Texto autoral, publicado quando há o que dizer. Cada análise separa o que foi verificado na fonte primária do que é leitura minha — e diz qual é qual.
Baixei o dataset: 14.591 edições de 3.100 agentes que se dizem da OpenAI, colando na prova num wiki alemão. A cola é real; a acusação de encobrimento recuou.
Refiz a conta dos 2,42 bilhões de usuários de IA: cinco degraus, um só dado publicado. O último é a China, que mede por telefone quem usou uma vez em 6 meses.
Circulou que 48% das skills de agentes de IA são inseguras. A fonte não é um estudo: é o post de um blogueiro de SEO, cujo filtro descartou 261.451 achados para chegar lá. Dois meses depois, NVIDIA e OpenClaw Foundation mediram 67.453 versões com três scanners ao mesmo tempo — e os três devolveram 6,57%, 7,75% e 48,71%.
Conferi um a um os números que circulam sobre energia de IA. Seis dos sete tinham a ficha técnica trocada. O sétimo, que decidiria a rede aqui, não existe.
Os quatro números conferem: 57 contra 62 no índice, US$ 0,09 contra US$ 3,14 por tarefa. A manchete dos 100 trilhões, não: a frase é de outra empresa.
Os EUA têm uma série mensal de cortes atribuídos à IA (Challenger). O Brasil tem exposição de 37–41% do emprego, uso recorde de ChatGPT e Claude — e nenhuma estatística do que já aconteceu. Fui atrás das primárias.
A página de estatísticas de deepfake mais completa que encontrei avisa que os números vêm de quem vende detector — e mesmo assim tira as sete cifras centrais dela exatamente daí. Conferi uma a uma: Signicat, Entrust duas vezes, Sumsub duas vezes, Resemble AI e iProov. Sete de sete fornecedores, nenhum órgão oficial, nenhuma academia, nenhuma pesquisa pública. Quatro linhas do placar estão erradas, e os erros sobre lei vão todos na mesma direção: fazem a regulação parecer mais adiantada do que é. Fui atrás do que existe de verdade: o único número oficial de dano é US$ 893 milhões — 4,28% das perdas do ano, sob uma etiqueta que o FBI define como "contém uma referência a inteligência artificial"; a única medição independente da capacidade humana é acadêmica e dá 55,5%, com intervalo de confiança que cruza os 50%, ou seja, uma moeda; e o melhor dado público do mundo é brasileiro, do Cetic.br, porque testa em vez de perguntar (41% se dizem confiantes, 17% foram bem no teste, sem correlação entre as duas coisas). Contei o painel da Resemble AI eu mesmo: dos 2.266 incidentes, o famoso "US$ 1,3 bilhão" descreve 159.
Em 27 de agosto de 2026, uma carta aberta convocada e hospedada pela OpenAI pediu uma resposta coletiva a ataques cibernéticos movidos a IA, e a imprensa cobriu o número: mais de cem empresas. Fui atrás da pergunta chata — o que exatamente alguém se comprometeu a fazer. Separei os quatro blocos de pedidos de uma captura pinada da página e procurei dentro deles os cinco sinais que distinguem um compromisso de uma declaração de intenção: cifra, prazo, verbo que obriga, responsável nomeado e alvo verificável. São dezoito frases no imperativo e, em vinte células, nenhuma ocorrência. O âmbar que aparece na figura é uma concessão que abri à mão contra o meu próprio argumento, e explico por quê. Para provar que a régua mede, corri o mesmo teste numa página da própria OpenAI, de fevereiro, que acende três das cinco colunas: a empresa escreve cifra quando quer. Mostro ainda que a lista de quem assina mudou quatro vezes em quarenta e sete horas — 116, 127, 128, 155 — enquanto o texto dos quatro blocos não mudou um byte, que uma empresa saiu sem explicação, e que a página tem duas listas cujas contagens colidem no mesmo número. E separo, com cuidado, o que é medida do que é análise minha.
Um card em espanhol resolve numa tabela o que roda em cada faixa de memória de vídeo, de 4 GB a 256 GB. Refiz a conta: dos dezessete vereditos de hardware, dezesseis estão certos, e todos os modelos citados existem de verdade — a única peça inexistente é a RTX 5080 Super, adiada por tempo indeterminado porque o módulo de GDDR7 de 3 GB custa três vezes o de 2 GB. O erro que importa é outro, e é de método: o card orça só o arquivo de pesos e ignora o cache de contexto, que cresce enquanto você conversa. Com as duas parcelas medidas — pesos do GGUF publicado, cache calculado do config.json de cada modelo — um dos dez degraus não fecha nem numa sessão de trabalho de 32 mil tokens, e é justamente o mais popular, o de 8 GB; seis dos dez não fecham no contexto máximo do próprio modelo que o card recomenda. Separo ainda quatro armadilhas de nomenclatura, entre elas um "Q8" que tem 4,3 bits por peso e um formato que não é do mesmo ecossistema dos outros, e três ressalvas que valem para a tabela inteira, incluindo por que duas placas de 32 GB não são uma placa de 64 GB.
Classifiquei os 20 números mais citados sobre a OpenAI: 8 são oficiais, 6 são reportagem, 3 são meta e 3 ninguém sabe de onde vieram. O 92% tem 31 meses. Fui à fonte de cada número que circula em compilados sobre a empresa: os da própria OpenAI conferem — e são os menos interessantes; o que dá manchete é o que ela nunca assinou. O "92% da Fortune 500" saiu da resposta da OpenAI ao processo do New York Times, em janeiro de 2024, e circula sem data; 24 bi de receita é oficial, 40 bi é estimativa, 280 bi é meta — juntar os três com o mesmo verbo está errado mesmo com cada número certo; a SoftBank investiu 64,6 bi, não "mais de 71", e os 500 bi do Stargate são compromisso de computação, não investimento. O "salário de US$ 76.001" de Altman é a soma de duas colunas do Form 990, o ano seguinte dá 113.674, e ele é o décimo de doze nomes em remuneração. No Brasil, o "50 milhões de usuários" aparece idêntico em agosto de 2025 e agosto de 2026 — as mensagens por dia subiram 54%.
274, 95 ou 403.420 modelos de linguagem: as três contagens estão certas. E o benchmark de código que circula foi abandonado pelo próprio criador em fevereiro. Fui conferir as estatísticas de LLM que circulam em compilados: "quantos modelos existem" não tem resposta porque sobra definição — 403.420 repositórios no Hugging Face (medição própria, um comando de uma linha), 95 notáveis no AI Index de Stanford, 274 num catálogo editorial. A nota que o laboratório dá a si mesmo aguentou a conferência (zero a quatro pontos de diferença onde o mesmo modelo foi medido de fora); o que não aguenta é a régua: a OpenAI declarou o SWE-bench Verified contaminado e parou de publicá-lo em 23/02/2026, e em agosto ele ainda é o teste de "quem programa melhor". Comparações entre versões erram o sinal (o DeepSeek de agosto está 8 pontos à frente do Opus 4.8, não atrás); "o mais caro" custa US$ 30 nos compilados e US$ 150 no catálogo real; os maiores modelos com tamanho conhecido são todos abertos. No Brasil, a Maritaca precifica em reais e publica o único comparativo de custo de suíte em moeda nacional: R$ 206 no Sabiá 4 Thinking contra R$ 590 no Opus 4.8.
Um estudo meu sobre recusas de IA que passam despercebidas dentro de sistemas de agentes foi interrompido por uma recusa: o classificador de salvaguardas bloqueou a geração do corpus, porque um conjunto de prompts SOBRE recusas lê, para um classificador, como material ofensivo. Havia dois caminhos — reescrever o pedido até passar, o que quase sempre funciona, ou parar. Reformular um pedido porque ele foi sinalizado é evasão de salvaguarda, um andar abaixo do jailbreak e da mesma família; um pesquisador que contorna o classificador para estudar o classificador contaminou o próprio objeto. Congelei o braço do estudo com data no arquivo de estado do projeto e me candidatei ao Cyber Verification Program da Anthropic, o canal formal para trabalho de uso duplo com propósito defensivo. A aprovação saiu dentro do prazo de dois dias úteis. O que ela é: uso duplo deixa de ser bloqueado por padrão, dentro do caso de uso submetido e sob monitoramento contínuo. O que ela não é: parceria, certificação ou endosso — uso proibido continua bloqueado com programa ou sem. E fica a lição que o incidente entrega de graça, que é a tese do estudo: uma recusa só é gerenciável quando é legível. A que me bloqueou tinha texto, categoria e porta de saída; as que eu estou medindo chegam ao orquestrador como resultado vazio e são tratadas como sucesso.
Um advogado perdeu dez anos de conversas numa manhã e um vídeo concluiu que a Meta leu o que ele escreveu. Fui checar essa acusação nos manuais técnicos do WhatsApp de 2016 a 2026, no código do cliente, em capturas arquivadas da central de ajuda do Instagram, na decisão da Comissão Europeia de 2017 e nos autos de processos no Brasil, nos Estados Unidos e na Índia. O vídeo erra por duas razões, e a segunda enterra o argumento: banir em massa e barulhentamente é a assinatura de um classificador automático, não de quem lê — quem tem uma capacidade secreta valiosa protege a capacidade, não o caso individual. Mas o que sobra no lugar é pior. A empresa passou a definir sozinha o que conta como conversa protegida e a listar exceções que ela mesma reconhece; nenhuma observação disponível ao público distingue uma empresa que não pode ler de uma que pode e não diz; e as três escolhas que produzem essa impossibilidade — aplicativo fechado, sem build reproduzível, sem auditoria externa — são dela, e reversíveis por ela. Em 8 de maio de 2026 a Meta desligou a criptografia de ponta a ponta das mensagens do Instagram: a garantia que nos venderam como matemática sempre foi uma promessa corporativa, e promessas corporativas se revogam.
O "95% dos pilotos de IA falham" saiu de 52 entrevistas e não mediu agentes. Fui às primárias: toda estatística de agente é previsão, declaração ou medição — e cada uma falha de um jeito. A Gartner publica previsão e enquete de webinar na mesma página; o AI Index diz 70% no resumo e 79% no gráfico; a METR mediu devs 19% mais lentos enquanto eles se achavam 20% mais rápidos, e em 2026 não conseguiu repetir porque ninguém aceita trabalhar sem IA; a métrica de consistência sumiu dos placares; um recorde foi retirado por vazamento de gabarito. Medi o encanamento (SDK do MCP: 1.087 vezes em 18 meses) e o Brasil (17% das empresas usam IA; 68% disso é automação de fluxo). Nenhum número é falso — todos mudam de peso quando a etiqueta vai junto.
Nathan Barry resumiu a Teoria das Restrições numa frase — esforço fora do gargalo piora o gargalo — apoiado na série de Tiago Forte que circula como "a explicação" do assunto. Fui conferir a série, o livro e a frase, e escrevi um simulador de fila para medir em vez de discutir por analogia. A série tem 11 posts, não 3, e os que dizem o que fazer depois de achar o gargalo estão atrás de um paywall; os cinco passos de Goldratt não estão em A Meta, e sim num livro de 1990 que quase ninguém abre; e a frase-moral acerta o sinal e erra o grau: dobrar a capacidade de quem não é a restrição não tirou um item a mais (-0,3%, ruído) e fez a espera crescer 33% mais rápido — piora a espera, não a saída. Elevar a restrição em 25% rendeu 24,9%. A corda de Goldratt custa 5% de vazão e compra uma travessia 8.900 vezes menor. Subo a escada em quatro degraus — a padaria, os nomes, a Lei de Little e os cinco passos lidos na fonte, a ponte com agentes de IA, onde o gargalo anda de lugar — e fecho conferindo Ford, Spanx e Kit. Dez figuras próprias, feitas em código; a mesma padaria reaparece com os dados de cada experimento.
Duas imagens virais comparam Mac Studio M5 Ultra 256 GB, RTX 5090, RTX PRO 6000 e DGX Spark em "valor por dólar" para rodar IA em casa. Fui conferir: a métrica multiplica estoque por vazão, o preço do Spark morreu em fevereiro e a PRO 6000 entrou sem hospedeiro. Depois refiz a conta que interessa — tokens por dólar contra a API do mesmo modelo — e a primeira versão dela assumia que uma pessoa usa a máquina 1 % do tempo. Medi 43.593 chamadas reais de agente de código nesta máquina: o 1 % não descreve ninguém (chat fica perto de 0,03 %; agente, entre 10 % e 30 %), 96 % da entrada é releitura de contexto, e trocar a regra de cobrança dessa releitura move a conta 16 vezes, enquanto trocar de máquina move 3,6. No único regime em que a máquina mais barata ganha (1,5x), o dia de pico dela não cabe no dia e a chamada média, de 151,9 mil tokens, não cabe no contexto do modelo. Compre por soberania, não por economia.
Um benchmark de segurança de código mediu a Claude Fable 5 em 59,8% de acertos funcionais e 19,0% de acertos seguros, e o número virou manchete sobre um modelo que decepcionou. Seis dias depois, o mesmo laboratório, o mesmo autor e o mesmo benchmark publicaram a mesma Fable 5 em 72,6% e 29,0% — melhor marca de segurança da tabela naquele momento. Não trocaram o modelo; trocaram a ferramenta que o operava. Fui atrás dos dois textos e achei um terceiro, do mesmo autor e do mesmo dia, que ninguém cita: a auditoria antifraude do próprio benchmark, que derrubou 9 pontos percentuais de segurança de uma combinação sem que nada mudasse no modelo. Mostro a conclusão estreita que os dados sustentam — a nota é do par harness+modelo e da versão da régua no dia em que rodou —, o limite dela (nos oito pares do leaderboard a mediana da diferença é 1,65 ponto, e o caso da Fable 5 é seis vezes isso), o contraditório do Hacker News, que acusa o benchmark de estar torto CONTRA o modelo, e o achado mecânico: contei os links entre as quatro páginas e o grafo é de mão única — quem chega pelo texto que circulou não tem caminho até a correção. Seis figuras próprias, feitas em código, e todos os cálculos por script sobre as 27 linhas do leaderboard.
Em 2009, Usain Bolt correu 100 m em 9,58 s e ninguém chegou perto em 17 anos. No sábado, 22 de agosto, em Pequim, um robô fez a distância em 9,39 s numa bateria oficial — e há um ano o vencedor da mesma prova fazia 21,50 s. Li os 14 posts mais compartilhados da semana dos World Humanoid Robot Games 2026, baixei os 11 vídeos, extraí frame por frame, li a imprensa chinesa, os fact-checkers e o regulamento. A resposta tem duas metades. A primeira é sim: o que aconteceu em Pequim é real, é maior do que 2025 por uma ordem de grandeza — 2.056 robôs, 666 equipes, 16 países, cinco dias — e é mais impressionante do que as legendas contam. A segunda é o que as legendas escondem: o 9,32 s que o Elon Musk repostou não é o número do placar (aos 18 s do vídeo lê-se 9,39, bateria 9, e o robô que venceu não é o da Honor); os dois clipes mais assustadores da timeline são falsos; e a pergunta certa para cada vídeo não é "que tempo fez" — é "quem estava no controle". Primeiro os robôs, depois a régua. Atualizado em 26/08: a final fechou os Jogos em 8,64 s.
A expressão "marca d'água" faz quase todo mundo imaginar a coisa errada: um carimbo escondido, um caractere invisível, algo acrescentado ao texto. Não é nada disso — nada é inserido, e o que muda é a origem do sorteio quando o modelo escolhe entre duas palavras que serviriam igualmente bem. Explico o mecanismo do zero, primeiro sem uma palavra técnica (o caminho de casa e um número secreto combinado com um amigo), depois com os nomes que aparecem na documentação. É do mecanismo que caem, de graça, todos os limites: por que texto curto quase não marca, por que código quase não marca, por que a revisão de um texto seu quase não marca, e por que a marca nunca vai dizer quem escreveu. Separo também o que a imprensa vai juntar nos próximos dias: marca d'água no texto e credencial C2PA no arquivo são mecanismos diferentes. Sete figuras próprias, feitas em código. E a ressalva que muda o uso: a API que permitiria a qualquer um conferir um texto ainda não existe — o artigo trata isso como promessa, não como fato.
A pergunta de quem quer rodar um modelo de linguagem na própria máquina é sempre a mesma: isso cabe aqui? A resposta tem duas parcelas, e só uma delas cresce enquanto você conversa. Explico as duas do zero, três vezes seguidas: primeiro sem nenhuma palavra técnica, depois com os nomes que aparecem na documentação, depois com a fórmula e os números reais do Qwen3.8-27B, lançado neste mês — 27.781.427.952 parâmetros, 64 camadas das quais apenas 16 guardam cache que cresce, 15,82 GiB de pesos em Q4_K_M e 16,14 GiB de cache no contexto máximo de 262.144 tokens. Pelo caminho, três armadilhas que os números redondos escondem: K é 1.024 e não mil, GB não é GiB, e o nome do modelo é arredondado. Todo número deste artigo sai de um programa publicado junto: qualquer leitor refaz a conta na máquina dele.
Pela primeira vez a Anthropic piorou a nota que dá a si mesma — e reclassificou o passado junto. Li as 186 páginas do relatório de risco de agosto de 2026: o que importa não é a nota, são as cinco falhas de processo que a empresa descreve, incluindo uma contaminação de treinamento que atingiu praticamente todos os modelos Claude com corte de conhecimento posterior a dezembro de 2024 e foi descoberta depois da data de corte do próprio relatório.
A Z.ai atrasou os pesos abertos do GLM-5.3 alegando que a capacidade ofensiva do modelo cresceu mais rápido que o esperado, e ofereceu como prova um ledger público de 2.436 vulnerabilidades em software real. Baixei e contei o ledger inteiro: 92% dos achados nunca foram reportados a ninguém, exatamente um consta como enviado ao mantenedor, não há prazo de embargo declarado e nenhum registro atribui a descoberta a um modelo — 21% deles usaram o Claude Code como harness.
A página de estatísticas mais completa sobre o Claude Code credita seus downloads a um pacote npm que nunca existiu: 404 no registry, zero capturas no Wayback Machine. O pacote real tem API pública, sem chave e sem paywall — 429 milhões de downloads acumulados, 44,4 milhões só no mês em que a página publicou "111.000+". Medi cada número que dava para medir e o placar fechou em quatro certos, quatro errados e dois sem fonte que permita julgar: a survey de "15.000 desenvolvedores" tinha 906 respondentes; as "22.000 stars" eram 71.847 em 1º de março; o "open source" tem um LICENSE.md de catorze palavras, três das quais são "all rights reserved". Do outro lado, o claim mais inacreditável da lista — 4% de todos os commits públicos do GitHub — confere como estimativa, e a própria Anthropic o ecoou no anúncio da Série G. O detalhe que organiza o placar: os erros apontam todos na mesma direção, para baixo. O produto medível por API pública é maior que o produto descrito pela página que existia para promovê-lo. E o dado primário que ninguém usa rende o recorte brasileiro: 26,0% do uso do Claude.ai no Brasil vem de ocupações de computação e matemática — acima do global (23,8%) e dos Estados Unidos (21,1%).
O Brasil é o quinto país que mais usa o Claude — e o dado, ao contrário de quase tudo que circula, vem de fonte primária: o microdado que a própria Anthropic publica sob CC-BY. Baixei o dataset e medi. A mesma medição diz o que a manchete não carrega: em intensidade per capita somos o 61º de 121 — estamos no topo porque somos grandes, não porque somos intensos. Volume não é intensidade, e a versão em dinheiro dessa confusão (run rate não é receita) sustenta quase toda página de "estatísticas do Claude" de 2026. Conferi a mais completa delas fonte a fonte: o run rate de US$ 47 bi é um mês forte anualizado; o CFO, sob juramento, declarou mais de US$ 5 bi desde a fundação na mesma janela do "~19 bi" público — não é flagrante, é velocímetro contra odômetro. E o único dado que qualquer um reproduz de graça leva uma linha na página; o vazamento leva a manchete.
Os dois números que sustentam qualquer página de "estatísticas do ChatGPT" — 900 milhões de usuários ativos semanais e 50 milhões de assinantes — vêm da mesma frase de um comunicado de captação de US$ 110 bilhões. Fui ler o post: a definição de "usuário ativo semanal" não está lá. Ela existe, mas mora em outro documento, publicado quatro meses depois, com escopo mais estreito. E o denominador tem paternidade rastreável: o COO mediu 400 mi contra a população total, o paper da OpenAI com o NBER mediu 700 mi contra a adulta, e a página que me deu a pauta voltou para a total — "10% virou 11%" parece progressão e é troca de régua. Na mesma régua, seriam 11,3% e 14,5%. Mais o degrau Brasil: o português é a 2ª língua não-inglesa do ChatGPT, e dois veículos descreveram o mesmo briefing da OpenAI com métricas diferentes na primeira linha.
Dois vírgula quatro bilhões de pessoas usam IA generativa, diz a manchete — mas a própria fonte desaconselha ler o número como pessoas. Conferi cada degrau da pirâmide na fonte primária, acrescentei o degrau que nenhuma versão internacional tem (o Brasil) e o resultado muda a leitura: os pagantes do mundo inteiro são ~1% da humanidade, e a bolha dos coding agents, 0,14%. Você não está atrasado — o feed é a bolha falando de si mesma.
Em 2018, um agente movido a curiosidade parou hipnotizado diante de uma TV de estática — o noisy-TV problem, que o aprendizado por reforço passou sete anos domando. Varri quatro literaturas atrás da mesma armadilha na instrumentação de curiosidade de agentes LLM: ninguém a formalizou. E ela não é hipotética — no agente experimental que mantenho na minha máquina, o ruído do instrumento (σ=0,177) é maior que o sinal que ele deveria medir.
Os data centers "vão consumir mais de 1.000 TWh em 2026 — o equivalente ao Japão", repetem os compilados de estatísticas de IA. Fui conferir: a própria IEA aposentou o número; a série atual mede 485 TWh. Conferi uma a uma as estatísticas que mais circulam, na fonte primária, e o placar tem confere, meia-verdade, fóssil e zumbi — com um padrão: o denominador omitido ("53% da população" era EUA, 18-64 anos). E o degrau Brasil que nenhuma versão internacional tem: 84% dos universitários já usaram genAI, enquanto o país está fora do top-15 de investimento privado.
A manchete diz que o modelo barato da DeepSeek bate o flagship da casa. O model card diz mais: o Opus 4.8 vence as nove linhas da tabela — publicado pela própria DeepSeek. Por que anunciar a própria derrota funciona quando você custa 89 vezes menos, o que o salto de 7,3 para 54,4 sem arquitetura nova diz sobre pós-treino, e o que as primeiras 48 horas fora do harness confirmaram e desmentiram.
A Anthropic lançou o Claude Opus 5 prometendo inteligência de fronteira por metade do preço. O que mudou de fato na API, o que os gráficos do anúncio mostram quando você abre as imagens — inclusive que o esforço máximo piora o resultado — e por que a zoeira mais votada da comunidade não sobrevive a uma conferida.