Os agentes de IA estão indo além de responder perguntas.
Cada vez mais, elas estão sendo solicitadas a executar tarefas, interagir com software, gerenciar fluxos de trabalho e, eventualmente, operar em toda a infraestrutura financeira e digital.
Isso cria um novo problema.
Como dar a um agente de IA a capacidade de agir sem dar a ele permissão ilimitada para agir?
É aqui que o IronClaw 1.0 da @NEAR Protocol se torna interessante.
Do Pensar para Agir
Os sistemas tradicionais de IA operam, em grande parte, em torno da geração de uma resposta.
Um sistema agentivo é diferente. Ele precisa raciocinar, tomar decisões, interagir com sistemas externos e executar ações.
O IronClaw 1.0 trata o risco criado por essa transição por meio de uma separação entre tomada de decisão e execução.
A arquitetura dele pode ser simplificada como:
PENSE → GUARDE → AGIR
O agente consegue determinar o que quer fazer, mas a ação passa por uma camada Guard dedicada antes da execução.
Isso cria um ponto de controle entre o raciocínio de uma IA e a capacidade dela de afetar o mundo externo.
Ações sensíveis podem exigir aprovação explícita, enquanto segredos são projetados para uso único e protegidos para não aparecerem em logs, erros ou relatórios.
Em ambientes corporativos, essa distinção importa.
A questão agora não é mais simplesmente se um agente de IA é inteligente.
É se a inteligência dele pode ser implantada com controles apropriados.
Os resultados do benchmark
A NEAR AI relatou resultados fortes para o IronClaw 1.0 em três benchmarks de agentes, usando deepseek-v4-flash como modelo subjacente:
93,5% | PinchBench
88,6% | ClawBench
76,4% | OfficeQA
De acordo com a NEAR AI, o IronClaw ficou aproximadamente quatro pontos percentuais à frente do próximo melhor sistema no PinchBench e cerca de cinco pontos acima da média do setor no ClawBench.
No OfficeQA, a NEAR AI relatou cerca de 12% menos erros do que o Hermes e 15% menos do que o OpenClaw.
Esses números devem ser vistos no contexto adequado: foram os resultados reportados pela NEAR AI para o lançamento do IronClaw 1.0 em julho de 2026, e não uma afirmação sobre as atuais lideranças mais amplas dos rankings de benchmark.
O ponto mais interessante é que o IronClaw está combinando inteligência de modelo com uma arquitetura de execução projetada em torno de controle.
A persistência muda a experiência do agente
Outro componente importante é o checkpointing contínuo.
Agentes de IA podem falhar por motivos banais.
Um processo pode parar. Uma conexão pode cair. Uma sessão pode reiniciar.
Sem estado persistente, o agente pode perder o contexto do que estava fazendo.
A abordagem de checkpointing do IronClaw permite retomar o trabalho interrompido em vez de simplesmente começar do zero.
Isso aproxima os agentes de funcionar como trabalhadores digitais persistentes, e não como sessões temporárias de chat.
O IronClaw também mantém uma memória compartilhada e um modelo de segurança entre CLI, Web, Slack e Telegram.
Isso significa que a interface pode mudar sem necessariamente fragmentar o contexto do agente.
Onde a NEAR AI se encaixa
É também aqui que a conexão com a NEAR AI se torna importante.
A direção mais ampla de IA da NEAR se concentra em infraestrutura de IA de propriedade do usuário e verificável, incluindo inferência confidencial e execução segura.
O IronClaw representa a camada de agentes.
A NEAR AI representa parte da infraestrutura que dá suporte a esse ecossistema mais amplo.
E, por baixo da rede, existe outro componente importante: staking.
O staking costuma ser discutido principalmente em termos de recompensas, mas sua função mais profunda é a segurança econômica.
A NEAR usa Prova de Participação (Proof of Stake), em que validadores protegem a rede e o stake delegado fornece suporte econômico para a infraestrutura processar transações.
Se os agentes de IA passarem a depender cada vez mais de infraestrutura descentralizada para manter estado, executar transações, acessar ativos ou coordenar entre redes, a segurança dessa infraestrutura subjacente se torna cada vez mais importante.
Isso faz com que o staking seja mais do que um mecanismo de rendimento.
Isso passa a fazer parte da base de segurança para a infraestrutura na qual os futuros agentes de IA podem confiar.
O quadro maior
O IronClaw 1.0 aponta para uma mudança importante na forma como devemos avaliar agentes de IA.
A inteligência bruta é apenas uma parte da equação.
Um agente autônomo útil também precisa de:
Inteligência para raciocinar.
Guardrails para controlar a execução.
Persistência para manter estado.
Memória para operar entre ambientes.
Infraestrutura segura para apoiar ações no mundo real.
É isso que torna a direção da NEAR AI particularmente interessante.
A próxima geração de agentes de IA não vai precisar apenas saber o que fazer.
Ele vai precisar de um jeito confiável de decidir quando está autorizado a fazer isso, como deve fazê-lo e o que acontece se algo der errado.
O IronClaw 1.0 é um passo interessante nessa direção.
O que você acha que importa mais para a próxima geração de agentes de IA: melhor raciocínio ou melhor controle sobre a execução?
Referências
www.near.ai/blog/introducing-ironclaw-1-0
www.near.org/ai
docs.near.org/protocol/network/validators
github.com/nearai/ironclaw