As duas versões estão alinhadas bloco a bloco, pela ordem do texto: título, o essencial e depois parágrafo a parágrafo. Quando a tradução fundiu ou dividiu um parágrafo, a casa correspondente fica vazia — nunca aproximamos duas passagens a olho.
Picture an AI agent halfway through editing a video in one folder while, in another, it builds an iOS mini-game. Without a wall between the two, instructions from the first job can leak into the second. That is the problem PilotDeck 2.0 is built to stop. Released on October 15 by Tsinghua University's THUNLP lab with ModelBest, OpenBMB and AI9Stars, the open-source system is available on GitHub under the AGPL-3.0 license and runs on macOS, Linux and Windows, with Docker deployment also supported.
Imagine-se um agente de IA a meio da edição de um vídeo numa pasta enquanto, noutra, constrói um mini-jogo para iOS. Sem uma barreira entre as duas, as instruções do primeiro trabalho podem vazar para o segundo. É esse o problema que o PilotDeck 2.0 foi concebido para travar. Lançado a 15 de outubro pelo laboratório THUNLP da Universidade de Tsinghua, com a ModelBest, a OpenBMB e a AI9Stars, o sistema de código aberto está disponível no GitHub sob a licença AGPL-3.0 e funciona em macOS, Linux e Windows, sendo também suportada a implementação com Docker.
The core unit is the WorkSpace. Each project gets its own file system, memory store and skill set, so the two contexts stay fully separated. The team calls the leak "context pollution." Memory is also designed to be white-box: users see every entry the agent has stored, when it was written and which workspace it belongs to, and can edit, delete or pin entries directly, instead of writing prompts to make the agent forget. A Dream Mode merges and deduplicates scattered memories while the agent is idle, with one-click rollback if the clean-up loses an important detail.
A unidade central é o WorkSpace. Cada projeto tem o seu próprio sistema de ficheiros, armazenamento de memória e conjunto de competências, pelo que os dois contextos permanecem totalmente separados. A equipa chama «poluição de contexto» a essa fuga. A memória também foi desenhada para ser de caixa branca: os utilizadores veem cada entrada que o agente guardou, quando foi escrita e a que espaço de trabalho pertence, e podem editar, apagar ou fixar entradas diretamente, em vez de escreverem instruções para que o agente se esqueça de algo. Um Dream Mode funde e elimina duplicados das memórias dispersas enquanto o agente está inativo, com reversão com um clique caso a limpeza elimine um detalhe importante.
Smart Routing hands planning to a strong model and routine steps, such as formatting and polishing, to lighter ones. In a social-media workflow, the team says that using Claude Opus 4.5 as main agent and Sonnet 4.5 as sub-agent cut the cost of a run from $12.58 to $2.83. Across seven harder tasks, including multilingual podcast production and codebase documentation, pairing Claude Sonnet 4.6 with MiniMax-M2.7 scored 70.6 at $3.15, against 69.1 at $18.36 for Sonnet 4.6 alone, a saving of roughly 83%. On WorkBuddy Bench, PilotDeck running Qwen3.6-35B-A3B scored 79.1, against 77.3 for Claude Code. All these figures are the team's own; the release cites no outside check.
O Smart Routing atribui o planeamento a um modelo potente e as etapas rotineiras, como a formatação e a revisão, a modelos mais leves. Num fluxo de trabalho para redes sociais, a equipa afirma que usar o Claude Opus 4.5 como agente principal e o Sonnet 4.5 como subagente reduziu o custo de uma execução de 12,58 para 2,83 dólares. Em sete tarefas mais exigentes, incluindo produção de podcasts multilingues e documentação de bases de código, a combinação do Claude Sonnet 4.6 com o MiniMax-M2.7 obteve 70,6 pontos a 3,15 dólares, contra 69,1 pontos a 18,36 dólares para o Sonnet 4.6 sozinho, uma poupança de cerca de 83%. No WorkBuddy Bench, o PilotDeck a correr o Qwen3.6-35B-A3B obteve 79,1 pontos, contra 77,3 para o Claude Code. Todos estes números são da própria equipa; o lançamento não cita nenhuma verificação externa.
An Always-on mode keeps agents working after the chat window is closed. They run long monitoring jobs, surface candidate tasks and write results to local files with a progress summary. The system natively supports the Model Context Protocol, an open standard for connecting AI models to outside tools, and behaves the same across its web interface, its command line and enterprise messaging apps such as WeCom and Feishu.
O modo Always-on mantém os agentes a trabalhar depois de a janela de conversa ser fechada. Executam tarefas de monitorização prolongadas, sinalizam tarefas candidatas e escrevem os resultados em ficheiros locais, acompanhados de um resumo do progresso. O sistema suporta nativamente o Model Context Protocol, um padrão aberto para ligar modelos de IA a ferramentas externas, e comporta-se da mesma forma na interface web, na linha de comandos e em aplicações de mensagens empresariais como o WeCom e o Feishu.
For anyone juggling several agents on separate projects, the practical gain is fewer things to supervise and fewer surprises from old instructions. For people who pay per run, the routing approach is the number to watch, though the savings are the team's measurements on its own tasks, and they will mean less for a workload that looks nothing like those seven. The version is already downloadable; the sources give no timeline beyond that.
Para quem gere vários agentes em projetos separados, o ganho prático está em haver menos coisas para supervisionar e menos surpresas causadas por instruções antigas. Para quem paga por execução, a abordagem de encaminhamento é o número a acompanhar, embora as poupanças sejam medições da própria equipa em tarefas suas e pesem menos numa carga de trabalho que não se pareça com essas sete. A versão já pode ser descarregada; as fontes não indicam qualquer calendário além disso.