--- title: "AWS libera agente de IA de código aberto com promessa de custo menor" author: "Ignácio Afonso" date: "2026-09-22 09:15:00-03" category: "Inteligência Artificial & Dados" url: "http://desbugados.scale.press/portal/desbugados/post/2026/09/22/aws-libera-agente-de-ia-de-codigo-aberto-com-promessa-de-custo-menor/md" --- ## Resumo - A AWS lançou o Strands Harness, agente de IA de código aberto e propósito geral. - A ferramenta pode rodar localmente ou na nuvem e foi construída sobre o SDK Strands Agents. - Segundo a AWS, o Strands Harness é apresentado como 45% mais barato que Claude Code e Codex. - No Terminal-Bench 2.1, o agente custou US$ 56,29 e teve precisão de 69,7 usando o modelo Fable 5. - Os recursos incluem ferramentas de arquivos, shell, web, memória, cache de prompt, persistência de sessões e delegação. - O projeto permite trocar o provedor de modelo por uma linha de código, incluindo uso local via Ollama. - A licença Apache 2.0 e os pacotes para Python e TypeScript facilitam o teste do projeto. --- **A AWS** lançou o Strands Harness, um agente de inteligência artificial de código aberto e de propósito geral, construído sobre o SDK Strands Agents. A ferramenta foi desenhada para rodar localmente ou na nuvem e chega com uma promessa que mira um dos problemas mais concretos do uso de IA: o custo de cada tarefa. Segundo a divulgação da empresa, o Strands Harness pode custar **45% menos** que Claude Code e Codex. O número chama atenção, mas precisa ser lido junto dos testes apresentados pela própria AWS, que usam métricas específicas de consumo de tokens, preço e precisão. A partir desses dados, dá para entender o que está sendo oferecido e onde a novidade realmente pode fazer diferença para quem desenvolve software ou automatiza tarefas digitais. ## O custo virou parte central da disputa Por trás da promessa comercial está uma questão técnica que afeta diretamente o orçamento de quem trabalha com agentes de IA: a quantidade de tokens consumida durante uma tarefa. Tokens são as unidades de texto processadas pelo modelo, e uma gestão mais econômica do contexto reduz o volume enviado e recebido ao longo da execução. A AWS afirma que o Strands Harness é mais eficiente nesse aspecto do que alternativas como **Claude Code** e **Codex**. A comparação foi apresentada como parte dos benchmarks internos da empresa, portanto não equivale a uma avaliação independente de mercado. Ainda assim, ela ajuda a explicar por que o projeto foi lançado com foco no uso prático, e não apenas como uma demonstração de modelo de inteligência artificial. Quando se sai da promessa geral e se observa um teste específico, a diferença aparece em números mais detalhados. No **Terminal-Bench 2.1**, usando o modelo Fable 5, o Strands Harness custou US$ 56,29, enquanto o Claude Code chegou a US$ 248,05. Na mesma medição, a ferramenta da AWS alcançou precisão de 69,7, contra 61,8 do concorrente. A divulgação também informa que a economia média diante de outros agentes ficou em **28%**, quando o DeepSeek Harness entrou na comparação, e que o DeepSeek foi 14% mais eficiente em tokens que o Strands Harness. A piada é ruim, mas serve: menos tokens tendem a significar um boleto menos assustador, desde que a precisão continue adequada. ## Uma caixa de ferramentas para tarefas variadas Além da disputa por preço, o Strands Harness foi organizado como uma camada de execução com recursos prontos para uso. Uma parte dessa estrutura permite trabalhar com arquivos e operar o shell, nome dado ao ambiente em que comandos de terminal são executados. Na prática, isso aproxima o agente de tarefas que já fazem parte do cotidiano de desenvolvimento, como ler informações, alterar conteúdo e acionar comandos dentro de um fluxo controlado pelo usuário. O projeto também inclui recursos de memória, cache de prompt e persistência de sessões. Esses termos descrevem, respectivamente, a capacidade de manter informações úteis, reaproveitar instruções já processadas e continuar uma tarefa sem começar do zero a cada interação. A camada de ferramentas também inclui acesso à web e delegação, recurso que permite encaminhar parte de uma tarefa para outra execução especializada. A proposta amplia o uso do agente para além da geração de código, algo que a equipe do projeto deixa explícito ao descrevê-lo como uma solução de **propósito geral**. Essa escolha muda a pergunta que o desenvolvedor precisa fazer antes de adotá-lo: em vez de pensar apenas em completar funções ou corrigir arquivos, ele pode avaliar fluxos inteiros que combinam consulta, manipulação de dados e continuidade de sessão. O valor prático está justamente nessa reunião de capacidades, porque o agente passa a funcionar como uma camada de trabalho configurável, e não como uma única interface de conversa. ## Liberdade para escolher onde o modelo roda Essa estrutura ganha importância porque o Strands Harness não fica preso a um único provedor de modelo. O **Amazon Bedrock** aparece como opção padrão, mas a AWS informa que o provedor pode ser substituído por uma única linha de código. O mesmo mecanismo permite usar um serviço externo ou um modelo local por meio do Ollama, ferramenta que executa modelos na própria máquina. Para o desenvolvedor, essa separação entre o agente e o modelo reduz a necessidade de reescrever toda a aplicação quando a fonte de inteligência muda. O código continua lidando com contexto e ferramentas, enquanto a escolha do modelo passa a ser uma decisão de configuração. Para entender a relevância dessa independência, pense no agente como a parte que organiza o trabalho e no modelo como o componente que interpreta instruções e produz respostas. A AWS afirma que o sistema permite usar modelos de ponta de diferentes provedores mantendo consistência na gestão de contexto e de ferramentas. Essa promessa não elimina a necessidade de medir qualidade, custo e compatibilidade em cada caso, mas cria uma arquitetura mais flexível para testes. Também permite que uma equipe compare uma opção hospedada na nuvem com outra executada localmente sem abandonar a mesma base de integração, o que é especialmente útil quando o preço por tarefa pesa tanto quanto a capacidade de resolver o problema. ## Código aberto e um caminho direto para o teste Para quem deseja examinar o projeto por dentro, a licença é um dos pontos mais claros da proposta. O Strands Harness foi publicado sob a **Apache 2.0**, licença de código aberto que permite o uso, a modificação e a distribuição conforme seus termos. A instalação também foi apresentada de forma direta: em Python, o comando é pip install strands-harness; em TypeScript, a alternativa é npm install @strands-agents/harness. O [anúncio oficial do Strands Harness](https://strandsagents.com/blog/introducing-strands-harness/) concentra essas informações e descreve a ferramenta como um conjunto completo para desenvolvedores, sem limitar sua finalidade a tarefas de programação. Esse caminho de entrada permite que a avaliação comece antes de qualquer decisão maior de infraestrutura. O leitor pode instalar a biblioteca correspondente à linguagem que já utiliza, observar como as ferramentas e as sessões são administradas e então comparar o comportamento de diferentes modelos. A palavra-chave aqui é **configurável**: o projeto combina uma base de execução, recursos de contexto e integração com ferramentas, mas deixa aberta a escolha do provedor. A abertura do código também facilita a inspeção da arquitetura, algo que interessa a equipes acostumadas a manter sistemas por muitos anos, nas quais uma dependência invisível pode se transformar em um problema caro quando muda de preço ou de política. ## O que os números significam para o desenvolvedor Na prática, os números apresentados pela AWS sugerem que o Strands Harness merece ser avaliado em duas dimensões ao mesmo tempo. A primeira é financeira: o custo informado no Terminal-Bench 2.1 foi muito inferior ao do Claude Code naquele teste. A segunda é operacional: a precisão registrada foi maior na mesma comparação, o que evita tratar economia como sinônimo de respostas piores. Ainda assim, esses resultados pertencem a benchmarks internos e dependem do modelo Fable 5 e da configuração usada. O passo responsável é reproduzir as tarefas mais próximas da realidade de cada equipe, observando quantos tokens são gastos, quanto tempo a execução leva e se o resultado exige correções manuais. Por isso, o próximo passo não precisa ser uma migração imediata, e sim um teste pequeno e mensurável. Instale o pacote da linguagem escolhida, selecione o provedor padrão ou altere-o, execute uma tarefa repetível e registre custo, precisão e continuidade da sessão. Depois, compare o resultado com a ferramenta que já faz parte do fluxo de trabalho. O [detalhamento dos benchmarks do Strands Harness](https://thenewstack.io/aws-strands-harness-agent) oferece os números de referência divulgados pela AWS, incluindo a comparação de custos e a média de economia. Assim, a promessa de um agente aberto e mais barato deixa de ser manchete e passa a ser uma hipótese que o próprio desenvolvedor pode verificar.