Moonshot publica os pesos de Kimi K3.1 Pro, Cognition lança SWE-2 Flash, RoboColosseum avalia robôs em condições reais

A Moonshot AI cumpre a promessa e publica no Hugging Face os pesos de Kimi K3.1 Pro, um MoE de 2,8T parâmetros, sob uma licença do tipo MIT com condições para os maiores revendedores. A Cognition lança SWE-2 Flash, um modelo de código desenvolvido a partir de Inkling-Small e cinco vezes mais barato do que SWE-2, e o RoboColosseum põe à prova políticas robóticas em mais de 100 robôs reais. A OpenAI vai adquirir a Pierre, cujas ferramentas já equipam o Codex, enquanto o VS Code 1.145 reúne Copilot, Claude e Codex numa mesma sessão e o GitHub Copilot chega ao assistente de código do Xcode.

Moonshot AI publica, como prometido, os pesos de Kimi K3.1 Pro, um MoE de 2,8T parâmetros, no Hugging Face

4 de novembro — No lançamento de Kimi K3.1 Pro, a 23 de outubro, a Moonshot AI tinha prometido os pesos completos até 4 de novembro: a promessa está cumprida. O repositório moonshotai/Kimi-K3.1-Pro, criado a 2 de novembro e anunciado por @Kimi_Moonshot a 4 de novembro às 16 h 00 UTC, está disponível em acesso livre, sem formulário: 96 ficheiros safetensors, cerca de 1,56 To no total.

A ficha do modelo detalha o que o anúncio de lançamento resumia. Kimi K3.1 Pro, que a Moonshot AI apresenta como o seu modelo de «classe 3T» mais capaz, é nativamente multimodal (texto e imagem) e pós-treinado a partir de Kimi K3. A alteração de arquitetura assinalada em relação a Kimi K3: as suas camadas de atenção completa Gated MLA dão lugar a 24 camadas Gated DeepSeek Sparse Attention (Gated DSA), mais eficientes em contextos longos. Os pesos são disponibilizados em MXFP4, com ativações em MXFP8, um formato aprendido desde o treino (quantization-aware training).

Característica técnica	Valor segundo a ficha
Parâmetros totais e ativos	2,8T, dos quais 104B ativos
Camadas da rede	93, das quais 69 KDA e 24 Gated DSA
Especialistas do MoE	896, dos quais 16 por token e 2 partilhados
Janela de contexto	1 048 576 tokens
Formato dos pesos	MXFP4, ativações em MXFP8
Codificador visual	MoonViT-V2, 401M parâmetros
Ficheiros publicados	96 safetensors, cerca de 1,56 To

A Moonshot AI recomenda vLLM, SGLang e TokenSpeed para servir o modelo, também acessível pela API de platform.kimi.ai (identificador kimi-k3.1-pro). A Together AI, listada entre os fornecedores de inferência da página, já o serve e disponibiliza o seu pós-treino (ver as Breves). A ficha insiste num ponto de integração: em conversas com vários turnos ou com chamadas de ferramentas, a mensagem completa do assistente, incluindo o raciocínio, deve ser reenviada ao modelo sem alterações. São retomadas as pontuações apresentadas no lançamento: 65,7 no Terminal-Bench 4.0, logo atrás de Claude Opus 5.5 (66,4), e 51,7 no SWE Marathon v1.1, a melhor pontuação da tabela, tendo Kimi K3.1 Pro sido avaliado com Claude Code como harness.

A licença, denominada «Kimi K3.1-Pro License», segue a estrutura de uma licença MIT (utilização, modificação, redistribuição e venda autorizadas), com duas condições. Uma empresa que desenvolva uma atividade de modelo como serviço (Model as a Service), dando a terceiros acesso à inferência ou à afinação, e cujo volume de negócios acumulado ultrapasse 20 milhões de dólares em doze meses consecutivos, tem de assinar um acordo separado com a Moonshot AI antes de qualquer utilização comercial. Um produto comercial com mais de 100 milhões de utilizadores ativos mensais, ou com mais de 20 milhões de dólares de receita mensal, tem de apresentar «Kimi K3.1-Pro» de forma visível. Nem a utilização interna nem a utilização através dos produtos oficiais da Moonshot AI ou dos seus parceiros de inferência certificados são abrangidas.

🔗 Kimi K3.1 Pro no Hugging Face · O anúncio da Moonshot AI no X

Cognition lança SWE-2 Flash, um modelo de código desenvolvido a partir de Inkling-Small e cinco vezes mais barato do que SWE-2

4 de novembro — A Cognition lança SWE-2 Flash, um modelo de código rápido e eficiente, disponível de imediato no Devin Desktop e na CLI Devin, e gratuito até 30 de novembro (para os subscritores Pro, Max e Teams, especifica a sequência de publicações do anúncio). A base muda: enquanto SWE-2, lançado a 10 de setembro, foi pós-treinado sobre Kimi K3, SWE-2 Flash parte de Inkling-Small, o modelo de pesos abertos da Thinking Machines (276B parâmetros, dos quais 12B ativos). A Cognition apresenta-o como um modelo de código inteiramente americano (fully American coding model). Segundo a empresa, custa cinco vezes menos do que SWE-2 e é três vezes mais rápido, sem que tenha sido publicado um preço absoluto; a demonstração de velocidade (200 contra 60 tokens por segundo) é uma reprodução simulada de uma tarefa.

Introducing SWE-2 Flash, our new fast & efficient coding model. On leading evals, it outperforms all American open-weight models, even ones 3x larger. To balance transparency and cyber risks, we are building a program to securely share the weights with partners & researchers.

🇵🇹 Apresentamos SWE-2 Flash, o nosso novo modelo de código rápido e eficiente. Nas principais avaliações, supera todos os modelos americanos de pesos abertos, mesmo os três vezes maiores. Para conciliar transparência e riscos cibernéticos, estamos a criar um programa de partilha segura dos pesos com parceiros e investigadores. — @cognition no X

A novidade está, antes de mais, na receita. Pela primeira vez, a Cognition insere uma fase de treino intermédio (mid-training) antes da aprendizagem por reforço: alguns biliões de tokens de artigos científicos, blogs e código, em três etapas que reservam os dados mais raros e mais cuidados para o fim. Segue-se RL em grande escala, cujos ganhos resultam sobretudo de tarefas mais variadas e melhor verificadas. Resultado anunciado em relação ao modelo de base: Terminal-Bench 4.0 passa de 0,9 % para 20,0 %, FrontierCode 2.0, o benchmark interno, de 3,2 % para 24,0 %, e ExploitBench de 11,3 % para 34,8 %.

Avaliação (%)	SWE-2 Flash	Inkling-Small (base)	Muse Spark Open	GLM 5.3 Flash	SWE-2
Tamanho (total-ativos)	276B-A12B	276B-A12B	816B-A42B	320B-A18B	2,8T-A104B
FrontierCode 2.0	24,0	3,2	6,2	14,2	23,8
Terminal-Bench 4.0	20,0	0,9	8,0	41,8	27,3
DeepSWE 1.1	60,1	17,4	60,0	63,4	73,0
SWE-Atlas QA	50,0	27,4	54,0	56,5	56,3
ExploitBench	34,8	11,3	—	36,0	36,1

A tabela da publicação relativiza a afirmação principal. Muse Spark Open da Meta, três vezes maior, mantém a vantagem no SWE-Atlas QA (54,0 contra 50,0) e fica ao mesmo nível no DeepSWE 1.1. Face aos modelos abertos chineses, o balanço é misto: SWE-2 Flash supera GLM 5.3 Flash e DeepSeek V4.1 Flash no FrontierCode 2.0, mas fica muito atrás deles no Terminal-Bench 4.0 (20,0 contra 41,8 e 42,3). Supera por pouco SWE-2 no FrontierCode 2.0, sem o alcançar em nenhuma outra linha.

Os pesos ainda não foram publicados. A Cognition deu especial atenção à cibersegurança durante o treino e recorda que estas capacidades também servem os atacantes, como terá demonstrado, segundo a empresa, uma recente vaga de ciberataques. A empresa prepara um programa de partilha segura dos pesos com parceiros industriais e laboratórios de investigação de confiança, que poderiam afinar o modelo e executá-lo em ambientes sensíveis; promete detalhes dentro de algumas semanas.

🔗 Apresentamos SWE-2 Flash (Cognition)

Agentes de código: Claude Code 2.1.318, VS Code 1.145, Copilot no Xcode, Vibe CLI 3.1.0 e Antigravity 2.29.0

Claude Code 2.1.318 avisa da expiração das ligações, e Haiku 5.5 redige a linha de estado dos subagentes

4 de novembro — Claude Code 2.1.318 conta com 84 entradas, incluindo 47 correções. Disponibilizada no npm a 3 de novembro às 21 h 55 UTC, a versão viu as suas notas publicadas no GitHub pouco depois da meia-noite UTC; o canal estável do npm mantém-se na 2.1.311. A novidade mais útil diz respeito às ligações claude.ai guardadas, que expiram: a data de expiração aparece agora em claude auth status (loginExpiresAt) e nos resultados JSON de claude -p (credential_expires_at), e claude -p emite um aviso em stderr dez dias antes do prazo. Uma tarefa automatizada deixa de descobrir a expiração apenas quando falha.

Área abrangida	Novidade da 2.1.318
Sessões cloud	Opção Sem repositório: uma sessão num ambiente alojado pela Anthropic, sem escolher um repositório
Subagentes em segundo plano	Um comando shell passa para segundo plano após 3 minutos, para que a cache do prompt não expire
Administração	`deniedMcpServers` também bloqueia os servidores fornecidos pela Anthropic cujo URL de origem corresponda, `assume_role` nos upstreams `mantle`
Extensão IDE	Deixa de ser instalada no arranque no terminal de um IDE: utilizar `/ide`
Runner autoalojado	Novo formato dos registos do orquestrador; os scripts que procuram `retryable=true:` precisam de revisão

No mesmo dia, @ClaudeDevs anuncia uma alteração que nenhuma nota de versão, da 2.1.316 à 2.1.318, descreve. A linha de estado de um subagente em segundo plano, atualizada a cada 30 segundos, relia até agora toda a sua conversa; passa a ser redigida por Haiku 5.5 a partir de notas curtas, mantendo o subagente o seu próprio modelo. Segundo a Anthropic, cada atualização custa cerca de 99 % menos, e as sessões com subagentes em segundo plano consumiram cerca de 5 % menos do limite, o que equivale a cerca de 6 % mais prompts. A alteração aplica-se à maioria dos subscritores Pro, Max e Ultra e a todos os Team e Enterprise, com Claude Code 2.1.316 ou superior; Lydia Hallie, da equipa Claude Code, esclarece que abrange apenas a CLI.

🔗 Notas de versão do Claude Code 2.1.318 · A sequência de publicações de @ClaudeDevs sobre Haiku 5.5

VS Code 1.145 combina os harnesses Copilot, Claude e Codex numa mesma sessão

4 de novembro — O VS Code 1.145 prossegue a sua transição para os agentes. A principal novidade, em pré-visualização: uma mesma sessão pode reunir conversas aninhadas que correm em harnesses diferentes, por exemplo Claude a rever o plano redigido por uma conversa Copilot, ou Codex a receber a mesma tarefa, lado a lado. Cada conversa mantém o seu modelo, o seu agente e os seus níveis de permissão. A ideia dá continuidade a Compare Models, que chegou em pré-visualização com o VS Code 1.143.

As automatizações locais passam a aceitar agendamento por expressão cron e podem apoiar-se num agente personalizado do espaço de trabalho; as automatizações cloud não dispõem destas possibilidades. Para os agentes remotos, o navegador integrado da janela Agents passa pelo anfitrião remoto, o que permite pré-visualizar a aplicação lançada pelo agente nessa máquina (pré-visualização). O harness Copilot continua a ser a escolha predefinida para novas sessões, com um guia de transição a partir do harness Local, que perde três ferramentas (#installExtension, #runCommand e #newWorkspace), bem como o comando /new: os agentes personalizados e os ficheiros de prompt que os mencionam precisam de ser corrigidos. Nas empresas, a lista de servidores MCP autorizados gerida pela organização passa a ter prioridade sobre a restrição ao registo.

🔗 Notas de versão do VS Code 1.145

GitHub Copilot chega ao assistente de código integrado do Xcode, em pré-visualização pública

4 de novembro — O GitHub Copilot passa a funcionar no assistente de código integrado do Xcode, em pré-visualização pública a partir do Xcode 27.3 beta, num Mac com macOS Tahoe 26.6 ou posterior. A integração configura-se nas definições do Xcode, na secção Intelligence, e funciona com todos os planos Copilot. É uma segunda porta de entrada para os programadores Apple: a extensão GitHub Copilot for Xcode, distribuída separadamente, continua disponível. O GitHub não especifica os modelos disponibilizados nem as funcionalidades acessíveis a partir do assistente da Apple, e recolhe comentários no repositório da extensão ou através da ferramenta de comunicação de problemas da Apple (Feedback Assistant).

🔗 GitHub Copilot no assistente de código do Xcode

Vibe CLI 3.1.0 acrescenta /context, um indicador de utilização mensal e a leitura de imagens

4 de novembro — A Mistral publica Vibe CLI 3.1.0, a primeira versão menor desde a 3.0.0 de 19 de outubro, sem anúncio no X: 67 entradas (11 adições, 25 alterações, 29 correções e 2 remoções). O comando /context mostra o que preenche a janela de contexto (prompt de sistema, definições de ferramentas, skills, conversa, espaço livre e reserva de compactação automática), com uma estimativa em tokens por categoria. O rodapé apresenta a parte consumida da utilização mensal do Vibe Code, a amarelo e depois a vermelho, ou a indicação PAYG quando o pagamento por utilização entra em vigor. A ferramenta read_file também abre imagens com um modelo capaz de as ler, Ctrl+R pesquisa no histórico de prompts (a gravação de voz passa para Ctrl+T), e chega um conector MCP da Mistral em fase experimental.

Várias correções visam Mistral Large 4: um turno iniciado sem nível de raciocínio deixa de falhar com um erro 400, o seletor disponibiliza Low, High e Max, e o modo smart approve deixa de pedir aprovação a cada chamada de ferramenta com modelos que não conseguem desligar o raciocínio, como GLM 5.3. A definição smart_approve_default é substituída por default_agent = "smart-approve".

🔗 Notas de versão do Vibe CLI 3.1.0

Antigravity 2.29.0 começa a disponibilizar um modo de voz Gemini Live e agentes remotos na cloud

3 de novembro — A versão 2.29.0 da aplicação Antigravity (22 melhorias, 13 correções) começa a disponibilizar gradualmente duas funcionalidades. O modo de voz, baseado no Gemini Live, permite falar com o Antigravity e fazer pedidos ao agente por voz. Os agentes remotos (remote agents) chegam aos subscritores do Google AI Ultra e Pro: as conversas de um projeto na cloud são executadas na cloud em vez de no computador e continuam acessíveis através de antigravity.google.com/remote. Desde agosto, já era possível controlar o Antigravity à distância com o Remote Control, mas a sessão era executada na máquina do utilizador; desta vez, é a própria execução que sai do computador.

A versão acrescenta também um visualizador nativo de notebooks Jupyter, uma página de automatizações reformulada (agendadas, sempre ativas, em pausa) e, no navegador integrado, downloads e um histórico de navegação. Quanto às correções, os worktrees Git criados para os subagentes passam a incluir as alterações locais sem commit.

🔗 O changelog do Antigravity

RoboColosseum avalia políticas robóticas numa frota de mais de 100 robôs reais

4 de novembro — O RoboColosseum abre as portas: uma iniciativa de avaliação aberta que mede as políticas robóticas fora dos laboratórios e dos simuladores, numa frota de robôs utilizados em condições reais (in-the-wild), como humanoides Unitree G1 em habitações ou braços YAM em restaurantes. O seu site indica que foi fundado pelo NUS MAGIC Lab, pela BitRobot, pela EAIC Singapore e pela Hugging Face, que se apresenta como parceira fundadora. O fio de lançamento anuncia mais de 100 robôs, mais de 140 cenários e 10 000 horas de avaliação gratuitas, atribuídas mediante candidatura.

Robotics has an evaluation problem. Most benchmarking efforts have measured progress in sim or labs.

🇵🇹 A robótica tem um problema de avaliação. A maioria dos esforços de medição tem acompanhado os progressos em simulação ou em laboratório. — @RoboColosseum no X

Existem duas modalidades. O Open Track coloca frente a frente dois modelos anónimos que recebem a mesma instrução inédita no mesmo cenário: um avaliador humano escolhe a melhor execução ou declara um empate. O Fine-tune Track ajusta cada modelo à mesma tarefa a partir das mesmas 100 demonstrações e depois concede-lhe 25 tentativas. A primeira campanha coloca cinco políticas de visão-linguagem-ação (VLA) frente a três modelos de fronteira.

Política avaliada (Franka, Open Track)	Criador do modelo	Pontuação DCR (±1 desvio-padrão)	Comparações às cegas
GPT-6 Astra	OpenAI	1 925 ±38	194
MolmoAct2	Ai2	1 869 ±24	1 859
G0.5	Galaxea	1 744 ±27	1 626
Claude Opus 5.5	Anthropic	1 636 ±47	206
GR00T N1.7	NVIDIA	1 350 ±36	1 797
π0.5	Physical Intelligence	1 285 ±43	1 845
LingBot-VLA v2	Robbyant	1 233 ±56	1 603
Grok 4.7	SpaceXSI	1 160 ±128	193

No braço Franka, a classificação online do Open Track (dados de 4 de novembro, atualizados de hora a hora, 4 662 comparações avaliadas às cegas) coloca o GPT-6 Astra na liderança, à frente do MolmoAct2 da Ai2, mas a diferença continua dentro das barras de erro, e os modelos de fronteira contam apenas com cerca de 200 comparações cada, contra mais de 1 600 para cada VLA. A Ai2 salienta que o MolmoAct 2 termina em segundo lugar sem treino adicional para estas tarefas.

O artigo que acompanha o lançamento, publicado no arXiv a 2 de novembro, apresenta uma visão mais matizada a partir de 5 699 comparações realizadas em 124 locais: os agentes de fronteira rivalizam com os VLA especializados, mas nenhum sistema realiza de forma fiável as tarefas em mundo aberto. Após o ajuste, o GR00T N1.7 assume a liderança no SO-101 e o π0.5 no Franka e no posto bimanual YAM, e as classificações do Open Track preveem mal as obtidas após o ajuste. No humanoide G1, nenhuma política conclui qualquer uma das cinco tarefas, com uma progressão média de 13,3 % a 23,2 %. Todas as execuções, incluindo os fracassos, são publicadas na Hugging Face no formato LeRobot.

🔗 O fio de lançamento do RoboColosseum · A classificação do RoboColosseum · O artigo arXiv 2611.02497

A OpenAI vai adquirir a Pierre Computer Company, cujas ferramentas Trees e Diffs já integram o Codex

4 de novembro — A OpenAI anuncia que vai adquirir a Pierre Computer Company, uma pequena empresa de ferramentas para programadores. O seu produto comercial, Code Storage, é uma API que permite às aplicações armazenar código e acompanhar o seu histórico com Git; as suas bibliotecas open source Trees, para navegar nos ficheiros de um projeto, e Diffs, para visualizar as alterações, já estão integradas na aplicação Codex.

Today we’re announcing that OpenAI will acquire @pierrecomputer to accelerate our vision for making Codex a place where teams can build software together with AI, from first idea to the version they ship. Pierre’s open-source developer tools already power parts of Codex today. Together, we’ll build on that foundation for the agentic era.

🇵🇹 Anunciamos hoje que a OpenAI vai adquirir a @pierrecomputer para acelerar o nosso projeto de fazer do Codex um lugar onde as equipas desenvolvem software com IA, da primeira ideia à versão que entregam. As ferramentas open source para programadores da Pierre já fazem funcionar algumas partes do Codex. Juntos, continuaremos a construir a partir destas bases para a era dos agentes. — @OpenAINewsroom no X

A OpenAI associa a operação ao Pando, o backend Git do seu monorepo apresentado dois dias antes: a empresa quer definir os padrões do desenvolvimento de software, desde a primeira branch criada por um agente até à implementação, e fazer avançar o controlo de versões (source control) em todo o setor quando a aquisição estiver concluída. Os projetos open source da Pierre continuarão abertos, e o Code Storage continuará acessível aos seus clientes enquanto as suas funcionalidades são integradas no Codex. A operação ainda tem de obter as autorizações regulamentares habituais; nem o valor nem o calendário foram divulgados.

🔗 A OpenAI vai adquirir a Pierre Computer Company

A IA ao serviço da ciência: um vault de bacteriófago com Claude, NeuralGCM+ na Ai2 e FVCOM portado para Rust

A Anthropic descreve com Claude a estrutura 3D de um vault proveniente de um bacteriófago

4 de novembro — A equipa científica da Anthropic publica a estrutura 3D de um vault produzido a partir de uma proteína de bacteriófago, uma estreia nos procariotas segundo a empresa. Os vaults são grandes estruturas proteicas ocas, com cerca de três vezes a massa de um ribossoma, descobertas em 1986 e cuja função continua desconhecida. Este, batizado L05 e produzido na bactéria E. coli, contém 96 cópias da mesma proteína, contra 78 nos mamíferos, com cerca de 9,5 megadaltons e aproximadamente 25 % mais volume. Uma pequena molécula não identificada, alojada em cada uma das 96 cópias, lembra a coenzima A pela sua forma: uma primeira pista para uma função, se vier a confirmar-se.

Claude participou em todas as etapas: procura de proteínas aparentadas entre cerca de 15 mil milhões de proteínas previstas com Claude Science, purificação reduzida de cerca de três dias para cerca de 90 minutos, primeiro modelo estrutural em 34 horas em vez de várias semanas, segundo a equipa. A Anthropic também detalha os seus erros: um protocolo com um aditivo que dificulta a entrada do ADN nas células custou duas semanas, e uma etapa habitual omitida na criomicroscopia eletrónica produziu um mapa misturado com a sua imagem espelhada. A pré-publicação está submetida ao bioRxiv; Leonard Rome, codescobridor dos vaults, aconselhou a equipa como consultor remunerado.

🔗 Investigação de partículas vault com Claude

A Ai2 lança NeuralGCM+, um modelo climático aberto financiado pela Google.org durante três anos

4 de novembro — A Ai2 lança um programa de modelação climática financiado pela Google.org com vários milhões de dólares ao longo de três anos (o valor exato não foi publicado), com apoio técnico da Google Research. O programa deverá produzir o NeuralGCM+, um modelo open source que dá continuidade ao NeuralGCM da Google Research: um modelo híbrido que resolve as equações físicas para a dinâmica em grande escala e confia à IA os processos mais finos, como a formação de nuvens e a precipitação. Num benchmark público, uma versão do NeuralGCM que inclui apenas a atmosfera simulou um ano de atmosfera global em oito minutos num único TPU.

A Ai2 quer acoplar-lhe o oceano e o gelo marinho para manter simulações estáveis ao longo de várias décadas, reduzindo os erros regionais de temperatura e precipitação nos últimos 50 anos. Os papéis estão distribuídos: a Google Research visa previsões a algumas semanas ou meses, e a Ai2 as tendências ao longo de anos e décadas, como a evolução das chuvas e da água disponível até meados do século no sudoeste dos Estados Unidos. Os modelos e as estruturas de modelação serão publicados com workflows documentados.

🔗 O artigo da Ai2 sobre a parceria com a Google

A Google porta para Rust o núcleo do FVCOM, um modelo oceânico Fortran de 174 000 linhas, com Gemini 4 Argon

3 de novembro — Outra forma de equipar a modelação dos oceanos: no blog do Antigravity, Dan Gruhl e Prashant Nair, da equipa AI R&D da Google, contam como o Gemini 4 Argon modernizou o FVCOM (Finite-Volume Community Ocean Model), um modelo oceânico costeiro com 174 774 linhas de Fortran 90 e de C distribuídas por 264 ficheiros. A partir de um único prompt, o agente portou o seu núcleo para Rust inteiramente seguro em termos de memória, em 59 minutos, sob quatro restrições: nenhum código unsafe, nenhuma alocação nos ciclos de cálculo, ficheiros com menos de 400 linhas e um resultado idêntico ao do Fortran com 100 sementes aleatórias.

A auditoria identificou seis bugs com várias décadas no código original, incluindo um overflow de inteiros em malhas com mais de 1 300 nós. As 100 simulações coincidem com o Fortran com uma precisão de 12 casas decimais.

Etapa da migração	Tempo de execução	Aceleração medida	Memória máxima
Fortran 90 e C originais (-O3)	883 ms	1,00x	11,84 Mo
Rust seguro idiomático	682 ms	1,29x	6,39 Mo
Estrutura de arrays (SoA), sem alocação em loop	548 ms	1,61x	5,83 Mo
Otimização orientada por perfil LLVM	469 ms	1,88x	5,48 Mo

A Google apresenta o método sob a forma de um skill open source, migrate-to-rust, que consta do repositório google/skills desde 13 de outubro.

🔗 O artigo do Antigravity sobre o FVCOM

API e plataformas para programadores: Decisions API da Perplexity, marca de água por predefinição do Grok, Together Compiler e Cohere no OpenRouter

A Decisions API da Perplexity pesquisa na web antes de responder

4 de novembro — A Perplexity acrescenta fundamentação na web (web grounding) à sua Decisions API, a API de modelos de decisão lançada a 1 de outubro, que responde com probabilidades em vez de texto. Até agora, o modelo só conhecia o seu treino e o contexto (state) enviado pelo programador. Com a configuração "mode": "web_grounding", o gateway começa por lançar uma pesquisa Perplexity Fast Search por pergunta (até 100 por pedido), acrescenta títulos, URL e texto das páginas ao contexto, e a resposta lista as fontes em search_results. Cada pesquisa custa 0,001 dólar além dos tokens de entrada (0,02 dólar por milhão para pplx-decider-v1.2). Com os SDK Python e TypeScript, o parâmetro é passado no corpo do pedido.

Métrica publicada pela Perplexity	Sem web grounding	Com web grounding
Teste interno, 328 afirmações	56,4 %	97,3 %
Teste interno, latência mediana	139 ms	366 ms
PWS-Decisions, 100 perguntas públicas	51 %	86 %

No benchmark público PWS-Decisions, a Perplexity mede também 370 ms de latência mediana e 685 ms no percentil 95 com a pesquisa na web.

🔗 Web grounding para a Decisions API

A SpaceXSI aplicará por predefinição uma marca de água ao texto dos seus modelos Grok na API a partir de 7 de novembro

3 de novembro — A versão 0.2.8 do SDK TypeScript da SpaceXSI tornou visível uma página de documentação atualizada a 31 de outubro: a partir de 7 de novembro de 2026, o texto produzido por grok-4.7, grok-4.6, grok-4.5, grok-4.3 e pelas três variantes de grok-4.20 receberá uma marca de água por predefinição na API, para cumprir o AI Act europeu. A marca de água, invisível, orienta ligeiramente a escolha dos tokens sem acrescentar qualquer caráter; abrange todas as API de texto, incluindo resultados estruturados e argumentos de chamadas de ferramentas, em todos os pontos de acesso. O cabeçalho x-watermark assinala uma resposta com marca de água, e a API de deteção, de natureza estatística, só está disponível mediante candidatura.

Apenas os administradores de equipa podem desativá-la, modelo a modelo, com efeito no prazo de 5 minutos, declarando que se aplica uma exceção prevista na lei e que a equipa assume sozinha as suas obrigações de marcação; alguns modelos podem permanecer bloqueados. A Anthropic alargou a sua própria marca de água de texto a 3 de novembro, enquanto a da OpenAI continua desativada por predefinição na API.

🔗 Marcação de resultados com marca de água, documentação da SpaceXSI

A Together AI lança Together Compiler, agentes que otimizam continuamente a inferência dos seus modelos abertos

4 de novembro — A Together AI confia a agentes a otimização do seu motor de inferência. O Together Compiler parte do modelo, do hardware e do perfil do tráfego: um enxame de agentes propõe alterações de kernels, um motor persistente testa a velocidade e a exatidão de cada uma face ao motor original, e apenas as alterações verificadas passam a produção. A Together fala de compilação contínua (continual compilation), reiniciada quando o modelo, o hardware ou a carga mudam.

Os ganhos anunciados são os da Together: até 2,6 vezes mais tokens por GPU à mesma velocidade por utilizador no Kimi K3, GLM 5.3, MiniMax M3.1-Flash e DeepSeek V4.1-Flash, após 24 horas de compilação em dois nós por modelo, face às melhores configurações publicadas no benchmark InferenceX da SemiAnalysis; até 50 % mais rápido em cargas de clientes; 1 111 e 1 205 tokens por segundo com baixa latência no MiniMax M3.1-Flash e no DeepSeek V4.1-Flash. A SemiAnalysis diz ter validado um dos resultados. O compilador já está ativado por predefinição no DeepSeek V4.1 Flash, GLM 5.3 Flash e GLM 5.3 em serverless. A Together apresenta-o como o primeiro sistema de inferência com autoaperfeiçoamento recursivo (recursive self-improvement) à escala de produção, uma formulação da sua exclusiva responsabilidade.

🔗 Together Compiler no blog da Together AI

A Cohere disponibiliza o Embed 5 e o Rerank 5 no OpenRouter

4 de novembro — As quatro variantes dos modelos de pesquisa da Cohere (Embed 5 Pro e Fast, Rerank 5 Pro e Fast) chegam ao OpenRouter, utilizáveis com a chave e os créditos OpenRouter existentes, aos preços da API da Cohere: 0,12 e 0,08 dólares por milhão de tokens para os embeddings, 0,05 e 0,02 dólares para a reordenação (reranking). Duas limitações próprias do OpenRouter: os vetores são devolvidos em vírgula flutuante (o int8 e o formato binário exigem a API da Cohere), e o Rerank 5 continua limitado a texto. A publicação, um tutorial de geração aumentada por recuperação (RAG), recorda que, segundo os testes da Cohere em 40 conjuntos de dados, consultar com o Embed 5 Fast um índice construído com o Embed 5 Pro conserva 98,4 % da qualidade de uma pesquisa inteiramente com o Pro.

🔗 Modelos de recuperação da Cohere no OpenRouter

Voz: remistura de vozes do Gemini 3.8 Flash TTS e ElevenAgents nos centros de contacto

O Gemini 3.8 Flash TTS ganha a remistura, que cria uma nova voz a partir de uma voz existente

4 de novembro — A Google acrescenta um terceiro modo de criação de vozes ao Gemini 3.8 Flash TTS, depois da conceção (Voice design) e da replicação lançadas a 23 de setembro. A remistura de vozes (Voice remixing) parte de uma voz existente, uma das mais de 2 000 vozes da biblioteca ou uma voz criada à medida, e modifica-a através de instruções em linguagem natural: timbre, altura, velocidade de fala, sotaque ou idade. A Google dá como exemplos um ligeiro sotaque do sul dos Estados Unidos ou uma voz de dragão que cospe fogo.

Na API, a chamada POST /v1beta/voices com gemini-3.8-flash-tts cria uma nova voz armazenada, independente da original, utilizável com o Gemini 3.8 Flash TTS e o Gemini 3.8 Flash-Lite TTS, e que pode, por sua vez, servir de base a uma nova remistura. No AI Studio, o botão Remix this voice propõe três versões para ouvir lado a lado. É necessário um projeto num nível pago (Tier 1 ou superior); cada projeto armazena até 200 vozes, e uma voz é conservada durante um ano após a sua última utilização.

🔗 O anúncio da Google no X · O guia Voice remixing

A ElevenLabs integra nativamente o ElevenAgents no NiCE CXone, Genesys Cloud, Amazon Connect e Five9

4 de novembro — O ElevenAgents, a plataforma de agentes de voz da ElevenLabs, passa a integrar-se nativamente em quatro grandes plataformas de centros de contacto, para acrescentar agentes de voz aos fluxos de chamadas existentes sem alterar a telefonia, o encaminhamento ou o CRM. Para qualquer outra plataforma, o ElevenAgents liga-se por SIP (Session Initiation Protocol), com fornecedores de telefonia como Twilio, Vonage, Telnyx, Plivo, Bandwidth ou Exotel.

Plataforma de centro de contacto	Modo de integração anunciado
NiCE CXone	Integração nativa, o CXone mantém a telefonia, o encaminhamento e os relatórios
Genesys Cloud	Audio Connector nativo, sem ligação SIP (SIP trunking)
Amazon Connect	O agente de IA do Amazon Connect chama o ElevenAgents e depois retoma o controlo
Five9	SIP através do Five9 AI Agent Connect, um módulo complementar do Five9

A publicação recorda as mais de 17 000 vozes em mais de 90 línguas e cita a AMC Health, que escolheu a ElevenLabs nomeadamente porque o Genesys já era a sua plataforma de telefonia. Não apresenta preços nem números de desempenho e dá continuidade à parceria com a Genesys anunciada a 3 de setembro.

🔗 O ElevenAgents integra-se com as principais plataformas de centros de contacto

Vídeo e música generativos: Kling 4.0 Flash para todos e Suno a partir de um ficheiro MIDI

A Kling disponibiliza o Kling 4.0 Flash para todos, no seu site e através da API

4 de novembro — O Kling 4.0 Flash, a variante rápida do Kling 4.0, em acesso antecipado limitado desde 28 de setembro, está agora aberto a todos no site Kling AI e através da API. A Kling esclarece que também é possível utilizá-lo através do seu servidor MCP, da sua CLI e dos seus plugins, incluindo os de Adobe Photoshop, Premiere Pro e After Effects. O anúncio não indica duração máxima, resolução nem preços, e as notas de versão da Kling terminam no lançamento do Kling 4.0, a 15 de outubro. Durante o acesso antecipado, o Kling 4.0 Flash produzia planos de 3 a 20 segundos em 720p; nada indica se estes limites mudaram.

🔗 O anúncio da Kling no X

O Suno permite começar uma canção a partir de um ficheiro MIDI

4 de novembro — O Suno passa a aceitar um ficheiro MIDI como ponto de partida de uma canção: arrasta-se um ficheiro .mid ou .midi para a página Create, ou escolhe-se no menu « + », e depois indica-se em linguagem natural o que o Suno deve fazer com ele, tocar as notas exatamente como estão escritas ou retomar um motivo para o desenvolver ou atribuir a outros instrumentos. Ao contrário de Remix e Cover, que partem de um ficheiro áudio (WAV ou MP3), o MIDI transmite as notas e o ritmo exatos, permitindo um controlo mais preciso. A publicação dá como exemplos o arranjo de um MIDI para orquestra completa, um coro gospel com piano ou um quarteto de cordas fiel aos acordes. No lançamento, a função utiliza o modo Simple Create e o modelo v6-wild e está reservada aos subscritores Pro e Premier; complementa a exportação MIDI acrescentada a 26 de julho.

🔗 Começar canções com MIDI

Os dots do ChatGPT passam a estar disponíveis de forma geral para Enterprise, Edu e Healthcare, ativados por predefinição a 18 de novembro

4 de novembro — Os dots, os agentes permanentes do ChatGPT lançados a 29 de setembro para os planos Pro e Business Premium com uma beta Enterprise, passam a estar disponíveis de forma geral para os espaços ChatGPT Enterprise, Edu e Healthcare elegíveis. Uma fase de pré-lançamento reservada aos administradores decorre até 18 de novembro de 2026: até lá, os dots permanecem desativados, salvo se o administrador os ativar; depois, ficam disponíveis por predefinição, salvo recusa do espaço de trabalho. Os administradores escolhem que membros lhes podem aceder, veem os dots pessoais e as suas ligações, podem colocá-los em pausa ou reiniciá-los e acompanham a utilização; segundo o artigo de ajuda, a ativação também exige políticas Agent Security compatíveis. Em matéria de conformidade, os dots suportam a residência dos dados e o Enterprise Key Management, com inferência alojada na UE ou nos Estados Unidos; os dots criados antes da disponibilidade geral migram para a região exigida no prazo de 30 dias e são elegíveis para HIPAA nos espaços abrangidos.

🔗 Notas de versão do ChatGPT Enterprise e Edu

Breves

Agentes e ferramentas de código

Zed 1.27 e versão de pré-lançamento 1.28 — A versão estável 1.27 incorpora a versão de pré-lançamento de 28 de outubro (painel Agent mais eficiente no consumo de recursos, fim dos pontos de restauro, macOS 12 como mínimo); a versão de pré-lançamento 1.28 segue a versão mais recente do Agent Client Protocol, trunca a 2 000 caracteres as linhas lidas pelo agente e corrige três falhas da compactação do contexto. 🔗 fonte
Delta 0.24 — As alterações de uma sub-conversa são integradas na conversa principal (/merge-into-parent, /pull-from-subthread), um agente lê uma conversa partilhada apenas a partir da sua ligação e escreve ao agente de outra conversa com delta thread send; os servidores MCP aceitam tokens bearer e cabeçalhos personalizados. 🔗 fonte
Copilot CLI 1.0.106-7 a 1.0.106-9 — Três versões de pré-lançamento, ainda sem uma versão estável 1.0.106: um comando /code abre a sessão em curso no VS Code, o nível Fusion é configurado em copilot config, e 79 correções neutralizam, nomeadamente, novas sequências de escape. 🔗 fonte
Gemini CLI v0.67.0 e v0.68.0-preview.0 — A versão estável promove a série 0.67.0 já apresentada e a preview reúne as nightlies dos últimos oito dias; a única novidade é que a nightly de 4 de novembro faz com que gemini hooks migrate reconheça o evento SubagentStop do Claude Code e acrescenta --userns=keep-id em Podman sem permissões root. 🔗 fonte
Qwen Code v0.26.7 — Os hooks, as autorizações e os servidores de linguagem fornecidos por um repositório deixam de ser executados sem que seja concedida confiança explícita à pasta; qwen serve passa a aceitar ligações remotas, e a escolha forçada de ferramenta é corrigida para Claude Opus 5.5, Sonnet 5.5, Fable 5.1 e Mythos 5.1. 🔗 fonte
Kimi Code 2.5.0 — Uma sessão pode ser iniciada num ambiente SSH, Docker ou definido por um comando (--environment), e /model ou /effort podem ser utilizados enquanto o agente trabalha; vários endpoints REST e WebSocket do servidor são removidos, embora estas alterações estejam classificadas como correções. 🔗 fonte
CLI mistral 0.17.0 — mistral agents init cria um projeto de agente, e uma aplicação pode incorporar um agente que mistral dev disponibiliza em desenvolvimento e que mistral deploy publica, mediante a flag mistral_cli_agents; a ligação mistral login --device passa a ser recusada. 🔗 fonte
DeepSeek Harness 0.2.2-rc.1 — Primeira versão candidata da série 0.2.2 e 37.ª versão de pré-lançamento sem versão estável: retoma sobretudo as versões alpha já abordadas, alinha os SDK TypeScript e Python com o modo Web e retira o Ralph loop e a pesquisa de sessões do estatuto experimental. 🔗 fonte
Fábrica de software segundo Zach Lloyd — No blog da Warp, defende que uma fábrica de software (software factory) não se constrói encadeando prompts e agentes cloud, mas como uma stack: fábrica descrita em código, orquestração duradoura, avaliações e reexecução de tarefas anteriores, integrações API e MCP em primeiro lugar. 🔗 fonte

Plataformas, API e administração

Together AI e Kimi K3.1 Pro — A Together AI disponibiliza o Kimi K3.1 Pro no dia da publicação dos seus pesos, tal como está ou após pós-treino em RL ou SFT com Together Post-Training; o anúncio não apresenta preços. 🔗 fonte
SDK da OpenAI — openai-python 3.45.0 e openai-node 7.50.0 suportam a cache de respostas de 12 horas e os níveis de serviço por projeto, anunciados em outubro; no Codex CLI, não há nenhuma versão estável desde a 0.166.0 de 29 de outubro, apenas versões de pré-lançamento com notas vazias. 🔗 fonte
Métricas de utilização do Copilot — A API de métricas de utilização passa a distinguir a utilização BYOK (bring your own key) local, contabilizada como limite inferior, e assinala os modelos empresariais personalizados com o indicador is_custom_enterprise_model; os totais existentes mantêm-se. 🔗 fonte
grok-imagine-image-quality retirado — Desde 2 de novembro, a SpaceXSI processa os pedidos deste modelo de imagem com grok-imagine-image-2.0 em qualidade baixa, sem alterações de código, a 0,04 dólares por imagem 1K e 0,06 dólares por imagem 2K, ou seja, 0,01 dólares menos do que antes. 🔗 fonte
Claude Marketplace — 14 agentes e produtos de parceiros juntam-se ao Claude Marketplace, da Chainguard à Zoom, passando por Datadog, Netlify, Runway e Glean, elevando o total para mais de 25, pagáveis com uma parte do compromisso de despesa com a Anthropic das empresas elegíveis. 🔗 fonte

Segurança

Chave GPG da Warp — A Warp renova por precaução a subchave GPG que assina parte dos seus pacotes Linux, após um incidente de segurança não identificado e sem utilização fraudulenta detetada; em Fedora 42 e anteriores, RHEL e openSUSE, é necessário eliminar primeiro a chave antiga. 🔗 fonte
GPT-5.6 Cyber no AWS GovCloud — Os clientes aprovados do Daybreak Red acedem ao GPT-5.6 Cyber na região AWS GovCloud (US-East) através do Amazon Bedrock, após aprovação da OpenAI e posterior ativação pela AWS; a AWS já o tinha disponibilizado a 30 de outubro. 🔗 fonte
Mistral Large 4 perante uma falha do Django — Num vídeo acelerado 90 vezes, 133 agentes mapeiam o código, encontram e confirmam uma vulnerabilidade recente do Django, que o Le Chonk corrige em seguida; não são apresentados o número CVE, o custo nem a duração real. 🔗 fonte
CodeQL 2.27.4 — Menos falsos positivos em Java e Kotlin, em Rust e em C/C++, etiqueta CWE-730 removida das consultas ReDoS em seis linguagens, e os ficheiros ligados fora da raiz de um pack são excluídos aquando da sua criação; desta vez não há uma componente de IA. 🔗 fonte
Guia MCP da Perplexity — Três famílias e onze riscos dos sistemas MCP, da injeção indireta de prompt ao comprometimento de um servidor local, com as respetivas medidas de proteção; nenhum produto nem números da Perplexity. 🔗 fonte

Modelos abertos e investigação

Deteção de vozes sintéticas — Dois investigadores da Universidade de Melbourne publicam o VeriSpoof, um LLM áudio de 2,9 mil milhões de parâmetros que deteta uma voz sintética, atribui a sua origem e explica o seu veredito; taxa de erro igual (EER) média de 1,79 % no Speech-DF-Arena para a sua variante VeriSpoof-Plus segundo os autores, pesos sob licença não comercial CC BY-NC 4.0. 🔗 fonte
Field Extractor da Dharma-AI — Um modelo de 2B que devolve os campos de um documento em JSON tipado; no benchmark interno de 546 documentos, 0,834 contra 0,816 para o Claude Opus 5, perante modelos que não são os mais recentes dos respetivos fornecedores, e sem pesos encontrados no Hub. 🔗 fonte
OTAP da Cribl — Uma métrica que avalia um agente pela estrutura do seu plano, alinhada por transporte ótimo com planos de referência; segundo os autores, apresenta maior concordância com avaliadores humanos do que o ROUGE-L em 236 trajetórias (0,74 contra 0,64). 🔗 fonte

Agentes para o público em geral

Grok Bot e as compras — A 3 de novembro, o agente da SpaceXSI propõe uma experiência de compras: encontrar a melhor oferta, comparar artigos e acompanhar todas as encomendas; não são especificados países, planos nem comerciantes. 🔗 fonte
Grok Bot ao telefone — A 4 de novembro, a conta @bot anuncia que o Grok Bot pode fazer chamadas telefónicas, com um vídeo de demonstração, sem indicar países, planos nem preços. 🔗 fonte
Get Maine Lobster e Computer — Num projeto-piloto proposto pela Perplexity, com um orçamento de teste de 30 000 dólares fornecido pela Perplexity, a campanha Meta do Computer apresenta um retorno sobre a despesa publicitária (ROAS) 63 % superior e 3,5 vezes o volume de negócios para 2,1 vezes a despesa, em comparação com os anúncios habituais do cliente. 🔗 fonte
MotionSites no Computer — O skill de @viktoroddy permite ao agente da Perplexity construir sites animados em WebGL, com animações durante o deslocamento da página, a partir de 40 planos de referência e 52 recursos alojados; disponível para todos na web. 🔗 fonte
Manus em 3D — O Manus transforma fotografias numa versão 3D jogável do utilizador, que pode entrar nos mundos criados com o agente, dando continuidade ao Game Dev; não são indicados planos nem custos em créditos. 🔗 fonte

Imagem, vídeo e criadores

HeyGen Video 1 em dispositivos móveis — O modelo de vídeo da HeyGen chega à aplicação HeyGen para iOS e Android, sem informações sobre preços, duração ou resolução. 🔗 fonte
Pika H3 Flex — O modelo chega oficialmente à plataforma Pika, dois dias depois da data anunciada, com 15 gerações gratuitas por dia até 15 de novembro para os subscritores Creator e Fancy. 🔗 fonte
Character Sheet da Luma — No dia seguinte ao Expression Sheet, uma folha de personagem coerente com várias vistas, criada a partir de referências ou de uma descrição, com oito disposições; sem publicação nem preços. 🔗 fonte
HyperFrames — A família de ferramentas de vídeo da HeyGen afirma ter mais de 700 000 utilizadores mensais, sem indicar o método de cálculo, e abre um Discord dedicado à sua comunidade. 🔗 fonte

O que isto significa

Os pesos abertos atingem a escala da fronteira, com condições. Kimi K3.1 Pro, com 2,8T parâmetros e cerca de 1,56 To de ficheiros, pode ser descarregado livremente, e a Together AI disponibiliza-o e propõe fazer o seu pós-treino desde o primeiro dia. A sua licença mostra, porém, onde termina a abertura: acima de 20 milhões de dólares de volume de negócios, um revendedor tem de negociar com a Moonshot AI, e a licença de Mistral Large 4 já exigia, a 29 de outubro, uma licença comercial para disponibilizar o modelo como serviço. A infraestrutura acompanha esta evolução: Together Compiler delega em agentes a otimização de modelos abertos com arquiteturas muito diferentes e afirma conseguir até 2,6 vezes mais tokens por GPU. Por sua vez, a Cognition mantém por enquanto os pesos de SWE-2 Flash fechados devido ao risco cibernético e muda de base: SWE-2 assentava em Kimi K3, SWE-2 Flash num modelo americano.

Os agentes de código combinam-se e ganham ferramentas. VS Code põe Copilot, Claude e Codex a trabalhar na mesma sessão, Copilot passa a integrar o assistente nativo de Xcode, e a OpenAI vai adquirir as ferramentas Git que já equipam Codex, dois dias depois de ter apresentado Pando: o controlo de versões torna-se um terreno estratégico quando os agentes multiplicam as branches. O custo continua a ser a outra frente. SWE-2 Flash custa um quinto de SWE-2 segundo a Cognition, e a Anthropic confia a Haiku 5.5 a linha de estado dos subagentes para obter cerca de 6 % mais prompts dentro do mesmo limite.

A avaliação sai do banco de testes. RoboColosseum põe à prova políticas robóticas em robôs reais, em habitações e restaurantes, e o resultado relativiza as classificações: os modelos de fronteira rivalizam com os VLA especializados, mas nenhum sistema é fiável em mundo aberto, e nenhum conclui sequer uma tarefa no humanoide G1. A Decisions API da Perplexity parte da mesma constatação no software: um modelo que só conhece o seu treino comete erros sobre a atualidade, e a pesquisa na web faz pplx-decider-v1.2 passar de 51 % para 86 % num banco de testes público. Na ciência, a verificação torna-se o resultado a entregar: FVCOM em Rust coincide com a versão em Fortran a 12 casas decimais em 100 simulações, e a Anthropic publica os erros de Claude juntamente com os seus resultados.

A marca de água torna-se uma definição predefinida ditada pela regulamentação. A SpaceXSI ativa-a a 7 de novembro em sete modelos Grok em nome do AI Act, e só uma declaração de exceção legal permite dispensá-la; a Anthropic alargou a sua a 3 de novembro, enquanto a OpenAI deixa a sua desativada por predefinição. Para os programadores, a diferença não se vê no texto, mas no cabeçalho da resposta e na responsabilidade: desativar a marca de água significa assumir sozinho as suas obrigações de marcação.