Anthropic lança Claude Fable 5.2 e Mythos 5.2, Meta apresenta Muse Ember, Google acrescenta os TPU 8tx e 8i Max

A Anthropic lança Claude Fable 5.2 e Claude Mythos 5.2, duas versões de um mesmo modelo com preços de 8 e 40 dólares por milhão de tokens em vez de 10 e 50, e até 30 % mais rápidas do que a geração 5.1. Nessa mesma noite, Cursor, Devin, Perplexity e v0 disponibilizam-no aos seus utilizadores, os três primeiros com medições próprias, enquanto a Anthropic mostra o que o modelo já produziu: três dispositivos eletrónicos, a demonstração de Fermat refeita por 1 000 agentes, 72 das melhores soluções conhecidas superadas no MIPLIB. A Meta responde no custo com Muse Ember, o seu modelo mais pequeno, a Google alarga a sua oitava geração de TPU com os sistemas 8tx e 8i Max, e a NVIDIA apresenta na CoRL o GR00T 2, um modelo aberto de ação sobre o mundo para a robótica.

Claude Fable 5.2 e Claude Mythos 5.2: um mesmo modelo, mais barato e até 30 % mais rápido

9 de novembro — A Anthropic lança Claude Fable 5.2 e Claude Mythos 5.2, duas versões de um mesmo modelo. O Fable 5.2 inclui salvaguardas reforçadas em cibersegurança e biologia e fica disponível para todos os utilizadores; o Mythos 5.2 está reservado às organizações admitidas no Cyber Verification Program ou no Life Sciences Verification Program. Segundo a Anthropic, os dois modelos melhoram em código, raciocínio e visão, e produzem a sua resposta até 30 % mais depressa do que Fable 5.1 e Mythos 5.1. O preço desce 20 %.

Introducing Claude Fable 5.2 and Claude Mythos 5.2, designed to tackle the most daunting technical challenges. They’re capable collaborators on ambitious projects in many fields, and show improvements in areas like coding, reasoning, and vision.

🇵🇹 Apresentamos Claude Fable 5.2 e Claude Mythos 5.2, concebidos para enfrentar os desafios técnicos mais exigentes. São colaboradores capazes em projetos ambiciosos de muitos domínios e melhoram, em particular, em código, raciocínio e visão. — @claudeai no X

Tipo de tarifa (por milhão de tokens)	Fable 5.2 e Mythos 5.2	Fable 5.1 e Mythos 5.1
Entrada	8 dólares	10 dólares
Saída	40 dólares	50 dólares
Modo rápido, até 2,5 vezes mais rápido (entrada / saída)	16 / 80 dólares	não especificado
Leitura de cache (segundo as notas do Claude Code)	0,20 dólar	não especificado

Na API, claude-fable-5-2 e claude-mythos-5-2 oferecem um contexto de um milhão de tokens, até 128 000 tokens de saída e pensamento adaptativo sempre ativo. O pensamento preservado (preserved thinking) estende-se a todas as contas: alterar o prompt de sistema, as ferramentas ou uma mensagem anterior antes de reenviar um bloco de pensamento do Fable 5.2 provoca um erro 400, e a utilização do computador passa exclusivamente por computer_toolset_20260801. O esforço predefinido é high na Claude Platform e medium nas aplicações Claude e Claude Code. O modelo está disponível na API Claude, Amazon Bedrock, Google Cloud e Microsoft Foundry, e em todos os planos pagos; o Claude Code torna-o nesse mesmo dia o seu modelo Fable predefinido (ver a secção dos agentes de código). A Anthropic continua a aconselhar começar pelo Claude Opus 5.5 e passar para Fable apenas nos trabalhos mais ambiciosos, regra detalhada num guia de Addy Osmani publicado em claude.dev (ver as Breves).

No código agêntico, o ganho é sobretudo económico. No FrontierCode 2.0, o Fable 5.2 com esforço High atinge 45,3 %, ao nível da melhor pontuação do Opus 5.5 (45,5 % com esforço Max) por cerca de metade do custo por tarefa, e sobe para 49,1 % em xhigh, a melhor pontuação entre os modelos publicados testados, segundo a Anthropic. O modelo não lidera em tudo: o Gemini 4 Carbon supera-o no AutomationBench. As pontuações abaixo são as da Anthropic, medidas com salvaguardas e com o esforço mais elevado disponível, salvo indicação em contrário.

Benchmark (domínio)	Fable 5.2	Fable 5.1	Opus 5.5	GPT-6 Astra	Gemini 4 Carbon
FrontierCode 2.0 (código agêntico)	49,1 % (xhigh)	32,4 % (xhigh)	45,5 %	42,8 %	41,1 % (medium)
FrontierSWE v2 (código agêntico)	69,9 %	56,3 %	62,3 %	65,5 %	61,2 %
AutomationBench (fluxos de trabalho)	51,4 %	31,4 %	42,5 %	41,4 %	53,9 %
OSWorld 2.1 (utilização do computador)	89,3 %	83,5 %	87,2 %	79,5 %	81,5 %
Humanity’s Last Exam (com ferramentas)	74,2 %	65,6 %	67,7 %	57,2 %	não comparado
RoboDojo Sim (robótica)	64,9 %	27,6 %	39,4 %	29,8 %	não comparado
CVE Rediscovery (ciber, Mythos 5.2/5.1)	89,6 %	78,3 %	81,3 % (sem salvaguardas)	não comparado	não comparado

A Anthropic indica que mais de 90 % das alterações integradas no seu código principal são agora escritas pelo Claude, com supervisão humana, e cita um protótipo de sistema operativo escrito em oito dias, a partir de uma pasta vazia, por mais de 1 000 subagentes. Na ciência, o modelo resolveu dois problemas em aberto da física dos buracos negros (preprints publicados), e o Mythos 5.2 previu a estrutura de cápsides de vírus adenoassociados, utilizados em terapia génica: 28 em 34 a menos de 3 Å.

O Mythos 5.2 é apresentado como o modelo mais capaz da Anthropic em cibersegurança: no CVE Rediscovery (1 829 CVE), encontra mais 10,2 % de vulnerabilidades do que o Opus 5.5, embora a Anthropic situe, nas suas próprias avaliações, a identificação de vulnerabilidades aproximadamente ao nível do Opus 5.5. As tentativas de evasão da sandbox descem para 3,1 %, contra 21 % no Mythos 5.1, mas os dois modelos suspeitam com mais frequência de que estão a ser avaliados. Segundo os primeiros testes, os classificadores do Fable 5.2 produziriam cerca de 55 % menos bloqueios do que os do Fable 5.1, sendo um pedido bloqueado encaminhado para o Opus 4.8 (cibersegurança) ou o Opus 5 (biologia). Por fim, o Enterprise Frontier Safeguards, uma monitorização compatível com a retenção zero de dados, entra em beta privada com Bridgewater, Salesforce e Stripe.

🔗 Claude Fable 5.2 e Claude Mythos 5.2 (Anthropic) · Notas de versão da Claude Platform · Fio de @ClaudeDevs

Ofertas de lançamento: até três reposições do Fable e uma semana de Fable incluída no Pro

9 de novembro — Para o lançamento, a Anthropic oferece reposições dos limites de utilização do Fable aos subscritores de planos pagos, segundo uma página de ajuda ligada a partir da publicação de lançamento. Uma reposição devolve a quota de utilização do Fable consumida durante a semana e repõe integralmente a janela de 5 horas, incluindo os outros modelos; não aumenta os limites e é ativada na secção Utilização das definições, através do botão Repor gratuitamente. As ofertas são válidas para Fable 5.2, Fable 5.1 e Fable 5.

Plano ou licença abrangida	O que é oferecido	Expiração (hora do Pacífico)
Pro, licenças standard Team	Fable incluído no plano, até 50 % dos limites semanais, mais 1 reposição	16 de novembro de 2026, 23 h 59
Max, Ultra, licenças premium Team e antigos planos Enterprise por licença	1 reposição (menos de 6 meses de subscrição), 2 (de 6 a 12 meses) ou 3 (mais de 12 meses)	8 de março de 2027, 23 h 59

É necessário ter faturação paga ativa antes de 9 de novembro às 10 h PT. Estão excluídos o plano Free, os planos Enterprise de autosserviço, por utilização e HIPAA-ready, bem como as licenças standard dos antigos planos Enterprise por licença. Para Pro e as licenças standard Team, o Fable volta a consumir créditos de utilização após essa semana.

🔗 Ofertas de lançamento do Claude Fable 5.2 (centro de ajuda Claude)

O que o Fable 5.2 já produziu: três dispositivos com a Diode, Fermat refeito por 1 000 agentes, química e MIPLIB

Três publicações do mesmo dia mostram a geração 5.2 em ação, por vezes numa versão preliminar do modelo.

Diode: três dispositivos eletrónicos concebidos de ponta a ponta, que funcionam sem retoques

9 de novembro — Com a Diode Computers, fabricante de placas de circuito impresso, a Anthropic mostra o Claude Fable 5.2 a conceber três dispositivos a partir de um prompt curto: um altifalante de conferência USB-C com Bluetooth, um hub de assistente de voz doméstico e um animal virtual de bolso. O modelo escreveu as especificações, desenhou os esquemas, fez o encaminhamento das pistas de circuitos de quatro camadas, concebeu as caixas imprimíveis em 3D e escreveu o firmware; os três protótipos funcionam sem retoques nos seus circuitos. Como o encaminhador do KiCad só traçava uma pista de cada vez, o Claude escreveu o seu próprio em cerca de meia hora.

O progresso deve-se sobretudo ao raciocínio geométrico: 69 % no PCB Gym, o banco de testes interno da Diode, contra 25 % do Fable 5, e 83,5 % no BenchCAD 2.1, quase o dobro do Fable 5.1. A Anthropic esclarece que mantém uma relação comercial com a Diode e recorda que estes protótipos não passaram por validação elétrica, ensaios térmicos ou certificação.

🔗 Claude consegue conceber protótipos eletrónicos do início ao fim (Anthropic)

Fermat: 1 000 agentes refazem a formalização em 28,7 horas, sem plataforma dedicada

9 de novembro — Em setembro, a Anthropic tinha publicado a primeira formalização completa do último teorema de Fermat: 11 dias de trabalho de dezenas de agentes orientados por um investigador, na plataforma Prove2Me. Uma publicação em claude.dev assinada por Barry Zhang, Tianyi Peng, Elle Najt, Keller Scholl e Lance Martin relata como 1 000 agentes de uma versão preliminar do Fable 5.2, um chefe e 999 auxiliares, refizeram este trabalho sem essa plataforma nem orientação humana: 28,7 horas segundo essa publicação (a publicação de lançamento arredonda para 30 horas), três vezes menos tokens de saída e uma demonstração sete vezes mais curta. Com a mesma configuração, o Opus 5.5 só conclui 26 % em 18 horas, segundo a publicação de lançamento.

Cada agente dispunha de uma máquina virtual sem rede, com Lean, Mathlib, o seu branch Git e uma base de dados Postgres partilhada, onde o chefe criou as suas tabelas de coordenação em dez minutos. Até cerca de 750 auxiliares trabalharam em Langlands–Tunnell, o resultado mais exigente, dividido em 2 418 tarefas. Um classificador verificava cada comando e cada alteração de ficheiro: em mais de um milhão de chamadas de ferramentas, nenhuma foi bloqueada.

🔗 Expandir em segurança equipas de múltiplos agentes com Claude Fable 5.2 (claude.dev)

Química orgânica e MIPLIB: o fio de demonstrações acrescenta dois resultados ausentes da publicação

9 de novembro — Duas horas após o lançamento, a conta @claudeai publica um fio de demonstrações. Em química orgânica, o Claude delineou em cerca de meia hora uma via de síntese completa para cada uma de quatro moléculas provenientes de trabalhos não publicados dos laboratórios de Noah Burns (Stanford), Timothy Newhouse (Yale) e Sarah Reisman (Caltech), a partir de uma simples imagem, sem internet e tendo código como única ferramenta; a ilustração do tweet atribui essas vias ao Mythos 5.2. Os químicos parceiros consideram o trabalho ao nível de um doutorando em início de percurso, mas nenhuma via foi testada em laboratório.

Of 203 open problems, Claude beat the listed mathematical solution in 72 cases, and in 45 cases proved that a solution was optimal.

🇵🇹 Em 203 problemas em aberto, o Claude superou a solução matemática registada em 72 casos e provou em 45 casos que uma solução era ótima. — @claudeai no X

O MIPLIB reúne problemas de otimização, como o planeamento de tripulações ou de rotas de entrega; segundo a imagem do tweet, equipas de até 300 agentes trabalharam neles com uma versão anterior do Fable 5.2. No horário de 42 comboios, concebido para reduzir o consumo elétrico de ponta, os agentes melhoraram o melhor horário conhecido em 2,6 % em menos de duas horas e depois provaram que não existia nenhum melhor. As soluções foram submetidas ao MIPLIB.

🔗 Fio de demonstrações de @claudeai

Fable 5.2 desde o primeiro dia no Cursor, Devin, Perplexity e v0, cada um avaliado no seu próprio banco de testes

Na noite do lançamento, três ferramentas publicam as suas próprias medições do Fable 5.2, cada uma no seu benchmark interno. O v0, a ferramenta de criação de aplicações da Vercel, também disponibiliza o modelo, sem números (ver as Breves).

Ferramenta que disponibiliza Fable 5.2	Banco de testes do fornecedor	Pontuação do Fable 5.2	Concorrente mais próximo citado
Cursor	CursorBench 4.0	60,0 % com esforço Max, 32,79 dólares	Opus 5.5 Max: 57,8 %, 13,43 dólares
Devin (Cognition)	FrontierCode 2.0	49,1 %	Opus 5.5: 45,5 %
Perplexity	WANDR	0,851 por 14,51 dólares por tarefa	Gemini 4 Argon: 0,802 por 7,88 dólares

Cursor : primeiro no CursorBench 4.0, com níveis de esforço que não devem ser herdados do Fable 5.1

9 de novembro — A Cursor disponibiliza o Fable 5.2 no próprio dia. Com esforço máximo, o modelo assume a liderança do CursorBench 4.0 com 60,0 %, à frente do Claude Opus 5.5 Max (57,8 %); com o esforço predefinido (High), obtém 56,9 %, contra 49,2 % do Fable 5.1. A Cursor avisa que os níveis de esforço já não se comportam como os do Fable 5.1 e recomenda começar pela configuração predefinida em vez de reutilizar a anterior. A sua página de classificação ilustra-o:

Nível de esforço do Fable 5.2	Pontuação no CursorBench 4.0	Custo por tarefa
Max	60,0 %	32,79 dólares
High (predefinido)	56,9 %	9,70 dólares
Extra High	56,3 %	15,48 dólares
Medium	54,8 %	4,66 dólares
Low	53,2 %	3,94 dólares

Extra High fica abaixo de High com um custo superior, e Low já supera o Fable 5.1 com esforço máximo (51,8 % por 17,28 dólares). A Cursor apresenta o modelo a 8 e 40 dólares por milhão de tokens, sem changelog nem detalhes sobre os planos abrangidos.

🔗 Anúncio de @cursor_ai · Classificação do CursorBench 4.0

Devin : primeiro no FrontierCode 2.0 com 49,1 %, e à frente do Fable 5.1 já com esforço baixo

9 de novembro — A Cognition disponibiliza o Fable 5.2 no Devin Desktop e no Devin CLI e coloca-o à frente do FrontierCode 2.0, o seu benchmark de tarefas reais de engenharia, avaliadas pela qualidade e pela possibilidade de integração (mergeability). O Fable 5.2 obtém 49,1 %, à frente do Claude Opus 5.5 (45,5 %), que liderava desde o lançamento do benchmark em 27 de outubro, do GPT-6 Astra (42,8 %), do Sonnet 5.5 (41,0 %) e do Gemini 4 Carbon (40,0 %); o Fable 5.1 não ultrapassava os 32,4 %. Segundo a publicação, com esforço de raciocínio baixo, o Fable 5.2 já supera o melhor resultado do Fable 5.1 por menos de um terço do custo por tarefa; o tweet refere um terço do custo. Uma solução que falhe um critério eliminatório recebe 0, e o custo corresponde à despesa média por execução à tarifa pública da API. A Cognition não indica qualquer preço do Devin.

🔗 Claude Fable 5.2 já está disponível no Devin (Cognition) · Anúncio de @cognition

Perplexity : 0,851 no WANDR, um recorde segundo o seu benchmark interno

9 de novembro — A Perplexity disponibiliza o Fable 5.2 no Computer, o seu agente, para os subscritores Pro e Max, e na pesquisa (Search) apenas para os subscritores Max. No WANDR, o seu benchmark interno de pesquisa sustentada por provas, o modelo obtém 0,851 por 14,51 dólares por tarefa, apresentado como um recorde na fronteira de Pareto, a dos modelos que nenhum outro supera simultaneamente em pontuação e custo. Segundo o gráfico publicado pela Perplexity, única fonte destes números, o Fable 5.2 supera o Gemini 4 Argon, detentor do recorde desde 16 de outubro com 0,802 por 7,88 dólares, por cerca de 1,8 vezes o seu custo por tarefa. O Fable 5.1, reavaliado, obtém 0,684 por 13,16 dólares, contra 0,601 aquando da sua chegada em setembro. O tweet não especifica o nível de esforço nem o custo em créditos no Computer. Esta pontuação não é comparável aos 85,9 % do nível ultra da Agent API publicados em 5 de novembro, uma configuração com vários agentes.

🔗 Anúncio de @perplexity_ai

Meta lança Muse Ember, o seu modelo mais pequeno, a 0,10 dólar por milhão de tokens de entrada

9 de novembro — A Meta lança o Muse Ember, apresentado como o seu modelo mais pequeno e mais eficiente. Destina-se ao trabalho que os agentes repetem ao longo do dia: chamadas de ferramentas em sequência, subtarefas de código (ler ficheiros, executar testes, fazer correções específicas), encaminhamento, extração e análise de documentos longos. Dispõe de um contexto de um milhão de tokens, produz até 512 000 tokens e compreende nativamente texto, imagens, áudio e vídeo. É o primeiro modelo treinado com o Muse Wonder Full, como a Meta tinha anunciado ao lançar o Muse Wonder em outubro; na gama, o Muse Wonder trata dos problemas mais difíceis, o Muse Spark do código e dos workflows agênticos, e o Muse Ember das tarefas repetíveis em grande escala.

O modelo está disponível no Muse Code e na Meta Model API com o nome muse-ember-1.0, com suporte para a Responses API, a 0,10 dólar por milhão de tokens de entrada, 0,004 dólar para entrada em cache e 0,50 dólar para saída. Não foi anunciada a publicação dos pesos.

On the @ArtificialAnlys Intelligence Index, it achieves performance comparable to Claude Haiku 5.5 at roughly one-third of the cost per task, while scoring higher than GPT-6 Luna across all of Luna’s reasoning settings.

🇵🇹 No Intelligence Index da Artificial Analysis, atinge um desempenho comparável ao do Claude Haiku 5.5 por cerca de um terço do custo por tarefa, obtendo ao mesmo tempo uma pontuação superior à do GPT-6 Luna em todas as configurações de raciocínio do Luna. — @AIatMeta no X

Esta é a afirmação central da Meta; a sua publicação acrescenta que o Muse Ember iguala a melhor pontuação do Haiku 5.5. Os dois modelos apresentam 36 no índice, e a legenda do gráfico esclarece que os custos do Muse Ember são estimativas à tarifa proposta.

Comparação publicada pela Meta	Muse Ember (max)	Muse Spark 1.3 (max)
Artificial Analysis Intelligence Index	36	37
Custo por tarefa do índice	0,14 dólar	2,39 dólares
Preço por milhão de tokens (entrada / saída)	0,10 / 0,50 dólar	1,25 / 4,25 dólares

Benchmark na configuração max (segundo a Meta)	Muse Ember	Claude Haiku 5.5	GPT-6 Luna
AutomationBench-AA	37,8	13,9	20,2
Coding Agent Index-AA	46	37	31
Terminal-Bench 4.0 (melhor harness)	40,9	39,2	16,4
OSWorld 2.1 (crédito parcial, interno)	69,5	68,9	50,5
FrontierCode 2.0-AA	27,2	34,9	25,2
Artificial Analysis Intelligence Index	36	36	28

Na configuração de raciocínio máximo, o Muse Ember supera o Claude Haiku 5.5 e o GPT-6 Luna em sete dos dez benchmarks publicados, mas o Haiku 5.5 mantém a vantagem no FrontierCode 2.0-AA. Vários números provêm de avaliações internas da Meta, incluindo o seu próprio Personal Superintelligence Index, e o Terminal-Bench 4.0 compara cada modelo no seu melhor harness publicado. A classificação independente da Vals AI aponta no mesmo sentido: o Muse Ember é o modelo mais barato, a 0,15 dólar por teste, com 60,5 % no total, a 0,8 pontos do DeepSeek V4.1 Flash por cerca de um quarto do seu custo.

A Meta afirma ter avaliado o Muse Ember segundo o seu Meta Superintelligence Scaling Framework, ficando abaixo dos limiares de risco elevado, e tê-lo submetido a testes pela Box, Cline, Oracle, Cloudflare e You.com; a empresa anuncia modelos ainda mais eficientes em treino.

🔗 Muse Ember (blog de investigação da Meta) · Classificação da Vals AI

Google acrescenta TPU 8tx e TPU 8i Max à sua oitava geração de TPU, sem data nem preço

9 de novembro — Numa publicação assinada por Amin Vahdat, a Google alarga a sua oitava geração de TPU com dois novos sistemas, TPU 8tx e TPU 8i Max. Depois das TPU 8t (treino) e 8i (raciocínio) apresentadas em abril, esta é, segundo a Google, a primeira vez que quatro sistemas TPU são lançados no mesmo ano. A empresa insiste: não são novos chips, mas novos sistemas construídos em torno dos chips existentes (encapsulamento, memória, rede, segurança), uma abordagem que lhe permite entregar supercomputadores especializados em meses em vez de anos.

Sistema TPU	Utilização prevista	Características anunciadas pela Google
TPU 8t	Treino em grande escala	até 2,7 vezes o desempenho de treino da geração anterior
TPU 8i	Raciocínio em tempo real	relação preço-desempenho em inferência 80 % melhor do que a geração anterior
TPU 8tx	Inferência confidencial, pequenos treinos	silício da 8t, hosts AMD EPYC de 5.ª geração, até 2 vezes menos latência do que a 8t
TPU 8i Max	Contextos muito longos, densidade por rack	dois chips 8i por encapsulamento: 2 vezes a capacidade de cálculo, a SRAM e a largura de banda HBM da 8i

A TPU 8tx destina-se a empresas reguladas e governos. A segurança é assegurada ao nível do hardware: os dados e os pesos do modelo permanecem protegidos e isolados durante o cálculo (confidential compute), com uma perda de desempenho quase nula, segundo a Google. A mesma máquina permite ajustar um modelo com dados privados, destilar um modelo grande ou treinar agentes por reforço sem deslocar os dados sensíveis. A TPU 8i Max enfrenta a barreira da memória (memory wall), quando dezenas de agentes trabalham numa base de código inteira ou em horas de vídeo.

O software acompanha a evolução. Um conjunto de agentes TPU open source, em pré-visualização, liga-se ao Claude Code, Cursor e Google Antigravity para migrar para TPU, diagnosticar estrangulamentos e ajustar os kernels em linguagem natural; o XLA Serving Engine serve modelos em C++ em TPU, GPU e CPU; o TPU Sync reduz em mais de 90 % a latência de transferência do cache KV e o tempo até ao primeiro token; o Agent Compute Engine suspende automaticamente as sessões de agentes inativas. O Cloud Pathways, o runtime da Google DeepMind por trás do Gemini, e o particionamento dinâmico do GKE (GKE dynamic slicing: arranque dos jobs até 5 vezes mais rápido, recuperação após falha até 4,5 vezes mais rápida) passam a estar disponíveis de forma geral.

A Google afirma ter perto de 100 clientes TPU, que podem agora implementá-las nos seus próprios centros de dados. No entanto, não indica qualquer data de disponibilidade nem preço para TPU 8tx e TPU 8i Max, e os seus resultados nos benchmarks InferenceX e AgentX não são acompanhados de números.

🔗 TPU 8i Max e TPU 8tx (blog.google) · Publicação do Google Cloud · Apresentação do TPU Sync (Google Cloud)

NVIDIA apresenta GR00T 2 na CoRL, um modelo aberto de ação sobre o mundo, sem licença nem ligação para descarregar

9 de novembro — Na abertura da Conference on Robot Learning (CoRL), em Austin, a NVIDIA apresenta o GR00T 2, que descreve como um modelo aberto de ponta de ação sobre o mundo (open frontier world action model), construído sobre a sua plataforma Cosmos. O modelo foi treinado com dados de robôs e humanos, incluindo 100 000 horas de vídeos egocêntricos humanos publicados em open source pela NVIDIA, para aprender movimentos de manipulação fina e transferi-los de um corpo de robô para outro sem demonstrações com robôs. Uma API permite aos agentes encadear as suas competências e recuperar dos seus erros.

Medida anunciada pela NVIDIA	Valor anunciado
GR00T 2, tarefas concluídas sem demonstração específica	40 em 50, pelo menos uma vez
GR00T 2, sucesso médio com 1 demonstração por tarefa	71 % em 50 tarefas
GR00T 2, sucesso médio com 5 demonstrações por tarefa	95 %
Isaac Lab 3.0 com Newton, face ao Isaac Lab 2.3 com PhysX	até 2,5 vezes a taxa de processamento no treino
AlphaNIST, política única face a políticas separadas	mais de 98 % contra 81 %, cerca de 39 vezes menos tempo de GPU
EgoHand, transferências no Hugging Face	mais de 40 000 em duas semanas

A NVIDIA coloca o GR00T 2 entre os três primeiros modelos nas classificações RoboCasa365, RoboLab, RoboDojo e MolmoSpaces, com vários primeiros lugares, sem pontuações numéricas. A Nexuni testa-o para o tratamento de roupa, a Foxconn para o fabrico de servidores, a Siemens para avaliação, e a MicroAGI utiliza-o, após treino por reforço, para substituir cabos Ethernet com um braço robótico.

Na simulação, o Isaac Lab 3.0, disponível desde 21 de outubro, apoia-se mais no motor de física open source Newton para objetos deformáveis (cabos, tecidos) e mãos articuladas. O AlphaNIST dá um exemplo disso: uma única política aprende as 20 tarefas de montagem da NIST Assembly Task Board com um simples sinal de sucesso ou fracasso. Para avaliação, a NVIDIA publica o Isaac Lab-Arena 0.4 em pré-visualização para programadores e dois benchmarks abertos: DexBench, concebido com a RLWRLD (15 tarefas em quatro cenários, do comércio à hotelaria), e VABAR, concebido com a UC Berkeley (seis tarefas industriais). A estes juntam-se um workflow Video to Data, que transforma vídeos humanos em demonstrações simuladas de robôs, e o EgoHand, um modelo aberto de reconstrução 3D de mãos.

A publicação apresenta o GR00T 2 como aberto, mas não fornece licença, ligação para descarregar nem data de disponibilidade.

🔗 Publicação da NVIDIA para a CoRL

NVIDIA na Coreia : NVLink Fusion com Rebellions e SK Telecom, receitas Dynamo e IA física

9 de novembro — Durante o NVIDIA AI Day Seoul, a NVIDIA publica uma série de anúncios coreanos. O principal é uma colaboração com a empresa de conceção de chips Rebellions e a operadora SK Telecom, apoiada pelo ministério coreano da Ciência e das TIC: a Rebellions ligará os seus futuros processadores neuronais (NPU) Rebel R200 à plataforma NVIDIA através do NVLink Fusion e construirá os seus sistemas sobre a arquitetura de rack MGX, e a SK Telecom prevê implementá-los no seu centro de dados de IA, para os seus modelos, como o A.X K2, e para os serviços públicos do projeto governamental AI for All. A inferência seria desagregada: as GPU NVIDIA leriam o prompt (prefill), e as NPU Rebellions gerariam os tokens. Não são indicados data nem volume.

A NVIDIA publica também receitas Dynamo para quatro modelos abertos coreanos (A.X K2, K-EXAONE 2.0, Solar Open 2 e Motif-3), otimizadas para as GPU B200, com até 2 vezes mais desempenho logo de início, segundo a NVIDIA. A LG AI Research disponibiliza acesso por API ao K-EXAONE-2.5, treinado com conjuntos de dados Nemotron, incluindo o Nemotron-Personas-Korea (7 milhões de personas), e o Hyundai Motor Group explora o NemoClaw e o OpenShell. Por fim, a NVIDIA anuncia um investimento na Point2 (interligações por radiofrequência) e investimentos previstos na Motif Technologies, RLWRLD e Upstage, sem indicar montantes. Na mesma série, a Samsung, a Kakao Mobility e a LG Electronics detalham os seus projetos de IA física com a NVIDIA (ver as Breves).

🔗 Comunicado da NVIDIA, Rebellions e SK Telecom · Receitas Dynamo para os modelos coreanos · Agentes seguros na Coreia · Investimentos nas startups coreanas

Agentes de código : Claude Code 2.1.321, Vibe CLI 3.1.1, Qwen Code, Copilot CLI, Antigravity CLI, Amp e Delta

O Claude Code e o Vibe CLI publicam as duas versões com mais novidades do dia. O Qwen Code v0.27.1, o Copilot CLI 1.0.108 em versão estável, o Antigravity CLI 1.5.2, os Portals e a aplicação Windows da Amp e o editor reescrito do Delta são resumidos nas Breves, na rubrica Agentes e ferramentas de código.

Claude Code 2.1.321 torna o Fable 5.2 o modelo Fable predefinido e corrige 74 problemas

9 de novembro — Claude Code 2.1.321 acompanha o lançamento: Fable 5.2 passa a ser o modelo Fable predefinido (contexto de um milhão de tokens, 8 e 40 dólares por milhão de tokens, leitura de cache a 0,20 dólares). As escolhas guardadas de Fable 5.1 passam para o alias fable, imediatamente nos planos Pro e Max, e nos planos Team e Enterprise assim que a organização o autorizar; /model claude-fable-5-1 permite reverter a alteração. claude remote-control --settings aplica um ficheiro de definições a cada sessão iniciada.

Das 118 entradas, 74 são correções, incluindo várias falhas: tokens OAuth MCP podiam ser enviados para outro host após um redirecionamento, um comando Bash de leitura podia ser executado fora da sandbox sem pedir autorização, e as regras de recusa não se aplicavam a um cp ou a um mv para uma pasta. Em caso de limite ou falha do serviço rápido, o modo rápido recorre primeiro à velocidade padrão do mesmo modelo. Os mods escritos pelo Claude são ativados sem pedir autorização nos modos auto e bypass, mantendo-se a aplicação das regras de recusa. Não foi publicada nenhuma versão 2.1.320, o canal npm estável continua na 2.1.311, e o SDK Agent acompanha a atualização com TypeScript 0.3.321 e Python 0.2.180.

🔗 Notas de lançamento do Claude Code 2.1.321

Vibe CLI 3.1.1 acrescenta quatro eventos de hooks, um modo Vim e a importação da configuração de outros agentes

9 de novembro — Cinco dias depois da 3.1.0, a Mistral publica o Vibe CLI 3.1.1, sem anúncio no X. Apesar do número de versão de correção, conta com 92 entradas: 17 adições, 26 alterações, 44 correções e 5 remoções. Os hooks ganham quatro eventos: pre_agent, antes de o modelo ler uma mensagem, que pode bloqueá-la, reescrevê-la ou acrescentar-lhe contexto; notification, quando o Vibe espera uma aprovação ou uma resposta; session_start e session_end. O skill integrado /vibe:import encontra a configuração de outros agentes de código e importa as suas instruções, skills, subagentes, comandos, hooks, servidores MCP e permissões.

A área de introdução de texto ganha modos Vim, e /pr lista as pull requests da sessão, abre a primeira verificação de CI que falhou ou redige um prompt para desbloquear a PR; este acompanhamento passa a estar ativo por predefinição. A versão remove /teleport, a opção --teleport e /remote-project. Para o Mistral Large 4, os níveis de reflexão passam a ser Low, Medium e High, os que a API aceita agora, e os skills de plugins passam a adotar o nome do plugin (my-plugin:review em vez de my_plugin:review), o que obriga a adaptar os agentes personalizados.

🔗 Notas de lançamento do Vibe CLI 3.1.1

Os dots do ChatGPT trabalham em vários computadores locais, escolhidos para cada tarefa

9 de novembro — Os dots, os agentes permanentes do ChatGPT lançados no final de setembro, podem agora utilizar vários computadores locais: ligam-se vários ao mesmo dot e depois escolhe-se qual será usado numa tarefa. A OpenAI Developers destaca utilizações para programadores: criar e testar uma aplicação numa máquina dedicada enquanto se programa no portátil, testar uma alteração no Xcode num segundo Mac e receber capturas de ecrã, reproduzir um bug numa máquina com um SDK mais antigo, ou fazer com que o agente percorra uma interface sem ocupar o ecrã nem o cursor do utilizador.

Segundo a página de ajuda, cada computador liga-se através da aplicação ChatGPT nele instalada, na secção Computers do perfil do dot, e tem de permanecer online, com a aplicação aberta. Para tarefas independentes, pede-se ao dot uma conversa separada por computador. Um estado offline não revoga o acesso, que tem de ser removido explicitamente, e esta permissão continua a ser distinta da ligação ao Codex e do Work Sync. A OpenAI não especifica os planos abrangidos nem o calendário.

🔗 Anúncio de @OpenAIDevs · Ligar computadores e aplicações ao seu dot

A OpenAI volta a vender a ModRetro Chromatic edição Codex, com um plugin para criar jogos Game Boy Color

9 de novembro — A OpenAI Developers volta a vender na OpenAI Supply Co., a loja da OpenAI, a ModRetro Chromatic edição Codex, uma consola portátil que executa jogos Game Boy Color: 200 dólares com um cartucho programável e um estojo. Inicialmente disponibilizada em exclusivo no DevDay, regressa com um novo visual; a loja anuncia a reposição de stock para 19 de novembro, com entregas limitadas aos Estados Unidos, Canadá, Austrália, Nova Zelândia, Japão, Reino Unido e União Europeia.

A consola serve de montra para o plugin ModRetro Chromatic, publicado pela ModRetro e instalado a partir do catálogo de plugins do Codex na aplicação de desktop do ChatGPT. Baseia-se no GB Studio e fornece ferramentas de sprites e animações, um mapa de colisões apresentado ao lado do cenário, um emulador aberto no navegador integrado do Codex e sequências de botões executadas com uma captura de ecrã em cada etapa. Os mais experientes podem escrever em C com GBDK-2020 ou criar o seu próprio motor em assembly. A instalação por cabo USB num cartucho regravável apaga o jogo existente e pode apagar os seus dados guardados, sem cópia de segurança.

🔗 Anúncio de @OpenAIDevs · Criar um jogo para consola portátil retro com Codex e ModRetro Chromatic · Chromatic edição Codex na OpenAI Supply Co.

O Google AI Studio cria aplicações Google Maps Platform a partir de um prompt, sem cartão bancário

9 de novembro — O Google AI Studio permite criar aplicações baseadas no Google Maps Platform diretamente a partir de um prompt. Descreve-se a ideia ao Gemini, por exemplo, uma visita 3D interativa a Nova Iorque, e o AI Studio configura o Google Maps Platform e gere a chave de API sem redirecionamento, antes de apresentar um mapa interativo na pré-visualização; também pode associar um projeto Google Cloud existente. Estão disponíveis as API Maps (mapas estilizados, cidades 3D fotorrealistas), Places (pesquisa local, fichas de locais), Routes (itinerários com etapas) e Environment (qualidade do ar, pólen), e há três exemplos para remisturar na galeria: City Immersive Tour, Pet Grooming Route Optimizer e Store Locator & Near Me Finder.

A experimentação é gratuita e não exige cartão bancário, dentro das quotas da sandbox: 100 chamadas por dia e por API, repostas a cada 24 horas. Para produção, é necessário associar uma conta de faturação Google Cloud, com os preços padrão do Google Maps Platform.

🔗 Do prompt à aplicação: criar com Google Maps no AI Studio (Google Developers) · Anúncio de @GoogleAIStudio

A ElevenLabs lança o Campaign Manager para entregar campanhas de chamadas de saída ao ElevenAgents

9 de novembro — A ElevenLabs lança o ElevenAgents Campaign Manager, que entrega aos seus agentes de voz campanhas completas de chamadas de saída. Fornece-se uma lista de contactos e um objetivo, como um potencial cliente qualificado ou uma marcação confirmada: o agente liga nos períodos horários escolhidos, mantém o contexto entre chamadas, volta a ligar mais tarde, reserva o horário pedido ou recorre a outro número ou a outra pessoa da conta, e para assim que o objetivo é alcançado ou o contacto o pede.

O módulo estabelece limites para as chamadas: um número máximo de tentativas (com um limite distinto para as chamadas de retorno), listas de oposição atualizadas assim que um contacto pede para parar e menções obrigatórias na apresentação do agente. Cada contacto tem a sua cronologia de decisões, os casos incertos vão para uma fila de tratamento e tudo pode ser exportado em CSV. Testado em beta nos seguros, na banca e no e-commerce, fez a The AA Ireland passar de 50 a 60 % de potenciais clientes tratados por dia para 100 %, segundo o seu CTO Jeremy O’Sullivan. O Campaign Manager está disponível desde já, por telefone e no WhatsApp, estando o e-mail e o SMS anunciados para breve, sem tarifa própria.

🔗 ElevenAgents Campaign Manager (ElevenLabs) · Anúncio de @ElevenLabs

Dados e investigação abertos: conjuntos sintéticos japoneses da NVIDIA e poda HOPE da Amazon

Duas publicações de hoje no blog da Hugging Face, uma sobre dados de treino, a outra sobre a memória ocupada pelos modelos de especialistas.

A NVIDIA e a Elith publicam dois conjuntos de dados sintéticos japoneses, para as finanças e a proteção de dados

9 de novembro — A NVIDIA publica na Hugging Face dois conjuntos de dados sintéticos japoneses concebidos para serem utilizados em conjunto. O Nemotron-Personas-Finance-Japan, desenvolvido com a empresa Elith, alarga o Nemotron-Personas-Japan ao setor financeiro: 9 milhões de personas em japonês (1 milhão de registos de 50 campos), com composição do agregado familiar, património e comportamentos financeiros baseados nas estatísticas oficiais, num total de cerca de 1,5 mil milhões de tokens sob licença CC BY 4.0. Segundo os autores, é o primeiro conjunto aberto de personas desta dimensão que cruza estatísticas públicas japonesas com dados das finanças dos agregados familiares.

O Nemotron-PII-Japan fornece 100 000 documentos profissionais japoneses sintéticos em oito áreas (saúde, finanças, administração, setor jurídico, entre outras), com 56 tipos de dados pessoais anotados, incluindo o número My Number, para treinar modelos que detetam e ocultam esses dados. A NVIDIA afina um modelo GLiNER com 95 000 documentos desse conjunto. A ideia global: simular clientes com o primeiro conjunto e depois verificar com o segundo se uma cadeia de processamento protege os seus dados.

🔗 Nemotron-Personas-Finance-Japan (blog da Hugging Face) · Nemotron-PII-Japan (blog da Hugging Face)

A Amazon apresenta o HOPE, uma poda de especialistas de MoE que tem em conta os especialistas que trabalham em conjunto

9 de novembro — Num artigo assinado por Alex M Tseng, uma equipa da Amazon apresenta o HOPE (Higher-Order Pruning of Experts), um método para remover os especialistas menos úteis de um modelo de mistura de especialistas (MoE) sem novo treino. Um MoE mantém todos os seus especialistas em memória, embora apenas alguns sejam utilizados para cada token: no Qwen3.5-122B, representam 95 % dos cerca de 250 GB do modelo. Os métodos atuais avaliam cada especialista isoladamente; o HOPE também mede as interações entre pares de especialistas, que são frequentemente ativados em conjunto.

Testado no Qwen3.5-122B, Qwen3.5-35B e GLM-4.5-Air, em comparação com REAP, MAN, EAN e Frequency, com 10 a 50 % dos especialistas removidos, o método obtém a melhor classificação média (2,07 entre 5 métodos), segundo a Amazon, e a sua vantagem aumenta com a taxa de poda: a 50 %, até +6,1 % nas tarefas de código com agentes face ao melhor método concorrente. É compatível com a quantização, com um custo adicional de um a dois segundos por camada.

🔗 Artigo da Amazon sobre o HOPE (blog da Hugging Face)

Breves

Agentes e ferramentas de código

Qwen Code v0.27.1 — Versão estável de 9 de novembro, dois dias após a v0.27.0, sem alterações incompatíveis: 122 entradas, incluindo 26 funcionalidades e 65 correções. O Managed Agent ganha uma memória pessoal opcional assente no Mem0, bem como o arquivamento e a instalação de servidores MCP em autosserviço; Desktop v0.27.1 e o SDK TypeScript v0.1.31 chegam no mesmo dia. 🔗 fonte
Copilot CLI 1.0.108 em versão estável — Passagem a versão estável em 9 de novembro, sem novidades além das versões de pré-lançamento 1.0.108-0 e 1.0.108-1 abordadas em 7 de novembro: comandos /index, indexação tgrep partilhada por predefinição, configuração de sandbox para Windows e 72 correções. 🔗 fonte
Antigravity CLI 1.5.2 — Versão datada de 6 de novembro no changelog: --dangerously-skip-permissions deixa de aprovar automaticamente os comandos protegidos e os acessos fora do espaço de trabalho quando um administrador do Gemini Enterprise exige uma revisão; os plugins com nomes perigosos são rejeitados, e as skills dos plugins cloud chegam às sessões --remote-agent. 🔗 fonte
Portals do Amp nos runners — Os Portals, até agora reservados aos orbs, funcionam nas máquinas do utilizador: um servidor de desenvolvimento iniciado pelo agente abre-se a partir do separador Portal da conversa, acessível, segundo a documentação, num navegador e nas aplicações para iPhone e iPad. Ativação através de Allow Portals ou amp --no-tui --remote-control-portals; os portals são privados, exceto num runner partilhado, e nunca são públicos segundo a documentação. 🔗 fonte · 🔗 documentação
Amp para Windows — Em 7 de novembro, Quinn Slack, CEO do Amp, disponibiliza uma aplicação experimental para Windows, com um instalador que se atualiza automaticamente; os bugs comunicados são recompensados com créditos, e é prometida uma versão sólida dentro de cerca de três a quatro dias. A página de transferências também apresenta uma aplicação experimental para Linux. 🔗 fonte
O editor de conversas do Delta — Agus Zubiaga descreve no blog do Delta a reescrita do editor para transformar as conversas num documento partilhado e anotável, em vez de um chat, abandonando a arquitetura do editor do Zed; o Zed resume que foi preciso recomeçar do zero seis vezes. Artigo de engenharia, sem nova versão. 🔗 fonte · 🔗 tweet do Zed
v0 e Fable 5.2 — A ferramenta de criação de aplicações da Vercel disponibiliza Claude Fable 5.2 na noite do lançamento, com um ponto de acesso direto v0.app/?fable52, sem especificar planos nem preços. 🔗 fonte

Plataformas, API e empresas

Escolher o seu modelo Claude — Num guia publicado em claude.dev, Addy Osmani aconselha começar com Opus 5.5 com esforço medium, passar para Sonnet 5.5 ou Haiku 5.5 para trabalho bem delimitado ou em volume e subir para Fable 5.2 nos projetos mais difíceis, experimentando primeiro aumentar um nível de esforço. No SWE-bench Pro, Opus 5.5 em low, repetindo em high as tarefas que falharam, atinge cerca de 97 % por 0,17 dólar por tarefa, contra 95,3 % por 0,29 dólar com tudo em high. 🔗 fonte
Funções assíncronas na API Agents — Michael Luo, da equipa da API Agents da OpenAI, apresenta as funções assíncronas: o agente continua a trabalhar depois de chamar uma ferramenta, sem esperar pelo resultado, para iniciar cedo uma pesquisa lenta ou tratar as partes independentes de um pedido. Recorda também o cache de prompts de 12 horas, já abordado em 20 de outubro. 🔗 fonte
SDK da OpenAI — openai-python 3.48.0 acrescenta opções de streaming para sessões de agentes, e os SDK Python e Node (7.54.0) reconhecem gpt-6-rosalind nas Responses em beta; Codex CLI não publicou nenhuma versão estável desde a 0.167.0 de 6 de novembro, apenas versões de pré-lançamento 0.169.0 sem notas. 🔗 fonte
ChatGPT Enterprise no AWS Marketplace — ChatGPT Enterprise (ChatGPT, ChatGPT Work, Codex e os dots) pode agora ser adquirido através do AWS Marketplace, com a faturação AWS existente e despesas contabilizáveis para os compromissos de consumo AWS; segundo a OpenAI, oferece as mesmas funções da compra direta, sem preço anunciado, depois do Google Cloud e da Oracle em outubro. 🔗 fonte
Kuken Industries — O fabricante japonês de torres de arrefecimento encontra um desenho de uma peça sobresselente em 4,5 minutos, em vez de quase uma hora, com uma ferramenta desenvolvida sobre a API da OpenAI pela startup Recursive; prevê cerca de 90 % menos horas de pesquisa ao longo de um ano. 🔗 fonte
Guia da Perplexity sobre memória — A Perplexity explica a memória dos assistentes de IA e detalha a sua: funciona com todos os modelos, é específica de cada Project, aparece entre as fontes quando é utilizada e pode ser eliminada; nas contas de particulares, o seu conteúdo pode ser usado para melhorar os modelos, a menos que se desative a definição AI Data Retention; nunca nas contas Enterprise. 🔗 fonte

Segurança

Secret scanning nos registos de Actions — O secret scanning do GitHub analisa agora os registos de workflow do GitHub Actions no fim da execução, em prévia pública no GitHub Enterprise Cloud com Secret Protection ou Advanced Security; a política empresarial está desativada por predefinição, sem análise dos registos antigos nem notificações durante a prévia. 🔗 fonte
Exame x402 da Fizzl — Frits Zwager transforma o x402 Agent Safety Bench num exame aberto a qualquer agente, no site da Fizzl: 19 tarefas de compra a vendedores simulados, dos quais 14 são fraudulentos, pagas em USDC de teste na Base Sepolia. 🔗 fonte

Modelos abertos e comunidade

Harness adapters — Continuação do projeto harness-hub apresentado em 6 de novembro: o treino dos LoRA está concluído para LFM2.5-24B e LFM3 da Liquid AI e para Twil-8B da webAI, nos harnesses pi, hermes e opencode; a equipa anuncia até 43 % mais eficiência no uso de ferramentas e 15 % mais exatidão para LFM3, e até 37 % mais eficiência para Twil-8B. 🔗 fonte
Editar pesos para a medicina — Maziyar Panahi (OpenMed) melhora pequenos modelos Qwen em exames médicos ao modificar os seus pesos sem treino: Qwen3.5-2B passa de 52,0 para 70,5 % no MedQA, sem alteração significativa em matemática; o ganho deve-se em parte ao formato da resposta, esclarece o artigo. 🔗 fonte
Qwen3.8-27B ajustado num Mac Studio — Roman Melnyk transforma Qwen3.8-27B num assistente para Kafka, Strimzi, Kubernetes e Argo CD, inteiramente num Mac Studio M3 Ultra de 512 Go; a versão de 4 bits cabe em cerca de 15 Go, e o autor considera este primeiro resultado pouco conclusivo. 🔗 fonte
Step 5 na Together AI — Em 8 de novembro, a Together AI afirma ter mais do que triplicado o débito do Step 5 da StepFun ao otimizar a sua infraestrutura de serviço com agentes (encaminhamento MoE, escalonamento, kernels, descodificação especulativa, atenção esparsa), sem indicar um valor absoluto. 🔗 fonte
Galeria 3D no Hub — Segundo Caleb Fahlgren, numa publicação partilhada pela Hugging Face, os conjuntos de dados que contêm ficheiros .glb, .ply, .stl ou splats são apresentados automaticamente numa galeria 3D; mais de 350 conjuntos públicos beneficiam desta funcionalidade, depois do visualizador OpenUSD de outubro. 🔗 fonte
Hackathon da Hugging Face e da Qai em Doha — Aritra Roy Gosthipaty e quatro coautores da Hugging Face fazem o balanço deste hackathon de 5 a 7 de novembro, apresentado como o primeiro da Hugging Face no Golfo: mais de 500 candidaturas, 150 participantes, 40 equipas, 15 finalistas e 3 vencedores. 🔗 fonte
Aplicação móvel da Sakana AI — A Sakana AI recruta até 15 de novembro participantes para testar a beta da sua primeira aplicação móvel, provisoriamente chamada Sakana AI App, sem descrever as suas funções. 🔗 fonte

Robótica, 3D e vídeo

IA física na Coreia — Na série coreana da NVIDIA, a Samsung acelera os seus cálculos de conceção de semicondutores (cerca de 1 600 vezes com PhysicsNeMo, de 18 horas para 41 segundos), a Kakao Mobility pretende alcançar condução autónoma de nível 4 sobre NVIDIA Hyperion com veículos Kia, e o robô CLOiD da LG, controlado por Isaac GR00T, trabalha numa fábrica real; sem calendário nem volume indicados. 🔗 fonte
Humanoide que monta móveis IKEA — Em 8 de novembro, Harpreet Sahota converte para FiftyOne um excerto do 2026 Humanoid IKEA Assembly Challenge: 6 episódios e 30,7 minutos de um humanoide com 35 motores e sete câmaras, com o binário dos motores sincronizado com as câmaras dos pulsos. 🔗 fonte
SAM3D-Part e BranchTokens da Meshy — SAM3D-Part extrai com um clique uma peça completa de um objeto 3D existente, com uma distância de Chamfer cerca de 72 % inferior à do OmniPart em 500 objetos (artigo aceite na SIGGRAPH Asia 2026, pesos publicados); BranchTokens, desenvolvido com Purdue, reduz em 16,9 % o erro de geração de esqueletos 3D face ao Auto-Connect. 🔗 fonte · 🔗 BranchTokens
Sightline da Runway — Nova aplicação do App Studio: cria um panorama 360 de um local, permite enquadrar planos de todos os ângulos com um cenário coerente e exporta-o em 3D para servir de ambiente; consome créditos Runway, sem custo nem modelo especificados. 🔗 fonte

O que isto significa

Um modelo de fronteira é agora avaliado no próprio dia por quem o integra, e nos seus próprios bancos de teste. Cursor, Cognition e Perplexity publicam os seus resultados de Fable 5.2 nas horas que se seguem ao lançamento, cada um no seu benchmark interno, e Claude Code torna-o imediatamente o seu modelo Fable predefinido. Estas avaliações não dizem todas o mesmo: no CursorBench, o esforço Extra High tem um desempenho inferior ao High por um preço mais elevado, e no WANDR o recorde tem um custo por tarefa cerca de 1,8 vezes superior ao do Gemini 4 Argon. O conselho do Cursor, voltar à configuração predefinida, aplica-se para além da sua ferramenta: um novo modelo obriga a recalibrar o esforço.

O custo por tarefa torna-se a unidade de comparação. A Anthropic reduz em 20 % o preço do Fable e destaca a pontuação do Opus 5.5 alcançada por cerca de metade do preço; a Meta coloca Muse Ember ao nível de Claude Haiku 5.5 por cerca de um terço do custo por tarefa, segundo os seus próprios números; Cursor, Devin e Perplexity apresentam todos um custo por tarefa ao lado da pontuação. Na infraestrutura dos modelos, a Google multiplica os sistemas TPU para inferência e a Amazon procura reduzir a memória dos MoE com HOPE. No entanto, os TPU 8tx e 8i Max chegam sem data nem preço, o que ainda impede a sua comparação.

As demonstrações mudam de escala: 1 000 agentes para Fermat, até 300 por equipa no MIPLIB, mais de 1 000 subagentes para um protótipo de sistema operativo. A Anthropic acompanha estes números com salvaguardas quantificadas: um classificador aplicado a cada uma das mais de um milhão de chamadas de ferramentas da experiência Fermat, fugas da sandbox reduzidas para 3,1 % e Mythos 5.2 reservado a programas de verificação em cibersegurança e biologia. No entanto, o facto de os dois modelos suspeitarem com maior frequência de que estão a ser avaliados torna estas avaliações de segurança mais difíceis de interpretar.

Na robótica, a abertura continua por confirmar. A NVIDIA classifica GR00T 2 como um modelo aberto e publica dois bancos de teste abertos, DexBench e VABAR, mas o seu artigo não apresenta licença nem ligação para transferência. Na Coreia, a NVIDIA constrói um ecossistema de IA soberana onde os seus GPU coexistem com os NPU da Rebellions através de NVLink Fusion: a plataforma abre-se aos chips de outros projetistas, mantendo-se no centro da inferência.