Gemini 4 Argon disponível para todos, SpaceXSI reúne Grok e Cursor na The X Subscription, NVIDIA disponibiliza Run:ai em open source

Duas semanas depois de o ter reservado aos defensores de cibersegurança do Fairwind Program, a Google disponibiliza Gemini 4 Argon para todos: a API Gemini cobra 2 dólares por milhão de tokens de entrada até 30 de novembro, a aplicação Gemini e AI Mode disponibilizam-no aos subscritores de Google AI Pro e Ultra, e Cursor, Devin, GitHub Copilot e Manus adicionam-no no mesmo dia. SpaceXSI reúne Grok, Grok Bot, Cursor e X Premium na The X Subscription, um plano único de 0 a 200 dólares por mês, e a NVIDIA disponibiliza em open source toda a sua plataforma de orquestração de GPU Run:ai. A Liquid AI lança LFM2.5-24B-A2B, um modelo de raciocínio com 2 mil milhões de parâmetros ativos para agentes locais, e a NVIDIA detalha o software preparado para o lançamento dos PC RTX Spark, na sexta-feira.

Gemini 4 Argon disponível para todos: API Gemini, aplicação Gemini, AI Mode e Antigravity

13 de outubro — Anunciado a 30 de setembro e reservado até agora aos defensores de cibersegurança do Fairwind Program, Gemini 4 Argon está a ser disponibilizado em todo o mundo. A Google apresenta o seu modelo de fronteira como um modelo de trabalho aprofundado (deep work) para programação, finanças, assuntos jurídicos, cibersegurança e ciência. Eis quem lhe pode aceder e como.

Público-alvo	Acesso a Gemini 4 Argon a 13 de outubro
Programadores	API Gemini paga, em Google AI Studio e Android Studio
Subscritores de Google AI Ultra	Antigravity e AI Studio
Empresas	Gemini for business, API Gemini, Antigravity
Público em geral	Aplicação Gemini e AI Mode da pesquisa, para subscritores de Google AI Pro e Ultra
Cientistas	Nível mais elevado de utilização do Antigravity gratuito durante 6 meses, mediante candidatura (10 000 vagas)
Defensores de cibersegurança	Fairwind Program alargado a centenas de parceiros, Argon sem salvaguardas de cibersegurança

Para os programadores, o identificador é gemini-4-argon, em versão estável. O preço de lançamento mantém-se igual ao anunciado no final de setembro: 2 dólares por milhão de tokens de entrada e 10 dólares por milhão de tokens de saída, com 95 % de desconto nas entradas em cache, até 30 de novembro de 2026; depois, 4 e 20 dólares. O modelo aceita texto, imagem, vídeo, áudio e PDF, responde em texto e partilha uma janela única de 1 048 576 tokens entre a entrada, o raciocínio e a saída. Um pedido devolve, no máximo, 64K tokens em streaming e 32K sem streaming (65 536 em Gemini 3.x), mas a descodificação longa (long decode) permite produzir até um milhão de tokens menos a entrada: os SDK recentes (google-genai 2.30.1, @google/genai 2.29.1) encadeiam os pedidos automaticamente. O raciocínio pode ser ajustado em três níveis (low, medium por predefinição, high), e o cache explícito não é suportado.

Quanto aos resultados, a Google coloca Argon em primeiro lugar no Vals Index e anuncia 87 % no ERQA, um benchmark de raciocínio espacial para robótica, à frente de todos os outros modelos de fronteira. Entre os clientes com acesso antecipado, a Box mede uma precisão 14 % superior à de Gemini 3.1 Pro. Por fim, a Google promete o resto da família Gemini 4, sem indicar uma data.

🔗 O artigo de lançamento de Gemini 4 Argon · Novidades de Gemini 4 Argon na API Gemini

A segurança de Argon: 12 ciberataques simulados resolvidos em 12, um monitor de desalinhamento

13 de outubro — A Google publica, juntamente com o modelo, um relatório completo de segurança (Relatório de Segurança e Proteção), que parte das suas capacidades de cibersegurança.

The same coding and reasoning improvements that enabled Argon to find and patch vulnerabilities also drove better performance on our cybersecurity tests — solving all 12 of the end-to-end simulated cyberattack scenarios, up from five in our previous generation.

🇵🇹 Os mesmos avanços em programação e raciocínio que permitiram a Argon encontrar e corrigir vulnerabilidades também melhoraram os seus resultados nos nossos testes de cibersegurança: resolve os 12 cenários de ciberataque simulados de princípio a fim, contra cinco na nossa geração anterior. — Anca Dragan, VP de Segurança e Comportamento em AI, Google

Como as suas versões sem salvaguardas também ajudam significativamente melhor a resolver problemas em protocolos laboratoriais de biologia, a Google ativa nestes dois domínios três camadas de proteção em tempo real: filtragem de pedidos por modelos pequenos, sondas de ativação (activation probes) que leem os sinais internos do modelo e monitorização capaz de interromper o agente a meio da resposta. Um monitor de desalinhamento também lê as suas ações e a sua cadeia de pensamento, que a Google se recusa a penalizar: num teste em que lhe tinha sido aplicada uma penalização por engano, a percentagem de atalhos tomados em silêncio passou de 11,2 % para 36,4 %. Contra a injeção de prompt, a taxa de sucesso dos ataques cai para 0,7 % no Gray Swan IPI.

🔗 Desenvolver Gemini 4 Argon de forma responsável e segura

Antigravity: Argon para os subscritores de Ultra, após uma fase de testes com mais de 100 000 utilizadores na Alphabet

13 de outubro — Argon chega à aplicação de computador e à Antigravity CLI para os subscritores de Google AI Ultra e as subscrições elegíveis de Gemini Enterprise; é necessário atualizar Antigravity para a versão mais recente. A equipa relata a fase de testes interna: mais de 100 000 pessoas na Alphabet utilizam Argon todos os meses na versão interna da ferramenta, e a Google mediu, em quatro semanas, 35 % mais código produzido por agentes e 30 % menos reversões após a submissão.

Entre os exemplos citados: a utilização de CPU do frontend dos comentários do YouTube reduzida a metade, 97 tickets obsoletos ou duplicados encerrados em menos de três horas numa fila de 134, uma base de código Fortran reescrita em Rust, 1,8 vezes mais rápida, e uma auditoria de controlo de acesso que identificou quatro falhas críticas que tinham escapado a dois modelos de ponta anteriores. A utilização vai além da engenharia: mais de metade das equipas comerciais de Cloud e quase metade do departamento financeiro da Google utilizam Antigravity.

🔗 Gemini 4 Argon em Google Antigravity

13 de outubro — As notas de versão da aplicação Gemini acompanham a disponibilização de Argon com duas novidades. Antigravity está integrado na aplicação Gemini para macOS: um botão inicia um agente de código, aprova-se o seu plano e regressa-se ao chat enquanto ele desenvolve e testa o código em segundo plano, com uma notificação quando o resultado está pronto. A integração está disponível em inglês, para contas elegíveis de pessoas com 18 anos ou mais.

Um novo menu Customize reúne o ajuste das respostas, a descoberta de aplicações e a adição de skills, e Gemini liga-se agora a mais de 40 aplicações ou serviços, como Instacart, OpenTable ou Adobe. Customize está a ser disponibilizado para todos os níveis de subscrição, na web, em dispositivos móveis, Windows e macOS, mas a maioria das aplicações ligadas continua disponível apenas em inglês e nos Estados Unidos. A Google também refere uma passagem do chat para as tarefas (tasks), para que Gemini continue a trabalhar na ausência do utilizador.

🔗 Notas de versão da aplicação Gemini · Gemini 4 Argon na aplicação Gemini

Gemini 4 Argon nas ferramentas de terceiros: Cursor, Devin, GitHub Copilot e Manus

13 de outubro — Quatro ferramentas disponibilizam Argon no mesmo dia, cada uma com as suas condições e a sua própria medição.

Ferramenta de terceiros	Onde utilizar	Preço apresentado	Resultado anunciado
Cursor	Editor Cursor	2 dólares na entrada, 0,10 dólar na leitura de cache, 10 dólares na saída por milhão de tokens	52,8 % no CursorBench 4.0 com o nível de esforço predefinido
Devin	Devin Desktop e Devin CLI	75 % abaixo do preço de tabela até 27 de outubro	60,5 % no FrontierCode 1.1
GitHub Copilot	Planos Pro+, Max, Business e Enterprise, oito interfaces	2 dólares na entrada, 0,10 dólar em cache, 10 dólares na saída até 1 de dezembro	Mais tarefas resolvidas do que os Gemini anteriores, sem números
Manus	Manus, com Google Cloud	Não especificado	Sem números

Segundo o Cursor, Argon está ao nível de Opus 5.5. A tabela do CursorBench 4.0 esclarece que a igualdade se verifica com esforço médio (Opus 5.5 Medium com 52,5 %, por 2,91 dólares por tarefa contra 4,39 dólares para Argon): Opus 5.5 continua à frente em High (56 %) e em Max (57,8 %, no topo da classificação), e Argon consome quase três vezes mais tokens por tarefa. No Devin, o desconto acumula os 50 % de lançamento da Google, válidos até 1 de dezembro, e os 50 % próprios do Devin; no FrontierCode 1.1, o benchmark interno da Cognition, Argon fica ligeiramente à frente de GPT-6.1 Sol (60,4 %), mas continua atrás de Claude Opus 5.5 (65,3 %) no gráfico, intitulado 1.1 Extended.

O GitHub disponibiliza-o de forma geral para Pro+, Max, Business e Enterprise (Pro e Free não constam da lista), com uma disponibilização gradual no seletor de modelos de oito interfaces, desde VS Code e Copilot CLI até Xcode e Eclipse; em Business e Enterprise, fica ativado automaticamente, salvo se o administrador tiver desativado a ativação por predefinição de novos modelos. O Manus anuncia-o em funcionamento com Google Cloud, para programar, planear e modelar em 3D, sem especificar plano, preço ou créditos.

🔗 Anúncio do Cursor · CursorBench 4.0 · Artigo do Devin · Changelog do GitHub · Anúncio do Manus

The X Subscription: SpaceXSI reúne Grok, Grok Bot, Cursor e X Premium, de 0 a 200 dólares por mês

12 de outubro — SpaceXSI (anteriormente SpaceXAI) lança The X Subscription, uma subscrição única que reúne Grok, Grok Bot, Cursor e X Premium, e o Cursor anunciou-a nessa mesma noite: o editor, que se juntou à SpaceX em agosto, passa a ser vendido no mesmo plano que o assistente Grok e os benefícios da rede social X. A oferta está disponível para novos clientes desde 12 de outubro e deverá ser disponibilizada a todos, em todo o mundo, nos próximos dias.

Plano de subscrição	Preço mensal	Utilização incluída	O que o plano disponibiliza no Cursor
Free	0 dólar	Limitada	Quota inicial para os agentes de código
Plus	8 dólares	Base	Apenas modelos Grok
Premium	30 dólares	4 vezes Plus	Agentes cloud, automatizações, Origin, revisões de código com IA, modelos de terceiros ao preço da API
Super	100 dólares	15 vezes Plus	Como Premium, com mais utilização
Ultra	200 dólares	50 vezes Plus	Como Premium, com mais utilização

Premium inclui os benefícios de SuperGrok, Cursor Pro e X Premium+, que antes custavam, no total, 90 dólares por mês, segundo a SpaceXSI. O núcleo da oferta é uma quota de utilização partilhada por Grok e Cursor, renovada todas as semanas; quando se esgota, faz-se uma recarga (top-ups) ou espera-se pela renovação. A SpaceXSI promete pelo menos o dobro da utilização para programação com os seus próprios modelos face ao plano equivalente do Cursor. Os modelos de terceiros, dos outros laboratórios, continuam disponíveis no Cursor a partir de Premium, mas ficam fora da quota: são faturados ao preço de tabela da API, através de recargas, com limites de despesa ajustáveis.

Cursor is now part of The X Subscription. Current Cursor subscribers can keep their plan or switch to The X Subscription.

🇵🇹 Cursor faz agora parte de The X Subscription. Os atuais subscritores de Cursor podem manter o seu plano ou mudar para The X Subscription. — @cursor_ai no X

Os planos antigos já não estão disponíveis para novos subscritores. Os atuais subscritores de SuperGrok, Cursor ou X Premium mantêm o plano, o preço e as funcionalidades, ou mudam com um reembolso proporcional; no Cursor, a utilização incluída dos modelos de terceiros continua até à mudança. A SpaceXSI avisa, no entanto, que acabará por transferir os clientes restantes para os novos planos, sem calendário definido e mediante aviso prévio. Para as equipas, Premium, Super e Ultra mantêm o mesmo preço por utilizador que nos planos individuais, inferior ao dos antigos planos Cursor Teams segundo a SpaceXSI, com três vezes mais utilização para programação, SSO, faturação consolidada e conformidade SOC 2.

🔗 Apresentação de The X Subscription · Sequência de publicações de @SpaceXSI

A NVIDIA publica em open source toda a plataforma Run:ai

13 de outubro — A NVIDIA publica em open source a totalidade de NVIDIA Run:ai, a sua plataforma que atribui dinamicamente GPU e orquestra cargas de IA em Kubernetes, desde o processamento de dados até ao treino e à inferência. O código está na organização GitHub NVIDIA DSX AI Factory, e a plataforma também está disponível no NGC numa versão comunitária (Community Product), com um chart Helm que instala a stack integrada. Esta versão não exige uma subscrição paga de Run:ai, mas não inclui suporte empresarial, e o download no NGC requer a aceitação da licença de software da NVIDIA. As ofertas comerciais continuam: produto autónomo, NVIDIA Mission Control, NVIDIA AI Enterprise e marketplaces cloud.

A publicação divide-se em quatro componentes que podem ser adotados separadamente:

Componente publicado	Papel na plataforma
KAI Scheduler	Escalonador nativo de Kubernetes (escalonamento em bloco, partilha equitativa, posicionamento segundo a topologia), já open source sob Apache 2.0 e projeto CNCF Sandbox
GPU Fractioning Operator	Frações de GPU nativas de CUDA 13.4, com um limite estrito de memória por carga; a implementação proprietária de Run:ai é removida
KAI Resource Management	Projetos, departamentos, quotas e grupos de nós
Workload Map	Biblioteca Go que descreve cada tipo de carga (PyTorchJob, RayCluster, KServe, grafos Dynamo) para que as ferramentas deixem de ter de codificar cada CRD

Oito parceiros do ecossistema DSX já a integram: Crusoe, Mirantis (k0rdent AI), Nebius (implementação com um clique), OpenNebula Systems, Rafay (serviço totalmente gerido), Saturn Cloud (Token Factory), Spectro Cloud (PaletteAI) e vCluster. A NVIDIA recorda também dois projetos abertos relacionados: Model Streamer, que carrega os pesos diretamente na memória da GPU para reduzir o arranque a frio das réplicas de inferência (integrado em vLLM e SGLang, e 3 a 6 vezes mais rápido do que o carregador predefinido em oito VM H100 de Microsoft Azure), e Grove, a API Kubernetes de Dynamo para cargas com vários componentes. O objetivo declarado é tornar Run:ai uma base aberta da plataforma DSX AI Factory, para que cada parceiro e cada cloud de IA tire mais partido das suas GPU.

🔗 Run:ai em open source (blog técnico da NVIDIA)

LFM2.5-24B-A2B: a Liquid AI publica um modelo de raciocínio com 2 mil milhões de parâmetros ativos para agentes locais

13 de outubro — A Liquid AI publica LFM2.5-24B-A2B, uma mistura de especialistas (MoE) com 24 mil milhões de parâmetros, dos quais apenas 2 mil milhões são ativados por token. Segundo a Liquid AI, é o maior modelo da família LFM2.5, que passa agora a abranger de 230 milhões a 24 mil milhões de parâmetros, e um modelo de raciocínio puro: produz sempre uma cadeia de pensamento antes da resposta. O objetivo é o agente local: como cada token de raciocínio custa pouco, um agente pode funcionar continuamente na máquina do utilizador, chamar ferramentas e encadear tarefas.

A arquitetura segue a de LFM2-24B-A2B (40 camadas, 64 especialistas por bloco com encaminhamento top-4, um híbrido de convoluções curtas com portas e atenção GQA). O que muda: o contexto passa de 32 000 para 131 000 tokens, o vocabulário duplica, de 65 000 para 128 000 tokens, e o pré-treino passa de cerca de 17 000 para 33 000 mil milhões de tokens, antes de um pós-treino em cinco etapas que termina com aprendizagem por reforço conduzida em harnesses de agentes (OpenClaw, Hermes Agent, Pi, OpenCode).

Benchmark avaliado	LFM2.5-24B-A2B	Qwen3.6-35B-A3B	Gemma-4-26B-A4B-it	Nemotron-3.5-Lightning
AutomationBench	27,69	8,72	5,46	2,61
BFCLv4	65,01	65,00	57,09	53,78
ToolSandbox	80,71	75,02	72,09	75,13
LiveClaw	48,09	38,19	41,25	37,72
PinchBench	83,18	89,93	77,12	84,20
WebArena Verified	26,75	37,62	25,62	28,69
IFBench	74,69	64,21	47,44	71,67
GPQA Diamond	74,42	83,69	74,90	72,42
MATH-500	96,04	96,73	95,66	96,40
SWE-Bench Verified (OpenCode)	51,00	66,20	25,80	53,40

Face a três MoE maiores, o modelo mantém-se competitivo na utilização de ferramentas e no seguimento de instruções, mas perde terreno nos conhecimentos e no código agêntico; a Liquid AI recomenda, aliás, associá-lo a pesquisa ou a uma base documental para tarefas que exijam conhecimentos. A velocidade é o outro argumento: 184 tokens/s num Apple M5 Max, 114 num Ryzen AI Max+ 395, e mais de 21 000 tokens de saída por segundo com elevada concorrência num único B300. O modelo base e o modelo pós-treinado são publicados com pesos abertos sob a licença própria lfm1.0, com suporte imediato para llama.cpp, MLX, vLLM, SGLang e ONNX.

🔗 LFM2.5-24B-A2B (blog da Liquid AI no Hugging Face)

IA local em PC Windows: a NVIDIA prepara os RTX Spark com Nemotron 3.5 Bolt 74B, a Hugging Face lança Llama Windows

13 de outubro — A três dias do lançamento dos portáteis RTX Spark, na sexta-feira, 16 de outubro, depois da abertura das pré-encomendas no dia 7, a NVIDIA apresenta em detalhe o software pronto para o lançamento deste chip, que reúne até 128 GB de memória unificada e 1 petaflop de cálculo de IA. A peça central é um novo modelo aberto, Nemotron 3.5 Bolt 74B-A9B 24GB: um MoE com 74 mil milhões de parâmetros, dos quais 9 mil milhões estão ativos, quantizado a 2 bits com um treino que tem em conta a quantização para caber em 24 GB, e concebido para agentes locais. É lançado na quinta-feira, 15 de outubro, em llama.cpp, vLLM, Ollama, Unsloth e LM Studio, e poderá ser chamado a partir de Hermes e OpenClaw; os dados de treino, os pesos e as receitas são abertos.

No que toca aos agentes, a NVIDIA estima que os downloads de LLM locais equivalem a 5 vezes os de todo o ano passado. GitHub Copilot, Hermes, OpenClaw, Perplexity, Pi e WorkBuddy recomendam e configuram um modelo local adequado; a segurança passa pelo sandbox OpenShell e pelos contentores MXC da Microsoft, e a biblioteca open source Switchyard encaminha os pedidos entre modelos locais e cloud. NVIDIA PAIR, o router que distribui a inferência pelos PC de uma rede local, sai da beta com suporte para llama.cpp e download direto de modelos a partir de Hugging Face. Para a criação, a Adobe anuncia até 2 vezes mais velocidade em Photoshop e Premiere (otimizações em beta), e NVIDIA Broadcast 2.3 acrescenta super-resolução de vídeo, geração de fotogramas intermédios e um servidor MCP para que os agentes controlem os seus efeitos. Para os programadores, Windows on Arm recebe o seu primeiro build PyTorch-CUDA e Python 3.15 nativo por predefinição.

Elemento anunciado	Data de disponibilidade
NVIDIA PAIR fora da beta, Broadcast 2.3, Llama Windows	13 de outubro
Nemotron 3.5 Bolt 74B-A9B 24GB	quinta-feira, 15 de outubro
Portáteis RTX Spark, guias práticos de IA (playbooks), modelo DLSS 5 duas vezes mais rápido	sexta-feira, 16 de outubro
Nemotron 3.5 Bolt E4B 4GB para as personagens ACE, RTX Remix 1.6	sexta-feira, 23 de outubro
DLSS Ray Reconstruction em Blender	novembro

🔗 O software do lançamento dos RTX Spark (blog da NVIDIA)

Llama Windows: a Hugging Face coloca llama.cpp na área de notificação do Windows 11

13 de outubro — A Hugging Face lança Llama Windows, uma aplicação WinUI 3 gratuita e open source que instala e executa llama.cpp a partir da área de notificação do Windows 11, sem terminal, sem compilação e sem privilégios de administrador. Escolhe-se um modelo quantizado no Hub, faz-se o download com um clique e carrega-se a partir de um painel compacto; ao iniciar, a aplicação liga-se a um servidor llama.cpp já em execução ou instala llama.cpp com o seu instalador oficial. É o equivalente para Windows de llama.app em macOS.

Para os programadores, o servidor local escuta em http://localhost:9931 com uma API compatível com OpenAI, e os downloads ficam na cache padrão de Hugging Face, partilhada com as outras ferramentas do fornecedor. A aplicação funciona nativamente em Windows on Arm e suporta os NVIDIA RTX Spark desde o primeiro dia, um trabalho realizado com a NVIDIA. O código é publicado sob licença MIT no repositório ggml-org/Llama-Windows.

🔗 Llama Windows (blog da Hugging Face)

Segurança: as defesas da Anthropic contra a destilação, o exploit do Chrome criado pela XBOW, o classificador de segredos do GitHub

Três anúncios abordam a segurança dos modelos e do código: a Anthropic faz o balanço das suas defesas contra a cópia dos seus modelos, a XBOW mostra o que um modelo público permite fazer num ataque, e o GitHub substitui um pipeline LLM por um pequeno classificador.

A Anthropic reduz em 90 a 99 % os dados recolhidos por quem faz destilação, segundo os seus primeiros indícios

12 de outubro — A Anthropic faz o balanço das suas defesas contra ataques de destilação, campanhas que extraem as respostas de um modelo de ponta, muitas vezes através de redes de contas fraudulentas, para treinar outro a um custo inferior. Segundo os primeiros indícios, os seus novos métodos reduzem em cerca de 90 a 99 % os dados recolhidos. Segundo a Anthropic, a Zhipu tentou destilar Claude Fable 5 durante o desenvolvimento de GLM-5.3, antes de recorrer a um modelo Claude mais antigo e ao de outro laboratório.

Acrescentam-se três camadas: o pensamento preservado (preserved thinking) de Claude Fable 5.1 e Opus 5.5, que impede as contas API criadas desde 31 de agosto de modificar o contexto anterior de Claude, com o raciocínio de Sonnet 5.5 reservado à organização que fez o pedido; um classificador em duas etapas com menos de 0,1 % de falsos positivos, ativo em Sonnet 5.5, Opus 5 e 5.5, Fable 5 e 5.1; por fim, limites de utilização mais restritos, banimentos e, desde 24 de setembro, a faturação dos pedidos bloqueados. Resultado anunciado: 10 a 100 vezes menos tokens de raciocínio extraídos e dezenas de milhares de contas banidas, muitas vezes em menos de duas horas.

🔗 Reforçar as nossas defesas contra ataques de destilação

A XBOW cria com GPT-5.6 Sol um exploit completo do Chrome, recompensado com 250 000 dólares pela Google

13 de outubro — A XBOW, empresa de testes de intrusão realizados por agentes de IA, criou uma cadeia de exploração completa (full chain) do Chrome: bastava visitar uma página web para assumir o controlo remoto de uma máquina Windows, o que representava cerca de mil milhões de utilizadores expostos, segundo a XBOW. A Google atribuiu-lhe uma recompensa de 250 000 dólares, e os três bugs estão corrigidos. O anúncio é da XBOW, e não da OpenAI, cuja conta @OpenAIDevs apenas o republicou.

We deliberately picked a model that is available to anyone, not a specialized security model or one with restricted access.

🇵🇹 Escolhemos deliberadamente um modelo acessível a todos, e não um modelo de segurança especializado ou de acesso restrito. — Oege de Moor, fundador e CEO da XBOW

O modelo escolhido é GPT-5.6 Sol, juntamente com os seus antecessores. A cadeia custou 40 000 dólares em capacidade de cálculo ao longo de seis dias, de 2 a 7 de agosto: a IA percorreu o código-fonte do Chrome, criou provas de conceito e escreveu as primeiras versões do exploit, enquanto quatro investigadores definiam a estratégia e verificavam o trabalho. Segundo a XBOW, cada um dos três bugs poderá ser encontrado apenas por agentes no prazo de um ano.

🔗 O relato da XBOW

O GitHub apresenta em detalhe o seu classificador de segredos: 86 % menos tempo de análise do que o seu antigo pipeline LLM

13 de outubro — Seis dias depois de anunciar o seu classificador de segredos divulgados, o GitHub publica os seus bastidores. O scanner trabalha em duas fases: expressões regulares fazem uma pesquisa abrangente para identificar tudo o que se assemelhe a um identificador, depois um classificador ModernBERT ajustado, exportado em ONNX com quantização de 8 bits, lê cada candidato com o seu contexto (caminho do ficheiro, tipo de segredo, nomes de variáveis, código próximo) para excluir elementos semelhantes, como os valores de exemplo ou os dados fictícios dos testes.

Métrica comparada com o pipeline LLM	Diferença publicada
Tempo mediano de análise post-push	−86 %
Custo do serviço	mais de 98 % a menos
Aceitação dos alertas ponderada por proprietário de repositório (teste A/B)	+11,5 %
Precisão offline	+13 %
Recall offline	+19 %

Este ganho de velocidade permitiu alargar a deteção de segredos genéricos à proteção dos pushes, antes mesmo do envio do código.

🔗 O modelo do GitHub para deteção de segredos (Blog do GitHub)

Scion: a Anthropic substitui git pelo seu próprio sistema de controlo de versões

13 de outubro — A Anthropic explica no seu blog Engineering por que deixou de usar git no seu monorepo: as suas equipas integravam cerca de 2 500 alterações por dia em maio de 2026, e mais de 30 000 em setembro. Com um histórico de quase 100 GB e cerca de 25 milhões de checkouts por dia para a CI, as ferramentas concebidas para humanos tornavam-se um entrave, mesmo com várias centenas de espelhos git internos.

Scion, desenvolvido em cinco meses por sete pessoas, parte do princípio de que os seus clientes, sobretudo agentes e tarefas automatizadas, estão sempre online: o servidor calcula o histórico, a atribuição linha a linha (blame) e as fusões, e uma tarefa de CI muitas vezes já não precisa de uma cópia local. A Anthropic afirma ter uma ocupação de espaço 200 vezes menor do que a dos seus espelhos git, checkouts em segundos em vez de minutos e 25 % de CPU recuperados para a CI; uma versão preliminar interna de Claude Mythos Preview reescreveu o pipeline de ingestão com 20 vezes menos memória. A Anthropic não prevê uma versão pública, já que Scion se afasta demasiado de git para ser usado noutros contextos: prefere partilhar os seus princípios para que outros os apliquem a git e afirma querer trabalhar com GitHub, GitLab e a comunidade open source.

🔗 Redesenhar o controlo de versões na Anthropic

NVIDIA em França: investimentos previstos na Doctolib, Entalpic, Genesis AI e Pigment, modelos da Mistral em órbita no Altair-1

13 de outubro — No início da sua digressão europeia rumo ao GTC Berlin, onde Jensen Huang fará a sua conferência de abertura (keynote) a 21 de outubro, a NVIDIA anuncia investimentos previstos em quatro start-ups francesas, sem indicar montantes: Doctolib (agentes para profissionais de saúde e um companheiro de saúde para os pacientes), Entalpic (conceção de materiais à escala atómica para semicondutores), Genesis AI (robôs generalistas e modelos de fundação) e Pigment (planeamento empresarial). A NVIDIA afirma ter comprometido perto de 10 mil milhões de dólares no ecossistema tecnológico europeu.

O mesmo artigo faz um balanço da IA soberana em França. A Bull alargará a sua produção europeia de servidores aos sistemas Vera Rubin Ultra NVL72, previstos para 2028 e montados na sua fábrica de Angers. O Twake.ai, desenvolvido sobre Nemotron, torna-se, através do acordo-quadro CANUT, adjudicado à LINAGORA e à Docaposte, o único espaço de trabalho digital soberano referenciado para mais de 2 500 organismos públicos franceses. O dia terminou com um encontro entre Jensen Huang e Emmanuel Macron no Eliseu.

No espaço, a Mistral divulgou o anúncio: Altair-1, o primeiro satélite de uma constelação de 50 satélites que a NVIDIA avalia em mil milhões de dólares, chegou à sua órbita. Integrado pela Loft Orbital e construído em Abu Dhabi pela Orbitworks, uma empresa conjunta da Loft Orbital e da Marlan Space, transporta módulos NVIDIA Jetson AGX Orin que executam modelos Mistral para a observação da Terra em tempo real e operações autónomas; a Loft Orbital menciona Ministral 3 e pretende gerar alertas por IA em poucos minutos. Não há números de desempenho nem uma data de lançamento precisa: a Loft Orbital situa o lançamento há algumas semanas, a NVIDIA neste mês.

🔗 O ecossistema francês e a NVIDIA (blog da NVIDIA) · A sequência de publicações da NVIDIA sobre o GTC Berlin · Tweet da Mistral AI

Agentes e ferramentas de código: a marketplace do Origin, Devin no Pylon e os seus Dynamic Workflows, Puck da Amp acessível por MCP

A Cursor abre a marketplace da sua plataforma de alojamento de código a fornecedores terceiros, Devin instala-se numa ferramenta de suporte e orquestra equipas de sessões, e a Amp torna o seu meta-agente acessível a partir de outros assistentes.

Cursor abre a marketplace do Origin a submissões públicas

13 de outubro — Origin, a plataforma de alojamento de código da Cursor lançada em beta a 17 de agosto, abre-se a ferramentas de terceiros. A sua marketplace oferece mais de 20 aplicações de implementação (Cloudflare, Netlify, Vercel…), integração contínua (Buildkite, CircleCI…), revisão de código (CodeRabbit, Greptile), segurança (Semgrep, Socket Security), monitorização (Sentry) e gestão de projetos (Linear). Desde 13 de outubro, aceita também submissões públicas: uma equipa cria a sua aplicação no seu espaço de nomes, desenvolve-a sobre a API Origin (JWT de aplicação, tokens de instalação, eventos webhook, check runs, comentários e revisões de pull requests) e depois submete-a com um vídeo de demonstração; a Cursor analisa cada submissão antes de a incluir na lista. Não foi anunciado qualquer preço.

🔗 Origin App Marketplace (changelog da Cursor)

Devin integra-se no Pylon, com 15 000 dólares em créditos para novos clientes

13 de outubro — A Cognition lança a integração nativa de Devin no Pylon, a ferramenta de suporte ao cliente. Quando um ticket é sinalizado para a engenharia, Devin inicia-se sozinho: analisa os logs, reproduz o bug, encontra a causa raiz e abre uma PR de correção; o suporte acompanha o processo no Pylon, os engenheiros retomam a sessão associada e as atualizações sincronizam-se nos dois sentidos. O suporte também pode iniciar pesquisas no código a partir do Pylon para responder a perguntas sobre o produto. Os testemunhos citados pela Cognition referem correções entregues cerca de 30 % mais depressa, por vezes em 15 a 20 minutos em vez de várias horas. Os novos clientes de Devin no Pylon recebem 15 000 dólares em créditos.

🔗 Devin no Pylon

Os Dynamic Workflows de Devin orquestram equipas de sessões através de um script Python

13 de outubro — A Cognition destaca os Dynamic Workflows de Devin: Devin escreve um script Python determinista que decide quais as sessões Devin a iniciar, em que ordem e com que instruções, apoiando-se nos resultados estruturados (esquema JSON) das anteriores. Cada agente é, por predefinição, uma sessão completa na sua própria máquina virtual, com o código a circular por branches git, ou partilha a máquina da sessão que faz a orquestração. Uma execução interrompida retoma no ponto em que parou, até um limite de sete dias, e um workflow bem-sucedido é guardado como skill. A função está disponível em qualquer sessão Devin, mas permanece desativada nas contas Enterprise até um administrador a ativar; a documentação alerta para o custo, já que cada agente consome o mesmo que uma sessão. A data de lançamento não está confirmada em nenhuma fonte: a página de documentação não tem data e a função não aparece nas notas de versão recentes.

🔗 Devin Dynamic Workflows (documentação)

Amp torna Puck acessível a partir de ChatGPT, Claude e outros agentes via MCP

13 de outubro — A Amp torna Puck, o seu meta-agente que coordena os outros agentes, acessível a partir de ChatGPT, Claude e outros clientes MCP. O servidor MCP da Amp (ampcode.com/mcp) expõe duas ferramentas: puck, para conversar com o seu Puck, e orbs, uma vista interativa das orbs em curso com ligações para os seus portais. O exemplo apresentado: desenvolver uma ideia com o modo de voz do ChatGPT durante um passeio e depois enviá-la a Puck, que a entrega à orb adequada. A ligação faz-se a partir das definições de Puck na Amp ou colando o endereço do servidor no cliente e depois iniciando sessão com a conta Amp. Até agora, Puck utilizava servidores MCP; agora torna-se um. Não foi anunciado qualquer preço.

🔗 Leve Puck consigo (Amp)

Parcerias: o Solutions Partner Program da Replit, Manus no modo Agent da OPPO

Dois acordos de distribuição: a Replit apoia-se em integradores para entrar nas empresas, a Manus num fabricante de smartphones.

Replit lança o seu Solutions Partner Program com Accenture, JSOL, SMFL e Snowman Labs

13 de outubro — A Replit lança um programa de parceiros para integradores de sistemas, consultoras e agências que acompanham empresas na sua plataforma: formação, acompanhamento, colaboração em oportunidades com clientes e percursos de certificação nas funcionalidades Enterprise, num modelo baseado primeiro na recomendação (referral-first). Entre os primeiros parceiros estão a Accenture, as japonesas JSOL e Sumitomo Mitsui Finance and Leasing (SMFL) e a brasileira Snowman Labs. A SMFL afirma ter desenvolvido numa semana uma aplicação empresarial pronta para produção, e a JSOL cita um cliente que criou um protótipo num mês. O diretório de parceiros contava com nove a 13 de outubro; não foram publicadas condições financeiras.

🔗 Apresentação dos Replit Solutions Partners

Manus associa-se à OPPO para o novo modo Agent do AI Mind Pilot

13 de outubro — A Manus integra as suas capacidades agênticas no OPPO AI Mind Pilot, no seu novo modo Agent, que fará a sua estreia na próxima série Find X10 com ColorOS 17. O exemplo destacado: organizar uma viagem a partir de bilhetes de avião, reservas e bilhetes para atrações dispersos pelas aplicações do telefone, combinados com informações online para produzir um itinerário dia a dia. Quanto à privacidade, o ColorOS 17 processa localmente, com modelos integrados, tarefas como a pesquisa ou a alteração do nome de ficheiros, cujo conteúdo não é transmitido à Manus, e o AI Mind Pilot pede confirmação explícita antes de qualquer processamento externo. Não foram divulgados data, mercados ou condições: serão anunciados no lançamento do telefone.

🔗 Manus associa-se à OPPO

Vídeo e voz generativos: FastH3-Omni da Reactor, Runway no Replit, os agentes da ElevenLabs no suporte e uma voz recriada na Câmara dos Lordes

O vídeo em tempo real ganha som, a Runway entra na conceção de sites e a ElevenLabs mostra duas utilizações da sua plataforma, no suporte ao cliente e no Parlamento britânico.

FastH3-Omni: Reactor lança uma versão em tempo real de MiniMax H3 com som sincronizado

13 de outubro — A plataforma Reactor lança FastH3-Omni, uma versão em tempo real de MiniMax H3, o modelo de vídeo da MiniMax, que gera vídeo com som sincronizado a partir de um único prompt. Pós-treinado pela equipa FastVideo do Hao AI Lab com a Nuva Lab, já responsáveis pelo FastH3 no final de agosto, é apresentado como a versão open source de H3 em tempo real mais rápida e de melhor qualidade. Acrescenta o condicionamento pela primeira e pela última imagem, entrada de áudio com diálogos e até três imagens de referência. FastH3-Omni está em antevisão exclusiva na API Reactor até 20 de outubro; o anúncio não publica benchmark, preço ou ligação para os pesos. A MiniMax divulgou-o nessa mesma noite.

🔗 Anúncio da Reactor

Runway liga-se ao Replit para a conceção de sites

13 de outubro — A Runway e a Replit apresentam no mesmo dia Runway for web design: depois de ligar Runway a um projeto Replit através de Runway MCP, o agente de desenvolvimento gera imagens, vídeos e recursos visuais diretamente no projeto, desde a primeira ideia até ao site concluído. A página de Runway MCP inclui Replit entre os ambientes suportados, juntamente com ChatGPT, Claude, Grok Bot, Muse e Cursor; Runway MCP já era compatível com Replit no seu lançamento, a 27 de maio, pelo que o anúncio é sobretudo uma divulgação conjunta. Depois do diretório de aplicações do ChatGPT a 7 de outubro e de Claude Motion a 8, a Runway visa desta vez a conceção de sites. Não foi especificado qualquer preço ou custo em créditos.

🔗 Anúncio da Runway · Anúncio da Replit

ElevenLabs resolve mais de 22 000 tickets de suporte por mês com os seus próprios agentes

13 de outubro — A ElevenLabs mostra como utiliza a sua própria plataforma: o seu suporte ao cliente funciona sobre ElevenAgents, que resolve mais de 22 000 tickets por mês sem intervenção humana, com encaminhamento para a equipa quando necessário. No mês passado, o agente tratou 65 % dos tickets do início ao fim, o tempo médio de primeira resposta caiu para 60 segundos, face a várias horas anteriormente, e 70 % das conversas receberam avaliações positivas. O agente apoia-se nos procedimentos da equipa de suporte, convertidos em Procedures (numa versão estruturada para os reembolsos), e em ferramentas webhook que consultam o plano, os créditos ou as vozes de cada utilizador; foi validado por testes de simulação em cerca de cinquenta cenários e depois observado em modo sombra (shadow mode) no tráfego real antes da entrada em produção. Architect, lançado a 6 de outubro, serve depois para compreender os encaminhamentos e testar as correções.

🔗 O suporte da ElevenLabs no ElevenAgents

A baronesa Campbell dirige-se aos Lordes com uma voz recriada pela ElevenLabs

13 de outubro — A baronesa Jane Campbell of Surbiton, ativista dos direitos das pessoas com deficiência, com atrofia muscular espinal e par vitalícia desde 2007, recorria a uma assistente para ler os seus discursos desde 2012. Desta vez, dirigiu-se à Câmara dos Lordes com a sua própria voz, recriada por IA, durante a segunda leitura do Health Bill, sobre os orçamentos pessoais de saúde. Segundo a ElevenLabs, é a primeira vez que um membro do Parlamento britânico utiliza uma voz gerada por IA numa das duas câmaras. A própria baronesa recriou a sua voz com a ferramenta de clonagem da ElevenLabs a partir de gravações antigas; o texto, convertido em voz por síntese, foi reproduzido por um dispositivo de assistência, com a aprovação do comité de procedimentos dos Lordes. A ElevenLabs afirma ter devolvido a voz a mais de 11 000 pessoas.

🔗 O primeiro discurso proferido com uma voz de IA no Parlamento britânico (ElevenLabs)

Investigação e dados abertos: Prompteina concebe proteínas, Basis publica Global Emotions, um artigo crítico sobre os modelos de decisão

Três publicações abertas do dia: um modelo de conceção de proteínas controlado por texto, um conjunto de dados de fala expressiva em 83 línguas e uma crítica apoiada em números aos modelos de decisão.

Prompteina concebe proteínas com todos os átomos a partir de uma instrução em linguagem natural

13 de outubro — Joseph Lee, primeiro autor, apresenta Prompteina, um trabalho coassinado, entre outros, por três investigadores ligados ao Ai2, que o divulgou, e por David Baker, do Institute for Protein Design da Universidade de Washington. O artigo no arXiv descreve-o como o primeiro modelo de geração de estruturas de proteínas com todos os átomos controlado por texto. Enquanto os modelos existentes exigem uma representação de entrada específica para cada propriedade, aqui a propriedade pretendida escreve-se em linguagem natural: das 18 propriedades estruturais avaliadas, Prompteina controla 15 melhor do que os modelos de referência. Foi treinado com 1,8 milhões de estruturas emparelhadas com 52,4 milhões de legendas, adaptando Proteina-Complexa da NVIDIA. Na conceção de ligantes controlada por um agente, obtém, em 20 alvos, uma confiança de ligação prevista 14 % superior à da melhor referência. Para GM2A, um alvo para o qual não tinha sido reportado nenhum ligante de novo, 90 estruturas concebidas e testadas em laboratório produziram nove ligantes, dos quais o mais forte apresenta uma constante de dissociação aparente de 107 nM. O código e os pesos estão publicados.

🔗 Sequência de publicações de Joseph Lee · Conceber estruturas de proteínas a partir de linguagem natural (arXiv)

Basis publica Global Emotions, 525 horas de fala expressiva em 108 locales

12 de outubro — A Basis publica Global Emotions, um conjunto de dados de fala expressiva com 525,17 horas, gravado com 10 420 falantes nativos remunerados, em 108 locales e 83 línguas, em WAV a 48 kHz. A sua particularidade está na estrutura: o mesmo ator lê a mesma fala em várias intensidades, neutra, média e depois plena, seguindo uma instrução (alegre, frustrado, sarcástico, sussurrado, cantado…). Ao manter constantes o falante e o texto, isola-se o que muda na voz, no ritmo, na altura ou na velocidade de fala quando a emoção aumenta. O conjunto conta com 137 696 gravações e 54 575 séries emparelhadas, incluindo 12 141 gravações com um sinal não verbal (suspiro, riso). A Basis declara-o livre para uso comercial e investigação, sob uma licença própria com acesso condicionado, mas o áudio é fornecido em bruto, sem redução de ruído, e as transcrições validadas por humanos não estão incluídas: são vendidas por 22,7 dólares por hora de áudio.

🔗 Basis Global Emotions (blog da Hugging Face)

Modelos de decisão: um artigo crítico avalia os seus limites e treina um com GRPO

13 de outubro — Num artigo da comunidade no blog Hugging Face, Hajime Yagihara examina as demonstrações públicas de modelos de decisão, modelos que não geram nenhum token e devolvem uma probabilidade por opção. A sua tese: o código das demonstrações simula cada opção e escreve o resultado no prompt, fazendo assim o trabalho difícil antes do modelo. No cenário Predict Position de ViZDoom, Jev sem assistência do código conclui com sucesso 0 episódios em 128, abaixo do acaso (12 em 128), enquanto o código por si só conclui 126; em Snake, cai para 63,5 % assim que é preciso prever um único passo.

O autor transpõe depois o GRPO dos LLM para estes modelos, distribuindo a recompensa final por todas as decisões de um episódio. Em NanoJev, uma reprodução aberta com 0,6 mil milhões de parâmetros, a taxa de sucesso passa de 19,4 % para 79,1 % sem especialista, contra 68,6 % ao imitar um especialista por SFT, e 81,4 % ao combinar os dois; o treino continua instável por volta da etapa 20.

🔗 O artigo de Hajime Yagihara (blog Hugging Face)

Breves

Copilot CLI 1.0.97 — Passou a estável com 25 entradas provenientes das suas pré-versões, permite que cada agente personalizado tenha os seus próprios hooks declarativos, descobre todos os agentes de um repositório mesmo quando há mais de 100 e, em Autopilot, rejeita uma decisão « ask » de um hook preToolUse em vez de ficar bloqueada; o SDK Copilot passa para 1.0.21. 🔗 fonte · 🔗 SDK
Gemini CLI v0.65.0-preview.0 e v0.64.0 — A pré-versão acrescenta quatro correções de 13 de outubro, incluindo uma interrupção rápida com Ctrl+C que já não corrompe a sessão, e a versão estável v0.64.0 não traz nada de novo. Gemini 4 Argon ainda não está no seletor: uma PR de um colaborador externo acrescenta-o, mas ainda não foi integrada. 🔗 fonte
Antigravity 2.23.0 — Versão de 12 de outubro (16 melhorias, 8 correções): seletor de permissões do agente na área de mensagens, visualizador em ecrã inteiro para imagens e vídeos, arquivos .zip descomprimidos pelo agente, reparação pelo agente de um servidor MCP que não arranca. 🔗 fonte
Qwen Code v0.25.2-preview.0 — Primeira pré-versão do ciclo, dois dias depois da versão estável v0.25.1: 115 entradas, incluindo 33 funcionalidades e 50 correções, Mods escritos em TypeScript que podem intercetar chamadas de ferramentas, um explorador de falhas de testes e um navegador de ficheiros com pré-visualização de Excel no Web Shell. 🔗 fonte
Jev em Amp — O painel Changes de Amp ordena automaticamente os ficheiros de um diff, colocando primeiro os que explicam a alteração, muito mais depressa do que antes graças ao modelo de decisão Jev de TypeSafe; a ordem alfabética continua disponível. 🔗 fonte
Notas de Devin de 9 de outubro — Atualização em atraso: uma sessão em espera só pode agora ser retomada durante 14 dias em vez de 30, Devin lê o ficheiro AGENTS.md ao configurar um repositório, e Devin Ultra passa a estar disponível para empresas com retenção zero de dados (zero data retention), que antes não tinham acesso. 🔗 fonte
Chaves Anthropic bloqueadas por predefinição — O secret scanning de GitHub reconhece as chaves de serviço e as chaves de utilizador de Anthropic e bloqueia-as de imediato através da proteção de pushes, incluindo nos repositórios públicos gratuitos; acrescenta um detetor para Cloudsmith, e Salesforce torna-se parceiro para revogar os tokens Marketing Cloud encontrados em repositórios públicos. 🔗 fonte
Métricas do AI Scan — Em pré-versão pública, a security overview de GitHub mede o efeito do AI Scan das pull requests (resultados gerados e resolvidos, taxa de remediação, utilização das sugestões de autofix), para clientes GitHub Code Security ou GitHub Advanced Security. 🔗 fonte
Definições geridas de Copilot — Com forceRemoteSettingsRefresh, os administradores empresariais obrigam Copilot CLI, VS Code e a aplicação GitHub Copilot a obter a política atual no arranque, bloqueando o funcionamento do cliente se este não conseguir confirmá-la; também é imposta uma versão mínima do cliente através da chave sandbox. 🔗 fonte
Telemetria de Copilot — A definição gerida telemetry.capture.identity, desativada por predefinição, associa a atividade de Copilot a um utilizador em OpenTelemetry (login GitHub, conta do sistema, nome da máquina) sem recolher os seus prompts; cinco classes de captura de conteúdo são configuradas separadamente, todas desativadas por predefinição. 🔗 fonte
Auditoria de Code Quality — A rejeição e a reabertura manuais dos resultados de GitHub Code Quality aparecem agora no registo de auditoria, com o autor, a hora, o repositório, a regra e o número de resultados, em GitHub Team e GitHub Enterprise Cloud. 🔗 fonte
Alertas Dependabot retirados — O webhook dependabot_alert ganha uma ação withdrawn, e a API REST responde 410 Gone em vez de 404 para um alerta retirado, distinguindo-o assim de um alerta que nunca existiu. 🔗 fonte
Registos anónimos para Dependabot — Um método de autenticação Anonymous permite declarar, ao nível da organização, um registo privado acessível sem credenciais, como um espelho interno aberto para leitura; quem utilizava um token fictício tem de recriar o seu registo. 🔗 fonte
Orçamentos de faturação de GitHub — A página Budgets and alerts reúne todos os orçamentos numa lista única, filtrável por âmbito, produto, SKU ou utilizador, incluindo os orçamentos por utilizador. 🔗 fonte
O responsável pela segurança da informação de Uber e os agentes de IA — Numa entrevista publicada por claude.com, Philip Martin, responsável pela segurança da informação de Uber, defende a aplicação aos agentes de IA de um programa de combate à ameaça interna (insider threat program) e descreve a articulação de Enterprise Frontier Safeguards com ADR, a ferramenta open source de Uber; sem números nem anúncios de produtos. 🔗 fonte
Mistral Large 4 em ancoragem visual — Segundo Mistral, o seu modelo obtém 42 % no benchmark de ancoragem visual (visual grounding) Dense 200, superando até modelos fechados de ponta, sem citar concorrentes nem pontuações comparativas; uma demonstração mostra-o a trabalhar com desenhos técnicos. 🔗 fonte
JJ-1 de JurinAI — Quatro modelos de decisão com 0,8 a 9 mil milhões de parâmetros para processos empresariais japoneses: no relatório do fornecedor (88 813 perguntas), JJ-1-9B atinge 79,20 %, à frente de StartLux 9B (78,02 %), Jev 1.13 e Microsoft Decision-1 (76,50 %); pesos sob CC BY-NC 4.0, sem utilização comercial. 🔗 fonte
AutoTrust — Duas demonstrações online, de vídeos curtos e de notícias, ordenam as suas recomendações com um único modelo de decisão, sem treino nem logs: uma única pergunta de escolha para todo o lote supera a consulta candidato a candidato (AUC 0,931 em 0,42 s contra 0,905 em 1,54 s em 200 casos); são medições fora de produção, alertam os autores. 🔗 fonte
MolmoAct 2 na liderança em Datapoint AI — A política robótica de Ai2 lidera o Datapoint Robot Policy Bench, avaliado por preferência humana, com 1 082 pontos Elo em 21 130 votos, à frente de OpenVLA-OFT (1 049) e π0.5-DROID (1 033); é uma segunda classificação independente depois de Reality Check, em 30 de setembro. 🔗 fonte
Molmo2Fish — Ai2 conta como Kai Van Brunt (MIT) afinou Molmo 2 com vídeo sonar para seguir salmões e corrigir os seus erros com uma simples instrução; o protótipo tem um desempenho aproximadamente igual ao de um sistema especializado, sem números publicados, e não está em produção. 🔗 fonte
Reconhecimento de voz do controlo de tráfego aéreo — NVIDIA publica duas skills que orientam um agente de código na afinação de Nemotron 3.5 ASR: num banco de testes ATCO2 de duas horas, a taxa de erro de palavras passa de 77,00 % para 22,46 %, e a do inglês geral de 3,50 % para 3,63 %. 🔗 fonte
Pós-treino em Together AI — Um livro de receitas Apache-2.0, surgido sem anúncio, documenta Together Post Training, em que o cliente escreve o seu ciclo de treino na sua própria máquina enquanto Together AI executa o treinador e a amostragem: receitas GRPO, SFT, DPO e multi-LoRA, sem preços nem números. 🔗 fonte
Supabase em Grok Bot — Supabase junta-se à rede de parceiros de SpaceXSI: um pedido feito no chat de Grok Bot é confiado a Cursor, que o executa no backend através do servidor MCP de Supabase; nas sessões Cursor, apenas cerca de 2 % dos erros interrompem a sessão, segundo Supabase. 🔗 fonte
Higgsfield e GPT-6 Astra — Num estudo de caso de OpenAI, Higgsfield AI indica que os seus vídeos, limitados a cerca de um minuto antes de GPT-6 Astra, ultrapassam agora 10 minutos; segundo o seu CEO, as chamadas de ferramentas do modelo para modelação 3D ajudam a manter a coerência dos vídeos longos. Não são apresentados valores de custos. 🔗 fonte

O que isto significa

O lançamento de Argon mostra como um modelo de fronteira se difunde hoje: no dia da sua disponibilidade geral, Cursor, Devin, GitHub Copilot e Manus acrescentam-no, cada um com a sua própria medição, e esses números não são comparáveis entre si. Em CursorBench 4.0, Argon iguala Opus 5.5 com esforço médio, mas custa mais por tarefa e fica atrás assim que se aumenta o esforço; em FrontierCode 1.1, o banco de testes de Cognition, supera GPT-6.1 Sol por um décimo de ponto e fica a quase cinco pontos de Claude Opus 5.5; GitHub não publica quaisquer números. O preço pesa tanto como a pontuação: 2 e 10 dólares por milhão de tokens até 30 de novembro, o dobro depois. Para uma equipa que escolhe o seu modelo, será preciso refazer as contas em dezembro.

The X Subscription muda a posição de Cursor. O editor é agora vendido no mesmo plano que Grok e X Premium, com um saldo de utilização comum e pelo menos o dobro de utilização para programação nos modelos de SpaceXSI. Os modelos de outros laboratórios, como Gemini 4 Argon disponibilizado no mesmo dia em Cursor, continuam acessíveis, mas apenas a partir de 30 dólares por mês, e são faturados ao preço da API fora desse saldo. Para um novo assinante, a oferta favorece assim os modelos próprios; para os clientes antigos, nada muda enquanto SpaceXSI não definir o calendário da migração que anuncia.

A cibersegurança atravessa o dia. Google justifica as suas salvaguardas de nova geração com um resultado: Argon resolve os 12 cenários de ciberataque simulados, contra 5 da geração anterior. XBOW mostra, por seu lado, o que um modelo acessível a todos já permite: uma cadeia completa de exploração de Chrome por 40 000 dólares em computação. As defesas apostam na monitorização em tempo real: três camadas de proteção em torno de Argon, um classificador em duas etapas em Anthropic, que afirma reduzir de 90 a 99 % os dados extraídos por quem faz destilação, e em GitHub um pequeno modelo ModernBERT que substitui um pipeline LLM, com menos 86 % de tempo de análise e um custo de serviço inferior em mais de 98 %.

A IA local, por fim, recebe ferramentas concretas. Nemotron 3.5 Bolt 74B cabe em 24 Go graças a uma quantização de 2 bits, LFM2.5-24B-A2B ativa apenas 2 mil milhões de parâmetros por token e afirma atingir 184 tokens/s num Apple M5 Max, e Llama Windows reduz a instalação de llama.cpp a alguns cliques. Do lado dos servidores, NVIDIA abre o código de Run:ai para que os seus parceiros orquestrem os seus próprios GPU, e Anthropic mostra com Scion o que o ritmo dos agentes faz às ferramentas: mais de 30 000 integrações por dia em setembro, contra 2 500 em maio, levaram-na a abandonar git.