Duas escolhas diferentes
Quando alguém pergunta “qual IA eu devo usar para programar?”, geralmente está misturando duas decisões:
-
Ferramenta: onde você trabalha. Pode ser uma ADE, uma IDE, uma CLI, um app na nuvem, um editor com plugin ou uma plataforma prompt-to-app.
-
Modelo: o cérebro que gera a resposta. Pode ser da família GPT, Claude, Gemini, Kimi, Llama, Gemma, DeepSeek, GLM ou outra.
Essas duas camadas se combinam, mas não são a mesma coisa. Cursor e Open Code são ferramentas. GPT 5.6, Fable 5, Gemini e Kimi são exemplos de “cérebros”.
A regra simples: ferramenta é o ambiente. Modelo é quem “pensa”.
Quatro superfícies de trabalho
Toda semana aparece ferramenta nova prometendo revolucionar como você programa. Em vez de listar tudo que existe, pense em quatro superfícies:
-
IDEs com IA integrada: editores clássicos que ganharam camada de IA no fluxo de edição. Autocomplete, chat inline e sugestões enquanto você digita. A IA ajuda; você continua no centro. Exemplos: VS Code com GitHub Copilot, JetBrains AI Assistant, Kimi Code for VS Code.
-
ADEs (Ambientes de Desenvolvimento para Agentes de IA): ambientes pensados em torno do agente. Editor, terminal e integrações existem para o agente ler o repositório, editar vários arquivos, rodar comandos e iterar com validação. Exemplos: Cursor, Windsurf, Google Antigravity, Zed, Kiro.
-
CLIs de IA: ferramentas de linha de comando que leem arquivos, executam comandos e fazem mudanças diretamente no terminal. Exemplos: Claude Code, Codex CLI, OpenCode, Kimi Code, GitHub Copilot CLI.
-
Apps e agentes na nuvem: você manda uma tarefa bem descrita, a ferramenta trabalha em um ambiente isolado, pesquisa o repositório, propõe plano, trabalha em branch e entrega diff ou pull request. Exemplos: Codex (cloud), Google Jules, GitHub Copilot coding agent, Devin.
A fronteira está ficando borrada. O mesmo fornecedor aparece no terminal, no editor e na nuvem. A categoria ainda ajuda, mas a pergunta principal não é “qual ferramenta é melhor?”. A pergunta é: qual superfície reduz mais fricção para esta tarefa?
Em agentes cloud, um padrão emergente é Research → Plan → Code → Review: pesquisar o repo, propor plano, executar em branch e só abrir PR depois de revisão humana. Nenhum fornecedor monopoliza esse fluxo, mas cada vez mais ferramentas convergem para ele.