Revisão de código mais ágil para times que produzem muito com IA, modelos mais baratos e um exemplo de IA aplicada à qualidade de software em grande escala.
GitHub lança stacked pull requests para dividir mudanças grandes em revisões pequenas
O GitHub colocou em prévia pública os stacked pull requests: uma sequência ordenada de PRs, cada um com uma camada focada da mudança, que podem ser revisados separadamente e integrados juntos com um clique. As revisões, checagens e regras de merge existentes continuam valendo. O recurso funciona pelo site, pela CLI, pelo app móvel e com agentes como o Copilot, e o CTO do TED conta que a IA aumentou tanto a produtividade que os PRs ficaram grandes demais para revisar bem.
Com agentes gerando mais código, a revisão vira o gargalo, e dividir mudanças em camadas torna a revisão mais rápida e mais precisa. Times podem adotar o fluxo sem trocar de ferramenta.
Como a Dexpert ajuda: Squad Dedicada e AlocaçãoFontes
- GitHub Changelog: Stacked pull requests are now in public preview
OpenAI corta 80% do preço do GPT-5.6 Luna e 20% do Terra
A OpenAI reduziu em 80% o preço do GPT-5.6 Luna, seu modelo mais rápido e barato, e em 20% o do Terra, voltado ao trabalho do dia a dia. Também lançou o modo Fast na API, que deixa o GPT-5.6 Sol até 2,5 vezes mais rápido pelo dobro do preço. A empresa sugere combinar modelos num mesmo fluxo, por exemplo usando o Sol para planejar e o Luna para implementar mudanças bem especificadas, escrever e rodar testes.
Tarefas de alto volume que antes não fechavam a conta passam a ser viáveis com IA. Definir o padrão de qualidade e medir com avaliações onde o modelo mais caro realmente faz diferença é o caminho para otimizar custos.
Como a Dexpert ajuda: Inteligência ArtificialFontes
Google usa agentes com Gemini para encontrar e corrigir falhas no código do Chrome
O time de segurança do Chrome conta como usa modelos de linguagem para achar, triar e corrigir falhas de segurança em escala. No início de 2026, um conjunto de agentes com Gemini passou a varrer todo o código do Chrome com mais eficiência e menos falsos positivos, e encontrou um problema que existia havia mais de 13 anos. Entre as melhorias estão uma base de conhecimento com todo o histórico do Git, arquivos SECURITY.md que explicam aos modelos os limites de confiança do sistema e um agente crítico que revisa os achados.
A mesma abordagem pode ser aplicada a sistemas corporativos para revisar código antigo e priorizar correções. Documentar a arquitetura e as regras de segurança do projeto ajuda os modelos a darem resultados melhores.
Como a Dexpert ajuda: Inteligência ArtificialQuer colocar uma dessas novidades para trabalhar na sua empresa?
A Dexpert desenvolve sistemas, apps, integrações e soluções de IA sob medida. Conte o que você precisa e receba uma estimativa, ou faça o diagnóstico gratuito de maturidade digital.