IA local já programa bem mas será que dá para usar no dia a dia?

Author: Rafael Quintanilha – QuantBrasil · Watch on YouTube

Video authored by the channel shown, not by IANIA; all rights belong to the creator. Transcript and summary generated automatically; the original-language content is preserved.

Original language: Portuguese

Original video: IA local já programa bem mas será que dá para usar no dia a dia? · Channel: Rafael Quintanilha – QuantBrasil · 07:32 · Watch on YouTube

Topics: AI agents, AI evaluation and benchmarks, Software engineering with AI, Local and open-source models, Open source and software ecosystems

Summary

O vídeo compara Music Glimmer e Qwen 3.8 27B em uma tarefa de back end: criar um comando para consultar quando canais do YouTube atingiram determinada quantidade de inscritos. Os dois modelos implementam a funcionalidade corretamente, incluindo casos em que a meta ainda não foi alcançada. Music Glimmer conclui o trabalho mais rápido e com alterações mais enxutas, enquanto Qwen leva mais tempo, analisa mais o repositório e faz uma implementação mais abrangente. A conclusão é que ambos são opções promissoras para programação local, embora a velocidade ainda possa ser um obstáculo no uso diário.

Key points

A tarefa consiste em criar um comando que recebe o ID de um canal e uma meta de inscritos e retorna quando ela foi atingida.
O repositório já contém snapshots dos canais, então não é necessário consultar o YouTube nem alterar o banco de dados.
Music Glimmer implementa e valida a funcionalidade rapidamente, com alterações em três arquivos.
Qwen 3.8 27B também acerta os testes, mas leva mais tempo e modifica seis arquivos, incluindo skills e documentação.
Os dois modelos retornam corretamente a data em que o canal principal chegou a 40.000 inscritos e indicam que a meta de 50.000 ainda não foi atingida.
O teste com o canal de cortes confirma que a meta de 1.000 inscritos foi atingida em 27 de julho, após um snapshot de 954 inscritos.
Na máquina do apresentador, Music Glimmer é mais rápido que Qwen 3.8 27B.
O apresentador considera o resultado de programação local muito bom, mas avalia que os modelos ainda podem ser lentos para o uso diário.

Chapters

Start	Chapter	Summary
00:00	Definição da tarefa de back end	O apresentador descreve o repositório e a criação de um comando para consultar quando um canal atingiu determinada meta de inscritos.
02:42	Teste da implementação com Music Glimmer	Music Glimmer conclui a tarefa e passa nos testes para o canal principal e para o canal de cortes.
04:19	Teste da implementação com Qwen 3.8 27B	Qwen leva mais tempo e faz alterações mais abrangentes, mas retorna os mesmos resultados corretos nos casos testados.
06:28	Comparação e conclusão	O apresentador compara velocidade e qualidade e conclui que ambos são promissores para programação local, embora ainda possam ser lentos.

Quotes

Ele retorna o snapshot mais antigo em que identificou aquele número de inscritos. — 01:37

Funcionando exatamente como eu queria. — 03:15

Mesmo resultado: 18 de agosto. A contagem anterior era 39.900. — 05:55

Ambos são modelos interessantíssimos para trabalharmos localmente. — 06:28

O resultado do código, para quem trabalha localmente, é muito bom. — 07:02

Concepts and entities

Music Glimmer, Qwen3.8 27B, Qwen3.6 35B A3B, white central, YT Central, Harness, snapshot, Rafael Quintanilha

Full transcript (original language)

00:00 Muito bem, pessoal. E pro segundo teste de hoje, já que o primeiro foi basicamente uma tarefa de front end, esse segundo teste eu quero fazer uma tarefa de back end, tá? Então tô aqui no repositório white central. Esse é um repositório que tem o meu harness, onde eu consigo controlar algumas informações do meu canal do YouTube, número de inscrito, de views, né, fazer as curvas de evolução e tudo mais. Então, já estou aqui com o Music Glimmer rodando no servidor. Deixa eu inicializar o PI nesse novo projeto, né? um projeto novo. Vou autorizar aqui que ele confie no projeto e vou enviar aqui também o meu

00:31 prompt, tá? Então, qual que vai ser a tarefa aqui, pessoal? Bom, como disse, esse repositório, ele tem um conjunto de ferramentas, né, que eu utilizo nos meus harnesses, ou seja, para pegar informações ali, ó, você já consegue até ver aqui direto nas skills, ó. White growth, White packaging, White Refresh, White stats, YT video content, várias coisas que eu uso de skills que chamam comandos, né? E eu quero criar um novo comando que é get channel subscriber milestone. Qual que é a ideia desse comando? É eu passar o ID de um canal, o número de subscribers e ele me retornar, por exemplo, quando foi que eu atingi

01:05 aquele número, tá? Então, como que esse repositório funciona? Ele tem um Chrome job que fica tirando snapshots do meu canal, dos canais que eu estou monitorando. Ele fala: “Tá, no momento, na meio-dia do dia 25 de agosto de 2026, você tinha 40.300 inscritos”. E aí ele vai tirando fotos ao longo do dia para me dizer exatamente quando que quantos inscritos e views que eu tinha. Então a ideia aqui é ter um comando onde eu consiga passar, né, exatamente o canal que eu tô monitorando, o número de subscribers e ele me respondeu: “Ó, você atingiu esse número de inscritos no dia tal, a hora tal”. Então essa é a ideia e

01:37 tá aqui o critério de aceite, né? Então ele retorna aqui o earliest store channel snapshot, né? Ou seja, aquela foto na foto mais cedo que ele identificou aquele número de inscritos. E aí retorna também qual foi a foto anterior e o resultado vai incluir também o título e se você atingiu aquele número ou não. Por exemplo, se eu mandar um número que eu ainda não atingi, sei lá, 50.000 inscritos, ele tem que retornar que eu não atingi, tá? Então, muito simples a ideia aqui e até como eu deveria chamar a ferramenta, tá? Então, tem aqui exatamente o comando e o escopo é dizendo que esses snapshots já estão

02:09 salvos no YT Central, que não precisa modificar o banco de dados, não precisa ir no YouTube, nem fazer nenhum tipo de hard, né? ele já tem tudo o necessário para executar essa tarefa. Então você vê que aqui é puramente back end, não tem nenhum tipo de front end. E vamos deixar agora o mus glimmer trabalhar. Você vê aqui que ele tá chegando a bater, ó, 34, 32 tokens por segundo. Então o music glimmer aqui na minha máquina, ele realmente é bem rápido, tá? Caiu pr 26, mas ainda assim ele é bem mais rápido do que eu consegui com o beleza, vamos ver se ele vai ser capaz de resolver essa tarefa de back end aqui agora, pessoal.

02:42 Olha só, foi até mais rápido do que eu imaginava, tá? Já vi aqui que ele tá funcionando. Eh, já testou aqui, algumas coisas passaram, é, alguns erros aqui ele tá validando e tá dando errado, tipo, ah, target subscribe zero, obviamente isso não faz sentido, então ele tá só testando aqui. Mas, ó, nesse momento ele acabou de terminar, tá? Então, foi bem mais rápido. Esse repositório ele é muito mais adequado pra programação agêntica, né? Ele tem arquivos menores, tem packages e coisas do tipo. Então, ele conseguiu fazer aqui de uma forma bem fácil, tá? E ele até já me mandou o comando aqui para eu saber quando que o meu canal principal atingiu 40.000 1000 inscritos. Se eu rodar aqui,

03:15 ó, Rafael Quintanilha Qu Brasil, target squad das 40.000, Richard True. Foi visto dia 18 de agosto, nós atingimos ali os 40.000 inscritos e antes nós tínhamos de 39.900, né? Então entre essa foto foi desse pulo aqui. Poderia até passar aqui, ó, sei lá, target subscriber 50.000, que é um um número de inscrito que eu não tenho. E ele retorna certinho aqui, ó, Richard False. Então, maravilha, pessoal. Funcionando exatamente como eu queria. Inclusive, esse é o momento para você me ajudar a chegar ali nos 50.000 inscritos. Quem sabe a gente não consegue chegar ainda antes do final do ano. Vamos fazer um

03:46 outro teste. Vou pegar aqui um outro canal aqui. Já deixei na agulha. Esse aqui é o canal de cortes aqui do YouTube. E quando que nós atingimos 1000 inscritos? Aqui também no dia 27 de julho. Foi de 954, né? E depois passou ali para mais de 1000. Então também o canal de cortes é algo que eu convido você a se inscrever ali. Os melhores momentos dos vídeos aqui do canal que você sabe são vídeos maiores. Você vê lá no canal de cortes, assim como os melhores momentos das lives do Cold Night e também do podcast do limite semanal. Maravilha, pessoal. O que que eu vou fazer aqui? Então, olha, ele mexeu em três arquivos, tá? Vou também descartar esse trabalho aqui. Deixa eu

04:19 matar o servidor que tá rodando, o music glimmer. Vamos rodar aqui de novo o Quen também. Voltamos a cancelar aqui. Vamos matar esse pi aqui. Vamos trocar o modelo aqui para Quen 3.827B. Já está inicializado. Mais uma vez vou dar o command V aqui do nosso mesmo prompt da outra vez. E agora nós estamos com Quen 3.8 27B para trabalhar. Preciso dizer para vocês que o que o MUS fez na primeira tarefa foi exatamente o que eu imaginava. Não teve absolutamente erro nenhum. Ele funcionou perfeitamente, tá? Então vamos ver aqui se o Quen vai

04:52 resolver. Eu acredito que sim. Não vejo porque ele não resolveria. A minha grande questão aqui é quanto tempo ele vai demorar para finalizar, se ele vai também demorar bastante ou se dessa vez ele vai conseguir ser um pouquinho mais rápido, tá pessoal? E olha só, 17 minutos se passaram, nós ainda temos aqui o Quen trabalhando. Para vocês terem uma ideia, ele ficou 13 minutos só no planejamento, tá? Só analisando todo o repositório. E aí ele decidiu fazer seis modificações. Então aqui você já vê uma diferença do Quen em relação ao Music Glimmer, tá? O Quen é muito mais duro no código dele, né? Ele é muito

05:23 mais completo, ele analisa muito mais coisa, né? Inclusive ele decidiu mudar aqui a skills, mudar a documentação. Ele não foi ali, né? da literalidade que o Music Glimmer fez, tá? Então isso aqui é algo bem positivo também, tá? Então ele trabalhou aqui na implementação e ele já terminou implementação. Agora ele tá só na validação. Como essa aqui já tá demorando bastante, eu já vou me antecipar e vou verificar com vocês aqui se ele acertou ou não. Então primeiro vamos ver aqui o que que ele mexeu. Então ao contrário do Music Glimmer, como a gente falou, ó que ele mexeu em seis arquivos. Então vamos aqui rodar os mesmos comandos. Primeira coisa pra gente identificar quando a gente bateu

05:55 40.000 inscritos no canal principal, certinho aqui, ó, mesmo resultado, 18/08. O subscribe account 39.900, mesma coisa. Maravilha. Vamos trocar isso aqui para 50.000 para ver se ele é capaz de pegar esse caso de uso também. Richard false. Então, também acertou. E agora vamos voltar lá pro canal de cortes pra gente ver o resultado. Tá aqui o comando. E novamente, mesma coisa, ó. 27 de julho, 1000 inscritos e antes tínhamos 954, tá pessoal? Certinho, exatamente como nós queríamos, só que um trabalho muito mais completo do Quemen,

06:28 tá? Você vê aqui que ele acaba saindo a 15 tokens por segundo na média frente a uns 20 e poucos ali do Musicimmer. Então o Music Glimmer é sim mais rápido do que ele. Enquanto ele vai finalizando aqui as verificações, eu já vi que ele tá certo. Eu quero fazer a conclusão desse vídeo com você. O que que a gente pode dizer aqui do Music Glimmer e do Quen 3.827B? Ambos modelos interessantíssimos para nós trabalharmos localmente. Me parece que eles são sim avanços em relação ao que nós tínhamos antes, só que para o dia a dia, para quem trabalha com programação, eles ainda são um pouco lentos, principalmente o Quen 3.8. Claro

07:02 que isso vai depender da sua máquina. Na minha máquina aqui no Mac Studio M4 Max com 64 GB, ele funciona, ele vai bem, mas ele é lento, particularmente o Quen 3.8, tá? Resultado do código, muito bom pr quem trabalha local, excelente mesmo, tá? Então, fiquei bastante surpreso com o Quen 3.8 27B para trabalho local. Usaria ele se eu quisesse ter ali uma tarefa mais complicada. Mus Glimmer, gostei dele. Ele é particularmente mais rápido e eu acho que ele pode ser uma

07:32 substituição pro Quen 3.6 35B A3B. Aquele ali rodava 60, 70 tokens na minha máquina, só que para programar ele não era bom. Agora a gente tem o Quen, que vai rodar ali 1/3 dessa velocidade, só que bom para programar, mas ainda assim não é o ideal. O ideal para usar o máximo de capacidade para quem quiser programar e não está se preocupando muito com velocidade. Comen 3.827B