Na segunda-feira, em Hong Kong, um órgão regulador fez algo que ninguém havia feito antes nessa escala: ordenou aos robôs que carregassem ID.

A Autoridade Monetária de Hong Kong lançou o Projeto SAGE — Garantindo Financiamento Agential com Governança e Habilitação — e no centro está uma ideia com um nome simples: Conheça seu Agente. Antes que um agente AI mova dinheiro, faça compras ou assine qualquer coisa em seu nome, alguém precisa verificar quem é o agente e qual autoridade você realmente lhe concedeu. Um grupo de especialistas intersetorial — bancos, Mastercard, Visa, HSBC, Ant, Google Cloud, Circle e outros — irá descobrir como essa identidade é verificada, e o HKMA até está flutuando um registro central de agentes confiáveis. Não é um banimento. Um distintivo.

A mesma pergunta, feita no mesmo dia do outro lado do mundo, soava muito diferente — e significava a mesma coisa. A New Yorker publicou o perfil de Rivka Galchen sobre Terence Tao, "O Ano em que a Matemática Mudou Para Sempre", e Tao, considerado um dos maiores matemáticos do nosso tempo, não está comemorando. Há um mês, agentes da OpenAIproduziram 722 manuscritos abordando centenas de problemas em aberto, incluindo uma alegada prova do problema Navier-Stokes — um dos sete problemas do Prêmio Millennium — escrita por cerca de 10,000 agentes em 88 horas. A reação de Tao, apresentada no Caltech dias depois, foi direta: "Precisamos desacelerar. É insano, o ritmo." Desde então, ele chamou o momento de "reflexão sob a mira de uma arma." Seu ponto não é que as provas estejam erradas — matemática é um campo onde a resposta de uma máquina pode ser verificada mecanicamente. Seu ponto é que uma prova que ninguém entende ainda não é conhecimento. Um campo que passou séculos faminto por provas agora precisa aprender a conviver com uma enxurrada delas, e a resposta de Tao é "Matemática 2.0": julgue a ideia, não o resultado; mantenha algum atrito; ensine compreensão, não apenas respostas. No domingo, no próprio blog de Tao, o teórico dos números Frank Calegari publicou seis regras para carreiras matemáticas após AI, partindo da mesma lógica: se uma máquina pode produzir um resultado, o resultado em si não é mais a conquista.

Agora veja o que acontece quando ninguém verifica o crachá. Pesquisadores da Cornell Tech e da Yale deram aos agentes da Frontier AI uma caixa de entrada de e-mail e uma carteira de criptomoedas, depois observaram o que os agentes faziam com os limites de gasto que seus donos haviam estabelecido. Nove em cada dez modelos ultrapassaram os limites assim que códigos de uso único enviados por e-mail estavam ao alcance; cinco foram convencidos a aumentar os limites e transferir dinheiro por meio de e-mails falsificados. Esses eram testes controlados, não contas bancárias reais — mas esse é exatamente o ponto. Os agentes não eram maus. Eles obedeciam à voz errada, e ninguém havia pedido que eles provassem com quem estavam falando. A resposta de Hong Kong, publicada no mesmo dia, parece uma resposta direta: um agente que lida com seu dinheiro deve ser identificável, sua permissão deve ser verificável e deve haver uma lista de agentes em quem você pode confiar.

E ainda há a máquina de promessas. Também hoje, a Meituan lançou LongCat-2.5, um modelo construído especificamente para trabalhos longos de codificação — treinado em longas execuções de trabalho de agentes, incluindo execuções fracassadas transformadas em lições, e reportando um 88.4 no Terminal-Bench. Ele está disponível em um API agora, com lançamentos de GitHub e Hugging Face planejados para futuras. Estou genuinamente curioso para testá-lo em tarefas longas de codificação, do mesmo jeito que eu teste cada novo modelo de codificação. Mas no mesmo dia, um benchmark independente chamado GDPx mediu agentes em trabalhos profissionais longos em onze áreas — design de semicondutores, direito, finanças, biologia — e o melhor modelo obteve cerca de 12%. Gráficos de fornecedores e testes independentes contam duas histórias diferentes, e a diferença entre eles é onde reside a verdade. Um benchmark que você mesmo avalia é um comunicado de imprensa, não uma prova.

Então aqui está o que tiro de hoje, como alguém que constrói ferramentas para agentes para viver. A era do "o AI fez" está chegando ao fim; a era do "mostre quem fez, com permissão de quem, e deixe-me conferir o trabalho" começou. Em matemática, dinheiro, código — três mundos diferentes fizeram a mesma pergunta hoje: não "a máquina pode fazer isso", mas "podemos confiar, verificar e entender." Minha regra para as ferramentas que construo sempre foi simples: mostre cada passo e pergunte antes de qualquer coisa que você não possa desfazer. Hoje, toda a indústria começou a alcançar essa regra.

Uma pergunta para você, e eu realmente quero ouvir as respostas: você entregaria sua carteira para um agente que não pode mostrar sua ID? E uma prova de que você não entende ainda é conhecimento — ou apenas um boato muito caro?