Tsinghua abre código de sistema operacional para agentes de IA — custo de tarefas cai 83% e pressiona fornecedores brasileiros de automação

A Universidade Tsinghua, por meio do laboratório THUNLP, em parceria com ModelBest e OpenBMB, lançou em código aberto o PilotDeck 2.0, um sistema operacional para agentes de inteligência artificial que promete resolver três gargalos crônicos do uso corporativo de IA: mistura de contextos entre projetos, execução travada quando o usuário se ausenta e custo elevado de chamadas de modelos. Segundo a divulgação, o sistema reduz em até 83% o custo de tarefas longas complexas ao rotear decisões para modelos fortes e execução para modelos menores, e obteve 79,1 pontos no benchmark Workbuddy Bench, superando o Claude Code (77,3). No Brasil, onde integradores e empresas de automação correm para incorporar agentes de IA em fluxos de atendimento, backoffice e logística, a abertura do código cria uma alternativa gratuita que pode baratear projetos e pressionar fornecedores de software proprietário. O anúncio foi feito pelo laboratório THUNLP da Universidade Tsinghua em conjunto com as equipes da ModelBest e da OpenBMB, e o código do PilotDeck 2.0 está disponível publicamente. O sistema se apresenta como um 'sistema operacional de agentes', camada que fica entre o modelo de linguagem e as aplicações corporativas, e ataca três frentes: gerenciamento de múltiplos projetos com isolamento de arquivos, memórias e tarefas; memória de longo prazo com visualização e edição pelo usuário; e execução em segundo plano de tarefas de ciclo longo, permitindo que o agente continue trabalhando sem supervisão humana. O número que mais chama atenção é o custo: segundo a divulgação, o modo de agendamento em que modelos fortes tomam decisões e modelos pequenos executam tarefas secundárias corta quase cinco sextos do custo de tarefas longas complexas, uma redução de aproximadamente 83%. No benchmark Workbuddy Bench, o PilotDeck usando o modelo Qwen3.6-35B-A3B alcançou 79,1 pontos, à frente do Claude Code, da Anthropic, que marcou 77,3. Por que isso chega ao Brasil: o mercado brasileiro de automação corporativa vive um momento de testes com agentes de IA em atendimento ao cliente, cobrança, análise de crédito e logística, mas o custo por token e a dificuldade de auditar o que a IA 'lembrou' são apontados por integradores como os principais travessões para sair do piloto e ir à produção. Um sistema operacional de código aberto que isola contextos por projeto e expõe a memória para consulta e edição reduz o risco de compliance — ponto sensível para bancos, seguradoras e empresas de saúde que precisam explicar decisões automatizadas a reguladores como Banco Central, SUSEP e ANS. O impacto direto é indireto, via custo de integração: empresas brasileiras que desenvolvem agentes sobre modelos como Qwen, Llama ou modelos nacionais podem incorporar o PilotDeck sem licença, barateando projetos e aumentando a pressão competitiva sobre fornecedores de plataformas proprietárias que cobram por assento ou por volume de tokens. Os dados mostram que o PilotDeck não é um modelo novo, mas uma camada de orquestração: ele gerencia Workspaces, cada um com sistema de arquivos, banco de memória e conjunto de habilidades próprios, o que na prática separa, por exemplo, um projeto de edição de vídeo de um projeto de desenvolvimento de aplicativo iOS, sem contaminação de contexto. Os dados também mostram que a memória se torna 'caixa-branca': o usuário vê desde a geração até a chamada final da memória, podendo corrigir parâmetros memorizados errados sem reiniciar toda a conversa. Na leitura do CBI, isso indica que a disputa no mercado de agentes se desloca do modelo para a camada de infraestrutura — quem controlar o sistema operacional do agente controla o custo e a auditabilidade, e um lançamento de código aberto por uma instituição chinesa de primeira linha sinaliza que Pequim quer padronizar essa camada antes que fornecedores ocidentais fechem o mercado. Para o Brasil, a consequência prática é que integradores locais ganham uma alternativa de baixo custo para projetos de agentes, mas precisam avaliar suporte, segurança e soberania de dados, já que o código é aberto mas a governança é chinesa. O que acompanhar: primeiro, a publicação de casos de uso corporativos por empresas brasileiras que já testam agentes com modelos abertos, o que deve ocorrer nos próximos meses em setores como atendimento e logística. Segundo, a reação de fornecedores de plataformas proprietárias, que podem rever preços de licenciamento ou lançar camadas similares de memória auditável. Terceiro, o posicionamento de reguladores brasileiros, em especial o Banco Central no âmbito da regulação de IA no setor financeiro, sobre exigências de explicabilidade que um sistema de memória caixa-branca pode facilitar ou complicar.