O salto é do modelo que responde para o agente que decide.

Por que importa. A barreira entre “o agente pode usar a conta” e “o agente conhece o segredo” passa a ser tratada como uma camada separada. Isso reduz o estrago potencial de prompts maliciosos, logs expostos e agentes que saem do escopo.

Aplicação transferível. Para qualquer agente: permissões por tarefa e por site, aprovação visível e revogação simples. O agente deve receber a capacidade de executar, não o material bruto que permite executar.

Ainda não confirmado. A disponibilidade e os controles variam por integração; a própria 1Password informa que contas 1Password.com dos EUA têm acesso sem custo adicional, enquanto contas 1Password.eu e .ca ainda não são suportadas.

Por que importa. Um agente não precisa usar o modelo mais caro para cada microdecisão. Um modelo rápido pode filtrar, rotear, validar e escolher o próximo passo; o modelo mais capaz fica reservado para o trabalho que realmente exige raciocínio.

Aplicação transferível. Inserir “portões” baratos entre etapas: classificar uma solicitação, checar se há informação suficiente, escolher uma ferramenta ou decidir se a tarefa deve escalar para revisão humana.

Ainda não confirmado. Velocidade, custo e calibração variam por carga e modalidade. A reportagem registra que benchmarks não resolvem a escolha; a validação precisa ser feita no fluxo real do agente.

Por que importa. A direção é sair da imagem “bonita, mas descartável” e aproximar a geração de um objeto que pode entrar no fluxo de trabalho, ser editado e virar camada de um layout.

Aplicação transferível. Quando a tarefa exige precisão, vale separar planejamento e execução: gere uma especificação intermediária — campos, relações, limites e hierarquia — antes de pedir a saída final.

Ainda não confirmado. Legibilidade de texto, qualidade e controle são alegações da Canva. O newsroom oficial estava protegido por desafio anti-bot nesta rodada; o link oficial permanece disponível para conferência manual.

Por que importa. Aprendizado útil pode surgir de exploração segura, não apenas de exercícios previamente escritos por humanos. Isso é relevante para agentes que precisam operar em ambientes mutáveis, inclusive robótica e automação.

Aplicação transferível. Criar um “campo de treino” com dados sintéticos, ferramentas simuladas, objetivos de baixo risco e registro de trajetórias. Só depois promover estratégias aprendidas para o ambiente operacional.

Ainda não confirmado. O artigo está em arXiv e ainda não passou por revisão por pares. A interpretação de “brincadeira” é uma descrição comportamental; não é evidência de consciência ou intenção humana.