Tag: inteligência artificial

A Embarcadero lançou em 17 de setembro de 2026 o RAD Studio 13.2 Florence, acompanhado do Delphi 13.2 e do C++Builder 13.2. A atualização chega seis meses depois da versão 13.1 e concentra esforços em compiladores, desempenho, Linux, Windows on Arm, produtividade dentro da IDE, interfaces modernas e integração com inteligência artificial. Há novidades visíveis, como controles VCL e o Navigator, mas as mudanças mais profundas estão na infraestrutura de compilação.

Para uma equipe que mantém aplicações reais, uma lista de recursos não responde à pergunta mais importante: vale atualizar agora? A resposta depende dos alvos usados, dos componentes de terceiros e da maturidade dos testes do projeto. Este artigo organiza as novidades por impacto, separa medições do fabricante de resultados que ainda precisam ser confirmados em cada base de código e propõe um roteiro de avaliação que não exige colocar a produção em risco.

A inteligência artificial está mudando a forma como interagimos com o software. Mas, quando esse software é um ERP, uma conversa não pode ser confundida com permissão para consultar, alterar ou confirmar qualquer coisa.

Foi dessa tensão entre inovação e responsabilidade que nasceu Delphi na Era dos Agentes: Construa servidores MCP e conecte sistemas e ERPs à Inteligência Artificial, meu novo livro, já disponível em edição impressa e no Kindle.

Quem trabalha com Delphi sabe que sistemas corporativos acumulam muito mais do que código. Eles concentram anos de regras de negócio, validações, decisões e conhecimento sobre a operação das empresas. A chegada dos agentes de IA cria uma oportunidade real de tornar essas capacidades acessíveis por interfaces mais naturais — sem precisar substituir aplicações maduras nem entregar o banco de dados diretamente a um modelo.

A Inteligência Artificial está mudando rapidamente a forma como desenvolvemos software. Há pouco tempo, utilizar IA durante a programação significava principalmente pedir a geração de uma função, explicar um erro, completar um trecho de código ou produzir alguma documentação. Hoje, com ferramentas como Codex e outros agentes de desenvolvimento, podemos entregar tarefas muito maiores: analisar um repositório, compreender uma arquitetura existente, alterar vários arquivos, executar comandos, compilar o projeto, rodar testes, investigar erros e continuar trabalhando até encontrar uma solução.

Essa evolução trouxe um problema que até pouco tempo praticamente não existia: qual modelo devemos utilizar para programar?

A resposta parece simples. Se existe um modelo mais poderoso, basta utilizá-lo. Porém, quando começamos a usar agentes diariamente, essa estratégia pode se tornar desnecessariamente cara. Modelos diferentes possuem preços bastante diferentes e, principalmente, tarefas de desenvolvimento possuem níveis de complexidade completamente distintos. Utilizar o modelo mais poderoso disponível para alterar um campo de uma API ou criar um CRUD pode representar desperdício de capacidade e dinheiro.

No extremo oposto, escolher sempre o modelo mais barato também não é necessariamente uma boa estratégia. Uma tarefa complexa entregue a um modelo menos capaz pode exigir várias tentativas, consumir mais tokens, produzir alterações incorretas e demandar intervenção humana. No final, aquilo que parecia barato pode custar mais.

Neste artigo quero analisar justamente esse problema, comparando algumas das principais opções disponíveis atualmente para desenvolvimento de software: DeepSeek V4 Flash, DeepSeek V4 Pro, Gemini 3.1 Pro, GPT-5.6 Terra, GPT-5.6 Sol e GPT-6 Astra.

Mais importante do que simplesmente declarar qual deles é "o melhor", quero chegar a uma pergunta que considero muito mais relevante para quem utiliza IA profissionalmente:

Quanto de inteligência realmente precisamos comprar para cada tarefa de desenvolvimento?

Desde a versão 2.14, o RadIA passou por uma evolução importante. O foco deixou de estar apenas na expansão do catálogo de ferramentas e avançou para algo mais ambicioso: permitir que o desenvolvedor Delphi compreenda, altere, valide, execute e investigue uma aplicação dentro de um fluxo integrado e verificável.

As versões 2.15.0 e 2.15.1 ampliaram a integração com o código Delphi, fortaleceram a automação de aplicações VCL em execução, melhoraram o processo de diagnóstico e adicionaram novas proteções às interfaces baseadas em WebView2.

Neste artigo, veremos o que mudou e como essas melhorias afetam o uso diário do RadIA.

Integrar inteligência artificial a uma IDE vai muito além de colocar um chat ao lado do editor. Para ajudar de verdade, a ferramenta precisa compreender o projeto que está aberto, reconhecer os tipos envolvidos, acompanhar arquivos ainda em edição e saber quando possui informações suficientes para sugerir uma alteração.

O RadIA 2.14.0 avança justamente nessa direção. A nova versão fortalece o motor semântico para Object Pascal e amplia a validação das decisões tomadas dentro do Delphi. O objetivo não é apenas encontrar mais símbolos ou oferecer mais sugestões, mas tornar cada resposta mais previsível, explicável e segura.

Essa evolução também muda a forma como avaliamos a qualidade do produto. Em vez de perguntar somente se uma unit compila, a validação passa a acompanhar jornadas completas: criar um projeto, abrir o formulário no Designer, editar, compilar, testar, iniciar uma sessão de depuração e interagir com a aplicação em execução.

O RadIA 2.13.0 amplia o conjunto de ferramentas integradas ao RAD Studio com foco em produtividade segura, diagnóstico e modernização de projetos existentes. A nova versão adiciona geração de documentação e mocks, análise de stack traces, gerenciamento de cache, revisão automática ao salvar, Clean Uses, assistência para threads e PPL, retrofit OpenAPI/Swagger e um fluxo controlado para adoção de DEXT e decomposição de forms.

O ponto comum entre essas funcionalidades é a segurança. Quando uma operação pode alterar arquivos, o RadIA prepara uma preview revisável, exige consentimento antes da aplicação e mantém mecanismos de reversão. O objetivo não é apenas gerar mais código, mas reduzir o trabalho repetitivo sem transformar automação em risco para o projeto.

A versão 2.10 marcou uma mudança importante no RadIA. Foi nela que o projeto ganhou uma camada semântica estrutural própria para Object Pascal, aproximando o agente do código real, dos símbolos, dos tipos, da herança e das interfaces presentes em um projeto Delphi.

Depois dessa fundação, surgiu uma pergunta inevitável: como entregar toda essa capacidade sem exigir que o usuário compreenda a arquitetura interna do produto antes de conseguir utilizá-lo?

O desafio não era remover recursos. Também não era transformar o RadIA em um assistente limitado, capaz apenas de gerar pequenos trechos de código. A proposta sempre foi mais ampla: integrar chat, agente, editor, compilação, testes, debugger, Form Designer, terminal, conhecimento local, MCP, extensões e automações dentro do Delphi.

O verdadeiro desafio era reduzir a carga cognitiva sem reduzir o produto.

Esse foi o eixo principal do trabalho realizado entre as versões 2.10 e 2.12.3. Nesse período, o RadIA ganhou uma jornada inicial mais direta, passou a explicar melhor o que está fazendo, deixou escolhas importantes visíveis, organizou sua presença dentro da IDE e recebeu novos testes de integração para situações que só aparecem quando o software encontra a vida real: uma IDE sem projeto aberto, uma janela acoplada, uma troca rápida entre projetos ou um módulo recriado internamente pela Open Tools API.

Desde o início, a proposta do RadIA nunca foi apenas colocar uma janela de chat dentro do Delphi. A ideia é construir uma experiência de desenvolvimento assistida por inteligência artificial que compreenda o ambiente da IDE, trabalhe com o projeto real e ajude o desenvolvedor desde a criação do código até a compilação, os testes e o diagnóstico de problemas.

A versão 2.10 representa um passo importante nessa direção. O principal avanço é a introdução de um motor semântico estrutural próprio para Object Pascal, integrado ao Delphi 12 e ao Delphi 13. Com ele, o RadIA passa a entender melhor a organização do código, os símbolos, os relacionamentos entre tipos, a herança e as interfaces do projeto.

Na prática, isso reduz a distância entre uma IA que apenas recebe texto e uma ferramenta que realmente compreende o contexto em que o desenvolvedor está trabalhando.

O RadIA 2.8.0 é uma release de integração fina com o editor Delphi.

Depois da versão 2.7.0 consolidar uma base funcional mais previsível, com criação de projetos por linguagem natural, navegação Code/Design, revisão por bloco e evidências reproduzíveis, a 2.8.0 avança em uma camada mais próxima do uso diário: o contexto semântico do editor.

Essa evolução é importante porque, na prática, a qualidade de uma resposta de IA dentro da IDE depende muito do contexto que ela recebe. Não basta saber que existe um projeto Delphi aberto. É preciso entender qual unit está ativa, qual símbolo está sob o cursor, quais imports estão disponíveis e quais declarações próximas ajudam a explicar a intenção do usuário.

Ao mesmo tempo, esse tipo de integração precisa ser cuidadoso. O editor Delphi já possui seu próprio CodeInsight e sua própria experiência nativa. O objetivo do RadIA 2.8.0 não é substituir isso, mas complementar o fluxo com uma camada observável, limitada e segura de contexto para a IA.

O RadIA nasceu com uma proposta simples de explicar e difícil de executar bem: levar inteligência artificial para dentro do Delphi sem transformar a IDE em apenas mais uma janela de chat. A ideia sempre foi que a IA pudesse participar do fluxo real de desenvolvimento, com acesso controlado a contexto, projeto, editor, designer, build, testes, debugger e evidências.

A versão 2.7.0 é importante porque não tenta vender uma novidade isolada. Ela fecha uma baseline funcional determinística. Em outras palavras: pega capacidades que vinham amadurecendo nas versões anteriores e as consolida em um conjunto mais previsível, mais validado e mais fácil de demonstrar.

O foco desta release é clareza operacional. O RadIA precisa entender melhor a intenção do usuário, escolher o caminho certo dentro da IDE, pedir consentimento quando houver risco, executar ações reais e deixar evidências suficientes para que o desenvolvedor confie no resultado.

O RadIA 2.9.0 representa uma mudança de escala na experiência de IA dentro do Delphi.

Na versão 2.8.0, o foco foi aproximar a IA do ponto real de trabalho. Ghost Text, ações contextuais e agente passaram a compartilhar informações como unit ativa, símbolo sob o cursor, imports e declarações próximas. Foi uma evolução fundamental: em vez de responder apenas com conhecimento genérico, o RadIA passou a compreender melhor o trecho que o desenvolvedor estava editando.

A 2.9.0 parte dessa base e avança para uma pergunta mais difícil: depois de entender o código atual, como um agente pode agir levando em conta as particularidades do Delphi?

Isso envolve muito mais do que conhecer a sintaxe de Object Pascal. Uma decisão correta pode depender da versão e da arquitetura da IDE, do framework VCL ou FMX, da plataforma de destino, dos packages, das bibliotecas presentes no projeto, do vínculo entre .pas e .dfm, das regras de ownership e até do histórico tecnológico de uma aplicação criada com BDE, ADO ou dbExpress.

É nesse espaço que a versão 2.9.0 trabalha. Ela transforma o RadIA em um agente mais consciente do ecossistema Delphi, com novas formas de observar, orientar, validar e modernizar um projeto sem abrir mão de consentimento, limites e evidências.

Se você acompanha o RadIA, já sabe que a proposta do projeto não é colocar apenas mais uma janela de chat dentro do Delphi. O objetivo é permitir que a inteligência artificial participe de fluxos reais de desenvolvimento: inspecionar o projeto aberto, localizar símbolos, alterar arquivos, compilar, executar testes, analisar diffs e apresentar evidências verificáveis.

Esse tipo de experiência tem um desafio que normalmente aparece somente quando o agente começa a executar tarefas longas: o volume de contexto cresce muito rápido.

Uma compilação pode produzir centenas de hints. Uma suíte de testes pode repetir milhares de linhas de sucesso. Um diff pode ter centenas de kilobytes. Uma busca na base de conhecimento pode retornar trechos extensos. Se todo esse conteúdo continuar sendo reenviado integralmente ao modelo a cada nova decisão, a IA passa a gastar contexto, tempo e possivelmente dinheiro relendo informações que já foram processadas.

O RadIA 2.3.0 enfrenta esse problema com um RTK interno, escrito em Delphi e integrado diretamente ao Agent Runtime.

RTK, neste contexto, é uma camada de compactação de resultados de ferramentas. Em vez de entregar ao modelo todo o payload bruto em cada passo, o RadIA cria uma projeção menor, determinística e orientada às evidências que realmente importam. O resultado original não é apagado: ele permanece armazenado e pode ser recuperado por resumo ou por faixa sem executar a ferramenta novamente.

O efeito esperado é simples de explicar: menos ruído no contexto, mais espaço para raciocínio, menos repetição e maior capacidade de sustentar tarefas longas.

A versão 2.3.0 do RadIA reduz o volume de resultados reenviado aos modelos sem descartar a evidência original. Em dez execuções Release, o benchmark controlado mediu 96,71% de redução no corpus completo e 75,65% quando removemos o stress test de 1 MiB. Este artigo explica o que esses números realmente demonstram, o que eles não demonstram e por que tratar contexto como recurso pode ser uma evolução importante na programação assistida por IA.

Mas antes de falar em economia, precisamos responder à pergunta mais importante: os benchmarks são reais e confiáveis?

O RadIA 2.2.2 transforma comandos de automação em jornadas guiadas que preservam o contexto, adiciona geração de servidores DEXT minimalistas ou com controllers e deixa a configuração de modelos, CLI e MCP muito mais clara.

O RadIA é open source. Código-fonte, documentação, histórico e instruções de compilação estão no repositório oficial no GitHub.

Se você acompanha o desenvolvimento do RadIA, sabe que o nosso objetivo nunca foi criar apenas mais uma janela de chat dentro do Delphi. A proposta é usar inteligência artificial para executar fluxos reais de desenvolvimento: entender o projeto aberto, propor um plano, criar ou alterar arquivos, compilar, executar testes e apresentar evidências do resultado.

A versão 2.2.2 avança justamente nessa direção. Ela introduz jornadas conversacionais para criação de APIs DEXT, melhora a descoberta dos recursos do próprio plugin e resolve pontos importantes de previsibilidade na seleção de modelos, no limite de tokens e na configuração de CLI e MCP.

Em outras palavras: o RadIA ficou mais fácil de descobrir, mais claro de configurar e mais seguro de usar em tarefas longas.