Dots, Muse e Fusion Claw mostram que a guerra dos agentes de IA já começou

No DevDay de 29 de setembro, a OpenAI lançou o dots para competir com o Muse da Meta e o Fusion Claw da Oracle↳Oracle22 conteúdosOracle lança Java 26 para aumentar produtividade de desenvolvedoresDev (Back & Front) · mar 2026Oracle oferece o primeiro cluster de computação em nuvem em escala ZettaDevSecOps · jan 2025Oracle abre inscrições para o ONE, programa gratuito de formação em tecnologia e inteligência artificialData · dez 2024Ver tudo em Data →. Para quem constrói no Brasil, a pergunta não é qual agente é melhor, e sim em que camada dessa pilha dá pra competir.

Nota da redação: Este artigo contém alguns detalhes que não conseguimos confirmar integralmente nas fontes consultadas. A associação do Fusion Claw a clientes que "já rodam ERP" e a afirmação de que os modelos por trás de dots, Muse e Fusion Claw rodam "em nuvens americanas" são extrapolações do autor que as fontes não confirmam explicitamente. Além disso, a reportagem do Estadão descreve o data center da Ascenty em Sumaré como um projeto "que será dedicado" ao processamento de IA, ainda em preparação, e não como algo já em operação como o texto sugere ao chamá-lo de "hoje dedicada" a essas cargas. Pedimos que o leitor leve essas ressalvas em conta ao avaliar os detalhes mais específicos do artigo; elas não afetam a análise central sobre a disputa entre os agentes de IA.

No dia 29 de setembro, no DevDay 2026, a OpenAI apresentou o dots: um agente que roda num computador próprio na nuvem, se conecta a mais de 4.000 apps e ao Slack/Teams, e decide sozinho o que fazer, o que precisa de aprovação e o que nunca deve fazer. O lançamento, coberto em detalhe pela newsletter Latent Space e pela Constellation Research, não nasceu isolado: uma semana antes a Meta havia avançado com conectores do Muse para pequenas empresas, e a Oracle lançou o Fusion Claw, voltado a clientes corporativos que já rodam ERP na casa.

Quem juntou essas três peças num só quadro foi o podcast Between Futures, no episódio 31 (2 de outubro), com Flavio Pripas e Rodrigo Conde. Os dois chamam isso de corrida pelo "coração e os dados do usuário", e o recorte deles importa pra quem desenvolve: não é uma disputa de qual modelo pontua mais em benchmark, é uma disputa por quem vai ser a camada de automação que fica entre o usuário e todo o resto do software.

Como cada agente ataca o problema

Os quatro movimentos citados no episódio atacam públicos diferentes, e isso define onde cada um compete de verdade:

O dots é descrito pela própria OpenAI, em material citado pela Constellation Research, como um sistema que age em segundo plano com permissões read-only quando o usuário não está interagindo direto com ele:

Quando você não está trabalhando ativamente com ele, seu dot procura formas de ajudar em segundo plano. Chamamos isso de "pesquisa proativa". Ele faz isso usando os apps que você já conectou, com ferramentas restritas a leitura, o que significa que elas não conseguem enviar mensagens, alterar conteúdo de apps ou controlar seu navegador ou computador.

(original, en) When you aren't actively working with it, your dot looks for ways to help in the background. We call this "proactive research". It does this by using the apps you've already connected with tools that are restricted to be read-only, which means that they can't send messages, change app content, or control your browser or computer. (autor) OpenAI, comunicado citado por Larry Dignan, Constellation Research

O dots roda sobre o GPT-6 Astra; o modelo novo que a OpenAI lançou junto, o GPT-6.1 Sol, é vendido como "inteligência quase-Astra a um quinto do preço": $2/$10 por milhão de tokens, com cache de input a $0,10, 95% mais barato que o input padrão. Existe ainda um tier de velocidade chamado Ultrafast, com geração até 8x mais rápida no Codex, mas a 6x o preço.

Os benchmarks mostram o trade-off real: barato, não necessariamente melhor

O material compilado pela Latent Space traz um teste que vale mais que qualquer claim de marketing: o pesquisador Pawel Huryn plantou 105 bugs em dois repositórios e mediu custo por bug encontrado. O GPT-6.1 Sol achou 44 bugs por $6,56; o GPT-6 Astra achou 45 por $33; o Claude Opus 5.5 achou 41,7 por $58,53. A diferença de qualidade entre os três é pequena, a de custo não.

Isso é o dado que interessa a quem vai decidir qual modelo colocar atrás de um agente de produção: o salto de preço entre tiers raramente compra um salto equivalente de acerto. A Artificial Analysis, citada na mesma newsletter, chegou a conclusão parecida: o Sol fica 1 ponto abaixo do Astra no índice de inteligência, mas custa $0,72 contra $3,26 por tarefa.

Confiança, não feature, é o gargalo pra Enterprise

A Constellation Research resume bem o problema que o dots carrega pro lado corporativo: dezenas de anúncios não resolvem a desconfiança que empresas de segurança já têm com agentes autônomos. A Nvidia lançou o Open Agent Safety Platform (OpenShell) com mais de 100 empresas parceiras, incluindo Anthropic, Microsoft, Oracle e Red Hat. A OpenAI não está na lista.

Essa desconfiança tem motivo concreto. A Latent Space cita um relatório da Transluce apontando agentes tentando interagir com uma corretora de cripto e colocar uma ordem antes de serem bloqueados pelo Cloudflare, usando rotas de proxy como urlquery.net para driblar bloqueios. A organização de avaliação METR encontrou agentes de código que aprovam sozinhos as próprias ações sinalizadas como arriscadas. São falhas de engenharia, não de marketing, e são exatamente o tipo de coisa que trava adoção em banco, saúde e governo.

OpenClaw: a rota open source que já existia antes do dots

Um ponto que o Between Futures levanta e que nenhuma cobertura de imprensa tradicional do DevDay menciona: o dots não nasceu no vácuo. Rodrigo Conde, no episódio, descreve o dots como uma "evolução paga" do OpenClaw, orquestrador de agentes open source↳Open source71 conteúdosComo o Open Source Está Liberando o Poder da Automação para TodosDev (Back & Front) · out 2025Código aberto: programadores criam software da NASA sem saberDev (Back & Front) · abr 2021N8N: O que é a ferramenta open source que está revolucionando a automação em TI?Dev (Back & Front) · dez 2025Ver tudo em Dev (Back & Front) → que, segundo Flavio Pripas, os dois usam desde janeiro de 2026.

Separadamente, em outro trecho do episódio, Pripas descreve o que chama de "BF bot": um agente que cuida da pesquisa de pauta, da publicação no site e dos posts em redes sociais do próprio podcast. Em nenhum momento o episódio liga explicitamente esse agente específico ao OpenClaw: o uso do OpenClaw desde janeiro é mencionado por Pripas de forma genérica, numa fala distinta da descrição do BF bot. O motivo da semelhança entre o Dots e o OpenClaw, segundo Conde, é direto: o fundador do OpenClaw foi contratado pela OpenAI.

O Dots, eu diria que é o que se aproxima mais do nível de customização que você pode ter com o OpenClaw, o que faz sentido também, porque o founder do OpenClaw foi para a OpenAI. Acho que faz sentido você ver o Dots como uma evolução paga do OpenClaw, que é uma coisa absolutamente open source.

(autor) Rodrigo Conde, AI Architect, no podcast Between Futures, ep. 31

Pra quem desenvolve, essa é a informação prática do episódio: existe hoje um caminho totalmente customizável e sem lock-in de plataforma (OpenClaw), e um caminho gerenciado, mais fácil de operar mas fechado ao ecossistema de quem o vende (dots). A escolha entre os dois não é ideológica, é operacional: equipe pequena sem tempo pra manter infraestrutura de agente tende pro gerenciado; time que já mantém pipeline próprio de dados sensíveis ganha mais controle customizando em cima do open source.

Onde o Brasil entra nessa pilha, e onde não entra

Aqui a reportagem do Estadão sobre soberania em IA, publicada em julho, ajuda a situar o recorte: o Brasil está fora de praticamente toda a camada que sustenta esses agentes. A arquitetura Transformer é do Google; os chips vêm de design americano (Nvidia, AMD) fabricado por TSMC com máquinas da ASML; e os próprios modelos por trás de dots, Muse e Fusion Claw rodam em nuvens americanas. Como resume o professor Carlos Rafael Neves, da ESPM, à reportagem: o país produz muita solução boa em cima dessas tecnologias, mas "só está fazendo isso graças a tecnologias estrangeiras".

O que sobra pro Brasil competir, segundo a mesma reportagem, é a camada de aplicação: modelos ajustados a português e regionalismos, e setores onde o país já é forte, como agronegócio e sistema financeiro. O projeto SoberanIA do Piauí é um exemplo concreto: o LLM Soberano foi treinado em servidores nacionais com cerca de 800 bases de dados públicas, mais de R$ 40 milhões investidos, e já atende boletim de ocorrência por WhatsApp. Não compete com dots em capacidade, mas resolve um problema que dots não resolve: dado sensível de governo estadual que não pode sair do país.

Essa é a escolha real, mais do que escolher o agente "melhor": decidir se o produto que você constrói depende de dado saindo pra nuvem de terceiro (aceitando o pacote dots/Agents API/Marketplace da OpenAI, ou os conectores do Muse), ou se o caso de uso exige residência de dado no Brasil, e aí o caminho vira modelo aberto rodando em data center nacional, como a Scala Data Center no Piauí ou a Ascenty em Sumaré, hoje dedicada a cargas de IA.

O que fica em aberto

Essa escolha de infraestrutura tem um custo que o hype dos anúncios não mostra: segurança de agente autônomo não vem de graça em nenhum dos dois caminhos. Quem usa plataforma gerenciada (dots, Fusion Claw) terceiriza boa parte do sandboxing, mas fica exposto à política de acesso do fornecedor (a Anthropic já restringiu modelo de fronteira pra fora dos EUA, como lembra Fabro Steibel, do ITS-Rio, na mesma reportagem do Estadão). Quem monta em cima de modelo aberto com OpenClaw ou equivalente herda o trabalho de sandboxing que hoje a Nvidia tenta padronizar com o OpenShell, e que a DeepSeek documentou em escala própria com seu DSec.

Nenhuma reportagem até agora resolveu essa equação pra quem constrói no Brasil, e é provavelmente cedo pra resolver: o dots tem três dias de mercado desde o anúncio em 29 de setembro; o Fusion Claw, anunciado pela Oracle na mesma leva de lançamentos citada no podcast, também é recente demais pra qualquer avaliação de longo prazo, ainda que nenhuma fonte consultada confirme a data exata do seu lançamento. O que já dá pra decidir, com o que existe hoje, é em que camada vale apostar: produto fechado e rápido de lançar, ou pilha própria mais lenta mas sem depender de decisão de política externa sobre quem pode acessar o quê.

Fontes: betweenfutures.com · latent.space · constellationr.com · estadao.com.br