita o rumo do pensamento arquitetônico. A aposta da empresa está na complexidade do sistema em torno do modelo, e não no tamanho dele. Descobriu-se que mesmo um modelo que não é dos mais poderosos, envolvido pelas ferramentas certas de depuração, pode apresentar resultados melhores do que um supercomputador "cru".

É uma mudança fundamental no setor: estamos saindo da corrida por parâmetros e entrando na corrida por arquiteturas de agentes.

Chama a atenção a forma como a OpenAI descreve o trabalho com contexto. Os agentes agora vão além de ler um único arquivo: eles conseguem "olhar ao redor" no repositório e entender as conexões entre as diferentes partes do projeto. Isso resolve o principal problema da programação com IA — quando, ao corrigir uma linha, o modelo quebra toda a arquitetura da aplicação.

Agora o agente primeiro monta um mapa de dependências e só depois parte para o teclado virtual. Essa abordagem permite resolver tarefas no nível do SWE-bench, um dos testes mais difíceis para IA, que exige corrigir bugs reais em projetos open source no GitHub. E, a julgar pelos números apresentados pela empresa, estamos perto do momento em que a IA poderá fechar até metade dos tickets rotineiros no Jira sem participação humana.

Claro que não falta ironia. Enquanto a OpenAI ensina agentes a escrever código perfeito, desenvolvedores do mundo todo começam a se perguntar se não estão construindo a ferramenta da própria demissão. Ainda assim, a substituição completa do ser humano está longe. O principal problema são as "alucinações de lógica": o código está sintaticamente correto e até passa nos testes, mas faz algo bem diferente do que o negócio pediu. Os agentes da OpenAI ainda não aprenderam a questionar especificações ruins, e essa é a nossa salvação temporária. Mesmo assim, a direção está clara: o desenvolvimento de software está virando um processo de supervisão de um exército de agentes autônomos, e não de escrita manual de linhas.

Resumindo: a era dos prompts simples para código está chegando ao fim, e começa a era dos sistemas de agentes complexos. A OpenAI conseguirá manter a liderança nesse segmento, ou será ultrapassada por startups mais ágeis?