🧠 19 histórias principais + 30 no radar rápido — Sexta-feira, 11 de Setembro de 2026
Histórias principais: análise aprofundada das notícias mais relevantes do dia.
Radar rápido: resumos breves de tudo mais que vale acompanhar.
🎙️ Ouça o podcast do dia — com Anna, Maria e Pedro:
Complexidade distribuída começa quando um trabalho único deixa de caber em uma máquina
O texto parte de uma ideia simples, mas muito útil para quem projeta sistemas: três máquinas em um rack ainda são só três máquinas. Elas só viram um sistema distribuído quando precisam concluir uma tarefa em conjunto. É nesse momento que “o fácil” desaparece — memória compartilhada, relógio único e locks locais deixam de existir assim que a coordenação atravessa a rede.
A síntese mais valiosa do artigo é a divisão do problema em três raízes: espaço, tempo e consenso. Primeiro vem o espaço, quando você precisa falar com componentes separados. Depois vem o tempo, que passa a ser interpretado de forma imperfeita e enganosa. E, por fim, o consenso aparece como consequência dos dois anteriores: quando você já não confia plenamente nem na ordem dos eventos nem na visão comum do estado, coordenar decisões vira o verdadeiro custo do sistema.
Essa leitura é especialmente útil para quem está desenhando arquiteturas escaláveis ou depurando incidentes em produção. Ela ajuda a enxergar que muitas “falhas de arquitetura” não são bugs isolados, mas efeitos colaterais inevitáveis de distribuir responsabilidade entre nós. Em outras palavras: a complexidade não nasce da quantidade de servidores, e sim da exigência de fazê-los agir como se fossem um só.
Fontes: Dev.to (Top)
Quando um join “funciona” no staging, ainda pode falhar feio em produção
A história mostra o tipo de incidente que assusta qualquer time de dados: tudo passa em CI, os checks ficam verdes, mas às 3:14 da manhã o alerta dispara e o problema já virou uma crise de orçamento e disponibilidade. O ponto central não é só o erro de query, mas a falsa sensação de segurança criada por testar uma amostra de 10% do volume real. Em staging, o join entre 4 TB de events e 500 GB de user_metadata terminou em 42 segundos; em produção, a história foi outra.
O caso também reforça uma confusão comum no mercado: tratar BigQuery e Databricks como “apenas motores SQL”. Na prática, cada um tem comportamento, limites e padrões de execução muito diferentes. Quando a consulta escalou, o uso de slots no BigQuery explodiu para mais de 10.000 e o SQL Warehouse do Databricks entrou em OUT_OF_MEMORY, mostrando que problemas de dados grandes não são apenas sobre sintaxe, mas sobre estratégia de execução, cardinalidade, alocação de recursos e desenho para o pior caso.
Para times que operam analytics em larga escala, o aprendizado é direto: validar query em amostra não basta quando o custo cresce não linearmente com o volume. Esse tipo de incidente evidencia que governança de performance precisa estar no mesmo nível de atenção que qualidade de dados. Se a consulta pode virar incidente financeiro, ela também precisa de observabilidade, limites e revisão arquitetural antes de chegar ao horário nobre da produção.
Fontes: Dev.to (Top)
Linting TypeScript com conhecimento de tipos ficou mais rápido e mais pragmático
A novidade aqui é a estabilidade do tsgolint v7, agora trazendo linting type-aware com velocidade de Go dentro do ecossistema Oxlint. O detalhe importante não é só performance: o mecanismo usa a análise semântica do compilador typescript-go, o que aproxima a checagem de qualidade do código da compreensão real dos tipos, e não apenas da estrutura sintática.
O impacto para equipes de front-end e plataformas de monorepo é relevante porque reduz a distância entre regras de lint e a intenção do código. Segundo a cobertura, a release é compatível com TypeScript 7.0.2 e cobre 59 de 61 regras type-aware, sugerindo uma maturidade bem avançada para substituições ou complementos ao ESLint em pipelines que sofrem com tempo de execução.
Na prática, isso aponta para um movimento mais amplo: ferramentas de qualidade estão ficando mais inteligentes e menos custosas para manter em escala. Quando o linting passa a entender tipos com velocidade suficiente para uso cotidiano, ele deixa de ser só uma barreira de estilo e vira uma peça real da malha de confiabilidade do desenvolvimento.
Fontes: InfoQ
Multicloud é estratégia de resiliência, não obrigação universal
A apresentação da Form3 mostra a evolução de um setup em nuvem única para uma arquitetura multicloud ativa em três provedores ao mesmo tempo. O ponto interessante é que isso não é vendido como “o ideal para todo mundo”, mas como uma resposta a necessidades bem específicas de disponibilidade, resiliência e requisitos regionais de mercados financeiros distintos.
A peça técnica mais importante está na combinação de networking entre clouds, bancos distribuídos com CockroachDB e NATS, além de operadores Kubernetes próprios para manter a plataforma coerente em ambientes heterogêneos. O que sustenta esse modelo não é apenas abstração; é disciplina operacional e a capacidade de aceitar que cada provedor traz peculiaridades que precisam ser tratadas explicitamente.
Esse tipo de arquitetura costuma ser admirada à distância, mas o valor real da talk é lembrar que multicloud é uma escolha cara e deliberada. Ela faz sentido quando o problema inclui soberania, disaster recovery e exigências regulatórias distintas por região — e não quando vira apenas um argumento de marketing para dizer que “estamos em todas as clouds”.
Fontes: InfoQ
Agentes long-running agora ganham uma base nativa para rodar e persistir estado
A integração entre OpenAI Agents API e Vercel transforma o desenho de aplicações com agentes em algo bem mais operacionalizável. Em vez de o time precisar gerenciar manualmente o loop do agente e o estado da sessão, a OpenAI assume essa parte enquanto a Vercel hospeda a aplicação e conecta cada sessão ao Vercel Sandbox para execução de código e acesso a arquivos.
O conjunto de capacidades é o que chama atenção: criação confiável de sandbox com webhooks assinados e Vercel Queues, ambiente isolado por sessão, workspace persistente para manter arquivos entre instruções e arquitetura scale-to-zero sem worker sempre ligado. Isso reduz atrito para quem quer sair do protótipo de agente e chegar a uma aplicação que aguenta sessões longas, ferramentas e reentrada de contexto.
Na prática, a integração mostra que a camada de hospedagem para IA está amadurecendo. O problema já não é apenas “fazer o modelo responder”, e sim garantir continuidade, isolamento e execução segura em sessões que podem durar e evoluir. Para times de produto e infraestrutura, isso abre espaço para agentes mais úteis — mas também mais exigentes em observabilidade, custo e controle.
Fontes: Vercel Blog, Vercel Blog
Resiliência por zona deve ser decidida componente por componente
A orientação da Azure é pragmática: “quantas zonas?” não é a pergunta certa para o workload inteiro. O que importa é quantas zonas cada componente precisa sobreviver para continuar operando após a perda de uma delas. Isso desloca a discussão de uma arquitetura única e abstrata para decisões mais granulares, alinhadas ao papel real de cada parte do sistema.
O post também reforça o valor de usar redundância gerenciada pelo próprio serviço sempre que possível, em vez de construir complexidade manual sem necessidade. E deixa claro que desenho em três zonas deve ser reservado para os componentes que realmente exigem esse terceiro domínio de falha — ou seja, não é um padrão automático, é uma exceção justificada por requisito técnico.
Para arquitetos e SREs, a implicação é importante: resiliência “de verdade” nasce de modelagem de dependências, não de slogans de alta disponibilidade. Componentes diferentes têm tolerâncias diferentes a falha, e o custo de manter três zonas só se paga quando o risco residual das duas zonas não é aceitável.
Fontes: Azure Blog
Treinar IA distribuída exige muito mais que subir GPU e cluster
O recado da CNCF é direto: provisionar GPUs e criar um cluster não basta para dizer que a plataforma está pronta para IA. Quando o treinamento passa de um nó, os gargalos deixam de ser óbvios e aparecem em camadas como rede, sincronização, orquestração e confiabilidade operacional. A “AI-ready platform” não é uma etiqueta; é um conjunto de garantias sobre como o sistema se comporta sob carga distribuída.
Mesmo com o resumo fornecido de forma parcial, a direção é clara: a infraestrutura para treino distribuído precisa ser tratada como uma fundação cloud-native confiável, e não como um conjunto de recursos isolados. Isso é especialmente relevante para equipes de plataforma que frequentemente focam em capacidade bruta, mas subestimam o custo de coordenação entre nós, o comportamento de falhas e o monitoramento da execução.
A leitura útil para DevOps e plataforma é que o desafio agora está migrando do “como alocar GPU” para “como sustentar um ciclo de treinamento previsível”. Em outras palavras: a maturidade da IA depende cada vez mais da maturidade do ambiente que a executa.
Fontes: CNCF Blog
Versões self-hosted precisam acompanhar patches com disciplina
A atualização da Microsoft para Azure DevOps Server é objetiva: novos patches foram liberados para o produto self-hosted, e a recomendação é manter todos os clientes na versão mais recente e segura. O tipo de comunicado é clássico, mas importante — porque em ambientes on-prem ou gerenciados pelo próprio time, deixar patch acumular vira rapidamente problema operacional e de segurança.
O valor aqui está menos no detalhe da release em si e mais no lembrete de que uma plataforma de DevOps auto-hospedada não se mantém segura por inércia. A atualização reforça que existe uma superfície de risco contínua e que a responsabilidade por mantê-la minimizada é do operador do ambiente.
Para times que ainda dependem de Azure DevOps Server, esse é o tipo de nota que deveria entrar no ritual de manutenção. Em ambiente self-hosted, a diferença entre estabilidade e dívida técnica costuma aparecer justamente na velocidade e consistência com que patches são aplicados.
Fontes: Azure DevOps Blog
Observabilidade em escala de serverless pede baixo overhead e alta precisão
A proposta descrita pela AWS Lambda é responder a uma pergunta simples, mas difícil: quando um alerta de segurança dispara, qual workload falou com o quê? Em um ambiente com milhares de microVMs por host, a resposta só aparece se a telemetria conseguir enxergar fluxo de rede com granularidade sem destruir performance.
A combinação de eBPF e Rust mostra o caminho escolhido: instrumentação profunda com controle sobre overhead e segurança da implementação. Isso é particularmente importante em plataformas de execução compartilhada, onde a visibilidade precisa ser alta, mas a coleta de dados não pode virar o novo gargalo.
Para quem opera sistemas cloud-native, o ponto é maior do que Lambda. O caso reforça que observabilidade de rede e resposta a incidentes estão convergindo com técnicas de instrumentação de kernel e linguagens mais seguras para sistemas de baixo nível. Em plataformas densas, ver tudo sem pagar caro por isso virou requisito de produto, não luxo de engenharia.
Fontes: The New Stack
Infraestrutura AWS cresce, e o provider Terraform corre para acompanhar
A versão 6.62.0 do Terraform AWS Provider segue ampliando suporte a novas capacidades da AWS ao mesmo tempo em que melhora a forma como o Terraform entende e gerencia infraestrutura já existente. Isso é um sinal clássico de maturidade do ecossistema: o provider não está só “ganhando recursos”, está tentando reduzir o atrito entre o ritmo da cloud e a codificação da plataforma.
Para times que gerenciam ambientes AWS grandes, a implicação é prática. Quanto mais serviços, integrações e variações de configuração a cloud expõe, mais o provider vira uma peça crítica da confiabilidade operacional. A atualização contínua do provider ajuda a manter o IaC alinhado com a plataforma real, evitando que a automação fique defasada em relação ao que a AWS passou a oferecer.
O ponto de fundo é conhecido por quem opera em escala: a complexidade da infraestrutura não para de crescer, então a camada de abstração também precisa evoluir. Nesse contexto, versões novas do provider não são detalhe de tooling — são parte da manutenção do contrato entre código e ambiente.
Fontes: InfoQ
Cloudflare leva remediação de risco SaaS para dentro da sua plataforma
A principal novidade do Cloudflare CASB é a chegada de uma engine nativa de automação, construída na própria developer platform da Cloudflare, para remediar riscos em SaaS de forma automática. Em vez de depender de fluxos manuais ou respostas tardias, equipes de segurança passam a poder desenhar lógica orientada a eventos para reagir assim que um risco é detectado.
O exemplo mais concreto fornecido é o de revogar compartilhamentos de arquivos arriscados e acionar webhooks sem intervenção humana. Isso muda bastante o jogo para operações de segurança em ambientes SaaS, porque reduz o intervalo entre detecção e contenção — exatamente o tipo de atraso que normalmente transforma um alerta em incidente real.
A leitura estratégica é que CASB está deixando de ser só visibilidade e recomendação, e se aproximando de enforcement automatizado. Para times de segurança e governança, isso significa menos dependência de processos humanos para correções repetitivas e mais espaço para tratar exceções e casos realmente críticos.
Fontes: Cloudflare Blog
Um olhar histórico sobre hacking ainda rende boas lições
O post de Bruce Schneier é curto, mas registra um momento simpático: em agosto, Cliff Stoll falou no DEF CON relembrando o hacker que perseguiu há quarenta anos. É uma peça mais de memória e contexto do que de anúncio técnico, mas ainda assim relevante em uma comunidade que vive revisitando suas origens.
O valor aqui está menos na novidade e mais no contraste entre o passado e o presente da segurança. Histórias como essa ajudam a lembrar que o universo de ataques, investigação e resposta evoluiu muito em escala e sofisticação, mas continua lidando com os mesmos temas humanos: curiosidade, persistência e assimetria entre defensor e atacante.
Num dia dominado por automação, IA e observabilidade, esse tipo de lembrança também faz bem. A cultura de segurança não é feita só de ferramentas; ela também é moldada por narrativas e por gente que ajudou a definir a forma como a indústria pensa ameaça e defesa.
Fontes: Schneier on Security
Nem toda vulnerabilidade crítica representa caminho real para comprometimento
A tese do texto é muito madura: times de segurança aprenderam a encontrar vulnerabilidades, e agora precisam melhorar a forma de decidir quais delas realmente abrem caminho para um ataque. A mensagem central é que uma vulnerabilidade crítica em scanner não é, por si só, o maior risco — especialmente se ela estiver atrás de segmentação forte, controles de identidade e outras barreiras que quebram a cadeia de exploração.
Isso muda a forma de priorizar trabalho. Em vez de operar como lista infinita de CVEs severas, o time precisa pensar em viabilidade de comprometimento, ou seja, em quais falhas podem ser encadeadas até virar impacto real. O valor passa a estar menos na gravidade nominal e mais na posição da falha dentro da arquitetura defensiva.
Para SOC, AppSec e gestão de risco, a implicação é óbvia: reduzir ruído e focar nas rotas reais de ataque melhora muito mais a postura de segurança do que correr atrás de todo alerta “critical” isoladamente. Em ambientes complexos, contexto vale tanto quanto severidade.
Fontes: The Hacker News
O uso de IA está ganhando geografia própria dentro da economia
A Anthropic amplia o Economic Index com uma leitura sobre padrões geográficos de uso de IA nos EUA e na economia global. A importância dessa pesquisa está em tratar adoção de IA não como fenômeno homogêneo, mas como algo que varia por região, setor e contexto de trabalho. Isso é relevante porque desmonta a ideia de que “a IA chegou igual para todo mundo”.
Mesmo com o resumo limitado, a direção sugerida é clara: entender onde a IA está sendo aplicada ajuda a separar hype de uso real. Para quem acompanha transformação digital, isso é valioso porque mostra que os impactos econômicos da IA não acontecem de forma uniforme — eles se acumulam em bolsões de maior intensidade, com efeitos diferentes por território e função.
A leitura para profissionais de tecnologia é que a próxima fase da IA não será apenas sobre capacidade do modelo, mas sobre distribuição do uso e seus efeitos econômicos. Em outras palavras: a geografia da adoção pode ser tão importante quanto a performance do sistema.
Fontes: Anthropic Blog, Anthropic Blog, Anthropic Blog, Anthropic Blog
Anthropic abre uma visão inédita sobre conceitos internos do Claude
A Anthropic afirma ter identificado como milhões de conceitos são representados dentro do Claude Sonnet, oferecendo o primeiro olhar detalhado dentro de um modelo moderno em produção. Isso é um marco importante porque tira parte do debate sobre LLMs do campo da observação externa e leva a discussão para o interior da representação do próprio modelo.
O impacto potencial desse tipo de pesquisa é grande para interpretação, depuração e segurança de modelos. Se conseguimos enxergar melhor como conceitos são codificados internamente, fica mais plausível investigar por que certas respostas aparecem, como comportamentos emergem e onde podem existir sinais de risco ou alinhamentos instáveis.
Para times que constroem produtos com IA, a implicação é dupla: mais ferramentas para entender o que está acontecendo “por dentro” e, ao mesmo tempo, mais expectativa de responsabilidade sobre o comportamento dos modelos. Transparência não resolve tudo, mas muda o nível da conversa.
Fontes: Anthropic Blog
Competência em IA começa a ser medida por comportamento observável
O AI Fluency Index da Anthropic mede 11 comportamentos observáveis em milhares de conversas no Claude.ai para entender como as pessoas desenvolvem habilidade de colaborar com IA. A ideia é interessante porque sai do discurso genérico sobre “saber usar IA” e tenta transformar fluência em algo mensurável.
Esse tipo de indicador é útil porque aponta para uma transição de mercado: não basta adotar ferramenta, é preciso desenvolver padrões de interação que extraem valor real dela. Em termos práticos, isso aproxima a discussão de capacitação de algo mais comportamental e menos abstrato, o que é especialmente relevante para times técnicos e educacionais.
Para empresas, a leitura é direta: a maturidade de uso de IA provavelmente vai aparecer mais no jeito como as pessoas interagem com o sistema do que apenas na quantidade de acessos. Medir fluência pode ajudar a identificar onde estão os gargalos de colaboração humano-modelo.
Fontes: Anthropic Blog
Avaliações de risco de IA estão entrando em territórios sensíveis e concretos
A Anthropic informa que sua Frontier Red Team criou novas avaliações para medir capacidades de IA em targeting de inteligência tática e desenvolvimento de armas convencionais. Isso sinaliza uma preocupação de segurança muito específica: não apenas se o modelo “erra”, mas se ele pode ser útil em contextos com potencial militar.
Esse tipo de pesquisa é importante porque ajuda a deslocar a conversa de risco de IA do plano teórico para o operacional. Em vez de discutir apenas viés ou alucinação, o foco passa a incluir cenários em que a capacidade do modelo pode ser instrumentalizada em usos altamente sensíveis.
Para a comunidade técnica, isso reforça a necessidade de avaliações mais ricas e red teams mais preparados para casos extremos. Conforme modelos ficam mais capazes, cresce também a responsabilidade de medir não só produtividade, mas potencial de dano em domínios críticos.
Fontes: Anthropic Blog
Distillation em múltiplos professores acelera treino e compacta modelos
A LinkedIn publicou detalhes da infraestrutura por trás da busca de vagas com IA, usando um pipeline de distillation com múltiplos professores. A ideia é condensar conhecimento de modelos grandes em um ranking model compacto de 0,6 bilhão de parâmetros, o que é uma estratégia muito coerente para produtos em produção, onde latência, custo e escala importam tanto quanto qualidade.
O ponto técnico mais relevante é a velocidade: a abordagem promete treino 8x mais rápido. Isso mostra como a indústria vem refinando a engenharia de modelos para entregar valor com menos peso operacional, em vez de depender sempre de arquiteturas cada vez maiores.
Para quem trabalha com ML aplicado, a lição é clara. Distillation deixou de ser apenas uma técnica de compressão e passou a ser uma ferramenta de viabilização de produto. Quando a experiência precisa rodar em escala com custo controlado, modelos menores e bem orientados podem ser a diferença entre experimento e plataforma.
Fontes: InfoQ
Observabilidade de agentes precisa capturar contexto sem deixar o custo fugir
A matéria destaca duas técnicas que estão virando padrão para diagnosticar falhas em agentes de IA: session traces e controles de custo. A razão é simples: agentes falham de forma diferente de apps tradicionais. Eles entram em loops de tool calls, perdem contexto ou geram gasto descontrolado
Um relatório baseado em 74 mil conversas mostra como educadores usam o Claude para ensino, pesquisa e criação de ferramentas interativas de aprendizado.
Fonte: Anthropic Blog
A Anthropic publicou uma pesquisa sobre “many-shot jailbreaking”, explorando novas formas de contornar proteções em modelos de IA.
Fonte: Anthropic Blog
Graham Dumpleton lançou o wrapture, um pacote de monkey patching que vem chamando atenção como ferramenta útil.
Fonte: Simon Willison
O artigo mostra como instalar o Hyperiux Vault no Next.js e levar o efeito de cursor do CLI até um setup pronto para produção.
Fonte: Dev.to
A SOKKAN Inference passou a oferecer uma camada de inferência “Swiss”, rodando em hardware próprio em Meyrin, Genebra, sem GPUs NVIDIA. O texto explica também o que esse tier faz — e o que não faz.
Fonte: Dev.to
O artigo discute quatro formas pelas quais um sistema de IA pode errar e como o código lida com cada caso.
Fonte: Dev.to
O autor trocou a interface web do CowSwap por uma CLI para ganhar mais precisão, repetibilidade e controle no fluxo de trading.
Fonte: Dev.to
O texto alerta que uma SPA pode ter vazamento de memória mesmo com boas notas no Lighthouse. A mensagem é que métricas de carregamento não substituem testes de uso contínuo.
Fonte: Dev.to
O artigo questiona se os “raciocínios” exibidos por IAs realmente refletem o processo de decisão ou só recontam a resposta depois.
Fonte: Dev.to
Um guia prático explica como integrar OAuth 2.0 ao Canvas LMS para permitir acesso seguro a dados de usuários por aplicações de terceiros.
Fonte: Dev.to
O texto trata do gargalo criado por agentes de código que abrem PRs mais rápido do que humanos conseguem revisar. A proposta é um setup para manter a fila andando.
Fonte: Dev.to
O artigo reúne um checklist prático de segurança para apps Android, cobrindo da Play Data Safety form ao armazenamento criptografado.
Fonte: Dev.to
O autor relata testes com bots de trading baseados em LLM em um portfólio simulado de US$ 100. Mesmo quando superam o benchmark, as regras definidas antes impedem que o resultado seja considerado válido.
Fonte: Dev.to
Após a Trezor confirmar uma violação no provedor de e-mail, golpistas passaram a mirar centenas de milhares de donos de cripto. É o segundo incidente de segurança envolvendo um fornecedor usado pela empresa.
Fonte: TechCrunch
Em parceria com a NNSA e laboratórios do DOE, a Anthropic co-desenvolveu um classificador para diferenciar conversas nucleares preocupantes de benignas com 96% de precisão.
Fonte: Anthropic Blog
Um mergulho em performance no Eloquent que passa por N+1, agregações, índices, query plans, paginação, chunking e transações.
Fonte: Freek Van der Herten
A Shopify está mudando sua estratégia móvel para “native”, em vez de seguir apostando em React Native.
Fonte: Simon Willison
O PayZephyr quer unificar integrações de pagamento em uma única API para Stripe, Paystack e PayPal.
Fonte: Laravel News
A AWS abriu o código do Pizza Bot, um inbox no estilo e-mail para gerenciar agentes de IA em segundo plano.
Fonte: The New Stack
O texto conta como a OpenAI separou partes de um modelo de voz e, com isso, uma equipe conseguiu remover 23 mil linhas de código.
Fonte: The New Stack
A Salesforce reuniu seis ferramentas em um único “harness” para organizar seu stack de IA corporativa.
Fonte: The New Stack
O episódio discute os resultados da Django Developers Survey de 2026 e o tema de builds reproduzíveis em Python. Também aborda como desenvolvedores Django estão usando LLMs no dia a dia.
Fonte: Real Python
Tutorial mostra como criar um assistente de voz com Twilio Voice, Media Streams, OpenAI GPT-Live-1 e Node.js.
Fonte: Twilio Blog
O post destaca lançamentos de segurança do Datasette nas versões 1.0a39 e 0.65.4.
Fonte: Simon Willison
Um texto de perfil que apresenta Jos Roseboom, no contexto do JavaZone 2026.
Fonte: Vlad Mihalcea
A coluna traz novas e antigas histórias de WTF do dia a dia, com o tema da vez girando em torno de “zero” e situações pouco recompensadoras.
Fonte: The Daily WTF
Um quiz para testar conhecimento sobre o módulo subprocess do Python, incluindo execução de comandos, timeouts e streams padrão.
Fonte: Real Python
A Wired avalia que o Galaxy S26 FE repete a fórmula anterior, mas com aumento de preço e basicamente um processador novo.
Fonte: Wired
O artigo mostra como a Anthropic passou a interpretar incidentes cibernéticos envolvendo o Claude como “warning shots” valiosos.
Fonte: The New Stack
A Shopify teria passado anos em React Native antes de reconstruir tudo em 12 semanas, segundo o relato publicado.
Fonte: The New Stack
💬 Comentários