RADAR Semanal — Semana 24

23/02/2026 — Detectado por Tomas Aguirre (RADAR)

---

A semana 24 revela um movimento técnico significativo: desenvolvedores estão construindo camadas de isolamento e controle sobre IA em produção. Nove sinais em ML/AI convergem com cinco em ferramentas de desenvolvimento, todos apontando para o mesmo problema — como tornar sistemas com LLMs testáveis, reproduzíveis e seguros. O pico de buscas por "claude code" (Google Trends) acontece no mesmo momento em que engenheiros no HN perguntam "como testar integrações LLM em CI?" e compartilham sandboxes que inicializam em 2ms. Para CTOs em LATAM lidando com custos de API e requisitos de compliance local, esses sinais indicam que a infraestrutura de IA está saindo da fase experimental — e quem não está pensando em governança técnica agora vai pagar o preço em 6 meses. O RADAR desta semana detalha quais ferramentas já funcionam, quais trade-offs importam e onde o ecossistema ainda tem lacunas críticas.

---

IA & Machine Learning

1. Show HN: Irpapers – Visual embeddings vs. OCR trade-offs in scientific PDFs [FORTE] Fonte: hn_show | Topicos: ai_ml

Hey HN, we are releasing IRPAPERS to answer a highly pragmatic question: when building a RAG pipeline over PDFs, should you OCR the text or just embed the raw page images?Processing PDFs in production usually involves stringing together brittle OCR heuristics. While recent multimodal embeddings (...

2. Comparative Assessment of Multimodal Earth Observation Data for Soil Moisture Estimation [MEDIO] Fonte: arxiv_cs_lg | Topicos: ai_ml, developer_tools, startup_ecosystem

arXiv:2602.18083v1 Announce Type: cross Abstract: Accurate soil moisture (SM) estimation is critical for precision agriculture, water resources management and climate monitoring. Yet, existing satellite SM products are too coarse (>1km) for farm-level applications. We present a high-resolution (1...

3. EnterpriseBench Corecraft: Training Generalizable Agents on High-Fidelity RL Environments [MEDIO] Fonte: arxiv_cs_ai | Topicos: ai_ml, developer_tools

arXiv:2602.16179v3 Announce Type: replace Abstract: We show that training AI agents on high-fidelity reinforcement learning environments produces capabilities that generalize beyond the training distribution. We introduce CoreCraft, the first environment in EnterpriseBench, Surge AI's suite of ag...

4. TimeBlind: A Spatio-Temporal Compositionality Benchmark for Video LLMs [MEDIO] Fonte: arxiv_cs_ai | Topicos: ai_ml, developer_tools

arXiv:2602.00288v2 Announce Type: replace-cross Abstract: Fine-grained spatio-temporal understanding is essential for video reasoning and embodied AI. Yet, while Multimodal Large Language Models (MLLMs) master static semantics, their grasp of temporal dynamics remains brittle. We present TimeBlin...