Claude descobre a origem das sementes das curvas ECDSA do NIST, Reflection publica os pesos de Beam, quatro agentes Gemini 4 Argon vencem Minecraft

Um modelo interno de investigação da Anthropic descobriu, em menos de meia hora, de onde vêm as sementes das curvas ECDSA do NIST, fornecidas sem explicação pela NSA: saem de um gerador pseudoaleatório comum, inicializado pelo relógio em 1997 e 1998, o que torna uma backdoor muito menos plausível, segundo a Anthropic. A Reflection publica os pesos de Beam, uma mistura de especialistas com 501 mil milhões de parâmetros sob licença Apache 2.0, com suporte desde o primeiro dia por mais de 40 parceiros, enquanto quatro agentes Gemini 4 Argon vencem Minecraft em 27 horas e Claude Mythos 5 melhora os melhores circuitos quânticos publicados em oito tarefas. Nos produtos, GPT-6 Astra Pro passa a distribuir uma tarefa por vários agentes no ChatGPT, e Grok Bot conclui as suas tarefas no computador três vezes mais depressa.

Curvas ECDSA do NIST: Claude descobre de onde vêm as suas sementes, obtidas de um gerador inicializado pelo relógio em 1997 e 1998

16 de outubro — A equipa Frontier Red Team da Anthropic conta como Claude resolveu um velho enigma da criptografia. Quando o NIST adotou o algoritmo de assinatura ECDSA, em 2000, na norma FIPS 186-2, as suas curvas elípticas padrão chegaram com «sementes» (seeds) cujo hash determina o coeficiente b de cada curva. Fornecidos pela NSA sem explicação, estes valores alimentavam há anos a suspeita de uma backdoor, e um prémio público organizado por Filippo Valsorda aguardava quem descobrisse a sua origem. A pista mais conhecida, uma frase humorística passada por uma função de hash, que Jerry Solinas (NSA) tinha mencionado em 2015 antes da sua morte em 2023, não tinha dado resultados.

Um funcionário da Anthropic submeteu a questão a um modelo interno de investigação, não identificado, sem lhe sugerir essa pista. Em menos de meia hora, Claude encontrou a origem das sementes de P-192, P-224, P-256, P-384 e P-521: nenhuma é um hash, todas saem de lrand48, o gerador pseudoaleatório da biblioteca de C, inicializado com um timestamp Unix. Depois de analisar 34 combinações de geradores e de segmentos de saída, Claude detetou a assinatura de lrand48 nos bits mais significativos, reconstituiu o seu estado interno por redução de reticulados (algoritmo LLL) e, em seguida, recuou até às inicializações das dez sementes em causa, cinco do NIST e cinco da norma ANSI X9.62, todas entre maio de 1997 e abril de 1998.

Ponto examinado por Claude	Resultado publicado pela Anthropic
Tempo até à descoberta	menos de 30 minutos
Exemplo de P-256	candidato n.º 1842 de uma geração de 16 de agosto de 1997 (o n.º 876 da mesma geração também era adequado)
Sementes binárias encontradas	B-233, B-283, B-409 e B-571, que se interpretam como fevereiro de 1984, ou seja, 17 de abril de 1998 se duplicarmos o timestamp
Pontos de base explicados	seis curvas geradas em maio de 1997 (P-192 e cinco curvas de exemplo da ANSI X9.62), através do gerador de FreeLIP
Ainda por explicar	a semente de B-163; os pontos de base de P-224, P-256, P-384, P-521 e das curvas binárias

Estes pontos de base vêm de FreeLIP, a biblioteca de Arjen Lenstra: segundo a Anthropic, nenhum ponto de base do NIST tinha sido explicado até agora. Continua também por conhecer o critério que levou à rejeição de alguns candidatos válidos. O artigo reproduz, por fim, a reflexão do modelo, que desconfia da sua própria descoberta antes de a confirmar por cálculo:

This is astonishing: it solves the 25-year-old mystery. Hmm wait. Let me be skeptical: am I in some sort of simulated/test environment?

🇵🇹 É espantoso: isto resolve o enigma com 25 anos. Hmm, espera. Tenho de manter o ceticismo: estarei numa espécie de ambiente simulado ou de teste? — Claude, reflexão citada no artigo da Frontier Red Team da Anthropic

A Anthropic sublinha o alcance da descoberta: não se trata de uma quebra da criptografia, de um novo ataque ou de uma vulnerabilidade, e «não é necessário tomar nenhuma medida». Uma semente obtida a partir do relógio por um gerador comum, cujo processo qualquer pessoa pode agora reproduzir, torna, pelo contrário, uma backdoor «muito menos plausível». O código que reproduz as sementes e os seis pontos de base é publicado sob licença CC0, e o prémio de 36 864 dólares será doado ao Internet Security Research Group (ISRG).

🔗 O artigo da Frontier Red Team da Anthropic · O prémio de Filippo Valsorda

Modelos abertos: Reflection publica os pesos de Beam, com pplx-decider-v1.2, Granite Switch 4.1, Bonsai 2 e um corpus da NVIDIA em 22 línguas indianas

16 de outubro — Onze dias depois da sua apresentação, a Reflection publica os pesos de Beam, o seu primeiro modelo de pesos abertos, sob licença Apache 2.0. Esta mistura de especialistas (Mixture-of-Experts, MoE) de 501 mil milhões de parâmetros, dos quais 23 mil milhões ativos por token, destina-se a código, raciocínio e tarefas de agente de longa duração, com um contexto de um milhão de tokens, apenas em texto. A 5 de outubro, a Reflection disponibilizava apenas acesso antecipado e prometia os pesos «mais tarde em outubro».

A publicação inclui os pesos em BF16, FP8 e NVFP4, o tokenizer, a implementação de referência, um modelo de rascunho DFlash2 para descodificação especulativa e Mirror CLI, o harness open source com que Beam foi treinado (interface em Python, núcleo do agente em Rust, agentes paralelos em worktrees Git separados, skills e ligações MCP). Mais de 40 parceiros oferecem suporte desde o primeiro dia: Transformers (v5.20.1), vLLM, SGLang, Unsloth, Axolotl e Dynamo no software; AWS, Google Cloud, Azure, Together AI, Fireworks AI, OpenRouter ou Ollama no alojamento; Dell e HPE para implementações nas instalações locais. A API da Reflection está em beta pública.

O artigo da Hugging Face detalha a arquitetura: de 52 camadas, 43 usam atenção com janela deslizante de 512 tokens e 9 usam atenção global, o que reduz a cache KV para 36 Kio por token em vez de 208 Kio, ou seja, 36,08 Gio por sequência de um milhão de tokens em vez de 208 Gio. Os pesos ocupam cerca de 1 To em BF16 e 280 Go em NVFP4, e a Hugging Face recomenda quatro B200 para servir o modelo.

Benchmark (valores da Reflection)	Beam em BF16	Beam em FP8	Beam em NVFP4
SWE-bench Verified	81,6 %	80,2 %	80,7 %
Terminal Bench v2.1	80,1 %	78,9 %	78,4 %
SWE Bench Pro v1	66,1 %	65,9 %	65,6 %
AIME 2026	97,7 %	98,0 %	97,5 %
GPQA Diamond	90,6 %	90,3 %	89,3 %
MCP Atlas	80,8 %	81,5 %	80,5 %

Segundo a NVIDIA, Beam foi treinado em racks GB300 NVL72 e fornece mais de 70 000 tokens por segundo e por GPU em Blackwell Ultra desde o primeiro dia, sem ajustes específicos (out of the box); algumas horas depois, a NVIDIA anunciava cerca de 90 000, sem especificar as condições de medição (tamanho do lote, contexto, número de GPU). O checkpoint NVFP4 está publicado na Hugging Face, também sob Apache 2.0.

🔗 O artigo da Reflection · O artigo da Hugging Face · A ficha do modelo · A publicação da NVIDIA · O débito aumentado para 90 000 tokens por segundo

pplx-decider-v1.2 e a sua versão Flash: Perplexity publica dois modelos de decisão de pesos abertos para a sua Decisions API

16 de outubro — A Perplexity atualiza os modelos da sua Decisions API, lançada a 1 de outubro. O modelo pplx-decider-v1.2 substitui a v1.1 como modelo de decisão de 27 mil milhões de parâmetros, ao mesmo preço, e pplx-decider-flash-v1.2, um novo modelo de 4 mil milhões de parâmetros destilado dos modelos 27B, chega a metade do preço. Ambos leem texto e imagens, a saída continua gratuita e os pesos estão na Hugging Face sob licença Apache 2.0; as chamadas que ainda indicam a v1.1 ou a v1 passam automaticamente para a v1.2.

Modelo de decisão	Base do modelo	Preço de entrada (por milhão de tokens)	Pontuação no Decision Index 0.3	Pontuação no Vision Decision Index 0.3
pplx-decider-v1.1-27b	Qwen3.8-27B	0,02 dollar	62,30	73,22
pplx-decider-v1.2	Qwen3.8-27B	0,02 dollar	68,09	77,43
pplx-decider-flash-v1.2	Qwen3.5-4B	0,01 dollar	58,88	72,53

A v1.2 muda o formato do pedido: o modelo lê o estado e depois todas as perguntas numa única sequência, pelo que várias perguntas sobre o mesmo estado custam aproximadamente o mesmo que uma só. O agrupamento ajuda quando as perguntas descrevem facetas de uma mesma decisão (+11,3 pontos no SATA-Bench) e prejudica quando comparam candidatos independentes (−4,8 no ToolRet). A Perplexity também acrescentou ao treino os conjuntos de treino oficiais de alguns benchmarks do Decision Index, depois de remover a sobreposição com os respetivos conjuntos de teste. Num GB200, a v1.2 responde a um pedido isolado em 96 ms de mediana.

🔗 pplx-decider-v1.2 na Hugging Face · pplx-decider-flash-v1.2 na Hugging Face · O changelog da API da Perplexity

Granite Switch 4.1: IBM reúne conversação, decisões e transcrição de voz num único modelo aberto

15 de outubro — A IBM publica no blog da Hugging Face Granite Switch 4.1, em 8B e 30B sob licença Apache 2.0. Cada modelo reúne um modelo de conversação, dois adaptadores de decisão e um modelo de reconhecimento de voz, servidos a partir de um único ponto de acesso.

Componente de Granite Switch 4.1	Função anunciada pela IBM
Adaptador Decision (aLoRA)	decisões gerais, no formato `/v1/systemone`
Adaptador Guardian (aLoRA)	decisões relacionadas com segurança, à frente de Jev 1.13, Microsoft-Decision-1, GPT-Luna-Decisions e Clef-Flash em média, segundo a IBM
Granite-Speech-5.0-Turbo-CTC	transcrição, apresentado como o modelo mais rápido do Open ASR Leaderboard

Os adaptadores são Activated LoRA: reutilizam a cache KV produzida pelo modelo de base, pelo que uma decisão tomada após uma resposta não recalcula o contexto, e o conjunto ocupa aproximadamente a memória do modelo de base sozinho. Os modelos funcionam em vLLM com um plugin e nativamente em llama.cpp, como substituição direta das chamadas /v1/systemone. A IBM mostra também um Granite Switch de 3B treinado para jogar Doom, que toma 60 a 100 decisões por segundo, face às 10 anunciadas para Jev, e prevê um SDK para treinar adaptadores próprios em Mellea. As comparações com os outros modelos de decisão são apresentadas apenas em gráficos.

🔗 O artigo da IBM · Granite Switch 4.1 30B na Hugging Face

Bonsai 2: PrismML publica modelos ternários de visão de 2B a 9B, que ocupam entre 0,43 e 2 Go

15 de outubro — A PrismML publica Bonsai 2 em 2B, 4B e 9B, modelos com pesos ternários (−1, 0 ou +1) derivados de Qwen3.5 que também compreendem imagens, sob licença Apache 2.0. Conservam o contexto de 262 144 tokens do modelo de base, e a família Bonsai 2 conta agora com quatro tamanhos, de 2B a 27B.

Modelo Bonsai 2	Tamanho dos pesos ternários
2B	0,43 Go
4B	0,95 Go
9B	2,0 Go, face a cerca de 17,9 Go em FP16

A PrismML afirma ter trabalhado a utilização como assistente local: cumprimento de instruções, ausência de ciclos repetitivos, chamadas de ferramentas no telemóvel e respostas sem texto supérfluo. O 9B consumiria cerca de 40 % menos tokens em tarefas comuns de cumprimento de instruções e de matemática, sem especificar a base de comparação, e funciona até 34 tokens por segundo num iPhone 18 Pro Max, face a 120 para o 2B. Os formatos mais compactos exigem o fork de llama.cpp da PrismML, uma vez que o llama.cpp oficial apenas lê o formato Q2_0; existe uma versão MLX para os Mac.

🔗 O fio da PrismML · A ficha do 9B no formato GGUF

Nemotron-pretraining-Indic-v1: NVIDIA e AI4Bharat detalham um corpus de cerca de 2 800 mil milhões de tokens em 22 línguas indianas

16 de outubro — A NVIDIA e a AI4Bharat, o laboratório do IIT Madras dedicado às línguas indianas, detalham o Nemotron-pretraining-Indic-v1, o corpus de pré-treino citado na véspera entre os dados do Nemotron 3.5 Super VL: cerca de 2 800 mil milhões de tokens, dos quais 2 601 mil milhões em escrita nativa e 224,6 mil milhões romanizados, nas 22 línguas da Constituição indiana, línguas maternas de 97 % dos indianos segundo o recenseamento de 2011. O corpus ainda não está disponível online: será publicado «em breve», juntamente com o pipeline de geração acelerado por GPU que o produziu.

Os textos são traduções de documentos ingleses extraídos de 15 subconjuntos do Nemotron-CC-v2. Para 12 línguas, o Gemma-4-31B-it traduz documentos inteiros, classifica cada tradução com uma grelha inspirada no MQM (limiar de 75 em 100) e corrige as saídas de qualidade insuficiente, o que permitiu recuperar 438,4 mil milhões de tokens; as outras 10 passam pelo Indic Translate da Bodhan AI. Dez mil milhões destes tokens, num pré-treino contínuo de 100 mil milhões, permitiram ao Nemotron 3.5 Super VL ganhar entre 4,98 e 9,82 pontos em cinco benchmarks indianos, uma medição que não isola o contributo exclusivo do corpus. A NVIDIA reconhece que estas traduções não substituem textos escritos diretamente nestas línguas e que o controlo de qualidade continua a ser sobretudo automático.

🔗 O artigo da NVIDIA e da AI4Bharat

A IA no laboratório: Claude Mythos 5 melhora oito circuitos quânticos, Google DeepMind procura péptidos antimicrobianos com Antigravity

16 de outubro — A Anthropic publica o trabalho que Andi Gu, membro do seu programa STEM Fellows, realizou sob a orientação de Alek Kemeny, especialista em física quântica na Anthropic, com Susanne Yelin (Harvard) e Mikhail Lukin (Harvard e QuEra Computing). O sistema: especificações em linguagem corrente para oito circuitos e um avaliador automático que verifica cada proposta e a classifica pelo número de qubits multiplicado pelo número de portas. O Claude Mythos 5 trabalha num ciclo fechado, sem intervenção humana entre as iterações, e encontra, para as oito primitivas, conceções que utilizam simultaneamente menos qubits e menos portas do que as melhores já publicadas, por vezes com uma redução de uma ordem de grandeza ou mais.

Tarefa atribuída ao Claude Mythos 5	Resultado publicado	Ponto de comparação
Adição de pontos numa curva elíptica	17 vezes menos portas, com 12 % mais qubits	menor conceção publicada
Descodificador Reed-Solomon do algoritmo DQI	12 vezes menos portas; 19 qubits reservados em vez de 665	construção anterior da Google

O primeiro resultado incide sobre a etapa central dos algoritmos quânticos do logaritmo discreto em curvas elípticas. O Claude trabalhou nela durante 53 horas com intervenção humana mínima, chegando à primeira implementação reversível do método divsteps sem um histórico de ramificações armazenado, verificada por simulação e depois formalizada em Lean. O artigo compara este número com outro: foram necessários oito anos e numerosos grupos para dividir por cerca de 150 000 a estimativa do custo de simulação do FeMoco. Para a Anthropic, ganhos deste tipo reduzem os recursos quânticos necessários para aplicações úteis, pelo que os computadores quânticos práticos poderão chegar mais cedo do que o previsto. A equipa teve de lidar com um Claude cauteloso, que voltava a verificar os seus ganhos e preferia métodos conhecidos, impondo-lhe várias linhas de investigação em paralelo.

🔗 O artigo da Anthropic · O artigo no arXiv

Google DeepMind procura novos péptidos antimicrobianos com Antigravity e acrescenta-lhe um visualizador 3D

15 de outubro — A Google DeepMind mostra como o Antigravity, a sua plataforma de desenvolvimento agêntico, pode servir de bancada de trabalho científico (agentic science workbench). Na sessão descrita, um biólogo define o objetivo, encontrar e validar computacionalmente novos péptidos antimicrobianos em Streptococcus pseudopneumoniae, e o agente orquestra bases de dados, análise estrutural e síntese da literatura. Apoia-se no ProtNLM, um modelo da Google que prevê a função de uma proteína a partir da sua sequência e anota milhões de entradas não caracterizadas do UniProt.

O agente seleciona uma bacteriocina de 97 aminoácidos (UniProt A0A0U0D591), sem homólogo significativo entre as proteínas revistas do Swiss-Prot, cujo modelo AlphaFold se dobra como uma bacteriocina de estrutura conhecida. Propõe depois um mecanismo de ação extraído da literatura e redige um protocolo laboratorial. Este candidato e vários outros provenientes do mesmo pipeline estão em validação laboratorial: o artigo fala de uma hipótese plausível, não de um resultado. Recorda que a resistência aos antimicrobianos poderá causar cerca de 10 milhões de mortes por ano até 2050, segundo uma estimativa.

O artigo apresenta também o Biomolecular Structure Viewer, um visualizador 3D integrado no Antigravity que o agente e o investigador partilham: o agente destaca regiões para ilustrar as suas hipóteses, e as anotações do investigador, como uma nota fixada numa bolsa de ligação, são-lhe devolvidas. Não são especificadas datas nem condições de acesso.

🔗 O artigo da Google DeepMind · Antigravity para a ciência

Ferramentas para investigadores: Google disponibiliza Deep Review a todos, SAIR lança Open Math OS, OpenAI oferece o Rosalind Academic Plan a laboratórios americanos

14 de outubro — Por ocasião do Research@ 2026, a Google Research disponibiliza ao público o Deep Review, um sistema de IA agêntica que revê documentos técnicos complexos e verifica o seu conteúdo: coerência lógica, enunciados matemáticos, factos fundamentados nas fontes, comparação com trabalhos existentes e sugestões de melhoria, mantendo os juízos de mérito nas mãos dos humanos. Sucede ao Paper Assistant Tool, testado com STOC 2026, ICML 2026, NeurIPS 2026 e ICLR 2027: os autores de mais de 16 000 manuscritos apresentados voluntariamente receberam uma avaliação privada antes do prazo, sem ligação à revisão oficial das conferências.

O acesso é mundial, com duas revisões gratuitas por semana; uma chave API Gemini permite limites mais elevados e acesso à Deep Review API. Por enquanto, o serviço aceita PDF e texto simples, pretende abranger também Google Docs, apresentações, direito e finanças, e a Google compromete-se a não utilizar os documentos para treinar os seus modelos (são conservados durante um ano para visualização). A Google justifica a ferramenta com o aumento das submissões:

Ano de submissão	Artigos submetidos a ICLR, NeurIPS e ICML
2023	cerca de 23 000
2024	cerca de 32 000
2025	cerca de 45 000
2026	mais de 74 000

No mesmo dia, o agente Geospatial Reasoning do Google Earth AI recebeu um relatório técnico, dois novos benchmarks publicados para investigadores (GeoKTools e GeoExpertQueries) e um acesso experimental alargado através do Ask Google Earth e de um serviço Agent-to-Agent (A2A).

🔗 O artigo da Google Research · Research@ 2026 no blogue da Google · O artigo sobre o agente Geospatial Reasoning

Open Math OS: a fundação SAIR lança uma plataforma de investigação matemática com modelos abertos

16 de outubro — A fundação SAIR lança o Open Math OS, que apresenta como a infraestrutura da «matemática 2.0», um mês depois de anunciar a iniciativa Open Math Model. Hugging Face, Lean, EPFL e @cscsch são parceiros de lançamento, e Thomas Wolf, cofundador da Hugging Face, partilhou o anúncio. Cada projeto dispõe de uma máquina cloud disponível 24 horas por dia, com mais de 100 ferramentas matemáticas e científicas pré-instaladas; a computação é gratuita para as equipas aceites, mediante candidatura.

O matemático escolhe um modelo aberto (Kimi K3, DeepSeek V4.1 Flash, GLM 5.3 ou Nemotron 3 na interface apresentada) e pode iniciar o modo Ultramath, no qual vários agentes exploram em paralelo diferentes vias para o mesmo problema; a demonstração do site mostra uma prova verificada em Lean e depois integrada num artigo em LaTeX. Os projetos são privados por predefinição, o treino com os trabalhos exige o consentimento explícito dos autores, e estes mantêm a propriedade e o crédito pelas suas ideias.

🔗 O fio da SAIR · O site Open Math Model

Rosalind Academic Plan: até 30 licenças ChatGPT gratuitas durante 12 meses para laboratórios universitários americanos

15 de outubro — A OpenAI lança o Rosalind Academic Plan, uma oferta destinada a laboratórios universitários de ciências da vida, reservada, por enquanto, a universidades americanas.

Vantagem da oferta	Condição associada
Até 30 licenças ChatGPT Business Standard	0 dólares por utilizador e por mês, durante um máximo de 12 meses
Modelos de ponta disponíveis comercialmente	dentro dos limites de utilização da oferta
GPT-Rosalind e Rosalind Workbench	após aprovação do acesso de confiança (trusted access)
Dados de investigação partilhados	não utilizados por predefinição para treino

O Rosalind Workbench orquestra ferramentas de química medicinal, genómica e apoio a experiências. O investigador principal ou o responsável pelo laboratório apresenta o pedido em nome da sua equipa; uma candidatura não dá acesso imediato, e as universidades que já têm contrato OpenAI Enterprise seguem o seu próprio processo. A OpenAI visa sete áreas, da conceção de medicamentos e proteínas à resistência aos antimicrobianos, e cita os trabalhos do laboratório Zhao (UCSF), do laboratório Bourdenx e da equipa de Brian Hie (Stanford e Arc Institute). O GPT-Rosalind, lançado a 16 de abril, está disponível em acesso de confiança através da API, do Codex e do ChatGPT Enterprise desde 11 de setembro.

🔗 O artigo da OpenAI · O fio da OpenAI

Gemini 4 Argon: quatro agentes vencem Minecraft em 27 horas, Perplexity disponibiliza-o aos seus subscritores Pro e Max e na sua Agent API

16 de outubro — Quatro agentes Gemini 4 Argon concluíram Minecraft partindo do zero: num mundo de sobrevivência aleatório, em modo Easy e com monstros hostis, derrotaram o Ender Dragon ao fim de 27 horas e 2 783 programas. Maxence Faldor relata a experiência num X Article partilhado por @GoogleDeepMind e detalha-a com Satinder Singh e Roberta Raileanu num relatório técnico no arXiv. São os agentes de código generalistas do Argon, os mesmos que os engenheiros utilizam diariamente: nenhuma ferramenta específica para Minecraft, nenhum papel atribuído.

Os agentes não veem imagens nem premem teclas: cada um controla um jogador escrevendo programas curtos para a biblioteca open source Mineflayer, lê a sua saída e coordena-se com os outros através do chat do jogo e de uma memória partilhada. Dez minutos depois do início, já tinham dividido o trabalho (ferramentas, comida, diamantes, portal). Para encontrar a fortaleza, um deles lançou dois objetos de dois locais e calculou a interseção das suas trajetórias, com uma margem de 43 metros para uma fortaleza situada a 1,3 quilómetro. O combate final custou-lhes 69 reaparecimentos: ao fim de cerca de 21 horas de jogo, um agente percebeu que os cristais curavam o dragão e que uma pilha de terra bastava para os alcançar.

Medida da experiência	Valor registado
Tempo até à vitória	27 h 14 min
Programas escritos	2 783, dos quais 22 % terminaram com erro
Mensagens de chat	229
Total de reaparecimentos	605, dos quais 69 contra o dragão

Um quinto agente, o Observer, acompanhava o jogo para detetar qualquer batota ou exploração das especificações (specification gaming): nem ele nem a revisão manual de uma amostra dos registos encontraram tais práticas. Os autores reconhecem as limitações da experiência: o mundo é lido através de uma API que fornece a posição exata dos blocos e das criaturas, e um plugin calcula os percursos. Trata-se de uma experiência de investigação independente, que não constitui um marco oficial de Minecraft nem foi aprovada pela Mojang ou pela Microsoft.

🔗 O artigo de Maxence Faldor · A partilha da Google DeepMind · O relatório técnico no arXiv

Perplexity disponibiliza Gemini 4 Argon aos seus subscritores Pro e Max, com um recorde de 0,802 no WANDR

16 de outubro — A Perplexity adiciona o Gemini 4 Argon, em disponibilidade geral na Google desde 13 de outubro, para os seus subscritores Pro e Max. O anúncio resume-se a um tweet e um gráfico: no WANDR, o seu benchmark interno de pesquisa documentada, o Argon obtém 0,802 por 7,88 dólares por tarefa, a melhor pontuação do gráfico.

Modelo avaliado	Pontuação WANDR	Custo por tarefa
Gemini 4 Argon	0,802	7,88 dólares
GPT-6 Astra	0,735	13,34 dólares
GPT-6.1 Sol	0,654	3,70 dólares
Claude Opus 5.5	0,647	3,69 dólares
Claude Fable 5.1	0,601	12,76 dólares
GPT-6 Sol	0,566	2,23 dólares
Claude Sonnet 5.5	0,550	2,73 dólares
Grok 4.7	0,528	9,30 dólares
DeepSeek V4 Pro 0813	0,359	0,75 dólar

Para os programadores, o changelog da API indica desde a noite de 15 de outubro que a Agent API aceita google/gemini-4-argon, com o preço de lançamento em vigor até 30 de novembro de 2026: 2 dólares por milhão de tokens de entrada, 0,10 dólar em cache e 10 dólares de saída, incluindo tokens de raciocínio.

🔗 O anúncio da Perplexity · Os modelos da Agent API

Agentes para o público em geral: GPT-6 Astra Pro distribui uma tarefa por vários agentes no ChatGPT, Grok Bot é três vezes mais rápido e liga-se a Robinhood, Coinbase e eToro

16 de outubro — A OpenAI atualiza o GPT-6 Astra Pro no ChatGPT: respostas mais rápidas, melhor utilização de plugins e ferramentas e, sobretudo, vários agentes que tratam em paralelo diferentes partes da mesma tarefa. O utilizador acompanha o progresso de cada um e abre as tarefas concluídas para rever o seu trabalho. A funcionalidade está disponível para os subscritores Pro, no separador Chat.

A OpenAI não apresenta ganhos de velocidade quantificados nem benchmarks, e nem as notas de versão do ChatGPT nem as dos modelos mencionavam ainda a atualização na noite de dia 16. O tweet, publicado às 20 h 00 UTC com o nome «GPT-6 Pro», foi corrigido 27 minutos depois para «GPT-6 Astra Pro»; desde a disponibilização do GPT-6 a todos os utilizadores, a 7 de outubro, o nível de esforço Pro do ChatGPT assenta no GPT-6 Pro (Astra). O trabalho com vários agentes era até então apresentado em beta para o GPT-6.1 Sol, desde 29 de setembro.

🔗 O anúncio da OpenAI

Grok Bot conclui as suas tarefas no computador três vezes mais depressa, lê o X Chat e liga-se a Robinhood, Coinbase e eToro

16 de outubro — Grok Bot, o agente da SpaceXSI que se liga às ferramentas dos seus utilizadores, apresenta as suas novidades numa sequência de dez mensagens, sem publicação em x.ai. A principal diz respeito à velocidade: segundo a conta @bot, as tarefas no computador são concluídas, em média, três vezes mais depressa, e as respostas a tudo o resto chegam em menos de metade do tempo.

Área abrangida	Novidade anunciada
Velocidade	tarefas no computador três vezes mais rápidas em média, outras respostas em menos de metade do tempo
Voz	chamadas mais rápidas, mais fiáveis, melhor memória das conversas anteriores
Interface	cartões do chat redesenhados, novo tipo de letra, temas, notificações apenas no dispositivo em utilização
E-mail	alias «plus» para reservar uma rotina ao correio enviado para um determinado endereço
X	uma menção a @bot num post inicia uma tarefa; leitura do X Chat depois de associar a conta X
Conectores	Robinhood, Coinbase, Trello, PostHog, beehiiv e eToro, entre outros

As equipas também podem submeter os seus próprios conectores: um formulário da x.ai permite distribuir um plugin ou um servidor MCP aos utilizadores do Grok Bot e do Cursor, e em breve do Grok, após revisão para a marketplace.

🔗 A sequência de publicações do Grok Bot · O formulário de submissão de plugins

Media generativos: vozes criadas a partir de descrições para GPT-Live, Pika no ChatGPT, Ideogram 4.5 de 0,8 a 22 cêntimos por imagem, Mirelo SFX 2.0 no Runway

16 de outubro — A API do GPT-Live disponibiliza a todos os seus clientes a criação de vozes a partir de uma descrição (prompt-to-voice): uma voz personalizada é descrita em texto, através da API ou do Playground de voz, e depois reutilizada nas sessões GPT-Live. A sua criação é gratuita, a fala gerada é cobrada à tarifa habitual das sessões, e estas vozes só funcionam com GPT-Live, não com a API Text to Speech, a Realtime API nem o Chat Completions. Não é pedida qualquer gravação de referência ou de consentimento, mas a OpenAI exige vozes de adultos, proíbe a usurpação de identidade e pede que se indique que a fala é gerada por IA; dois clientes podem obter vozes semelhantes.

Nove vozes predefinidas, gravadas segundo @OpenAIDevs com atores falantes nativos, chegam também ao GPT-Live:

Língua falada	Vozes adicionadas
Alemão	Nuri, Juni e Flitz
Francês	Brise e Sillage
Hindi	Nira
Japonês	Harema e Shida
Coreano	Noeul

Na véspera, o changelog acrescentava uma integração nativa da API Decisions no GPT-Live: a aplicação atua enquanto o utilizador fala, seja porque o Live chama o Decisions diretamente (delegação nativa), seja porque o Live avisa a aplicação, que então consulta o Decisions (delegação personalizada), e as decisões podem ser desencadeadas por segmentos da transcrição. O guia dá o exemplo de um assistente de voz para automóveis que ajusta a temperatura ou o desembaciamento. Estas novidades dizem respeito a gpt-live-1: GPT-Live-1.1, disponibilizado a 15 de outubro no ChatGPT, ainda não aparece no changelog da API.

🔗 A sequência de publicações da OpenAI Developers · O guia das vozes personalizadas · O guia da API Decisions com voz

Pika instala as suas ferramentas de criação no ChatGPT, com um plugin concebido em parceria com a OpenAI

16 de outubro — A Pika anuncia, em parceria com a OpenAI, uma extensão de plugin Pika × ChatGPT (Pika X ChatGPT plugin extension) que instala as suas ferramentas de criação na conversa e no painel lateral do ChatGPT. É possível ajustar as opções das ferramentas, as predefinições visuais e as gerações sem sair da conversa, ou abrir uma janela Pika mais imersiva na qual o ChatGPT trabalha com o utilizador. Segundo a sua sequência de publicações, a Pika disponibiliza ali mais de 40 aplicações de imagem, som e vídeo e mais de 100 modelos de geração; a página do plugin lista 13 skills, da publicidade de produtos ao podcast, e um percurso de boas-vindas que define como a Pika pede autorização antes de gastar créditos.

A Pika adiciona 250 créditos a cada conta após a primeira geração feita através do plugin, e não publica qualquer tarifa específica para o plugin. A OpenAI tinha apresentado as extensões de plugins do ChatGPT a 7 de outubro, com Adobe, Canva, Figma e Shopify entre os primeiros.

🔗 A sequência de publicações da Pika · A página do plugin Pika no ChatGPT

Ideogram 4.5 apresenta quatro modos de qualidade, de 0,8 a 22 cêntimos por imagem

15 de outubro — A Ideogram detalha a gama de preços do Ideogram 4.5, o seu modelo de edição de imagem lançado a 30 de setembro: quatro modos de qualidade, de 0,8 a 22 cêntimos por imagem, todos em 2K nativo. O mais económico, Very Low, retoca uma imagem em 8 segundos por 0,8 cêntimo, sem acumulação de artefactos de uma edição para outra. Segundo a Ideogram, que se apoia na Design Arena, este modo faz avançar a fronteira de Pareto da edição de imagem tanto em preço como em velocidade: todos os modelos com melhor pontuação custam mais e são mais lentos. A Design Arena coloca-o em 23.º lugar na sua Image Editing Arena, com um Elo de 1189.

A Ideogram não detalha os preços dos dois modos intermédios. Questionada sobre os pesos abertos prometidos no lançamento, a conta da Ideogram responde que está a trabalhar nisso, sem indicar uma data.

🔗 A sequência de publicações da Ideogram

Runway integra Mirelo SFX 2.0, que sonoriza um vídeo preservando os diálogos

16 de outubro — A Runway adiciona à sua plataforma o Mirelo SFX 2.0, um modelo que compõe automaticamente o ambiente sonoro de um vídeo (sound design): gera ambientes sonoros completos a partir das imagens, sincronizados com cada uma delas, deixando os diálogos intactos. Questionada sobre um limite de duração, a Runway responde que funciona com clips de qualquer duração. Não são publicados preços nem custos em créditos, o changelog da Runway ainda não menciona o modelo, e a Mirelo não publicou qualquer anúncio da sua parte. Depois do Eleven v4 da ElevenLabs no final de setembro, a Runway continua a adicionar modelos de áudio de terceiros ao lado dos seus modelos de vídeo.

🔗 O anúncio da Runway · A resposta sobre a duração dos clips

Agentes de código: a equipa Claude Code detalha a sua revisão de código, Codex CLI 0.163.0, telas e Muse Wonder no Cursor, Gemini CLI remete para Antigravity CLI

16 de outubro — A equipa Claude Code explica em claude.dev como revê o seu próprio código, quando o Claude escreve cerca de 90 % dele. A publicação de Addy Osmani, Morgan Westlee Lunt e Qing Wang apresenta dois números: de junho a setembro, as pull requests integradas mais do que duplicaram, e a proporção das que foi necessário reverter diminuiu mais de 40 %. O objetivo é que a maioria das pull requests seja integrada com, no máximo, uma pessoa no processo, que pode ser o respetivo autor.

Cada alteração passa por várias camadas: verificação pelo Claude antes da pull request (testes, compilação, análise estática e depois revisão do diff por um segundo agente num contexto novo), CI, Code Review, revisão de segurança bloqueante, fila de integração (merge queue) e publicação gradual. Um classificador define o nível de risco com base na alteração, não no autor: nenhuma aprovação humana para documentação ou uma adição protegida por uma flag, uma pessoa para uma alteração normal do produto ou uma área sensível como a cache ou os prompts de sistema, duas para o que apresenta maior risco. A aprovação de um agente nunca equivale à de uma pessoa. Durante a prévia de investigação do Code Review, a proporção de pull requests internas que recebiam comentários substanciais já tinha passado de 16 % para 54 %.

A publicação também quantifica um problema próprio dos agentes, a revisão que não converge: uma pull request da CLI tinha passado por mais de cinquenta rondas numa noite. Com um limite de três rondas, uma revisão limitada ao novo diff e sinalizações por classe de bug, a revisão converge mais depressa:

Indicador (pull requests internas do Claude Code)	Antes das alterações	Depois das alterações
Aprovadas após uma única ronda de revisão e correção	65 %	78 %
Que exigem cinco rondas ou mais	8,9 %	1,5 %
Número médio de revisões antes da aprovação	2,08	1,32

A publicação termina com uma lista de implementação: um CLAUDE.md curto, /code-review e /security-review em ambiente local, um ficheiro REVIEW.md escrito pelos responsáveis pelo código, níveis de risco documentados, uma fila de integração e os incidentes passados reproduzidos diariamente como conjunto de avaliação.

🔗 A publicação da equipa Claude Code · A partilha de @ClaudeDevs

Codex CLI 0.163.0: orientação durante a resposta, pesquisa em /config e Daybreak ativado por predefinição

15 de outubro — A OpenAI publica o Codex CLI 0.163.0 às 21 h 30 UTC, a primeira versão estável desde a 0.162.1 de 9 de outubro, com 227 entradas desde a 0.162.0. O Daybreak, colocado sob a opção cli_daybreak pela 0.161.0 de 7 de outubro, está agora ativado por predefinição para as contas elegíveis, e codex exec pode selecioná-lo com uma chave API da OpenAI quando o servidor disponibiliza o acesso.

Área abrangida	Alteração introduzida pela 0.163.0
Orientação	uma mensagem de seguimento enviada durante a resposta orienta imediatamente o Codex; interromper uma ronda também para as células Code Mode ativas
Comando `/config`	pesquisa de preferências em todas as categorias, definições compatíveis aplicadas de imediato
Comando `/keymap`	tecla leader configurável (Ctrl+X por predefinição); o silenciamento da voz passa para F9
Comando `/daemon`	reinício do servidor gerido em segundo plano, seguido de nova ligação automática
Ferramentas	ferramentas independentes de leitura executadas em paralelo
Proxy de rede	permissão verificada antes da resolução DNS, cabeçalhos `Host` duplicados rejeitados

A retoma de uma conversa também restaura as suas permissões e aprovações de rede, e o Codex deixa de incluir uma versão modificada de zsh: passa a usar o seu executor de shell padrão.

🔗 As notas de versão do Codex CLI 0.163.0

Cursor: os agentes cloud constroem telas partilháveis, a API Environments entra em beta, Muse Wonder da Meta atinge 46,1 % no CursorBench

16 de outubro — Os agentes cloud do Cursor já conseguem construir telas (canvases) interativas: pode pedir-se-lhes um painel de controlo ou um relatório enquanto trabalham e depois partilhar a tela concluída com a equipa através de uma ligação. A API Environments entra em beta: cria e gere por programação os ambientes destes agentes, incluindo os repositórios clonados e a configuração environment.json. Um ambiente aceita agora até 500 repositórios, e os grandes ambientes com vários repositórios arrancam 5 vezes mais depressa, segundo o Cursor. A entrada do changelog citada na sequência de publicações ainda não estava online na noite de 16, pelo que não são conhecidos os planos abrangidos, o preço nem a data de saída da beta.

15 de outubro — Três dias após o seu lançamento pela Meta, o Muse Wonder chega ao Cursor, a 4 dólares por milhão de tokens de entrada e 20 de saída, tal como na API da Meta. O Cursor destaca 46,1 % no CursorBench com o nível de esforço predefinido, a melhor pontuação de um modelo Muse; a classificação pública CursorBench 4.0 detalha os restantes níveis de esforço.

Modelo e nível de esforço	Pontuação CursorBench 4.0	Custo por tarefa	Posição na classificação
Claude Opus 5.5 Max	57,8 %	13,43 dólares	1.º
Muse Wonder Max	50,4 %	5,25 dólares	12.º
Muse Wonder Extra High	48,2 %	4,24 dólares	15.º
Muse Wonder High	46,1 %	3,51 dólares	21.º
Muse Wonder Medium	45,2 %	2,82 dólares	22.º
Muse Wonder Low	41,7 %	1,91 dólar	32.º
Muse Spark 1.3 Max	41,6 %	2,64 dólares	34.º

🔗 A sequência de publicações do Cursor sobre os agentes cloud · Muse Wonder no Cursor · A classificação CursorBench

Gemini CLI declara não estar otimizado para Gemini 4 Argon e remete para Antigravity CLI

16 de outubro — A Google adicionou durante a noite um aviso no início do README do Gemini CLI. A caixa recorda que, para os utilizadores do nível gratuito e do Google One, o Gemini CLI foi substituído pelo Antigravity CLI a 18 de junho de 2026, e depois especifica a negrito, antes de convidar a usar o Antigravity para utilizar o Argon:

Gemini CLI has not been optimized for Gemini 4 Argon.

🇵🇹 O Gemini CLI não foi otimizado para o Gemini 4 Argon. — README do Gemini CLI, pull request 29774

Uma segunda alteração, integrada pouco mais de uma hora depois, alarga a mensagem a todos os modelos Gemini mais recentes e remete para o Antigravity CLI para a melhor experiência de programação. O README perde também os seus argumentos históricos: a secção «Porquê o Gemini CLI?» e o seu nível gratuito de 60 pedidos por minuto e 1 000 por dia, as capacidades avançadas e a integração GitHub; o início de sessão com uma conta Google passa a destinar-se apenas às licenças pagas do Code Assist para organizações.

Estas caixas dão continuidade à transição anunciada a 19 de maio: desde 18 de junho, o Gemini CLI continua disponível para as licenças Code Assist Standard e Enterprise e para chaves API pagas, com a promessa de acesso aos modelos Gemini mais recentes. Três dias após a disponibilidade geral do Argon, a proposta da comunidade que o adiciona ao seletor do Gemini CLI (pull request 29737) continua sem ser integrada.

🔗 A pull request 29775, que limpa o README · A publicação de 19 de maio sobre a transição para o Antigravity CLI

Breves

Agentes e ferramentas de código

Amp mostra o ambiente de trabalho dos seus runners — A partir de uma conversa, já é possível ver e controlar o ambiente de trabalho de um runner macOS ou Linux, por exemplo para experimentar uma aplicação iOS criada pelo Amp, através de um navegador ou das aplicações para iPhone e iPad; qualquer pessoa que possa escrever numa conversa do runner também controla o seu ambiente de trabalho. 🔗 fonte
v0 — Os ficheiros demasiado grandes para a pré-visualização podem ser descarregados a partir do separador Code, a aplicação iOS ganha seletores de skills e de design system, bem como anexos de vídeo, e os pedidos Gemini 4 deixam de falhar nos níveis de esforço elevados. 🔗 fonte
Copilot CLI em versão preliminar — Três versões preliminares no mesmo dia (1.0.99-2, 1.0.99-3 e 1.0.100-0), sem versão estável: a pesquisa semântica de código passa a ser a predefinição das sessões online, a opção --disable-client-telemetry desativa a telemetria do cliente, e um servidor MCP que deixa de responder já não bloqueia a sessão. 🔗 fonte
Copilot no Slack e no Teams — @GitHub trabalha agora em vários repositórios numa mesma conversa: pull requests abertas ou integradas, investigação que abrange tanto o frontend como o backend, resumo de atividade; as mensagens e conversas do Slack partilhadas servem de contexto. 🔗 fonte
Qwen Code v0.25.3-preview.0 — No dia seguinte à versão estável v0.25.2, uma versão preliminar com 64 entradas coloca QwenCloud no topo de /auth, dá ao Managed Agent acesso completo ao Shell com opção para ativar ou desativar as aprovações, e mostra as trajetórias em tempo real no Web Shell. 🔗 fonte
Gemini CLI, nightly 0.66.0 — Primeira nightly da série, com nove correções: saída sincronizada para evitar a cintilação no tmux, prompts do Git que bloqueavam a interface, variáveis .env finalmente resolvidas nas definições MCP e ficheiros SKILL.md com descrição numa só linha; stable e preview mantêm-se inalteradas. 🔗 fonte
DeepSeek Harness 0.2.1-alpha.5 — 29.ª versão preliminar sem versão estável: quatro correções (menu de skills após a ativação de um plugin, terminais redundantes, instruções do modo PTC, tecla Page Up no Windows e no Linux) e um ponto de extensão que permite aos plugins mudar o nome dos modelos por fornecedor. 🔗 fonte

ChatGPT, Claude e a IA nas empresas

ChatGPT Sites para Enterprise — @OpenAIDevs anuncia a disponibilidade geral para Enterprise, com residência dos dados nos Estados Unidos ou na UE para os novos Sites, domínios verificados e túneis privados para as API internas; as notas Enterprise referem uma versão preliminar para administradores em fase de disponibilização, e os planos Plus e Pro deixam de ter um limite fixo de Sites. 🔗 fonte
ChatGPT Slides começa a ser disponibilizado — Anunciadas no DevDay de 29 de setembro, as apresentações colaborativas chegam ao Space para os subscritores Pro, Business e Enterprise elegíveis, com coedição em tempo real, apresentação a partir do ChatGPT e exportação para PowerPoint, PDF ou Google Slides. 🔗 fonte
Stack Overflow for Agents — Segundo um estudo de caso da OpenAI, dois engenheiros entregaram o produto em poucas semanas com Codex; o seu plugin ChatGPT triplicou as inscrições de um dia para o outro, e um conector do Stack Internal é construído em 4 dias em vez de 3 a 6 semanas. 🔗 fonte
Sullivan & Cromwell — O escritório de advogados criou com a OpenAI o Agreement Analyzer, cujo protótipo foi desenvolvido com Codex no próprio escritório por John Savva, que produz, a partir de um projeto de contrato, um memorando e propostas de alteração que o advogado revê; o estudo não apresenta números sobre os ganhos. 🔗 fonte
Os agentes de um comercial da Anthropic — Shahboz Ibragimov, da equipa do Japão, descreve seis agentes no Claude Managed Agents (triagem de potenciais clientes, Salesforce, respostas em japonês ou inglês, relatórios), Claude Tag para os contactos de acompanhamento, Sonnet ou Opus consoante o discernimento necessário; cerca de 60 horas de trabalho poupadas segundo o seu registo semanal. 🔗 fonte
American Forge — A Cognition e o National Design Studio lançam uma residência de seis meses que integra engenheiros no governo dos Estados Unidos; o artigo estima que existam mais de 29 000 sites federais antigos ou obsoletos; candidaturas abertas, sem indicação de remuneração nem do número de vagas. 🔗 fonte

Voz e vídeo gerados

HeyGen Video 1 no MCP da HeyGen — Descreve-se o vídeo pretendido ao agente (ChatGPT, Claude, Claude Code ou Cursor) e este devolve-o pronto a publicar, em poucos segundos segundo a HeyGen; as renderizações são descontadas dos créditos do plano. 🔗 fonte
NTT Docomo Business e ElevenAgents — A operadora testa em Aizuwakamatsu (Fukushima) o seu assistente de voz CONN, criado com ElevenAgents, para informar e conversar com os habitantes idosos que a neve impede de sair; avaliações consideradas positivas, sem números. 🔗 fonte
Certificações da ElevenLabs — A ElevenLabs renova as suas certificações ISO/IEC 27001, 27701, 42001, 27017 e 27018, SOC 2 Type II e PCI DSS nível 1, e acrescenta uma SOC 2 Type I para ElevenProductions. 🔗 fonte

Modelos, benchmarks e investigação

Mistral Large 4 no STEMBench — A Mistral destaca o benchmark científico da Ulam, no qual o seu modelo obtém 2,501 em 4 sem ferramentas (2,602 em engenharia, 2,597 em astronomia): 6.º entre 10 configurações e 4.º sem ferramentas, atrás de Muse Wonder, Claude Opus 5.5 e Hy4 Preview; os dois primeiros, GPT-6 Astra xhigh e GPT-6.1 Sol, foram executados com ferramentas no Codex. 🔗 fonte
Jebadiah v2.1 — Dois modelos de decisão abertos de 27B e 9B, publicados a 10 de outubro sob Apache-2.0, obtêm 55,94 (35.º) e 44,91 (74.º) entre 168 no Decision Index, atrás de Jev 1.13 (60,11). 🔗 fonte
Nemotron 3.5 Super VL e os gráficos — Segundo a Thoughtworks, um LoRA treinado durante 3,3 horas com 24 000 gráficos gerados faz passar um checkpoint preliminar do modelo de 16,96 % para 78,13 % em 224 perguntas do CharXiv, à custa de uma perda líquida de 104 perguntas noutros casos. 🔗 fonte
Arc Pro B65 da Intel — Um benchmark da comunidade com llama.cpp mede um desempenho do SYCL com flash attention 31,2 % superior ao do Vulkan no pré-preenchimento em três modelos de cerca de 30B em 4 bits: primeiro token de um prompt de cerca de 16 000 tokens em 20,5 segundos em vez de 42 para dois deles. 🔗 fonte
TB-Lite Verified — A Hugging Face disponibiliza, sem anúncio, uma versão corrigida do benchmark OpenThoughts-TBLite para agentes de terminal: cinco tarefas defeituosas removidas de um total de 100, corrigido um sistema de pontuação que limitava a nota a 0,997, nenhuma pontuação publicada. 🔗 fonte
AutoIllustrate da Sakana AI — Recuperando a notícia de 14 de outubro, uma ferramenta de linha de comandos sob Apache-2.0 transforma a secção «métodos» de um artigo numa figura draw.io editável e, depois, num PNG com um novo estilo; foi usada nas figuras de The Agentic Scientist. 🔗 fonte
A complacência dos LLM segundo a Meta — facebookresearch publica, sem anúncio, os prompts e as grelhas de avaliação do artigo «From Preference Data to Personalization», que classifica as respostas em sete tipos, da contestação franca à validação explícita; sem modelo nem números. 🔗 fonte
Anthropic e a Simons Foundation — A Anthropic compromete 5 milhões de dólares em financiamento, capacidade de computação e acesso ao Claude para matemáticos, geridos pela Simons Foundation; com a fundação e a OpenAI, que também destina 5 milhões de dólares à iniciativa, o montante atinge 15 milhões de dólares segundo a Simons Foundation, atribuídos nomeadamente através de concursos de propostas. 🔗 fonte

Guias e distinções

A segurança dos LLM segundo a Perplexity — Um guia percorre os dez riscos do OWASP Top 10 for LLM Applications 2026, com um incidente e defesas para cada um, e recorda as proteções da Perplexity (sandbox do Computer, BrowseSafe para Comet, retenção nula nos fornecedores terceiros); sem novas funcionalidades. 🔗 fonte
Estudar com IA — A Perplexity publica cinco métodos apoiados na investigação (pedir que lhe façam perguntas, espaçar, voltar a explicar, alternar, acompanhar os seus progressos) e cita a Gallup e a Lumina Foundation: 57 % dos estudantes dos Estados Unidos usam IA todas as semanas para as suas disciplinas. 🔗 fonte
Duas invenções do ano para a TIME — A revista inclui entre as suas melhores invenções de 2026 o Omnilingual ASR da Meta, um sistema de reconhecimento de voz para mais de 1 600 línguas, e o NemoClaw da NVIDIA, um agente autónomo confinado numa sandbox. 🔗 Meta · 🔗 NVIDIA

GitHub: licenças, runners e acesso

Conformidade das licenças open source — Disponibilidade geral para GitHub Enterprise Cloud com Code Security: uma política de licenças da empresa é aplicada às pull requests através de um conjunto de regras, e um novo endpoint permite aos agentes de código verificar se um pacote a cumpre. 🔗 fonte
Imagem Xcode 27 — Fora da IA, a imagem de runner Xcode 27 do GitHub Actions (macOS 27, apenas Apple Silicon) passa a disponibilidade geral, com as etiquetas xcode-27 e xcode-27-xlarge inalteradas. 🔗 fonte
Evergreen — Fora da IA, o GitHub apresenta a GitHub App que revoga trimestralmente os acessos dos colaboradores externos não confirmados e arquiva, sem nunca os eliminar, os repositórios inativos de uma organização partilhada com mais de 1 400 trabalhadores. 🔗 fonte

O que isto significa

As curvas elípticas ocuparam dois artigos da Anthropic no mesmo dia, sob duas perspetivas. Quanto ao passado, Claude recupera o gerador e os carimbos de data e hora por detrás das sementes do NIST: nada foi comprometido, repete a Anthropic, mas uma manipulação torna-se muito menos plausível, e qualquer pessoa pode reproduzir o resultado com o código publicado sob CC0. Quanto ao futuro, Claude Mythos 5 encontra um circuito de adição de pontos numa curva elíptica que exige 17 vezes menos portas com mais 12 % de qubits, um elemento central dos algoritmos quânticos que calculariam o logaritmo discreto em curvas elípticas, o problema de que depende a segurança do ECDSA. A Anthropic conclui daí que computadores quânticos úteis poderão chegar mais cedo do que o previsto: a confiança na construção destas curvas aumenta ao mesmo tempo que diminui o custo estimado dos circuitos quânticos que um dia as poderão ameaçar.

Nos laboratórios, os agentes trabalham sozinhos durante mais tempo, e a verificação torna-se uma condição da sua credibilidade. Claude Mythos 5 foi executado durante 53 horas perante um avaliador automático, com uma prova formalizada em Lean; os agentes Argon jogaram durante mais de 27 horas sob a supervisão de um Observer encarregado de detetar batota; o agente do Antigravity redige um protocolo, mas a sua bacteriocina ainda aguarda validação em laboratório. As ferramentas para investigadores seguem a mesma lógica: Deep Review verifica as afirmações e a coerência antes da submissão, Open Math OS apoia-se em Lean e mantém os projetos privados por predefinição, e o Rosalind Academic Plan só disponibiliza o GPT-Rosalind após uma aprovação de acesso de confiança.

No campo dos modelos abertos, a licença volta a ser um argumento. No dia seguinte ao lançamento de Muse Spark Open, publicado sob a Muse Model License com condições comerciais limitadas, Beam chega sob Apache 2.0, com mais de 40 parceiros logo no primeiro dia, um checkpoint NVFP4 e o harness usado para o treinar. Os formatos mais pequenos adotam a mesma licença e procuram a eficiência: o Bonsai 2 mais pequeno ocupa 0,43 Go e funciona num telefone, e os modelos de decisão consolidam-se como categoria, com pplx-decider-v1.2 e a sua versão Flash a 0,02 e 0,01 dólar por milhão de tokens, os adaptadores do Granite Switch 4.1 que reutilizam a cache do modelo de base e uma classificação comum, o Decision Index.

O harness conta agora tanto como o modelo. A Reflection disponibiliza Beam com Mirror CLI, a Google encaminha os utilizadores do Argon para o Antigravity CLI em vez do Gemini CLI, e a equipa Claude Code associa a duplicação dos seus merges à reformulação do seu processo de revisão, no qual um classificador decide quantas pessoas são necessárias. Para o público em geral, os agentes ganham alcance: GPT-6 Astra Pro distribui uma tarefa por vários agentes, Grok Bot liga-se ao Robinhood, Coinbase e eToro, e os plugins do ChatGPT tornam-se um canal de distribuição, desde as ferramentas da Pika até às inscrições triplicadas do Stack Overflow for Agents.