A Fivetran + dbt Labs, como as duas empresas assinam o comunicado conjunto, anunciou em 16 de setembro de 2026, no dbt Summit, em Las Vegas, a disponibilidade geral do dbt v2 e do dbt State. O dbt v2 é o antigo motor Fusion, reescrito em Rust, que passa a ser a versão principal da ferramenta de transformação de dados muito usada por equipes de engenharia analítica. Com isso, acaba a era de dois motores paralelos, Core e Fusion.

Uma ferramenta, duas versões

Pelo novo esquema, o dbt Core em Python passa a ser o dbt v1, e o Fusion, em Rust, vira o dbt v2. Segundo o comunicado, as duas versões continuam com licença Apache 2.0 e recebendo correções de segurança. Para quem tem projetos grandes, o argumento é velocidade: a empresa afirma que o v2 analisa um projeto de 10 mil modelos até 10 vezes mais rápido que o v1.

No blog técnico do lançamento, a equipe dá exemplos mais concretos: projetos que levavam 20 minutos só para serem analisados agora terminam em menos de um, e um projeto de teste com 10 mil nós passou de 70 segundos de compilação no dbt 1.12.0 para 17 segundos no v2. São medições do próprio desenvolvedor, e o ganho varia conforme o tamanho e a personalização de cada projeto.

O que melhora no dia a dia

A mudança mais útil para quem escreve SQL é o compilador local. O dbt v2 monta o plano lógico de cada consulta imitando o comportamento do banco de dados usado, e assim aponta colunas inexistentes ou erros de tipo antes de gastar processamento no data warehouse. Ele também enxerga o efeito em cascata: uma coluna removida pode quebrar quatro modelos adiante, e o dbt avisa antes da implantação. A empresa destaca que isso serve tanto a pessoas quanto a agentes de IA que geram SQL.

O v2 também cria o dbt Information Schema, que descreve o projeto inteiro em arquivos Parquet. Segundo o blog, os arquivos ficam mais de dez vezes menores que os antigos artefatos em JSON e podem ser consultados com ferramentas como o DuckDB.

Já o dbt State verifica os metadados do warehouse e o SQL dos modelos para decidir, a cada execução, o que construir, pular, clonar ou adiar. O objetivo é evitar reprocessar o que não mudou. No comunicado, a Virgin Media O2 relata economia de 25% no tempo de execução e no custo de computação do BigQuery.

Em beta

Outros anúncios ainda estão em fase de testes: o Lake Compute, motor SQL de nó único baseado no DuckDB para rodar modelos dbt sobre tabelas Apache Iceberg, e o Fivetran Context Layer, que reúne dados e metadados para dar contexto a agentes de IA, ambos em beta privada segundo o comunicado. Também foram apresentados o dbt Charts e novas experiências do assistente dbt Wizard.

Não localizamos cobertura independente dos anúncios até 8 de outubro; os números citados vêm das empresas e de um cliente apresentado por elas.

Fontes

• Fivetran + dbt Labs — Fivetran + dbt Labs Announces New Capabilities to Make Enterprise Data Agent-Ready at dbt Summit 2026 (16/09/2026)
• dbt Developer Blog — dbt v2.0 is GA (16/09/2026)

Imagem destacada: ilustração gerada por computador, sem valor documental.