A Atlassian Habilita a Coleta de Dados Padrão para Treinamento de IA
A Atlassian implementou configurações padrão de coleta de dados em toda sua suíte de produtos para coletar dados dos usuários para treinamento de modelos de IA. A mudança parece ser do tipo opt-out em vez de opt-in, o que significa que a coleta de dados está ativa a menos que os usuários a desativem explicitamente.
Detalhes Principais
O material de origem indica que esta notícia foi compartilhada no Hacker News, onde recebeu um engajamento significativo: 312 pontos e 75 comentários. A discussão provavelmente abrange detalhes de implementação técnica, implicações de privacidade e reações dos desenvolvedores a essa mudança de política.
Para desenvolvedores que usam produtos da Atlassian como Jira, Confluence ou Bitbucket, isso significa que padrões de uso, interações com conteúdo e dados de fluxo de trabalho podem ser coletados por padrão para fins de treinamento de IA. Embora os tipos específicos de dados não sejam detalhados na fonte, a telemetria típica de software empresarial inclui frequência de uso de recursos, padrões de erro e sequências de interação.
Esse tipo de coleta de dados é cada vez mais comum em softwares empresariais, à medida que as empresas buscam melhorar os recursos de IA por meio de dados de uso do mundo real. A natureza opt-out levanta questões sobre consentimento do usuário e privacidade de dados que provavelmente estão sendo discutidas nos comentários do Hacker News.
📖 Leia a fonte completa: HN AI Agents
👀 See Also
Modelos de peso aberto com menos de 100GB não conseguem superar o Claude Haiku em benchmarks de codificação.
Uma comparação de modelos de peso aberto nos benchmarks LiveBench e Arena Code/WebDev mostra que nenhum modelo abaixo de 100GB se aproxima do Claude Haiku 4.5. O concorrente mais próximo é o Minimax M2.5 com 136GB, que corresponde aproximadamente ao desempenho do Haiku.
Vibe Coding vs. Realidade de Produção: Os Passivos Não Discutidos
O usuário do Reddit External_Bobcat8183 destaca a diferença entre PoCs rápidas com vibe coding e problemas reais de produção: autenticação, segredos, LGPD, limitação de taxa, multi-inquilino.
Qwen3.6 27B FP8 roda 200k tokens BF16 KV Cache a 80 TPS em RTX 5000 PRO 48GB
Um usuário do Reddit compartilha uma configuração vLLM para Qwen3.6 27B FP8 com cache KV BF16 em 200k tokens, atingindo 60-90 TPS em uma única RTX 5000 PRO 48GB. Variáveis de ambiente completas, configuração e resultados de benchmark são fornecidos.
Código Vazado do Claude Revela Sistema KAIROS e a Lacuna de Verificação em Agentes de IA
Um mapa de origem vazado do Claude Code revelou 512 mil linhas de TypeScript, 44 flags de funcionalidade e KAIROS — um agente em segundo plano que consolida a memória durante períodos de inatividade. Um desenvolvedor independente construiu um daemon similar para encadear sessões em campanhas de múltiplos dias, mas descobriu que uma compilação bem-sucedida não garante código funcional.