Notícias
O que estamos construindo
Lançamentos, bastidores e análises sobre IA, agentes e o futuro do trabalho — direto de quem constrói.
Enciclopédia do Espírito Santo: o que a Arvor construiu para dar de graça
A Arvor publicou a holyspirit.wiki: 92 maravilhas documentadas, narradas na primeira pessoa pelo Espírito Santo e seguidas de um registro com fontes, mais 89 orações, o Terço e o Terço da Misericórdia, em 19 idiomas. Sem anúncios, sem cobrança, sem finalidade comercial.
Ler →O agente de dados da OpenAI: por que contexto institucional vale mais que um modelo maior
O data agent da OpenAI expõe a arquitetura que separa uma demo de IA para BI de um sistema confiável: seis camadas de contexto, memória, permissões e avaliação contínua.
Ler →GraphRAG 3.1 e FastGraphRAG: quando o grafo vence o RAG vetorial — e quanto custa
GraphRAG, FastGraphRAG ou busca vetorial? As diferenças reais, os custos escondidos e um protocolo reproduzível para escolher sem inventar benchmark.
Ler →Identidade para agentes de IA: quem autoriza o software que age em seu nome?
Agentes não precisam apenas de login: precisam de identidade própria, delegação verificável, menor privilégio e trilha de auditoria. O que o NIST propõe e o OAuth no MCP já exige.
Ler →ElevenLabs, clonagem de voz e o que muda nos agentes
ElevenLabs levantou US$ 500 milhões a US$ 11 bilhões e chegou a 41% da Fortune 500. Revolut e Klarna já botaram agentes de voz na linha de frente. O que isso muda para quem opera agentes — e o que a voz não resolve.
Ler →Grok e agentes: onde a SpaceXAI está de verdade no mapa de 2026
Existem três coisas chamadas Grok, e elas ocupam pontos opostos do mapa de agentes. O bot do X tem alcance e nenhuma autonomia. O Grok Build tem subagentes, plano e verificação adversarial — e roda num terminal. Uma leitura honesta, com fontes.
Ler →Grafos de agentes: por que orquestração séria virou um problema de grafo
Contexto maior não substitui arquitetura. Por que decompor trabalho em nós e arestas — com fan-out, barreiras e verificação adversarial — costuma vencer um agente único com um milhão de tokens de contexto.
Ler →Loops de agentes: o que sobrou depois do hype do Ralph loop
O while-true em cima de um agente virou meme e virou hype. Passado o entusiasmo, sobrou o que importa: loop com critério de parada, loop com verificação e loop com orçamento. Loop burro queima dinheiro; loop com estrutura converge.
Ler →AGINUS: o próximo agente da Arvor, e por que ele vai lembrar de você
AGINUS é o agente multi-propósito que a Arvor está construindo, com o Memento como espinha dorsal de memória. Conversa no Telegram, lembra com proveniência, aprende com o uso. Sem data prometida — entre na lista de espera.
Ler →ChatGPT no trabalho: 9 milhões de assentos não bastam
ChatGPT saltou de 2,3M para 9M+ usuários corporativos pagantes e está em 92% da Fortune 500. Mas assento de chat não é governança de agente, e isso custa caro.
Ler →Claude Code vs GitHub Copilot: o que mudou em 2026
A diferença real entre Claude Code e GitHub Copilot: agente no terminal contra autocompletar no editor. Em 8 meses, Claude Code passou Copilot e Cursor.
Ler →Claude Fable 5 e a classe Mythos: quando o agente trabalha por dias, não minutos
Anthropic lançou o Claude Fable 5 e abriu a classe Mythos. Por que medir agentes em dias de trabalho contínuo muda a conversa sobre IA nas empresas.
Ler →Claude Sonnet 5: o modelo agêntico que muda a conta de custo dos agentes
Anthropic lançou o Claude Sonnet 5 em 30/06/2026, chegando perto do Opus 4.8 em tarefas agênticas por uma fração do preço. Por que isso importa para quem constrói agentes de verdade.
Ler →Computação quântica: o prazo que a criptografia atual não vai cumprir
O chip Willow do Google e duas análises de março de 2026 apontam para o mesmo prazo: a criptografia atual pode cair antes do fim da década. O que isso muda para quem constrói infraestrutura de IA.
Ler →Hermes Agent: o agente de IA que escreve as próprias skills
Hermes Agent, da Nous Research, acumula memória entre sessões e escreve as próprias skills. O que esse caso open source ensina para quem constrói um cérebro corporativo.
Ler →IA nas empresas brasileiras: só 13% realmente usam
72% das empresas brasileiras ainda estão no início da adoção de IA e só 13% das que têm 10+ funcionários usam de fato. Por que o discurso corre na frente.
Ler →A McKinsey tem 20 mil agentes de IA. O que isso diz sobre o futuro da consultoria
A McKinsey já roda com 40 mil humanos e 20 mil agentes de IA. O que isso significa para quem contrata consultoria — e por que o modelo antigo não sobrevive.
Ler →Injeção de prompt: a vulnerabilidade que ninguém corrige na raiz
Ataques de prompt injection cresceram 340% em um ano e já causaram vazamento de 150GB de dados governamentais. Por que isso não é um bug comum — e o que fazer a respeito.
Ler →MCP virou infraestrutura: por que o protocolo de contexto já não é opcional
41% das empresas de software já têm MCP em produção, 97M de downloads do SDK por mês. O protocolo virou fio elétrico dos agentes — e quem não tem, atrasa.
Ler →O novo site da Arvor: Astro, trilíngue e 100% estático
Saímos do WordPress para uma base estática em Astro: páginas em milissegundos, três idiomas desde o primeiro dia e o registro público do que construímos.
Ler →OpenAI Codex em 2026: status, linha do tempo e 8 milhões de usuários
Não, o Codex não foi descontinuado — saiu de 600 mil para 8 milhões de usuários em 2026. Linha do tempo completa, o app desktop, o GPT-5.6 e por que o número de manchete esconde uma segunda métrica que você precisa ler com atenção.
Ler →OpenClaw ultrapassou o React: o que isso diz sobre infraestrutura de agentes
OpenClaw, o framework open source de Peter Steinberger, já passa de 280 mil estrelas no GitHub e ultrapassou o React. A Arvor roda o Concierge sobre ele em produção — e conta o que a maioria não fala sobre operar isso de verdade.
Ler →RAG agêntico: o que é e por que buscar não basta mais
RAG agêntico é o passo depois da busca semântica: recuperar documento não basta sem governança. Por que as empresas migram para runtimes de conhecimento.
Ler →Segundo cérebro com IA: guardar notas nunca foi o ponto
O mercado de segundo cérebro vai de US$ 4,84 bi para US$ 19,63 bi até 2030. A pergunta mudou: não é mais onde guardar notas, é o que seu sistema faz com elas. Por que isso é o pilar do BRAIN MAKER da Arvor.
Ler →Vibe coding: a crise de confiança que ninguém quer admitir
92% dos devs americanos usam IA todo dia e 46% do código novo já é gerado por IA — mas a confiança nesse código caiu de 40% para 29% em um ano. Por que isso não é acidente.
Ler →brasil-cli: os microdados públicos do Brasil, prontos para um agente de IA consultar em segundos
Lançamos o brasil-cli 0.4.0 no PyPI: PNADC, Censo 2022, TSE e BCB/IPCA com estimativas ponderadas, intervalo de confiança bootstrap e SQL read-only, feito para agentes LLM.
Ler →Memento: memória local-first que fica no seu disco
Memento é memória local-first para humanos e agentes: ingere conversas, notas e vaults do Obsidian numa memória consultável, sem expor nada à rede.
Ler →Caption AI: da foto a 10 legendas prontas em segundos
Lançamos o Caption AI: envie uma foto, receba 10 legendas com análise real de visão computacional — não é ChatGPT com prompt na frente. Freemium sem cartão, Pro a US$15/mês. Ao vivo em caption.arvor.co.
Ler →Concierge para WhatsApp: a IA que sabe chamar um humano
Lançamos o Concierge em open source: orquestração de WhatsApp com sessões isoladas por usuário, pausa automática quando um humano entra e escalação por palavra-chave.
Ler →Relentless: o orquestrador que nunca para
Lançamos o Relentless no npm: orquestrador open source que roda Claude Code, Codex ou Gemini em loop até a lista de tarefas acabar, com até 75% de economia.
Ler →Nasce o AMIGO: IA pessoal deveria custar centavos, não assinatura
Em 9 de julho de 2025 nasceu o AMIGO. A tese: por que pagar mensalidade fixa por uma IA que você usa de forma irregular? Registro do início de um app multi-assistentes com voz e economia por uso.
Ler →