OpenAI lança GPT-6 Cyber, Anthropic disponibiliza Personal Finance no Claude, Perplexity lança Teammates

A OpenAI lança GPT-6 Cyber, um modelo de cibersegurança classificado como Critical, inicialmente reservado a alguns clientes Daybreak Red, um dia depois de publicar o artigo em que o seu pipeline autónomo de pesquisa de vulnerabilidades, alimentado por este modelo, validou 948 vulnerabilidades de elevação de privilégios no kernel Linux por 1,2 milhões de dólares. A Anthropic disponibiliza Personal Finance no Claude, com acesso apenas de leitura e em versão beta nos Estados Unidos, e a Perplexity lança Teammates, agentes que trabalham continuamente, como os que a Mistral acrescenta ao Studio. Na área da criação, a OpenAI acelera a geração de imagens com Images 2.6 e a Google passa Gemini Omni 1.2 Flash para disponibilidade geral, com vídeos de 15 segundos e uma redução de preço de 30 %. Por sua vez, a Ricursive Intelligence publica Ripple-65B Preview, um modelo denso com pesos abertos orientado para programação com agentes.

OpenAI lança GPT-6 Cyber, um modelo de cibersegurança classificado como Critical, inicialmente reservado a clientes Daybreak Red

5 de novembro — A OpenAI lança GPT-6 Cyber, sucessor de GPT-5.6 Cyber, treinado para encontrar e validar vulnerabilidades exploráveis, mantendo-se dentro do âmbito definido pelos investigadores. O seu quadro de preparação (Preparedness Framework) classifica-o como Critical em cibersegurança, face a High para GPT-5.6 Cyber. Segundo a OpenAI, supera GPT-6 Astra na maioria das tarefas de cibersegurança, incluindo quando Astra não recusa o pedido.

Introducing GPT‑6 Cyber: a major advance in security research that pairs stronger capabilities with better model alignment. The model powered the Linux kernel research we announced yesterday, and security teams at companies like Mozilla, Palo Alto Networks, Calif, and Cisco—alongside our own at OpenAI—are already putting it to work. GPT-6 Cyber is available to select Daybreak Red customers and we are expanding access over time.

🇵🇹 Apresentamos GPT-6 Cyber: um grande avanço para a investigação em segurança, que combina capacidades reforçadas com um melhor alinhamento do modelo. O modelo alimentou a investigação sobre o kernel Linux anunciada ontem, e as equipas de segurança de empresas como Mozilla, Palo Alto Networks, Calif e Cisco, juntamente com as nossas na OpenAI, já o utilizam. GPT-6 Cyber está disponível para alguns clientes Daybreak Red e alargaremos o acesso ao longo do tempo. — @OpenAI no X

Os números publicados pela OpenAI dizem respeito primeiro à exploração e depois à capacidade do modelo de se manter na sua missão: ExploitGym Honeypot coloca perto do alvo serviços auxiliares deliberadamente fáceis de atacar, que o modelo deve deixar de lado.

Avaliação publicada pela OpenAI	Pontuação de GPT-6 Cyber	Ponto de comparação
ExploitGym (explorar remotamente uma vulnerabilidade específica)	48,5 %	32,1 % para GPT-5.6 Cyber
Teste de intrusão web sem acesso ao código-fonte	40,3 % das vulnerabilidades encontradas	32,0 % para GPT-6 Astra
RemoteExploitBench (avaliação inicial)	95 % de tarefas concluídas com sucesso	100 % de recusas para GPT-6 Astra (Daybreak Blue)
ExploitGym Honeypot, sem prompt de implementação	99,93 % de ataques fora do âmbito evitados	94,49 % para GPT-5.6 Cyber
SRE-Bench, engenharia inversa de binários (ficha do sistema)	92,84 %	87,98 % para GPT-6 Astra

No terreno, a OpenAI destaca 948 exploits de elevação local de privilégios no kernel Linux (detalhados abaixo) e 81 vulnerabilidades inéditas de gravidade elevada no Firefox, segundo a classificação da Mozilla, que começou a publicar as correções. As equipas de segurança da Cisco, Calif e CodeRabbit já o utilizam para pesquisar vulnerabilidades e rever código.

As salvaguardas são reforçadas: monitorização do desalinhamento específico da cibersegurança, Private Safety Processing geralmente obrigatório para clientes da API sem retenção de dados (registos encriptados conservados durante 30 dias no armazenamento do cliente), lista de endereços IP autorizados exigida por predefinição para o acesso à API de Daybreak Red e novos controlos contra a assistência a ataques a sistemas críticos. Um grupo Daybreak Red for Critical Infrastructure disponibiliza testes autorizados a defensores aprovados de infraestruturas críticas, após avaliações realizadas com a Dragos numa central elétrica simulada.

GPT-6 Cyber é inicialmente disponibilizado, na API e no Codex, a um grupo restrito de clientes Daybreak Red aprovados, antes de um alargamento gradual a todos esses clientes; GPT-5.6 Cyber fica disponível para esses clientes desde já. Na API, gpt-6-cyber custa 20 dólares por milhão de tokens de entrada (2 dólares em cache) e 100 dólares de saída, com uma janela de contexto de 1 050 000 tokens. A OpenAI promete mais anúncios numa transmissão em direto, «Cyber at the Frontier», a 12 de novembro às 10 h, hora do Pacífico.

🔗 GPT-6 Cyber: expandir a fronteira dos agentes de cibersegurança alinhados (OpenAI) · Ficha do sistema de GPT-6 Cyber

Um pipeline autónomo validou 948 vulnerabilidades de elevação de privilégios no Linux por 1,2 milhões de dólares

4 de novembro — Na véspera do lançamento, a equipa Cyber da OpenAI descreveu um protótipo que encadeia, sem intervenção, a descoberta de vulnerabilidades, a sua reprodução numa máquina virtual isolada, a avaliação da sua explorabilidade e a geração de correções, antes de uma análise humana. Funcionou durante dez dias em meados de outubro na versão mais recente do ramo principal do kernel Linux, com o modelo que o tweet de lançamento identifica como GPT-6 Cyber; as suas 948 vulnerabilidades de elevação local de privilégios são contabilizadas por correção distinta.

Etapa da execução	Resultado obtido	Custo em créditos API
Pesquisa pelos agentes analistas (12 h)	2 308 vulnerabilidades potenciais	316 549 dólares
Validação dinâmica (30 h)	1 724 vulnerabilidades reproduzidas	73 330 dólares
Exploração	1 169 exploits funcionais, 948 vulnerabilidades distintas	775 929 dólares
Execução completa, incluindo identificação e triagem	948 vulnerabilidades distintas de elevação de privilégios	1 213 430 dólares, ou seja, 1 279 por vulnerabilidade

No final de julho, GPT-5.6 Sol tinha encontrado e explorado apenas 166 vulnerabilidades deste tipo, por 513 690 dólares, e o kernel foi reforçado durante os três meses que separam as duas campanhas. No kernelCTF, o programa da Google com um kernel reforçado, o pipeline obteve 21 exploits em 112 horas por cerca de 32 936 dólares. Os agentes utilizaram pelo menos 10 técnicas de exploração desconhecidas tanto da OpenAI como dos especialistas consultados, cujos detalhes permanecem confidenciais. A OpenAI estima, a título de hipótese, que estas vulnerabilidades teriam valido entre 18,9 e 66,3 milhões de dólares segundo as antigas tabelas de recompensas de Pwn2Own e TyphoonPWN. Ao fim dos dez dias, 61 vulnerabilidades já estavam corrigidas upstream, 43 tinham uma correção em preparação e 299 eram objeto de discussões públicas.

🔗 Menos mil caminhos para root (OpenAI)

Anthropic lança Personal Finance no Claude, com acesso apenas de leitura via Plaid e em versão beta nos Estados Unidos

5 de novembro — A Anthropic lança Personal Finance no Claude, em versão beta nos Estados Unidos nos planos Pro, Max e Ultra. O utilizador associa as contas bancárias e os cartões que preferir e depois faz perguntas sobre dinheiro em linguagem corrente; o Claude responde com base nos seus próprios saldos e transações.

Introducing Personal Finance in Claude, in beta in the US. Connect the accounts you choose, and Claude answers your money questions in everyday language, from your own balances and transactions. Access is read-only, and Claude can’t move, manage, or invest your money.

🇵🇹 Apresentamos Personal Finance no Claude, em versão beta nos Estados Unidos. Associe as contas que preferir, e o Claude responde às suas perguntas sobre dinheiro em linguagem corrente, com base nos seus próprios saldos e transações. O acesso é apenas de leitura, e o Claude não pode movimentar, gerir nem investir o seu dinheiro. — @claudeai no X

A ligação é feita através do Plaid: o próprio utilizador inicia sessão no seu banco e autoriza aí o acesso do Claude, que nunca vê a palavra-passe bancária. Para as contas escolhidas, o Claude lê o nome do banco, o nome, o tipo e os quatro últimos dígitos de cada conta, os saldos, os limites de crédito e até dois anos de transações; para investimentos, empréstimos e cartões, lê apenas os saldos e os limites, sem aceder às posições nem às taxas. A funcionalidade não foi concebida para dar aconselhamento de investimento e não apresenta publicidade nem recomendações patrocinadas; a Anthropic esclarece que não oferece cartões de crédito, empréstimos nem contas poupança.

Uma página dedicada reúne despesas, fluxos de caixa, subscrições e próximas faturas. No exemplo do artigo, o Claude soma 4 309,37 dólares de despesas no mês, dos quais mais de metade em renda e encargos, lista quatro débitos diretos previstos antes do pagamento do salário e calcula quanto restará: 1 393,22 dólares. Também assinala débitos diretos duplicados, comissões inesperadas ou uma fatura que aumenta, e pode criar um gráfico, um calendário de vencimentos ou um painel.

Parâmetro da oferta	Valor anunciado
Planos abrangidos	Pro, Max e Ultra (sem Free, Team ou Enterprise)
País e bancos	Estados Unidos, até 16 bancos americanos
Estado do lançamento	Beta, disponibilização gradual a partir desta semana
Plataformas	Web, Claude Desktop, iOS e Android
Dados lidos	Até 24 meses de transações, com acesso apenas de leitura
Treino dos modelos	Conversas do espaço Personal Finance excluídas

Fora deste espaço, aplicam-se as definições de privacidade habituais; segundo o centro de ajuda, uma conversa que tenha utilizado as contas não alimenta a memória nem a pesquisa no histórico. As contas associadas não são utilizadas no Cowork, no Claude Code nem nas tarefas agendadas, e a funcionalidade não está disponível no Claude Duet. A Anthropic apresenta Personal Finance como um primeiro passo e afirma estar a explorar, sem data definida, uma colaboração com profissionais autorizados e instituições reguladas. O Claude junta-se ao ChatGPT, Perplexity e Grok, que também recorrem ao Plaid.

🔗 Apresentamos Personal Finance no Claude · Utilizar Personal Finance no Claude (centro de ajuda)

Agentes que trabalham continuamente: Perplexity Teammates e os agentes geridos do Mistral Studio

5 de novembro — A Perplexity lança Teammates, agentes pessoais para trabalhos de longa duração, anunciados por Aravind Srinivas e depois pela conta oficial da Perplexity. Cada colega de equipa (teammate) parte do que já existe no Computer: projetos, skills, memória, plugins e automatizações. Recebe um nome, uma função, uma instrução permanente e regras que indicam quando voltar a contactar o utilizador; planeia o trabalho, coordena sessões Computer e outros colegas de equipa, verifica os resultados ao longo do processo e entrega o trabalho concluído para validação. Mantém os objetivos, o histórico de tarefas e os ficheiros de uma execução para a seguinte, num único fio de conversa permanente.

Today, we’re launching Perplexity Teammates. They are personal agents for work. And change the paradigm from writing prompts in a session to giving high-level goals. Rolling out to Max users on the web today. Native apps (mobile, desktop) coming soon.

🇵🇹 Hoje, lançamos Perplexity Teammates. São agentes pessoais para o trabalho. E mudam o paradigma: da escrita de prompts numa sessão para a definição de objetivos de alto nível. Disponibilização hoje para utilizadores Max na web. As aplicações nativas (telemóvel, computador) chegam em breve. — @AravSrinivas no X

A diferença em relação ao Computer está na proatividade. Um colega de equipa monitoriza o trabalho em curso e age quando algo muda, sem um novo pedido: um colega de equipa comercial identifica um cliente habitual que deixou de comprar, analisa as suas encomendas e os seus tickets e depois prepara uma proposta ou assinala um problema. Segundo a FAQ, os colegas de equipa funcionam em segundo plano 24 horas por dia e avisam quando é necessária uma decisão. Adicionado a um canal Slack, um colega de equipa recebe trabalho de colegas, e os colegas de equipa passam tarefas entre si: um encontra bugs num site, outro prepara as correções.

Aspeto do produto	Detalhe publicado pela Perplexity
Plano necessário	Apenas Perplexity Max
Plataformas	Web a partir de 5 de novembro, aplicações nativas anunciadas sem data
Custo de utilização	Gratuito durante um período promocional, depois créditos mensais incluídos no Max
Isolamento	Ambiente de trabalho, navegador, sessões e cookies próprios de cada colega de equipa
Permissões	As das ferramentas e dos projetos do Computer, credenciais encriptadas

O utilizador pode rever o trabalho, assumir o controlo do ambiente de trabalho ou reorientar um colega de equipa durante o processo. O fim do período promocional não tem data definida, e a Perplexity promete alargar o acesso e as funcionalidades nas próximas semanas. Teammates dá continuidade ao Computer no Slack, lançado a 1 de abril, e às automatizações de 29 de setembro.

🔗 Teammates são agentes para trabalho complexo e contínuo (Perplexity) · Página do produto Perplexity Teammates

A Mistral amplia o Studio com agentes geridos e aplicações e passa o Workflows para disponibilidade geral

5 de novembro — Para as empresas, a Mistral amplia o Studio, a sua plataforma de IA: os agentes geridos (Managed Agents) e as aplicações (Apps) chegam em pré-visualização pública, e o Workflows, em pré-visualização pública desde o final de abril, passa para disponibilidade geral. Os três componentes estão disponíveis desde 5 de novembro no Mistral Cloud e chegarão às implementações em cloud privada e em instalações locais no final de novembro. Os agentes geridos escrevem-se em Python com o SDK mistralai-agents: definido uma vez, o mesmo agente executa-se em servidores próprios (agents serve) ou na Mistral (agents deploy), trabalha em segundo plano durante horas ou dias, retoma a partir da última etapa concluída após uma falha e pode aguardar a aprovação de uma pessoa. O Studio fornece às aplicações alojamento, autenticação e controlo de acesso. As notas de versão enumeram doze novidades, incluindo um construtor de fluxos de trabalho em linguagem natural com o Mistral Vibe, avaliações offline e com tráfego real, um índice de pesquisa gerido e webhooks. A Mistral cita, entre outros, a ABANCA, o BNP Paribas, a Capgemini e a CMA CGM entre os clientes e parceiros que já utilizam o Studio em produção. Não são publicados preços, e a API dos agentes geridos ainda pode mudar durante a pré-visualização.

🔗 O Le Chonk traz a inteligência. O Studio põe-na a trabalhar (Mistral AI)

A OpenAI lança o Images 2.6: GIF animados, imagens de referência e dois modelos de API 50 % mais rápidos

4 de novembro — Dois meses depois do Images 2.5, a OpenAI lança o Images 2.6 no ChatGPT, no Codex e na API, com um anúncio publicado na noite de 4 de novembro. O modelo gera imagens 50 % mais depressa e preserva melhor os detalhes entre retoques, por exemplo, a roupa de uma personagem quando se muda o fundo. Está disponível em todo o mundo no ChatGPT e no Codex, em todos os planos, na web, no computador e em dispositivos móveis.

Duas funcionalidades chegam ao ChatGPT. A criação de GIF, em fase de disponibilização, transforma um prompt, uma imagem ou um esboço numa animação em ciclo, com velocidade de reprodução ajustável e a possibilidade de retocar cada fotograma. As imagens de referência guardadas permitem reutilizar uma fotografia em novas conversas: guarda-se a fotografia do cão com o nome Pepper e depois pede-se um retrato em aguarela de @Pepper sem voltar a enviá-la.

Modelo da API	Ponto forte anunciado	Imagem de saída, por milhão de tokens
`gpt-image-2.6-flare`	Uma imagem em seis segundos em qualidade baixa, composição cuidada de cartazes e materiais visuais	30 dólares
`gpt-image-2.6-sunburst`	Melhor qualidade e consistência ao longo dos retoques, em qualidade média ou elevada	30 dólares

Na API, os dois modelos servem tanto para geração como para retoque. A API ganha também um parâmetro de complexidade, que regula o grau de planeamento do modelo (um valor baixo é adequado para retoques rápidos), exportação SVG, geração de GIF animados e edição orientada por anotações, também disponível para os modelos GPT Image 2.5 compatíveis. Os preços são os do GPT-Image-2.5 Flare: 5 dólares por milhão de tokens de texto de entrada e 8 dólares por milhão de tokens de imagem de entrada. A OpenAI quantifica a utilização em 4 mil milhões de imagens por semana com o ChatGPT, o Codex e a API, ou seja, mais de 500 milhões por dia. OpenArt, Figma Weave, Picsart, fal, Sable e Higgsfield tiveram acesso antecipado, e a HeyGen integrou-o logo no dia seguinte (ver as Breves).

🔗 Apresentação do Images 2.6 (OpenAI) · Notas de versão do ChatGPT

A Google passa o Gemini Omni 1.2 Flash para disponibilidade geral: vídeos de 15 segundos e preços 30 % mais baixos

5 de novembro — A Google lança o Gemini Omni 1.2 Flash, nova versão do seu modelo de geração e edição de vídeo, em disponibilidade geral na API Gemini (gemini-omni-1.2-flash, apenas no escalão pago) e no Gemini for business. Segundo a Google, é a primeira vez que o Gemini Omni está em disponibilidade geral com a infraestrutura do Google Cloud, incluindo o Provisioned Throughput; cada resultado inclui uma marca de água SynthID.

O modelo produz e edita nativamente clips de 15 segundos, contra 10 no Omni 1.1, com duração ajustável ao segundo entre 3 e 15 segundos. Respeita melhor as referências (imagens de personagens, produtos ou estilos, pequenos clips de movimento, pistas de áudio, até 6 imagens de referência na API) e produz menos cortes bruscos (jump cuts). A edição conversacional em vários turnos funciona em clips completos de 15 segundos, com diálogos mais naturais e uma sincronização labial mais precisa. Na API, a extensão de um clip acrescenta entre 3 e 10 segundos por turno, até 30 segundos no total, e os limites de débito do escalão pago duplicam.

Parâmetro comparado	Omni 1.1 Flash	Omni 1.2 Flash
Duração nativa máxima	10 segundos	15 segundos
Vídeo de saída, por milhão de tokens	17,50 dólares	12 dólares
Preço efetivo em 720p	cerca de 0,10 dólar por segundo	cerca de 0,07 dólar por segundo

A Google anuncia assim uma redução de 30 %: um clip de 15 segundos em 720p custa cerca de 1,04 dólar, e cada segundo custa 0,023 dólar em 360p e 0,209 dólar em 4K sobreamostrado. A 3 de dezembro, todos os pedidos dirigidos a gemini-omni-1.1-flash serão encaminhados para a versão 1.2 e faturados ao respetivo preço. Para o público em geral, o modelo chega ao Flow, ao Google Vids, onde os clips de 15 segundos não têm qualquer custo adicional com uma conta Google ou uma subscrição Workspace, ao Google Ads e à aplicação Gemini para todos os subscritores Google AI, estando aí os vídeos de 15 segundos reservados ao Google AI Ultra. A Runway adicionou-o no próprio dia (ver as Breves). A Google reconhece que há melhorias a fazer nas ações desportivas rápidas, nas alterações rápidas de guião e na física complexa, e não publica qualquer benchmark.

🔗 Apresentação do Gemini Omni 1.2 Flash (Google) · Preços do Gemini Omni 1.2 Flash

A Luma liga os seus fluxos de trabalho criativos ao Claude e ao ChatGPT através de um conector MCP

3 de novembro — A Luma lança um conector MCP que leva as suas ferramentas de criação para o Claude e o ChatGPT; a publicação, datada de 3 de novembro e atualizada a 4, foi partilhada pela Luma a 5. O conector dá acesso ao Luma Agent, apresentado como capaz de orquestrar um projeto inteiro a partir de um único prompt, e aos fluxos predefinidos da Luma: Product Shots, Camera Angles, Background swap, Relight Studio e pequenos clips promocionais. As imagens e os vídeos finais são devolvidos na conversa. O cenário destacado destina-se ao marketing: perguntar ao assistente qual foi o anúncio com melhor desempenho na semana anterior e depois pedir à Luma que crie variantes do vencedor, com novas cenas, novos ângulos e nova iluminação. A conta Luma liga-se uma única vez e cada geração consome créditos da subscrição Luma, sem um preço específico para o conector. A Luma já tinha ligado um conector MCP ao Claude Motion a 8 de outubro; a novidade está no ChatGPT, nos fluxos predefinidos e no Luma Agent, agora disponíveis nos dois assistentes. A Luma junta-se à Runway, à Synthesia, à Suno e à HeyGen, que ligaram as suas ferramentas aos assistentes nas últimas semanas.

🔗 Ligar a Luma ao ChatGPT e ao Claude (Luma)

A Ricursive Intelligence publica o Ripple-65B Preview, um modelo denso de pesos abertos orientado para código agêntico

4 de novembro — A Ricursive Intelligence, um laboratório até agora ausente desta cobertura, publica o Ripple-65B Preview: um modelo de linguagem denso de 65 mil milhões de parâmetros, pré-treinado de raiz com 12 000 mil milhões de tokens, sob licença Apache 2.0, com um contexto de até 1 048 576 tokens. A publicação inclui o modelo treinado para seguir instruções em BF16 e em NVFP4, um modelo base resultante apenas do pré-treino e um pequeno modelo de rascunho DFlash2 para descodificação especulativa. A Ricursive apresenta-se como um laboratório que otimiza conjuntamente hardware, software e modelo, e o Ripple-65B Preview é a variante generalista do modelo proprietário da sua plataforma de conceção de chips por IA.

Os resultados destacados dizem respeito ao código agêntico: 80,5 % no Terminal-Bench 2.1, 79,1 % no SWE-Bench Pro v2.0-Hard e 44,3 % no DeepSWE v1.1. A Ricursive reivindica a liderança entre os modelos americanos de pesos abertos neste domínio, à frente de modelos muito maiores, de mistura de especialistas (Mixture-of-Experts, MoE); a alegação diz respeito aos modelos abertos americanos, não ao conjunto de todos os modelos abertos.

Característica (ficha da Ricursive)	Ripple-65B Preview	Reflection Beam	Muse Spark Open	Inkling	Nemotron 3 Ultra
Arquitetura do modelo	Denso	MoE	MoE	MoE	MoE
Parâmetros totais	65B	501B	816B	975B	550B
Parâmetros ativos	65B	23B	42B	41B	55B
Terminal-Bench 2.1	80,5	80,1	76,4	63,8	56,4
GPQA Diamond	85,2	90,6	89,0	87,2	87,0

A Ricursive fala de uma comparação feita com os melhores meios disponíveis (best-effort): resultados oficiais dos concorrentes quando existem, avaliação interna nos restantes casos, harnesses diferentes consoante os testes e resultados no Terminal-Bench 2.1 sempre mais baixos com o harness oficial Terminus 2, exceto para o Muse Spark Open. Em conhecimentos gerais (GPQA Diamond), o Ripple continua atrás dos concorrentes.

A receita é a de uma pequena equipa, que passou de uma para cinco pessoas. A Ricursive partiu da receita de treino do Olmo 3, o modelo aberto da Ai2, e reformulou-a em todas as vertentes (leis de escala, arquitetura, dados, pós-treino): afirma ter multiplicado por 16 a eficiência computacional em código face à série de modelos Olmo 3, e em até 55 vezes no treino completo. O modelo é denso em vez de uma mistura de especialistas, para simplificar a infraestrutura, com uma arquitetura estreita e profunda inspirada no Gemma 3N (80 camadas) e um treino em BF16 sem kernels de cálculo próprios. O pós-treino, relativamente leve, atingiu 80,5 no Terminal-Bench 2.1 com 1,4 milhões de trajetórias de aprendizagem por reforço (rollouts), cerca de 70 vezes menos do que o Reflection Beam, segundo a Ricursive.

O modelo gera 250 tokens por segundo em duas B200 (lotes de 8) sem quantização e cabe numa DGX Spark com o checkpoint NVFP4. A Together AI disponibiliza-o desde 5 de novembro a 0,20 dólar por milhão de tokens de entrada e 0,60 dólar de saída, com uma janela de 128K tokens na sua plataforma, e a Atomic Chat publicou um primeiro GGUF ao adaptá-lo ao llama.cpp.

🔗 O anúncio da Ricursive no X · Ripple-65B Preview no Hugging Face · Ripple-65B Preview na Together AI

Agentes de código: Devin Review 2.0, aplicações online no Cursor, microVM da Replit e Qwen Code v0.26.8

A Cognition lança o Devin Review 2.0, uma revisão de PR mais barata e incremental por predefinição

5 de novembro — A Cognition lança o Devin Review 2.0 e torna-o a ferramenta predefinida de revisão de pull requests quando se trabalha com o Devin. A publicação destaca no título uma revisão cinco vezes mais barata desde agosto e quantifica em 82 % a redução do custo por PR nesse período, graças a uma melhor combinação de modelos e à otimização do harness; a thread de anúncio de @cognition fala, por sua vez, de uma revisão até cinco vezes mais barata. Uma revisão típica custa entre 0,25 e 0,75 dólar, e um bug corrigido custa em média cerca de 2,25 dólares aos clientes. Segundo a Cognition, o número médio de bugs encontrados por PR passa de 1,22 para 1,32 e a latência mediana de 139 para 94 segundos. A revisão passa a ser incremental por predefinição: cada nova passagem relê apenas o que mudou, cerca de 80 % dos PR custam menos de um dólar, incluindo todos os pushes, e um limite de despesa por PR evita derrapagens. Acrescentam-se o Devin Review Ultra, um nível de esforço mais aprofundado e mais caro para código sensível (faturação, segurança), e revisores personalizados (Custom Reviewers) em beta; não são publicados novos preços.

🔗 Devin Review 2.0 (Cognition)

O Cursor constrói, aloja e partilha aplicações online

5 de novembro — O Cursor permite construir aplicações online e partilhá-las através de um link. Constatação inicial segundo o Cursor: os agentes reduziram o custo do código, mas a maioria das ferramentas criadas nunca sai da máquina local (localhost). Lança-se um agente cloud pedindo-lhe explicitamente uma aplicação: o Cursor cria a estrutura inicial, cria uma base de dados Postgres se necessário, coloca a autenticação por trás do início de sessão do Cursor e aloja a aplicação numa conta dedicada, isolada das contas das outras equipas. Antes de qualquer publicação no domínio escolhido, quatro verificações determinísticas (segredos escritos nos ficheiros, ficheiros de credenciais, ficheiros .env, mapas de código-fonte) e uma revisão de segurança por IA têm de ser bem-sucedidas, seguindo-se a publicação explícita pelo utilizador. Os administradores veem todas as aplicações e todos os segredos, acrescentam as suas próprias regras de revisão e podem despublicar qualquer aplicação. A partilha destina-se a pessoas, grupos, à equipa ou ao público, estando esta última opção desativada por predefinição para Teams e Enterprise. A funcionalidade está disponível em todos os planos pagos com agentes cloud, a partir do Cursor Origin ou do GitHub, com o GitLab anunciado para breve; não é indicado qualquer preço de alojamento.

🔗 Criar aplicações online no Cursor · Documentação do Cursor sobre aplicações

Replit reescreve o seu motor de sandbox em torno de microVM, cada uma com o seu núcleo Linux

4 de novembro — Replit publica a primeira parte de uma série sobre o seu novo motor de sandbox, disponibilizada na noite de 4 de novembro e divulgada no dia seguinte. Cada sandbox é agora uma microVM, uma máquina virtual leve com o seu próprio núcleo Linux, em vez de contentores que partilham o núcleo do anfitrião; Replit afirma ter migrado centenas de milhões de projetos sem perda de dados. O monitor Cloud Hypervisor partilha componentes com Firecracker, e o núcleo convidado, construído a partir de tinyconfig, dispensa Bluetooth, USB e controladores de vídeo.

Auditoria das CVE do núcleo Linux (1 de junho a 4 de novembro de 2026)	Valor segundo Replit
CVE publicadas e auditadas	6 211
CVE evitadas pelo novo motor	5 969 (96,1 %)
Correções integradas antes da divulgação	4 375 (70,4 %)
CVE excluídas pela configuração do núcleo	676 (10,9 %)

Para a CVE-2026-98432, a falha TCP cuja exploração a Anthropic demonstrou, o núcleo corrigido já estava em funcionamento desde 12 de outubro. As regras de saída de rede são aplicadas fora da máquina convidada, por um proxy no anfitrião, e intermediários de credenciais fazem chamadas ao GitHub ou ao Google Docs sem nunca entregar a chave da conta ao sandbox. Um sandbox fica disponível em cerca de 500 milissegundos; uma segunda parte abordará a orquestração de dezenas de milhares de microVM com Kubernetes.

🔗 Por dentro do novo motor de sandbox do Replit, parte 1

Qwen Code v0.26.8 liga-se às subscrições Plus e Pro do Qwen

5 de novembro — Qwen Code v0.26.8 restabelece o acesso através de uma conta Qwen, agora associado a uma subscrição. No CLI, na extensão VS Code e na aplicação Desktop, a opção « Qwen Account with Subscription » permite utilizar uma subscrição Plus ou Pro contratada em chat.qwen.ai, sem chave API: o cliente carrega o catálogo de modelos da conta, utiliza a subscrição para a conversação e a pesquisa web integrada, e orienta o utilizador em caso de erro de autenticação, de quota ou de limite de pedidos. Segundo o pedido de integração que a introduz, esta via responde ao fim do antigo serviço OAuth gratuito; nem a nota de lançamento nem a documentação indicam a data desse fim ou o preço dos planos, e tanto a CI como os contentores continuam a usar uma chave API. Esta versão estável, sem alterações que quebrem a compatibilidade, conta com 83 entradas, incluindo 14 funcionalidades, 37 correções e 13 otimizações de desempenho: os Mods podem submeter os seus próprios prompts, e os hooks fornecidos por um projeto passam a exigir aprovação numa caixa de diálogo. A aplicação Desktop v0.26.8 e o SDK TypeScript v0.1.28 são lançados no mesmo dia.

🔗 Qwen Code v0.26.8

Inferência mais rápida: o CPU Vera da NVIDIA, sgl-muse-mega da Meta e Runway Characters em tempo real

NVIDIA quantifica a vantagem do seu CPU Vera sobre os x86 para agentes

5 de novembro — NVIDIA publica novos números sobre Vera, o seu processador concebido para agentes. Cada etapa de um agente (pesquisar, consultar uma base de dados, escrever e testar código, agir) é executada num CPU e, como as fábricas de IA estão limitadas pela energia, a NVIDIA mede o trabalho realizado por watt. Na sua própria comparação, à escala de um centro de dados de 100 megawatts, um único CPU Vera executaria 1,6 vezes mais agentes por watt do que o x86 mais rápido e tornaria os agentes duas vezes mais rápidos do que o x86 mais eficiente em termos energéticos; nenhum dos dois é identificado. A NVIDIA cita também os resultados de seis parceiros:

Parceiro citado pela NVIDIA	Resultado anunciado com Vera
Perplexity	Programação agêntica 1,5 vezes mais rápida do que em CPU tradicionais, implementação prevista
DeepInfra	Até 2,2 vezes a velocidade do melhor x86 em orquestração agêntica
ClickHouse	Escalabilidade quase linear em 176 núcleos, no topo da classificação ClickBench
DuckLabs	Cerca de 1,5 vezes o desempenho mediano de um Intel Xeon 6 no TPC-H SF1000
Daytona	1 000 sandboxes disponíveis em 10,8 s, contra 88,4 s em x86
Modal	Até 2 vezes o débito de sandboxes por núcleo face a um x86 comparável

A publicação não indica preços nem calendário; Vera tinha sido apresentado no CES em janeiro e depois entregue à AWS no final de agosto.

🔗 Vera oferece o melhor dos dois mundos (NVIDIA)

Meta publica sem anúncio sgl-muse-mega, que descodifica Muse Spark Open até 2,1 vezes mais depressa em GB300

5 de novembro — A Meta publicou no GitHub da facebookresearch, sob licença MIT e sem anúncio, sgl-muse-mega: um plugin para o motor de inferência SGLang que serve Muse Spark Open, o seu modelo com pesos abertos de 816 mil milhões de parâmetros (42 mil milhões ativos), em GPU GB300. Em vez de lançar centenas de pequenos núcleos de cálculo (kernels) por passo de descodificação, executa cada camada do descodificador num único lançamento e reúne a proposta DFlash2, a verificação e a aceitação da descodificação especulativa no mesmo grafo CUDA. Segundo o README, um único pedido atinge até 1 109 tokens por segundo no GSM8K com oito GB300, contra 517 para o SGLang com a mesma proposta, ou seja, 2,1 vezes mais; um passo de descodificação passa de 12,9 ms e 1 450 núcleos para 5,9 ms e 97 núcleos. O ganho só se aplica à descodificação de um pedido de cada vez (os outros pedidos voltam a usar o SGLang), a ferramenta está assinalada como experimental e exige oito GB300 no mesmo domínio NVLink, ou quatro num nó.

🔗 sgl-muse-mega (facebookresearch)

Runway serve em tempo real o modelo de vídeo de 57B do Runway Characters em quatro H100

5 de novembro — Runway Research publica uma entrada no blog e um artigo no arXiv sobre a forma como Runway Characters, os seus personagens de vídeo com os quais se conversa em direto a partir de uma única imagem, consegue funcionar em tempo real. Um transformer de difusão de vídeo autorregressivo com cerca de 57B de parâmetros tem de produzir, a 24 imagens por segundo, um bloco de quatro imagens em 704x1088 a cada 166,7 ms, para um único utilizador: é impossível agrupar os pedidos de vários utilizadores, pelo que cada milissegundo tem de ser ganho na própria etapa. A primeira oportunidade de otimização é a cache: 29 % do tempo de GPU era usado para reprocessar, em cada uma das 240 chamadas de atenção, uma cache quase inalterada. Ao aplicar RoPE e a quantização FP8 uma única vez, na escrita, numa cache circular, a Runway reduz a sua manutenção de 69,7 para 6,2 ms por etapa.

Configuração medida pela Runway	Duração de uma etapa de difusão
Software do lançamento, em quatro H100	240,9 ms
Após otimização, em quatro H100	159,3 ms (24,5 imagens/s)
Com um núcleo que funde redução e cálculo FP8	147,4 ms
Em três B200	154,3 ms

Uma sessão cabe agora em quatro H100, contra oito no lançamento. Ao longo de sete semanas em produção, a média ultrapassou 23,5 imagens por segundo em 99,5 % das sessões, e um turno de conversação mediano demora 2,13 s, dos quais 1,42 s são usados pelo agente de voz.

🔗 Vídeo em tempo real com tamanho de lote igual a um (Runway) · Artigo arXiv 2611.05642

Robótica aberta: LeRobot v0.7.0 da Hugging Face e ToyBlocks do Ai2

Hugging Face publica LeRobot v0.7.0, que permite dialogar com um robô em funcionamento

5 de novembro — Hugging Face publica LeRobot v0.7.0, uma nova versão da sua biblioteca de robótica aberta, numa altura em que o Hub aloja quase 300 TB de dados de IA física no formato LeRobot. Com as sessões interativas, é possível falar com o robô em funcionamento: /subtask altera a instrução sem o parar, /vqa pergunta à política o que vê e /autosteer atribui-lhe um objetivo. Estes dois últimos comandos exigem uma política que gere texto, como FineART-VLA, treinada com o conjunto de dados FineART da Scale AI e da Hugging Face (1 718 horas de manipulações com dois braços, mais de 533 000 subtarefas anotadas), ou um planeador VLM externo. Quanto ao treino, os conjuntos de dados são lidos em streaming a partir do Hub ou do LanceDB, sem transferência prévia, e a stack passa para FSDP2 e HSDP: num modelo FastWAM de 6B, o pico de memória ao retomar o treino desce de 143 para 42 GB por GPU. A versão acrescenta quatro modelos de ação do mundo (Cosmos 3 e Long-WAM da NVIDIA, FLUX 3 Action da Black Forest Labs, LaWAM do RLinf) e quatro políticas visão-linguagem-ação, incluindo LingBot-VLA 2.0 e Wall-OSS-0.5. Introduz várias alterações que quebram a compatibilidade: PyTorch compilado para CUDA 13, inferência assíncrona substituída por um servidor de políticas, Trackio em vez de Weights & Biases.

🔗 LeRobot v0.7.0 (blog da Hugging Face)

Ai2 disponibiliza sem anúncio ToyBlocks, um framework de simulação que gera demonstrações para robôs

5 de novembro — O Ai2 disponibilizou entre a noite de 4 e o dia 5 de novembro, sem anúncio, os componentes de ToyBlocks: um framework de simulação aberto, construído sobre IsaacSim e IsaacLab, em que um braço robótico empurra, vira e empilha blocos numa mesa. O seu interesse está em substituir a teleoperação pela geração automática de tarefas e demonstrações: o conjunto de dados publicado reúne 83 496 demonstrações bem-sucedidas de empilhamento de três blocos, ou seja, 143,7 milhões de imagens e quase 1 600 horas, em três níveis de dificuldade, com conjuntos de validação de 1 000 episódios por nível. É acompanhado por dois modelos: Molmo2-4B-tb, um Molmo2-4B ajustado que lê a imagem da câmara e o objetivo, enuncia um plano curto e indica a ação seguinte (pegar, pousar, virar, rodar) e o respetivo alvo, a cerca de 6 Hz, e uma política ManiFlow que executa esses gestos. A publicação no blog citada pelos repositórios devolvia um erro 404 no momento da verificação e o relatório técnico está anunciado para breve.

🔗 ToyBlocks (allenai)

Anthropic mede como os cientistas utilizam Claude, com base em 207 049 sessões de investigação

5 de novembro — A equipa Economics da Anthropic publica um relatório sobre a utilização científica do Claude, baseado em 207 049 sessões de investigação dos planos de consumo entre 2 de agosto e 30 de setembro de 2026, analisadas por classificadores que conservam apenas etiquetas de área e de tarefa. As ciências formais utilizam Claude muito acima do seu peso na investigação mundial: a informática representa 32,7 % das sessões do Claude Code, face a 4,3 % dos investigadores no mundo.

Medida observada	No Claude (Chat e Cowork)	No Claude Code
Sessões analisadas	128 914	78 135
Percentagem de análise de dados	33,7 %	48,1 %
Percentagem de ideação e hipóteses	4,2 %	2,1 %

Os cientistas usam Claude sobretudo para analisar dados e escrever, e muito menos para formular hipóteses, embora os 528 investigadores inquiridos coloquem a ideação e a recolha de dados no topo das tarefas que consideram importantes; no Claude Science, a ideação tem cerca do dobro do peso que tem no Claude. O relatório esboça cenários apresentados como ilustrativos, e não como previsões: com uma adoção generalizada das capacidades atuais, a produção de investigação seria multiplicada por 1,35 (artes) a 2,02 (estatística); se a IA assumisse todo o trabalho não físico, por 15 a 16 nas áreas sem trabalho de bancada, contra 3 a 4 em biologia ou química. Cerca de 40 % dos investigadores inquiridos esperam projetos de investigação conduzidos exclusivamente pela IA até 2030.

🔗 IA para a descoberta científica: como os investigadores utilizam Claude (Anthropic)

OpenAI publica um pacto com as comunidades que acolhem os seus campus de computação

5 de novembro — OpenAI publica um pacto nacional com as comunidades (National Community Compact) e um plano de políticas públicas para os campus de computação (Compute Campus Policy Blueprint). Cada futuro campus que a OpenAI possuir e operar terá o seu pacto local, com uma consulta suficientemente antecipada para influenciar o projeto, um interlocutor local e um relatório público anual. A OpenAI compromete-se a pagar a totalidade da eletricidade e das infraestruturas necessárias, com garantias financeiras para proteger os outros clientes se um projeto for adiado, reduzido ou cancelado, a publicar o consumo de água e eletricidade de cada instalação, a privilegiar a refrigeração em circuito fechado ou com baixo consumo de água e a não impor acordos de confidencialidade a titulares de cargos eleitos e funcionários públicos, salvo proteções de âmbito restrito. No condado de Effingham, na Geórgia, os habitantes direcionaram uma subvenção de 4,8 milhões de dólares para refeições escolares gratuitas para os 14 000 alunos do condado; no condado de Pike, no Ohio, a OpenAI e a SB Energy comprometem 6 milhões de dólares para cuidados infantis. O plano pede também regras comuns aos decisores: fazer com que os grandes consumidores paguem os custos que acrescentam à rede, facilitar a ligação dos campus capazes de reduzir a sua procura, como prevê Grid Protectors, lançado a 2 de novembro, e acelerar a construção de linhas de transporte de eletricidade.

🔗 Estabelecer um novo padrão para uma infraestrutura de IA responsável (OpenAI)

Breves

Agentes e ferramentas de código

Amp e GitLab — O Amp integra-se com o GitLab, tanto em gitlab.com como em instâncias autogeridas: os seus ambientes cloud, as orbs, clonam e fazem push em nome do utilizador, abrem e acompanham pedidos de merge, e o Orb Spawner inicia uma orb para cada novo pedido ou ticket; sem preços indicados. 🔗 fonte
Revisão de PR de agentes na Warp — Ben Holmes propõe três medidas contra o congestionamento da revisão: um agente de revisão próprio com várias rondas, uma verificação de ponta a ponta pelo agente e uma pontuação de risco de merge baseada em cinco critérios, publicada como skill /merge-risk. 🔗 fonte
Copilot CLI 1.0.106-10 — Uma nova versão de pré-visualização chega ao npm sem notas de versão; o SDK Copilot 1.0.29-preview.9, que a inclui, revela uma compactação experimental do histórico e a autenticação por código de dispositivo. A versão estável mais recente continua a ser a 1.0.105, de 28 de outubro. 🔗 fonte
Copilot Fusion — O GitHub fixa em 30 de novembro o fim do desconto de 30 % neste router de modelos, que o anúncio de 28 de outubro reservava aos planos pagos do Copilot por tempo limitado; o tweet apresenta-o na aplicação GitHub Copilot, no Copilot CLI e no VS Code. 🔗 fonte
Kimi Code 2.5.1 — Oito correções, incluindo o fim dos erros HTTP 400 repetidos causados por mensagens de sistema vazias nos esquemas de ferramentas dinâmicas e o regresso das pré-visualizações de imagens e vídeos nos resultados das ferramentas. 🔗 fonte
Kimi Work 3.2.25 — Uma pesquisa global abrange projetos, plugins, skills e conversas, os plugins não autorizados são detetados durante a tarefa através de uma janela que orienta a sua autorização, e uma nova ação interrompe a tarefa antes de a arquivar. 🔗 fonte
CLI mistral 0.17.2 — Duas correções no dia da expansão do Studio: a ligação de aviso de mistral apps deploy abre o separador Secrets da aplicação, e os comandos mistral agents deixam de falhar no bloqueio uv.lock quando a shell exporta UV_DEFAULT_INDEX ou UV_INDEX_URL. 🔗 fonte
Codex no iOS — A 2 de novembro, o ChatGPT para iOS 1.2026.300 permite adicionar e remover anexos sem sair do editor de mensagens em ecrã inteiro do Codex, sincroniza o estado de leitura das tarefas entre dispositivos e encaminha por predefinição as mensagens de seguimento para a tarefa em curso. 🔗 fonte
Extensões Antigravity — A 2 de novembro, a extensão VS Code 1.11.0 torna clicáveis as etiquetas de contexto do terminal enviadas para a conversa, e a extensão Visual Studio 1.0.261102.0 ativa por predefinição os diffs inline, aceites ou rejeitados por bloco ou por ficheiro. 🔗 fonte
Página Overview dos pull requests — O GitHub disponibiliza em pré-visualização pública, mediante adesão, uma página que coloca no topo o estado do merge e as próximas ações, com uma área de merge redesenhada e filtros na conversa; é possível regressar à vista clássica. 🔗 fonte
Discord em Rust — Fora da IA, o Discord mostra uma nova versão do seu cliente reconstruída em Rust, que a Zed apresenta como baseada no GPUI, o seu framework de interface open source. 🔗 fonte

Empresas e parcerias

DevRev e Codex — Num estudo de caso publicado pela OpenAI, a DevRev confia o raciocínio dos seus agentes Computer e Operator aos modelos da OpenAI, incluindo o GPT-6.1 Sol, e afirma ter passado toda a sua engenharia para o Codex, abandonando as suas licenças Cursor; sem números sobre os resultados. 🔗 fonte
Replit e SMFL — A Replit associa-se à Sumitomo Mitsui Finance and Leasing para ligar a sua plataforma ao AssetForce, o serviço de gestão de ativos da SMFL utilizado por mais de 200 empresas, apoiando o objetivo da SMFL: multiplicar por dez as suas receitas de serviços digitais, para 10 mil milhões de ienes até 2031. 🔗 fonte
Baseten e a Nemotron Coalition — A Baseten junta-se à aliança da NVIDIA em torno dos modelos abertos, apresentada em março com Mistral, Black Forest Labs, Cursor, Ai2 e Perplexity, e contribui com ambientes de aprendizagem por reforço, pós-treino e inferência otimizada. 🔗 fonte

Plataformas, API e segurança

Segurança do Claude Enterprise — A Anthropic acrescenta, em beta, um centro de segurança que compara as definições da conversa, do Cowork e do Claude Code com as suas recomendações, uma consola de administração centralizada e um sensor EDR (deteção e resposta nos postos de trabalho) na máquina virtual local do Cowork, em macOS e Windows. 🔗 fonte
Claude Console e Admin API — Em beta, uma lista de endereços IP autorizados, com até 1 000 endereços ou intervalos por organização, recusa pedidos provenientes de outras origens, o que limita a utilização de uma chave API divulgada, e a Admin API pode terminar todas as sessões de um membro do Claude Enterprise. 🔗 fonte
SDK da OpenAI — openai-python 3.46.0 e openai-node 7.51.0 acrescentam as opções de residência dos dados na Austrália, na Índia e no Japão, o GPT-6 Rosalind e os controlos de Images 2.6; depois, as versões seguintes acrescentam gpt-6-cyber; continua sem haver uma versão estável do Codex CLI desde a 0.166.0, de 29 de outubro. 🔗 fonte
API Gemini — A API aceita agora apresentações PPT e ODP e folhas de cálculo ODS, processa os documentos DOC como imagens de páginas, e as ferramentas podem devolver ao modelo áudio, vídeo ou ficheiros Office e OpenDocument. 🔗 fonte
API da Perplexity — A Agent API disponibiliza o nível de esforço ultra, que funciona com Claude Opus 5.5 para pesquisa abrangente e que não deve ser confundido com o nível Ultra do Effort Mode do Computer; na véspera, a Decisions API passou a ler o texto de um URL antes de pesquisar, por 0,001 dólar por recuperação. 🔗 fonte
Orquestração de agentes — A Perplexity publica um guia que compara três arquiteturas de orquestração (centralizada, descentralizada, hierárquica), identifica sete falhas comuns e propõe sete boas práticas, desde contratos de tarefa até novas tentativas idempotentes; sem novidades de produto. 🔗 fonte
Análise de segredos do GitHub — A SpaceX torna-se parceira: um identificador starlink_public_api_v2_secret exposto num repositório público é-lhe enviado para revogação, e os detetores de seis fornecedores, incluindo AWS e Google Cloud Storage, produzem menos falsos positivos. 🔗 fonte

Infraestrutura e simulação na NVIDIA

Memória e inferência — Um artigo explicativo defende a conceção conjunta de toda a stack perante uma HBM escassa e cara: de Blackwell Ultra a Vera Rubin, a HBM por GPU aumenta apenas cerca de 3 %, mas o débito por dólar aumenta até 30 vezes no SemiAnalysis AgentX; o armazenamento NVIDIA CMX reúne nove parceiros. 🔗 fonte
Into the Omniverse — A NVIDIA atualiza o seu artigo sobre simulações construídas por agentes, abordado a 9 de outubro, com cerca de dez projetos realizados sobretudo com GPT-6 Astra, por vezes com Claude, incluindo um armazém com 80 transportadores, 40 braços e 800 caixas mantido a 30 imagens por segundo; sem produtos novos. 🔗 fonte

Modelos abertos, dados e investigação

ML Intern no Slack — O agente open source da Hugging Face que avalia, prepara dados e afina modelos torna-se um bot Slack para instalar no espaço de trabalho, ligado aos seus dados, ficheiros e servidores MCP; sem preços nem ligação de instalação. 🔗 fonte
Llama e os modelos de decisão — A aplicação local da equipa llama.cpp e da Hugging Face, gratuita em Mac e Windows, executa o d1-Omni da Liquid AI e o d3-flash, que atribui à vLLM e coloca no topo do Jev Decision Index. 🔗 fonte
Sand3D — A Sandflow publica 106 094 objetos 3D, dos quais 10 456 articulados, cada um escrito sob a forma de um pequeno programa Python na sua biblioteca aberta sand3d, com uma exportação OpenUSD legível no visualizador 3D do Hub. 🔗 fonte
SimReady Central — A Lightwheel detalha o seu papel na biblioteca de objetos 3D da NVIDIA na Hugging Face, que ultrapassa agora os 3 500 objetos OpenUSD: a empresa valida e ajusta o seu comportamento físico em contacto e em movimento. 🔗 fonte
DreamTac — Um artigo apresenta este conjunto de dados da Universidade de Pequim, convertido pela Voxel51 para o FiftyOne: 703 trajetórias de um braço Franka com pontas dos dedos em gel, em 12 tarefas e 7,03 horas, nas quais o contacto se torna visível na imagem. 🔗 fonte
Síntese de voz em libanês — Bilal Zaraket clonou a voz de um testador de Beirute com quatro modelos: numa avaliação às cegas por cinco ouvintes nativos, a voz real obtém 4,98 em 5, o melhor modelo, VoxCPM2, obtém 3,89 e só é reconhecido como libanês em 65 % dos casos. 🔗 fonte
Guardián colombiano — Hugo Alonso afina o Tiny Aya Global (3,35 mil milhões de parâmetros) para moderar, em espanhol da Colômbia, um mural público de memória coletiva, num GPU de 6 GB, em substituição de uma cadeia de três serviços cloud. 🔗 fonte
Anvaya-1B — Um programador pré-treina de raiz um modelo com pouco mais de mil milhões de parâmetros em duas placas T4 de 16 GB, com PyTorch FSDP e FineWeb, e publica o primeiro checkpoint e a receita. 🔗 fonte
traj2envs — A Hugging Face publica sem anúncio uma ferramenta que transforma trajetórias de agentes no formato ATIF em tarefas verificadas de aprendizagem por reforço no Harbor, com imagens de ambiente fixadas. 🔗 fonte

Imagem, vídeo e avatares

Runway e Gemini Omni 1.2 Flash — A Runway acrescenta o novo modelo da Google para criar e editar vídeos de até 15 segundos, retocar uma cena sem recomeçar de raiz e depois ampliá-la para 4K; sem artigo nem indicação do custo em créditos. 🔗 fonte
HeyGen e Images 2.6 — A HeyGen integra o ChatGPT Images 2.6 para as personagens secundárias das suas cenas, com melhores folhas de personagens e maior coerência no HeyGen Video 1; sem preços nem ofertas especificados. 🔗 fonte
Photo Reframe da Luma — Depois de Expression Sheet e Character Sheet, a Luma acrescenta uma ferramenta que completa o espaço em redor de uma imagem para a adaptar a uma publicação no Instagram, a uma capa de álbum ou a um cartaz; sem artigo nem preços indicados. 🔗 fonte
Manus Studio — Os projetos podem agora ser exportados para Premiere Pro, DaVinci Resolve, CapCut ou Final Cut Pro, para concluir noutro programa a montagem de um vídeo criado com IA; sem formato de exportação nem planos especificados. 🔗 fonte
Muse Realtime Avatar — Apresentada na Meta Connect, a tecnologia que dá um rosto animado em tempo real ao Muse Realtime Voice chega à aplicação Muse nos Estados Unidos, sem calendário para os outros países. 🔗 fonte

O que isto significa

A cibersegurança ofensiva passa à escala industrial, com acesso restrito. O GPT-6 Cyber, classificado como Critical, serviu para validar 948 vulnerabilidades de escalada de privilégios no kernel Linux em dez dias por 1,2 milhões de dólares, ou seja, 1 279 dólares por vulnerabilidade, e para encontrar 81 vulnerabilidades de gravidade elevada no Firefox. A OpenAI reserva o modelo a clientes Daybreak Red aprovados, exige por predefinição uma lista de endereços IP autorizados e monitoriza um desalinhamento específico da cibersegurança. A corrida joga-se agora na rapidez da correção: durante os dez dias da campanha, outros colaboradores já tinham corrigido 61 destas vulnerabilidades no upstream e preparavam correções para outras 43, e a OpenAI considera a geração automática de correções indispensável para acompanhar este ritmo. A Replit mostra a outra ponta da cadeia: o seu kernel convidado incluía 4 375 correções ainda antes da sua divulgação, e a vulnerabilidade de TCP cuja exploração a Anthropic demonstrou já lá estava corrigida desde 12 de outubro.

Os agentes que trabalham durante longos períodos, com dados sensíveis, fazem do isolamento e das permissões o núcleo do produto. Os colegas de equipa da Perplexity funcionam 24 horas por dia, cada um com o seu ambiente de trabalho, o seu navegador e os seus cookies; os agentes geridos da Mistral trabalham durante horas ou dias e podem aguardar a aprovação de uma pessoa; a Cursor aloja cada aplicação numa conta isolada, após quatro verificações determinísticas e uma revisão por IA. O Personal Finance leva esta lógica até ao acesso apenas de leitura: o Claude lê saldos e transações através do Plaid sem poder movimentar um dólar, e as conversas do seu espaço não são utilizadas para treino. Do lado da infraestrutura, a Replit dá a cada sandbox o seu próprio kernel Linux e aplica as regras de rede fora da máquina convidada; do lado dos administradores, o Claude Enterprise compara agora as suas definições de segurança com as recomendações da Anthropic.

A geração de imagem e vídeo torna-se mais rápida, mais barata e integrada por toda a parte em poucas horas. O Images 2.6 gera 50 % mais depressa, o Gemini Omni 1.2 Flash prolonga os clips até 15 segundos e reduz o seu preço em 30 %, para cerca de 0,07 dólar por segundo em 720p, e a Runway disponibiliza as suas personagens de vídeo de 57B em tempo real com quatro H100 em vez de oito. A distribuição acompanha de imediato: a Runway acrescenta o Omni 1.2 Flash no dia do seu lançamento, a HeyGen integra o Images 2.6 no dia seguinte, e a Luma instala as suas ferramentas de criação no Claude e no ChatGPT. Para os criadores, o foco desloca-se da escolha do modelo para a ferramenta onde este aparece, muitas vezes no próprio dia.

O custo da inferência torna-se um argumento por si só. A NVIDIA vende o Vera pelo número de agentes por watt, a Meta faz o Muse Spark Open descodificar 2,1 vezes mais depressa com um único kernel de computação por camada, e a Cognition reduz em 82 % o custo de uma revisão de código desde agosto, encontrando ao mesmo tempo um pouco mais de bugs. O Ripple-65B Preview aplica a mesma lógica ao treino: um modelo denso pré-treinado de raiz com uma receita derivada do Olmo 3, pós-treinado com 1,4 milhões de trajetórias de aprendizagem por reforço, reivindica a liderança entre os modelos abertos norte-americanos em código agêntico e pode ser alugado por 0,20 dólar por milhão de tokens de entrada na Together AI.