O que acontece quando você para de olhar para os modelos isolados e começa a mapear o ecossistema inteiro ao redor deles? A lista de trending de hoje no GitHub revela um padrão claro: a corrida não é mais sobre quem tem o modelo mais pesado, mas sobre quem constrói a infraestrutura que permite que agentes de IA funcionem de forma contínua, segura e interoperável em produção.
Claude-Mem (thedotmack/claude-mem) — 109.004 estrelas
O repositório que mais cresce na lista hoje é Claude-Mem, com 1.527 estrelas apenas em um dia. A proposta é simples na superfície — e complexa na implementação: capturar tudo que um agente de código faz durante uma sessão, compactar com IA e injetar contexto relevante nas sessões futuras. Por trás disso, há uma arquitetura de worker daemon em Express, hooks que interceptam eventos do Claude Agent SDK (session-init, PreToolUse, session-complete), SQLite com FTS5 para busca full-text, Chroma para embeddings vetoriais e um viewer web em tempo real. O projeto agora suporta 28 idiomas, inclui Knowledge Agents — cérebros consultáveis a partir da história de observações — e funciona com Claude Code, Codex, Gemini, Copilot, Cursor, OpenCode e mais. O que torna o Claude-Mem emblemático não é o que ele faz (memória persistente já existe), mas quão profundo ele é: 50 observações de contexto, controle granular sobre quais agentes entram no contexto principal, e uma camada de compressão que decide automaticamente o que vale a pena lembrar e o que pode ser descartado. É o sistema de memória de longo prazo que toda ferramenta de agente de código precisa ter, mas que quase nenhuma tem implementado com essa maturidade.
T3 Code (pingdotgg/t3code) — 37.484 estrelas
Com 3.100 estrelas em um dia, T3 Code é o projeto que mais subiu numericamente hoje. A descrição oficial o chama de agent harness control surface, mas o que isso significa na prática é mais direto: um aplicativo desktop, mobile e web que permite controlar qualquer agente de código que você tenha instalado — Claude Code, Codex, Cursor, Grok Build, OpenCode, Google Antigravity. Cada um com sua própria assinatura. O diferencial do T3 Code é que ele é um traga sua própria assinatura: não empacota modelos, não cobra mensalidade extra, e opera inteiramente sobre os logins que você já tem. O app roda como serviço de fundo, sincroniza projetos parados e threads estagnados, e usa um event sink com event sourcing para manter o estado consistente entre máquina e mobile. É uma camada de abstração que transforma cinco clientes de IA em uma única interface — e a pergunta que isso levanta é se esse padrão vai se tornar tão comum quanto um gerenciador de senhas para ferramentas de IA.
OpenMausBot (milind-soni/OpenMausBot) — 10.403 estrelas
919 estrelas em um dia para um projeto que se posiciona abertamente como alternativa open source ao Grok Bot da xAI, ao Meta Muse, ao OpenAI dots e ao Cue do Manus. A premissa: em vez de um único agente rodando na nuvem do vendor, você monta sua própria equipe de bots, cada um com seu próprio modelo (Claude, Codex, Grok), rodando localmente, com dados armazenados na sua máquina. O app usa CLIs locais para dirigir os agentes — não pede chaves de API, usa os logins que você já tem — e oferece um model picker onde Claude e Codex aparecem lado a lado. O projeto nasceu de um dia depois do lançamento do Grok Bot, o que ilustra quão rápido a concorrência open source responde a produtos fechados. Em sete semanas de 2026, quatro grandes empresas lançaram produtos de agentes pessoais fechados, e cada um mantém o modelo, o computador e os dados do lado deles. OpenMausBot inverte isso: a equipe é sua, o computador é seu, os dados são seus.
Lightpanda (lightpanda-io/browser) — 39.956 estrelas
827 estrelas em um dia para o projeto que está construindo um navegador headless do zero, escrito em Zig. Não é um fork do Chromium, não é um patch do WebKit: é um navegador completamente novo, projetado especificamente para agentes de IA e automação. Os benchmarks mostram 16x menos memória (123 MB vs 2 GB para 100 páginas) e 9x mais rápido (5s vs 46s) que o headless Chrome. O Lightpanda não tem engine de renderização gráfica — elimina tudo que não é necessário para automação — e inclui um modo agent embutido que suporta Anthropic, OpenAI, Gemini, Vertex AI, Mistral, Hugging Face, e gateways como Vercel AI Gateway e OpenRouter. Em outras palavras, o navegador e o modelo de IA estão no mesmo processo. Para agentes que precisam interagir com a web, isso elimina uma camada inteira de complexidade: em vez de rodar um browser headless separado e comunicar via WebSocket, o agente roda dentro do browser.
Kronos (shiyu-coder/Kronos) — 45.236 estrelas
611 estrelas em um dia para o que é, segundo seus autores, o primeiro modelo foundation open source para candlesticks financeiros (K-lines). Treinado em dados de mais de 45 bolsas globais, o Kronos usa um tokenizer especializado que quantiza dados OHLCV contínuos em tokens discretos hierárquicos, e depois treina um Transformer autoregressivo nesses tokens. O modelo mini tem apenas 4 milhões de parâmetros e roda no demo ao vivo prevendo preços de BTC/USDT com intervalos de incerteza probabilísticos via Monte Carlo. O que torna o Kronos interessante não é a precisão das previsões — ninguém espera que um modelo preveja mercados — mas a abordagem: tratar dados financeiros como uma língua com tokens discretos, e não como uma série temporal contínua, é uma mudança de paradigma que pode se aplicar a outros domínios fora do mercado de criptomoedas.
Handy (cjpais/handy) — 36.396 estrelas
383 estrelas em um dia para uma aplicação de speech-to-text que roda completamente offline, escrita em Rust com Tauri. A ideia é simples: pressione um atalho, fale, e o texto aparece em qualquer campo de texto. O processo usa Whisper da OpenAI para reconhecimento, Silero para voice activity detection, e ggml para inferência local. Diferente de soluções como Dictation.io ou serviços baseados em API, o Handy não envia nem um byte para a nuvem — tudo roda na sua máquina. Com 29.200 estrelas, é o repositório mais popular da lista em absolute terms, o que mostra que a demanda por transcrição offline local não diminui.
Claude Code Game Studios (Donchitos/Claude-Code-Game-Studios) — 32.074 estrelas
970 estrelas em um dia para um projeto que transforma uma sessão única do Claude Code em um estúdio completo de desenvolvimento de jogos: 49 agentes especializados, 74 skills (comandos slash), 15 hooks de automação e 14 regras de qualidade organizadas em uma hierarquia de estúdio — diretores que guardam a visão, líderes de departamento e especialistas. Cada agente tem responsabilidades definidas, caminhos de escalada e gates de qualidade. O projeto inclui um framework de teste próprio (CCGS Skill Testing Framework) que roda linters estruturais, rubricas de categoria e testes comportamentais. É a materialização concreta de um padrão que vem ganhando tração: em vez de um único assistente genérico, equipes de agentes especializados com separation of concerns rígido.
Kornia (kornia/kornia) — 11.731 estrelas
88 estrelas em um dia para uma biblioteca de computer vision diferenciável para PyTorch, com mais de 1.200 operadores em geometria, feature matching, filtering, color, augmentation e modelos (14 famílias, incluindo RT-DETR, SAM, LoFTR). A Kornia se posiciona como a implementação de referência para computer vision diferenciável no ecossistema PyTorch, com suporte a ONNX export para deploy production. O que diferencia é a abordagem: cada operador suporta autograd, o que significa que operações clássicas de visão computacional — warping, homografia, feature detection — podem ser integradas diretamente em loops de treinamento. Para Spatial AI, isso é fundamental: robôs e veículos autônomos precisam que a percepção visual seja parte do gradiente, não um módulo separado congelado.
AiSOC (beenuar/AiSOC) — 6.103 estrelas
436 estrelas em um dia para o que o projeto chama de AI Security Operations Center open source. Diferente de SIEMs tradicionais, o AiSOC usa agentes LLM para triagem de alertas de segurança, com cada decisão sendo registrada em um Investigation Ledger reproduzível — cada prompt, tool call, evidência e decisão são gravados. O sistema usa LangGraph com agentes multi-tarefa (orchestrator, recon, forensic, responder, report-writer), baseados em MITRE ATT&CK com Qdrant para RAG. O substrate tem um eval harness público que roda em CI, e cada PR que visa main ou develop é verificada contra uma suite de 200 casos. A proposta é que, ao contrário de SOCs fechados que rodam em infraestrutura de vendor, o AiSOC expõe o agent loop inteiro para auditoria — algo crítico para compliance SOC 2, ISO 27001 e controles DORA.
public-apis (public-apis/public-apis) — 494.409 estrelas
298 estrelas em um dia para o clássico: a lista comunitária mais popular de APIs gratuitas, com mais de 1.400 APIs organizadas em mais de 50 categorias. Com 494k estrelas e 6.400 commits, é um dos projetos open source mais antigos e resilientes do GitHub. O fato de ainda estar no trending 10 anos depois de criado mostra algo importante: o ecossistema de desenvolvimento precisa de um registro vivo de quais APIs estão disponíveis, e a comunidade continua contribuindo ativamente.
O que conecta esses dez repositórios? A resposta não é uma tecnologia específica, mas uma mudança de camada. Nos primeiros meses de 2026, a discussão sobre agentes girava em torno de qual modelo era mais capaz. Hoje, a discussão é sobre memória persistente (Claude-Mem), controle unificado (T3 Code, OpenMausBot), performance de infra (Lightpanda, Kornia), segurança (AiSOC), e coordenação de equipe (Game Studios). Os modelos são commodity — o que diferencia é quem constrói as camadas que permitem que vários agentes operem juntos sem perder contexto, sem fugir dos dados do usuário, e sem depender exclusivamente da nuvem do vendor.
A infraestrutura open source dos agentes de IA está se consolidando em três camadas: persistência (memória, contexto, identidade do projeto), controle (interfaces unificadas, permissionamento, multi-agent), e segurança (auditoria, compliance, detecção). Quem domina essas camadas vai controlar o ecossistema, não quem treina o próximo modelo.
Fontes: GitHub Trending, Claude-Mem Documentation, T3 Code README, OpenMausBot README, Lightpanda Browser README, Kronos Paper (arXiv), Handy README, Claude Code Game Studios README, Kornia Documentation, AiSOC Documentation, public-apis Repository
✓ Fontes independentes cruzadas e verificadas antes da publicação
