Quem pesquisa “Devin AI” em português ainda encontra, nos primeiros resultados, a notícia de março de 2024: a “primeira IA engenheira de software”, acessível só por lista de espera, com um resultado de benchmark impressionante para a época. Muita coisa mudou desde então. O Devin virou produto pago, com planos por assento, ganhou versão de editor e de terminal, e a Cognition, empresa que o criou, desembarcou em São Paulo em setembro de 2026 citando Itaú e Nubank como vitrines.
Este guia explica o que o Devin é hoje, quanto custa em cada plano, como funciona a cobrança do Enterprise e, principalmente, como ler os números divulgados pelo fornecedor. A ideia não é desmerecer os casos, e sim mostrar o que eles provam, o que não provam e o que a sua empresa precisa medir por conta própria antes de assinar um contrato anual.
O que é o Devin AI?
O Devin é um agente de programação autônomo desenvolvido pela Cognition. Diferente de um assistente que sugere a próxima linha enquanto você digita, ele recebe uma tarefa inteira (corrigir um bug, escrever testes, migrar um serviço, revisar um pull request) e trabalha sozinho até entregar um resultado para revisão humana.
Segundo a documentação oficial, o Devin “escreve, executa e testa código” num ambiente próprio, com terminal, editor e navegador. Você acompanha a sessão pelo aplicativo web, pode assumir o controle quando quiser e pode acioná-lo de fora: marcando o Devin numa conversa do Slack ou do Microsoft Teams, atribuindo um ticket do Linear ou do Jira, ou chamando a API.
Na prática, o que muda para a empresa é a unidade de trabalho. Com um assistente de editor, o ganho aparece em minutos economizados por desenvolvedor. Com um agente autônomo, a promessa é delegar tarefas completas, e por isso a conta, o risco e a forma de medir também mudam.
De onde veio o Devin e o que mudou desde 2024?
O Devin foi apresentado em 12 de março de 2024, num texto assinado por Scott Wu, CEO da Cognition, com o título “Introducing Devin, the first AI software engineer”. O dado que correu o mundo foi o do SWE-bench, um teste com problemas reais de repositórios abertos: o Devin resolveu 13,86% das tarefas de ponta a ponta, contra 1,96% do melhor resultado anterior. O próprio anúncio registrava que a medição foi feita numa amostra aleatória de 25% do conjunto, e o acesso era só por lista de espera.
Os textos em português pararam nesse ponto. Desde então, três mudanças redefiniram o produto. Primeiro, o Devin passou a ter planos self-serve, do gratuito ao de equipe. Segundo, a Cognition incorporou o Windsurf, editor de código com IA, e em junho de 2026 o rebatizou de Devin Desktop. Terceiro, a empresa passou a vender para grandes organizações com cobrança por esforço do agente e uma garantia de produtividade.
Em setembro de 2026, a Cognition anunciou a expansão para a América Latina num evento no MASP, em São Paulo, com um time local para atender clientes da região. É desse anúncio que saem os números de Itaú e Nubank que hoje aparecem no autocompletar do Google.
Como o Devin funciona hoje: nuvem, Desktop, CLI e Review
No anúncio do Devin Desktop, a Cognition descreve um Devin único em quatro superfícies. Cada uma resolve um tipo de trabalho diferente, e entender a divisão evita contratar o plano errado:
| Superfície | Onde roda | Para que serve |
|---|---|---|
| Devin Cloud | Máquina própria na nuvem da Cognition | Tarefas longas e autônomas: migrações, correções em lote, tickets delegados |
| Devin Desktop | Editor instalado no computador (o antigo Windsurf) | Programar com agente ao lado e gerenciar agentes locais e em nuvem num quadro único |
| Devin CLI | Terminal do desenvolvedor | Ajustes rápidos e exploração do código, com envio de tarefas maiores para a nuvem |
| Devin Review | Fluxo de pull requests | Revisão de código automatizada antes do merge |
Cognition, anúncio do Devin Desktop (02/06/2026), e Devin Docs. Organização da Alliance Comunicação.
O Devin Desktop traz um painel em formato de Kanban, chamado Agent Command Center, onde aparecem lado a lado os agentes locais e os que estão rodando na nuvem. Ele também aceita agentes de terceiros compatíveis com o Agent Client Protocol, o que significa que a empresa não precisa escolher um único fornecedor de agente para usar o editor.
Para quem lidera tecnologia, a superfície que mais muda o processo é a nuvem. É nela que o Devin trabalha sem supervisão contínua, e é nela que se concentram as decisões de acesso: quais repositórios ele enxerga, quais credenciais recebe e quem aprova o que ele entrega.
Quanto custa o Devin AI?
Os preços abaixo são os da documentação de planos self-serve do Devin, consultada em outubro de 2026. Valores em dólar, sem impostos brasileiros:
| Plano | Preço | Para quem | O que inclui |
|---|---|---|---|
| Free | US$ 0 | 1 pessoa testando | Uso limitado do Devin, Devin Review e DeepWiki |
| Pro | US$ 20/mês | 1 desenvolvedor | Cota diária e semanal para sessões, CLI e Desktop; excedente em créditos |
| Max | US$ 200/mês | 1 usuário intensivo | Tudo do Pro, com cota semanal bem maior e sem teto diário |
| Teams | A partir de US$ 80/mês | Até 200 membros | Assento completo a US$ 40/mês ou assento flex gratuito, com créditos compartilhados |
| Enterprise | Sob contrato | Grandes organizações | Cobrança em ACUs, SSO, implantação dedicada ou em VPC, controles centralizados |
Devin Docs, Self-serve plans, e página de preços do Devin (out/2026).
A documentação não informa o tamanho exato das cotas do Pro e do Max, só que elas se renovam por dia e por semana. Quando a cota acaba, o uso extra sai de créditos pré-pagos, que não expiram e passam de um mês para o outro. Se os créditos zeram, as automações param até a próxima recarga.
Assento completo ou assento flex no plano Teams?
É aqui que o orçamento de uma equipe se decide. O assento completo custa US$ 40 por mês, tem cota equivalente à do Pro e dá acesso ao Devin Desktop. O assento flex é gratuito, não tem cota própria e consome apenas os créditos compartilhados da conta, sem acesso ao Desktop.
Toda conta Teams paga no mínimo US$ 80 por mês. Com dois ou mais assentos completos, o mínimo é coberto pelas mensalidades; com menos de dois, a diferença vira crédito pré-pago. A regra prática: assento completo para quem programa com o Devin todos os dias, flex para quem aciona o agente de vez em quando, e um olho no consumo de créditos para descobrir quem deveria mudar de categoria.
O que é ACU e como o plano Enterprise cobra?
Nos contratos Enterprise mais novos, a cobrança é feita em Agent Compute Units (ACUs). Segundo a página de planos e uso da documentação, a ACU reflete quanto esforço do agente uma tarefa exigiu, e a quantidade incluída depende do contrato de cada empresa.
A composição muda conforme a superfície. Nos agentes locais, como o Devin CLI, a ACU vem dos tokens consumidos pelo modelo escolhido. Nos agentes em nuvem e na revisão de código, ela mistura tokens, computação, máquinas virtuais e outros custos de infraestrutura. Em outras palavras: uma tarefa longa, que mantém a máquina virtual ligada por horas, pesa mais do que uma resposta rápida no terminal.
Isso tem uma consequência direta para o planejamento. O preço por ACU sozinho não diz quanto custa migrar um serviço; o que diz é quantas ACUs aquele tipo de tarefa consome no seu código, com a sua documentação e os seus testes. Esse número só aparece rodando tarefas reais, e é o primeiro que um piloto precisa produzir.
Qual a diferença entre Devin AI e Windsurf?
Hoje, nenhuma de fundo: o Windsurf virou o Devin Desktop em 2 de junho de 2026, numa atualização automática que manteve planos, preços, extensões e atalhos dos usuários. O agente local que vinha embutido, o Cascade, foi substituído pelo Devin Local, reescrito em Rust e, segundo a Cognition, até 30% mais eficiente em tokens.
A confusão vem do nome. Quem fala em “Devin” costuma pensar no agente autônomo em nuvem; quem fala em “Windsurf” pensa no editor. Agora os dois fazem parte da mesma família, e a diferença que importa é de uso: o editor serve para programar com a IA ao lado, o agente em nuvem serve para delegar a tarefa e revisar o resultado depois.
O que a Cognition diz que o Devin fez no Itaú e no Nubank?
Os números a seguir estão no texto “Building the Future of Software Engineering in Latin America”, publicado pela equipe latino-americana da Cognition em 22 de setembro de 2026. Todos são declarações do fornecedor sobre os próprios clientes:
No Nubank, descrito pela Cognition como o maior banco digital da América Latina, com cerca de 140 milhões de clientes, o Devin teria levado a migração de um monólito com milhões de linhas de código “de anos para semanas”, a um custo mais de 20 vezes menor. O mesmo texto cita Santander, Natura e EBANX como clientes, sem números.
Repare no tipo de tarefa que aparece nos dois casos: documentação de repositórios, migração de legado e correção de vulnerabilidades. São trabalhos volumosos, repetitivos e com critério de sucesso relativamente claro (o código compila, os testes passam, a vulnerabilidade some). É exatamente o terreno em que um agente autônomo tem mais chance de render, e é um bom indicativo de onde começar.
Como ler esses números sem cair no marketing?
Um caso divulgado pelo fornecedor não é mentira, mas também não é auditoria. Antes de usar “6 vezes mais rápido” ou “20 vezes menor” numa apresentação interna, vale fazer quatro perguntas:
- Comparado com o quê? “Seis vezes mais rápido” pressupõe uma base. Foi o tempo histórico de migrações parecidas, uma estimativa do time ou um projeto-piloto paralelo? O texto não diz.
- Quem mediu? Os números são publicados pela Cognition. Não há, no anúncio, um relatório do Itaú ou do Nubank com a metodologia.
- O que entrou no custo? “Vinte vezes menor” pode incluir ou não as horas de engenheiros revisando, testando e corrigindo o que o agente produziu.
- Vale para o meu código? Bancos desse porte têm times de plataforma, testes automatizados e documentação que muitas empresas não têm. O agente rende mais onde há testes para dizer se ele acertou.
Nenhuma dessas perguntas desqualifica o caso; elas transformam a promessa em hipótese testável. E há um dado independente que ajuda a calibrar a expectativa: em times que adotam IA para programar, o volume de entrega costuma subir antes que a estabilidade acompanhe, como mostramos no artigo sobre IA para programação que produz mais e quebra mais.
O que a Garantia de Produtividade mede e o que ela não mede?
Em junho de 2026, Scott Wu anunciou a AI Productivity Guarantee: se o valor de engenharia entregue pelo Devin ficar abaixo do que o cliente pagou, a Cognition credita a diferença, até US$ 10 milhões. A garantia vale só para clientes Enterprise e é apurada perto do fim do contrato anual.
O cálculo é feito por um agente estimador da própria Cognition. Ele analisa cada sessão concluída, julga se ela produziu algo útil e estima quantas horas um engenheiro humano levaria para fazer o mesmo. As horas viram dólares por uma taxa global padrão e são comparadas com o consumo real. Sessões que geram pull requests não aceitos, ou que o estimador classifica como improdutivas, contam como não úteis.
O próprio texto da Cognition faz a ressalva que importa: a estimativa é uma base e “não substitui a medição de ROI”, que exige contexto sobre o valor de negócio de cada tarefa. Ou seja, a garantia protege contra o cenário em que o agente quase não produz nada, mas não diz se o que ele produziu valeu a pena para a empresa.
Horas que um engenheiro levaria não são horas que a empresa economizou: a diferença está na revisão, no retrabalho e no que a tarefa vale para o negócio.
Como fazer um piloto do Devin na empresa?
Um piloto bem desenhado responde em poucas semanas o que nenhum caso de terceiros responde: quanto o Devin rende no seu código, com o seu time. Um roteiro que funciona:
1. Escolha um tipo de tarefa, não um projeto inteiro
Comece pelo terreno dos casos divulgados: correção de vulnerabilidades apontadas por scanner, atualização de dependências, testes para módulos sem cobertura, documentação de repositórios. São tarefas com critério de pronto objetivo e risco controlado.
2. Registre o baseline antes de ligar o agente
Para o mesmo tipo de tarefa, anote o tempo médio do time, o número de defeitos que escaparam para produção e o custo em horas. É contra esse número, e não contra a estimativa do fornecedor, que o piloto vai ser julgado.
3. Defina acesso e revisão antes da primeira sessão
Decida quais repositórios o Devin enxerga, que credenciais recebe e quem aprova cada pull request. Agentes que leem código, issues e páginas externas ficam expostos a instruções escondidas no conteúdo, risco que detalhamos ao falar das permissões que a empresa define para agentes de código.
4. Meça custo real e esforço de revisão
Acompanhe o consumo de créditos ou ACUs por tarefa e cronometre o tempo que os engenheiros gastam revisando, corrigindo e reescrevendo o que o agente entregou. Esse segundo número costuma ser o que separa um piloto animador de um ganho de verdade.
5. Decida com três números na mesa
No fim do piloto, compare custo por tarefa, tempo total até o merge (incluindo revisão) e defeitos depois do merge, antes e depois. Se os três melhoram, há caso para ampliar; se só o primeiro melhora, o agente está transferindo trabalho para o revisor.
Quais os erros mais comuns ao adotar um agente autônomo?
- Usar o caso do fornecedor como meta. Prometer à diretoria “6 vezes mais rápido” antes do piloto transforma qualquer resultado real em decepção.
- Dar acesso amplo para “ver até onde vai”. Um agente com credenciais de produção e acesso a todos os repositórios é um risco que nenhuma garantia comercial cobre.
- Ignorar o tempo de revisão. O pull request chega rápido; a conta só fecha quando alguém do time o revisa com o mesmo rigor de um código humano.
- Distribuir assento completo para todos. No Teams, quem usa o agente de vez em quando pode ficar no flex; o consumo de créditos mostra quem precisa de cota própria.
- Começar por código sem testes. Sem testes automatizados, ninguém sabe dizer se o agente acertou, e o ganho de velocidade vira risco de regressão.
- Confundir horas estimadas com economia. A garantia mede horas que um engenheiro levaria; economia é o que efetivamente deixou de ser gasto.
Quais as alternativas ao Devin AI?
O Devin compete em duas frentes. Na de agentes que trabalham sozinhos na nuvem, a comparação mais direta é com o OpenAI Codex, que também roda tarefas em ambiente isolado e devolve o resultado para revisão; explicamos os detalhes no artigo sobre o OpenAI Codex e a internet que vem desligada. Na de assistentes e agentes junto ao desenvolvedor, entram o GitHub Copilot, o Cursor e o Claude Code.
A escolha raramente é de ferramenta melhor ou pior. Depende de onde o código já mora, de como a empresa quer cobrar o uso (assento fixo, crédito ou esforço do agente) e de quanto controle precisa sobre o ambiente. Se o seu time já usa o Copilot, vale entender antes o que o assento do GitHub Copilot não cobre, para não pagar duas vezes pela mesma capacidade.
Para quem quer apoio nessa decisão, a Alliance trabalha com desenvolvimento assistido por IA, do desenho do piloto à integração do agente no fluxo de entrega. E, se a dúvida é anterior (onde a tecnologia entra na estratégia da empresa como um todo), o diagnóstico gratuito de maturidade avalia tecnologia e automação ao lado das outras frentes e devolve as prioridades na ordem certa.
Agentes autônomos de programação já saíram da lista de espera e entraram no orçamento. O caminho mais seguro para adotá-los é o mesmo de qualquer tecnologia cara: tratar o número do fornecedor como hipótese, medir no próprio código e ampliar só o que se pagou no piloto.