Glossário

As palavras que aparecem o tempo todo em nossos artigos e páginas de ferramentas, definidas em poucas linhas, com um link para a fonte sempre que a definição é factual.

Agente de programação

Software de IA que faz mais do que sugerir código: ele lê o contexto de um projeto, transforma um pedido em um plano de várias etapas e depois executa e verifica essas etapas (editando código, rodando testes, corrigindo). Esta é a definição que a Gartner usou em seu primeiro Quadrante Mágico de agentes de programação (maio de 2026). Exemplos no diretório: Claude Code, Codex, OpenCode, Aider, Cline.

Agêntico

Descreve um uso ou uma ferramenta em que o modelo age em várias etapas com ferramentas (terminal, navegador, APIs) em vez de responder em uma única mensagem, como em “programação agêntica” ou “tarefas agênticas”. Os fornecedores medem essas capacidades com testes como o DeepSWE ou o Terminal-Bench.

MCP (Model Context Protocol)

Um padrão de código aberto que conecta aplicativos de IA a sistemas externos: fontes de dados (arquivos, bancos de dados), ferramentas (mecanismos de busca, calculadoras) e fluxos de trabalho. Seus autores o comparam a uma porta USB-C para aplicativos de IA (modelcontextprotocol.io). A linha “Suporte a MCP” em nossas páginas de ferramentas indica se uma ferramenta pode se conectar a ele.

MoE (mistura de especialistas)

Uma arquitetura de modelo (Mixture of Experts) em que apenas parte dos parâmetros trabalha em cada token. Exemplo: o Muse Spark Open, da Meta, tem 816 bilhões de parâmetros no total, mas só 42 bilhões estão ativos, com 8 de 256 especialistas ativados por token (model card). A vantagem: um modelo muito grande que é mais barato de executar do que um modelo denso do mesmo tamanho.

Pesos abertos vs código aberto

Um modelo de pesos abertos pode ser baixado, mas sua licença pode impor condições. Um software de código aberto precisa atender à definição da Open Source Initiative, que proíbe, entre outras coisas, a discriminação contra pessoas ou áreas de atuação. Exemplo: a licença do Muse Spark Open exige exibir “Built with Muse Spark Open” e um acordo separado com a Meta para oferecê-lo como API acima de US$ 20 milhões de receita (licença do Muse): pesos abertos, mas não código aberto. O DeepSeek V4.1-Flash-1017 é lançado sob a licença MIT (Hugging Face).

Janela de contexto

A quantidade máxima de texto, medida em tokens, que um modelo pode considerar em uma única requisição: instruções, arquivos, histórico e a resposta. Exemplo: o GPT-6.1 Sol tem uma janela de contexto de 1.050.000 tokens, com até 128.000 tokens de saída (OpenAI). Uma janela maior permite carregar mais código, mas custa mais: alguns fornecedores cobram mais acima de um limite.

Tokens

A unidade de texto que um modelo processa, aproximadamente 3 a 4 caracteres de texto em inglês segundo a Zed. Seu prompt, arquivos, histórico, resultados de ferramentas e a resposta consomem tokens (OpenAI). As APIs cobram por milhão de tokens, com preços diferentes para entrada e saída: veja nosso comparativo de modelos e estime uma fatura mensal com a calculadora de custos.

SWE-bench

Uma família de testes que mede a capacidade de um modelo de resolver issues reais do GitHub. A versão original tem 2294 tarefas de 12 repositórios Python; o SWE-bench Verified é um subconjunto de 500 tarefas filtradas por humanos (swebench.com). A pontuação é o percentual de tarefas resolvidas.

DeepSWE

Um teste de engenharia de software de longo prazo publicado pela Datacurve: o agente precisa entender um repositório, construir uma funcionalidade e validá-la com testes. A versão 1.1 (junho de 2026) tem 113 tarefas e avalia o código commitado em um ambiente isolado, para resultados mais reproduzíveis (Datacurve). Observação: as pontuações anunciadas pelos fornecedores costumam usar seu próprio harness de agente e nível de raciocínio, por isso não são estritamente comparáveis. Nosso gráfico de preço / desempenho cruza essas pontuações com o preço de cada modelo.

Metodologia · Correções · Atualizações · Contato · Aviso legal