Pesquisar

OpenAI lança GPT-6.2 Astra e Sol, Jensen Huang deixa a liderança da NVIDIA, Microsoft lança MAI Code 2 no Copilot

Empresas desta edição

Desmarque o que não lhe interessa. Sua escolha vale para todas as edições e fica salva neste dispositivo.

Grandes laboratórios
China
Europa
Ferramentas de código
Agentes e busca na web
Mídia generativa
Infraestrutura e código aberto
Outros

ai-powered-markdown-translator

Artigo traduzido do francês para o português com gpt-6.1-sol.

Ver projeto no GitHub ↗

A OpenAI lança GPT-6.2 Astra e GPT-6.2 Sol, que obtêm melhores resultados com menos tokens: Astra atinge 78,3 % no Agents’ Last Exam por menos de um terço do custo de GPT-6 Astra, e os dois modelos chegam no próprio dia ao GitHub Copilot e à Perplexity. A NVIDIA apresenta um trimestre com 115,8 mil milhões de dólares de receitas, os seus primeiros resultados desde a saída de Jensen Huang a 12 de novembro, e a Microsoft lança MAI Code 2 no Copilot durante o Ignite. A Perplexity disponibiliza a sua Orchestrator API, a Cognition e a Replit lançam agentes que prosseguem um objetivo (Devin Bots, Replit Missions), e a Google torna as Tasks do Gemini gratuitas em seis países.


GPT-6.2 Astra e GPT-6.2 Sol: melhores resultados com menos tokens, no ChatGPT Work, no Codex e na API

17 de novembro — A OpenAI lança GPT-6.2 Astra e GPT-6.2 Sol, os sucessores de GPT-6 Astra e de GPT-6.1 Sol. Astra torna-se o modelo de ponta para os projetos mais exigentes, Sol o modelo polivalente para o dia a dia. O fio condutor do anúncio é a eficiência: melhores resultados com menos tokens de saída, permitindo mais tarefas dentro dos mesmos limites de utilização e um custo por tarefa significativamente mais baixo.

No Agents’ Last Exam v1.1, que avalia trabalho profissional em várias etapas, GPT-6.2 Astra atinge 78,3 % por 2,89 dólares por tarefa: mais 5,2 pontos do que GPT-6 Astra por menos de um terço do custo, e 5,5 pontos à frente de Claude Fable 5.2 por 5 % do custo. Também lidera o Terminal-Bench-Science (77,1 %, +9 pontos face a GPT-6 Astra), o Harvey LAB-AA (mais do dobro da taxa de Fable 5.2) e o GDPval v2 interno da OpenAI (+6,2 pontos com menos 22 % de tokens de saída), e assume o primeiro lugar no AA-3D, uma classificação de modelos 3D baseada em preferências humanas em avaliações cegas, com 1 318 Elo. Os gráficos da publicação mostram, contudo, que Claude Fable 5.2 continua à frente no Artificial Analysis Intelligence Index (64,6 contra 62,1) e no FrontierCode 2.0 da Cognition (49,1 % contra 44,2 %). GPT-6.2 Sol fica a menos de 0,5 pontos de Astra no FrontierCode 2.0 (43,8 % contra 44,2 %) por cerca de um quinto do custo, e supera GPT-6 Astra no LifeVal por cerca de um sétimo do custo.

Benchmark avaliadoGPT-6.2 AstraGPT-6.2 SolGPT-6 AstraGPT-6.1 SolClaude Fable 5.2Gemini 4 Carbon
Agents’ Last Exam v1.178,3 %73,0 %73,1 %72,5 %72,8 %77,4 %
Custo por tarefa (Agents’ Last Exam)2,89 dólares1,32 dólar8,99 dólares2,02 dólares60,05 dólares4,60 dólares
Terminal-Bench-Science 0.177,1 %68,0 %68,1 %57,0 %73,3 % (AA)—
AA Intelligence Index v5.0.162,157,356,954,664,660,0
FrontierCode 2.0 (Cognition)44,2 %43,8 %42,8 %39,0 %49,1 % (xhigh)41,1 % (medium)
Harvey LAB-AA v1.115,0 %11,1 %8,6 %6,9 %7,2 %—
GDPval v2 (interno)50,4 %46,9 %44,2 %41,5 %44,8 %48,8 % (high)

Melhor configuração apresentada pela OpenAI para cada modelo, com esforço máximo salvo indicação em contrário (GPT-6.2 Astra em xhigh e Gemini 4 Carbon em high no Agents’ Last Exam, cujos resultados de Fable 5.2 excluem nove tarefas executadas por um modelo de recurso). No Terminal-Bench-Science, a pontuação de Fable 5.2 é a da Artificial Analysis; a Anthropic anuncia 74,6 % no Claude Code.

Quanto aos preços, Astra fica 20 % mais barato na entrada e na saída face a GPT-6 Astra, e 60 % mais barato na entrada em cache; Sol mantém os preços de GPT-6.1 Sol. Na API (gpt-6.2-astra e gpt-6.2-sol), os dois modelos suportam a Responses API e Chat Completions, mas as chamadas de ferramentas passam pela Responses API. A OpenAI aconselha a manter o início dos prompts inalterado e a acrescentar as novas instruções no fim, para reutilizar a cache.

Tipo de preço (por milhão de tokens)GPT-6.2 AstraGPT-6.2 Sol
Entrada8 dólares2 dólares
Entrada em cache0,40 dólar0,10 dólar
Saída40 dólares10 dólares

In the API, use gpt-6.2-astra and gpt-6.2-sol. Both models also support Fast and Ultrafast modes. We’re cutting Ultrafast pricing by 50% for the next three months, making it available at just 3x the cost of Standard for API and Enterprise users. Ultrafast is also coming to Pro 200 subscribers, starting with GPT-6.2 Sol.

🇵🇹 Na API, utilizem gpt-6.2-astra e gpt-6.2-sol. Os dois modelos também suportam os modos Fast e Ultrafast. Reduzimos o preço de Ultrafast em 50 % durante os próximos três meses, tornando-o disponível por apenas 3 vezes o custo de Standard para os utilizadores da API e de Enterprise. Ultrafast também chega aos subscritores Pro 200, começando por GPT-6.2 Sol. — @OpenAIDevs no X

O Ultrafast de GPT-6.1 Sol, lançado a 8 de outubro, custava 6 vezes o Standard. Os dois modelos estão disponíveis desde 17 de novembro no ChatGPT Work e no Codex para os subscritores Plus, Pro, Enterprise e Edu, mas não no Chat clássico. Nos espaços Enterprise e Edu, a versão de pré-visualização está desativada por predefinição: o administrador tem de a ativar, e continua indisponível nos espaços que exigem inferência nos Emirados. Entre os primeiros clientes citados, a Basis afirma ter reduzido para metade o tempo médio dos seus trabalhos contabilísticos de longa duração.

A segurança ocupa uma parte significativa da publicação e da ficha do sistema. Os dois modelos atingem o limiar Critical em cibersegurança, tal como GPT-6 Astra, e High em biologia e química. GPT-6.2 Astra é também o primeiro modelo publicado pela OpenAI a atingir o limiar High no autoaperfeiçoamento da IA, ou seja, na sua capacidade de acelerar a investigação em IA. A consequência para as equipas de segurança são salvaguardas de cibersegurança mais rigorosas, que também bloqueiam algumas pesquisas legítimas de vulnerabilidades, enquanto se aguarda a chegada dos modelos GPT-6.2 ao Daybreak, ainda sem data. A OpenAI assinala, por fim, uma falha de alinhamento: em dois testes, os modelos omitiam com maior frequência um obstáculo (ficheiro em falta, ferramenta de pesquisa indisponível); instruções acrescentadas no Codex reduzem significativamente estas omissões, e a investigação continua.

🔗 Publicação de lançamento de GPT-6.2 Astra e Sol (OpenAI) · Ficha do sistema de GPT-6.2

Astra for Law passa para GPT-6.2 Astra e fica disponível mediante pedido a todos os clientes ChatGPT Enterprise

17 de novembro — Em paralelo, a OpenAI atualiza Astra for Law, a sua configuração jurídica lançada a 17 de setembro junto de alguns escritórios de advogados. Passa a combinar GPT-6.2 Astra com um índice de pesquisa jurídica enriquecido com mais de 539 000 recursos dos Estados Unidos e mais de 98 000 recursos britânicos, australianos e canadianos, além de instruções de pesquisa, avaliação de fontes e redação. Todos os clientes ChatGPT Enterprise podem solicitá-la através do programa de acesso de confiança da consola de administração; o acesso pela API exige uma autorização distinta.

Avaliação jurídicaAstra for LawReferência de comparação
Harvey LAB-AA, tarefas com pontuação máxima20,8 %GPT-6.2 Astra 15,0 %, Muse Wonder Full 13,1 %
Alucinações substanciais por tarefa (LAB-AA)0,03Claude Opus 5.5 0,59
LAB: USCL, jurisprudência pesquisada pelo modelo1 844Claude Opus 5.5 1 817
LAB: USCL, precedentes fornecidos1 883Claude Opus 5.5 1 882
Legal Research Bench (Vals AI)54,81 %cerca de 46 % na versão de setembro

No LAB-AA, Astra for Law produz cerca de 64 000 tokens de saída por tarefa, menos 54 % do que Muse Wonder Full. Na redação de peças processuais (LAB: USCL), a vantagem sobre Opus 5.5 é pequena, e os intervalos de incerteza sobrepõem-se nas duas configurações.

🔗 Astra for Law com GPT-6.2 Astra (OpenAI)

A Responses API oferece janelas de execução de 2 e 8 horas, 30 e 40 % mais baratas

17 de novembro — No mesmo dia, a OpenAI acrescenta ao modo de segundo plano da Responses API janelas de execução com desconto, em beta pública, para GPT-6.2 Astra, GPT-6.2 Sol, GPT-6.1 Terra e GPT-6 Luna. Um programador que possa esperar define background_options.completion_window para duas horas (tokens 30 % mais baratos do que no Standard) ou para oito horas (40 % mais baratos), em vez da execução imediata por predefinição, sem desconto.

Ao contrário da Batch API, concebida para pedidos independentes enviados em bloco, estas janelas destinam-se a agentes que trabalham em vários turnos: os pedidos de seguimento, após uma chamada de ferramenta, mantêm o desconto e recebem prioridade se retomarem a mesma janela, o mesmo modelo e o mesmo projeto. O desconto exige o processamento Standard, partilha o limite de pedidos da Batch API e não funciona em streaming. Os SDK openai-python 3.53.0 e openai-node 7.58.0 integram esta funcionalidade desde 17 de novembro.

🔗 Changelog da API OpenAI · Guia do modo de segundo plano

GPT-6.2 Astra e GPT-6.2 Sol chegam ao GitHub Copilot

17 de novembro — No dia do seu lançamento, GPT-6.2 Astra e GPT-6.2 Sol passam a estar em disponibilidade geral no GitHub Copilot, nos planos Pro+, Max, Business e Enterprise (exceto Pro). Segundo os testes preliminares do GitHub, GPT-6.2 Sol identifica, em code review, quase o dobro dos problemas reais de GPT-6.1 Sol, e GPT-6.2 Astra encontra significativamente mais do que GPT-6 Astra, consumindo menos tokens nas tarefas de programação com agentes. Os dois modelos são faturados consoante a utilização, ao preço de tabela da OpenAI, chegam progressivamente a dez interfaces, do VS Code ao Eclipse, e são ativados automaticamente nas organizações que não desativaram a ativação por predefinição de novos modelos.

🔗 Changelog do GitHub: GPT-6.2 Astra e GPT-6.2 Sol

Perplexity disponibiliza GPT-6.2 no Search e no Computer, com 0,783 e 0,746 no WANDR

17 de novembro — A Perplexity também disponibiliza GPT-6.2 Astra e GPT-6.2 Sol no Perplexity Search e no Computer logo na noite do lançamento. No WANDR, o seu benchmark de pesquisa documentada, GPT-6.2 Astra obtém 0,783 por cerca de 12,54 dólares por tarefa, mais 0,095 pontos do que GPT-6 Astra, e GPT-6.2 Sol obtém 0,746 por cerca de 2,65 dólares, mais 0,065 pontos do que GPT-6.1 Sol. O gráfico publicado com o anúncio enquadra estas pontuações entre as dos outros modelos: Gemini 4 Carbon e Claude Fable 5.2 continuam à frente, e GPT-6.2 Sol torna-se o modelo mais barato acima de 0,7. O tweet não especifica os planos abrangidos.

Modelo avaliado no WANDRPontuaçãoCusto por tarefa
Gemini 4 Carbon0,8575,86 dólares
Claude Fable 5.20,80715,82 dólares
GPT-6.2 Astra0,783~12,54 dólares
GPT-6.2 Sol0,746~2,65 dólares
Gemini 4 Hydrogen0,6985,41 dólares
GPT-6 Astra0,68812,73 dólares
GPT-6.1 Sol0,6811,59 dólar
Claude Opus 5.50,6625,33 dólares

Pontuações de GPT-6.2 retiradas do texto do tweet, as restantes do gráfico publicado pela Perplexity.

🔗 Anúncio da Perplexity no X


NVIDIA: Jensen Huang deixa a direção, depois chega um trimestre de 115,8 mil milhões de dólares sob a liderança de Colette Kress

12 de novembro — O conselho de administração da NVIDIA anunciou a demissão de Jensen Huang, cofundador da empresa, das suas funções de presidente, CEO e administrador, com efeito imediato. Colette Kress, vice-presidente executiva e diretora financeira desde setembro de 2013, torna-se CEO interina, mantendo as funções de diretora financeira, até à nomeação de um sucessor permanente; o conselho inicia um processo de seleção aberto a candidatos internos e externos. Harvey C. Jones, antigo CEO e presidente executivo da Synopsys, torna-se o primeiro presidente do conselho de administração (Presidente do Conselho de Administração). Segundo Harvey C. Jones, o conselho tem plena confiança em Colette Kress e espera que as operações, os compromissos com os clientes e o roteiro de produtos prossigam sem interrupções. O mesmo comunicado confirmava a publicação dos resultados trimestrais a 17 de novembro, conforme previsto.

10 de novembro — Dois dias antes, num comunicado separado, os administradores independentes da NVIDIA anunciavam ter confiado uma investigação «aprofundada e independente» a Joon H. Kim, antigo procurador federal interino do Distrito Sul de Nova Iorque, e ao escritório Wachtell, Lipton, Rosen & Katz. Este comunicado não especifica o objeto da investigação, e o de 12 de novembro não a menciona.

17 de novembro — A NVIDIA publica os resultados do terceiro trimestre do seu exercício de 2027, encerrado a 25 de outubro. São os primeiros desde a saída de Jensen Huang, e o comunicado é apresentado por Colette Kress. As receitas atingem 115,8 mil milhões de dólares, mais 20 % do que no trimestre anterior e mais do dobro de há um ano. Os centros de dados representam a maior parte deste valor.

Indicador (T3 do exercício de 2027)Valor publicadoVariação anual
Receitas115,8 mil milhões de dólares+103 %
Centros de dados107,6 mil milhões de dólares+110 %
Computação de periferia (Edge Computing)8,2 mil milhões de dólares+42 %
Margem bruta GAAP74,8 %+1,4 ponto
Lucro líquido GAAP65,3 mil milhões de dólares+105 %
Lucro diluído por ação GAAP2,70 dólares+108 %

Para o quarto trimestre, que inclui uma semana adicional, a NVIDIA prevê receitas de 130 mil milhões de dólares, com uma margem de 3 %, sem incluir quaisquer receitas de computação para centros de dados provenientes da China, e uma margem bruta reduzida para entre 71 e 72 %. A empresa devolveu 28,1 mil milhões de dólares aos seus acionistas durante o trimestre, e restam cerca de 227,3 mil milhões de dólares no seu programa de recompra de ações. Quanto aos produtos, o trimestre marca as primeiras entregas em larga escala do Vera Rubin NVL72, que a NVIDIA apresenta como o aumento de produção mais rápido da sua história, com racks já em serviço na CoreWeave, Google Cloud, Microsoft Azure, Oracle Cloud Infrastructure e Nebius.

🔗 Resultados do terceiro trimestre do exercício de 2027 (NVIDIA) · Transição na direção executiva (12 de novembro) · Declaração dos administradores independentes (10 de novembro)


Microsoft lança MAI Code 2 e MAI Code 2 Flash, disponíveis desde o lançamento no GitHub Copilot

17 de novembro — Durante o Ignite, a Microsoft AI lança dois novos modelos de código, disponíveis no próprio dia no GitHub Copilot. MAI Code 2 destina-se a tarefas complexas: depuração aprofundada, alterações em vários ficheiros, refactoring, raciocínio à escala do repositório. MAI Code 2 Flash destina-se ao trabalho repetitivo: explicações de código, ajustes pontuais, correções de rotina.

A Microsoft destaca a relação desempenho-preço, medida pela média de quatro benchmarks próximos do trabalho empresarial (DeepSWE 1.1, Terminal Bench 2.1, SWE-Atlas e FrontierCode v1.1). Estes custos são calculados ao preço promocional de 50 % do MAI-Code-2, com todos os modelos no esforço máximo de raciocínio, sendo três benchmarks executados com o Copilot CLI sem subagentes. Em frontend, em avaliações cegas realizadas por 258 anotadores, os resultados do MAI Code 2 são preferidos aos do GPT-6 Sol em 64 % dos casos.

Comparação (segundo a Microsoft AI)Desempenho relativoCusto relativo
MAI Code 2 face ao GPT 6.1 Sol98 %40 %
MAI Code 2 face ao Claude Opus 5.596 %5 %
MAI Code 2 Flash face ao GPT-6 Lunacomparável65 %
MAI Code 2 Flash face ao Claude Haiku 5.5comparável20 %

A Microsoft reconhece uma limitação: estes modelos «ainda não estão ajustados» para a investigação científica fundamental nem para o trabalho agêntico de muito longo prazo.

No Copilot, o MAI Code 2 está disponível desde o plano Pro até ao Enterprise, e o MAI Code 2 Flash desde o plano Free, em dez interfaces (VS Code, Visual Studio, Copilot CLI, cloud agent, aplicação GitHub Copilot, github.com, GitHub Mobile, JetBrains, Xcode, Eclipse). Os dois modelos são faturados consoante a utilização e ativados por predefinição nas organizações que não desativaram a ativação automática de novos modelos. O MAI-Code-2 também passa a integrar o nível Standard do Copilot Fusion, e o seu antecessor MAI-Code-1.1-Flash será retirado de todas as experiências Copilot a 18 de dezembro. Fora do GitHub, o MAI Code 2 Flash entra numa versão de pré-visualização com acesso limitado no Microsoft Foundry, e a Microsoft anuncia a sua chegada em breve ao OpenRouter, Vercel, Hermes, Open Code e Kilo.

🔗 Changelog do GitHub: MAI Code 2 e MAI Code 2 Flash · Anúncio da Microsoft AI


Perplexity combina modelos de vários fornecedores: a Orchestrator API e o nível Multiagent do Computer

17 de novembro — A Perplexity lança a Orchestrator API, que disponibiliza aos programadores a camada de modelos dos seus próprios produtos. Segundo a empresa, esta camada encaminha diariamente centenas de milhões de pedidos para mais de 85 modelos e mais de uma dúzia de fornecedores. Com uma única chave de API, o Orchestrator dá acesso a mais de 45 modelos da OpenAI, Anthropic, Google e xAI, bem como a modelos de pesos abertos (GLM, Kimi, DeepSeek). Os pedidos são escritos nos formatos OpenAI Chat Completions, OpenAI Responses ou Anthropic Messages: basta alterar a chave e o URL de base de um SDK existente.

O primeiro argumento é a fiabilidade. Quando um fornecedor devolve um erro, atinge um limite de pedidos ou excede o tempo limite, o Orchestrator repete o pedido noutra instância do mesmo modelo: um pedido Claude pode passar da Anthropic para o AWS Bedrock, um pedido GPT da OpenAI para o Azure. Cada modelo é faturado à sua tarifa pública por token, independentemente do fornecedor que responde, sem taxas de plataforma além dos créditos. Duas funções estão em versão de pré-visualização: Routes, que escolhe o modelo em cada pedido (perplexity/auto) a partir de descrições em linguagem corrente, e Auto effort, que ajusta o esforço de raciocínio no turno seguinte.

A Perplexity ilustra o Routes com um caso sensível: contornar recusas. A empresa recorda que a Anthropic documenta que as salvaguardas do Claude Fable 5.2 podem bloquear trabalhos inofensivos de cibersegurança ou de ciências da vida. Mantendo o Fable por predefinição, mas encaminhando estas tarefas, e as que se seguem a uma recusa, para o GPT-6 Astra ou o GPT-6.1 Sol, o Claude Code resolve mais tarefas, com um custo estimado por tarefa mais elevado. A Orchestrator API já existia na API da Perplexity desde julho, inicialmente para modelos de pesos abertos; este dia 17 de novembro marca o seu lançamento oficial.

Elemento medido pela PerplexityValor anunciado
Modelos do catálogomais de 45 (OpenAI, Anthropic, Google, xAI, abertos)
Claude Opus 5.5, fornecedor mais rápido (30 dias)Anthropic 15 dias, AWS Bedrock 15 dias
GPT-5.6 Sol, velocidade mediana do Azure face à OpenAI+27 %
Terminal-Bench 4.1 (63 tarefas), apenas Fable 5.238 em 63
Mesmo teste com encaminhamento para GPT-6 Astra ou GPT-6.1 Sol41 em 63
Taxas de plataformanenhuma além dos créditos

🔗 Apresentação do Orchestrator (Perplexity) · Orchestrator: uma API para inferência fiável

17 de novembro — No mesmo dia, a Perplexity acrescenta ao Computer um nível de esforço Multiagent, acima do Ultra. Até agora, um agente principal confiava partes da tarefa a agentes de apoio que prestavam contas apenas a ele. Com o Multiagent, o agente principal dirige uma equipa de agentes que executam modelos diferentes, trabalham em paralelo, partilham diretamente as suas descobertas, verificam o trabalho uns dos outros e coordenam as suas alterações em ficheiros partilhados. A equipa predefinida é construída em torno do Claude Fable 5.2, que planeia e distribui o trabalho entre agentes no Claude Opus 5.5, GPT 6.1 Sol e Gemini 4 Carbon; o agente principal pode mobilizar até 16 agentes, e o utilizador pode especificar os seus modelos no pedido.

Resultado publicado pela PerplexityValor anunciado
Melhor equipa mista, Terminal-Bench 4.10,727 (liderada pelo Gemini 4 Carbon)
Ganho face a quatro cópias do modelo principal (TB 4.1)+0,008 a +0,125
Ganho face a quatro cópias do modelo principal (WANDR)+0,015 a +0,064
Custo da melhor equipa face a quatro cópias10,31 contra ~13 dólares; 54,50 contra 66,41 dólares

Segundo a Perplexity, cada equipa mista supera tanto o seu modelo principal sozinho como quatro cópias desse modelo, e a melhor equipa de cada teste custa menos do que essas cópias. O Multiagent está reservado aos subscritores Max na web (Max e Enterprise Max segundo o tweet), estando as aplicações móveis e de computador anunciadas para breve; a Perplexity não quantifica o seu custo em créditos.

Multiagent is optimized for performance. It is credit-intensive. Use it only for your most important tasks. Multiagent is best for forecasting, high-density problem solving, and consequential decision making.

🇵🇹 O Multiagent está otimizado para o desempenho. Consome muitos créditos. Utilize-o apenas nas suas tarefas mais importantes. O Multiagent é mais adequado para previsões, problemas muito densos e decisões com consequências importantes. — @perplexity_ai no X

🔗 Apresentação do Multiagent (Perplexity)


Devin Bots e Replit Missions: enxames de agentes que perseguem um objetivo em vez de uma tarefa

17 de novembro — A Cognition lança Devin Bots, «colegas de engenharia» (engineering teammates). Um Bot é um agente persistente, dotado da sua própria memória e das suas ferramentas, que conduz várias sessões Devin em paralelo. Em vez de uma tarefa, é-lhe confiada uma responsabilidade: investiga, delega, avalia os resultados e decide os próximos passos, apresentando ao humano apenas as decisões que exigem o seu discernimento, organizadas numa caixa de entrada Needs You. Vários Bots podem coordenar-se, com um QA Bot a encaminhar, por exemplo, um bug para o Developer Bot, e podem ser acompanhados a partir do Slack, iMessage ou da aplicação Devin.

A Cognition ilustra a utilização com os seus próprios Bots. O Android Bot, lançado a 28 de setembro, construiu em 44 dias a aplicação Android do Devin, atualmente em teste aberto no Google Play, com 183 mensagens do engenheiro que o supervisionava.

Bot citado pela CognitionResultado publicado
Android Bot (44 dias)1 134 PR, 344 651 linhas de Kotlin, 2 841 testes, 1 217 tickets, 183 mensagens
Layout Bot (3 semanas)159 PR integradas, latência reduzida em 70 %
Estúdio de jogos móveiscerca de vinte Bots, de 50 a 1 900 PR por semana

On average, beta testers are merging 4.5x more PRs per message using Devin Bots. We’ve seen individual engineers go from 50 PRs a week to nearly 2,000.

🇵🇹 Em média, os testadores beta integram 4,5 vezes mais PR por mensagem com o Devin Bots. Vimos engenheiros passar de 50 PR por semana para perto de 2 000. — @cognition no X

Os Bots já estão disponíveis. A página de preços inclui-os nos planos Max (200 dólares por mês), Teams (80 dólares por mês) e Enterprise, mas não no Free nem no Pro; não foi publicado qualquer preço específico para os Bots.

🔗 Apresentação do Devin Bots (Cognition)

17 de novembro — No mesmo dia, a Replit lança Missions, uma «estrutura de enxames de agentes» (agent swarm harness) para os projetos que uma equipa não tem tempo de levar a cabo. O utilizador descreve o resultado esperado, depois um enxame de agentes planeia, constrói, testa e itera em paralelo. As condições são definidas num acordo de missão (Mission Contract): limite de despesa, ações sujeitas a aprovação (contactar um potencial cliente, assumir um compromisso relativo ao produto) e compromissos aceitáveis. Um juiz de IA independente verifica os resultados face aos critérios acordados; a missão termina quando estes são atingidos ou quando o orçamento se esgota.

A Replit sustenta o anúncio com três demonstrações. Em 13 tarefas de otimização NumPy, um enxame de 32 agentes atinge 19 vezes a velocidade inicial, contra 4 vezes para um agente sozinho em modo Auto (Max). No E-Commerce Bench da Qwen, o Missions transformou 100 000 ienes em 4,82 milhões ao longo de um ano simulado. Por fim, em dois dias e com um orçamento limitado a 3 000 dólares, o Missions construiu DataCat, uma plataforma de monitorização de aplicações que a Replit publica em open source sob a licença Apache 2.0, e que a Replit compara com uma versão construída com /goal no Claude Code a partir do mesmo prompt, especificando que se trata de testes controlados, com uma execução por configuração.

Teste do DataCat publicado pela ReplitResultado anunciado
Deteção de um bug introduzido38 segundos, para um objetivo de 60 segundos
Carga sustentada durante 3 horas26 milhões de registos, 4,4 milhões de logs
Traces por segundo (face ao Claude Code)49 000 contra 9 800
Compatibilidade de API51 verificações em 56 contra 45

O Missions é iniciado a partir do botão «New» da Replit; a publicação não especifica qualquer plano ou preço, sendo a despesa determinada pelo orçamento definido pelo utilizador.

🔗 Apresentação do Replit Missions · Repositório DataCat


A aplicação Gemini torna as Tasks gratuitas em seis países e aprende a telefonar, pagar e receber SMS

17 de novembro — A Google disponibiliza gratuitamente as Tasks da aplicação Gemini. Segundo Josh Woodward, vice-presidente responsável pelo Labs, pela aplicação Gemini e pelo AI Studio, este modo, que confia ao Gemini projetos prolongados ou tarefas recorrentes, executados em segundo plano, está a ser disponibilizado a centenas de milhões de utilizadores elegíveis nos Estados Unidos, Japão, Coreia, Canadá, Austrália e Índia. Funciona com o Gemini 4 Hydrogen, o modelo rápido lançado a 12 de novembro, e ativa-se através de um seletor Chat / Task no ecrã inicial.

Em paralelo, chega uma série de funcionalidades avançadas, primeiro aos Estados Unidos. O Gemini pode telefonar em nome do utilizador, incluindo para vários estabelecimentos ao mesmo tempo, para comparar orçamentos, verificar existências ou fazer marcações; identifica-se como uma IA, e os estabelecimentos podem recusar estas chamadas. Pode pagar com o Google Pay através do Agent Payments Protocol (AP2), com Visa e Mastercard, seguindo-se a American Express em breve: o utilizador define um limite de despesas e escolhe as lojas autorizadas, e o Gemini pede confirmação antes de comprar, salvo se for autorizado a agir sozinho dentro desse limite. Inicia sessão num portal online através do Google Password Manager e passa a poder ser contactado por SMS via RCS ou por e-mail reencaminhado para gemini@google.com.

Elemento anunciadoDisponibilidade indicada
Tasks gratuitas (Gemini 4 Hydrogen)A partir de 17 de novembro: Estados Unidos, Japão, Coreia, Canadá, Austrália, Índia
Chamadas telefónicas pelo GeminiPrimeiro nos Estados Unidos, exceto Indiana, Louisiana, Minnesota, Montana, Nebraska
Pagamento com Google Pay (AP2)Primeiro nos Estados Unidos; Visa, Mastercard; American Express em breve
SMS via RCS e gemini@google.comPrimeiro nos Estados Unidos; RCS: número norte-americano e operadora elegível
Google Wallet no iOSEstados Unidos, a partir de 17 de novembro
Universal Commerce Protocol (UCP)Mais tarde, sem data

Os recibos e as informações de acompanhamento das entregas chegam ao Google Wallet, que fica disponível no mesmo dia no iOS nos Estados Unidos, e o Gemini apoia-se em mais de 60 aplicações ligadas. Quanto à segurança, cada tarefa é executada numa máquina virtual isolada ao nível do hardware, dedicada à conta e nunca partilhada, no Agent Compute Engine do Google Cloud; a Google refere também filtros contra a injeção de prompt e uma confirmação obrigatória antes de qualquer botão «Comprar», exceto nas ações assinaladas como «Permitir sempre». A publicação reconhece, por fim, que algumas tarefas ainda podem falhar e que, em certos sites, o Gemini devolve o controlo ao utilizador para o último clique.

🔗 Tasks no Gemini (blog da Google) · Google Wallet no iOS nos Estados Unidos


Kling Image 4.0: geração nativa em 8K e até 2 000 caracteres de texto por imagem

17 de novembro — Anunciado na véspera como iminente, o Kling Image 4.0 está disponível. O novo modelo de imagem da Kling reúne compreensão visual e geração numa única arquitetura autorregressiva unificada (Native Unified Understanding and Generation Architecture) e destaca três avanços.

O primeiro é o realismo, com geração nativa em 8K pela primeira vez na Kling e mais de 110 ajustes de cor predefinidos, ou uma paleta extraída de uma imagem de referência. O segundo é o texto: até 2 000 caracteres legíveis numa imagem, prompts com até 15 000 tokens, mais de 70 tipos de letra comerciais e edição direta do texto e dos tipos de letra de uma imagem gerada, em sete línguas (chinês simplificado e tradicional, inglês, japonês, coreano, espanhol, português). O terceiro é a série: até 10 imagens coerentes produzidas a partir de um único pedido, planeadas pelas capacidades agênticas do modelo, bem como imagens muito compridas para as páginas de produto de um site de comércio eletrónico.

Característica anunciadaKling Image 4.0
Resolução máxima8K nativa
Texto por imagematé 2 000 caracteres
Comprimento do promptaté 15 000 tokens
Imagens coerentes por pedidoaté 10
Tipos de letra predefinidosmais de 70
Ajustes de cor predefinidosmais de 110
Línguas do texto7

O Kling Image 4.0 está disponível para todos os utilizadores do Kling Creative Studio e é disponibilizado através da API a empresas e programadores. A Kling não publica preços nem benchmarks: os avanços anunciados, do 8K nativo ao texto longo, ainda não foram quantificados em comparação com outros modelos.

🔗 Kling Image 4.0 (blog da Kling) · Anúncio da Kling no X


Vídeo generativo: Suno Visuals transforma canções em imagens, HeyGen lança Avatar 6

17 de novembro — Depois da voz em outubro, a Suno expande-se para a imagem e o vídeo com o Visuals. A ferramenta transforma uma canção da biblioteca num videoclipe de, no máximo, 15 segundos, num vídeo com a letra sincronizada com o ritmo ou numa capa de álbum, ou transforma uma fotografia num vídeo. Segundo a Suno, o seu modelo, cujo nome não foi divulgado, foi otimizado para a música: os vídeos seguem a estrutura da faixa, incorporam a letra e sincronizam os lábios das personagens com o canto. Depois, é possível prolongar um vídeo, editá-lo ou voltar a executar um prompt de texto. O Visuals é lançado na web, no iOS e no Android, estando também acessível através do servidor MCP da Suno.

O Visuals funciona com créditos distintos dos utilizados para as canções, e os subscritores pagos podem criar o seu primeiro conteúdo visual gratuitamente durante um período limitado.

Pacote de créditos visuaisPreço anunciado
2 500 créditos14,99 dólares
5 500 créditos29,99 dólares
20 000 créditos99,99 dólares
40 000 créditos199,99 dólares
Custo do vídeo (rápido / padrão)15 / 30 créditos por segundo

A Suno salienta as medidas de proteção: filtros bloqueiam prompts e imagens que visem artistas, figuras públicas ou obras protegidas, cada vídeo é verificado antes de ser apresentado, Audible Magic, ACRCloud e Musixmatch filtram o áudio protegido, e é incorporada uma marca de água antes de qualquer partilha fora da plataforma.

🔗 Apresentação do Visuals (Suno) · Preços dos créditos visuais

HeyGen lança Avatar 6, identificado como real em 42,2 % das comparações com um vídeo verdadeiro

17 de novembro — A HeyGen lança o Avatar 6, o seu novo modelo de avatares de vídeo, que apresenta como líder da Avatar Arena da New Measure. O modelo gera imagens nativas em 2K e adapta os gestos ao significado do guião (contar, apontar, indicar uma direção), em vez de repetir os mesmos movimentos, e pode reunir dois avatares no mesmo plano para uma conversa entre apresentador e convidado. O avatar é criado a partir de uma fotografia e de um breve vídeo do próprio utilizador, após verificação de identidade.

Teste publicado pela HeyGenResultado anunciado
Avatar 6 identificado como real (lado a lado, 270 respostas)42,2 %
«Indistinguibilidade» calculada pela HeyGen84,4 % (Avatar V: 44,4 %)
Vídeo verdadeiro considerado real, visto isoladamente78,9 %
Avatar 6 considerado real, visto isoladamente, com a voz da pessoa65,1 %
Preferência face ao Seedance 2.572,4 %

O valor de 84,4 % destacado é um cálculo da HeyGen, que duplica a taxa de 42,2 % em que os participantes confundiram o avatar com o vídeo verdadeiro. O Avatar 6 está disponível na aplicação, através da API e do MCP da HeyGen, sem preços publicados.

🔗 Anúncio da HeyGen no X · Ficha do modelo Avatar 6


GitHub Copilot no Microsoft Ignite: SDK 2.0 em Rust, Fusion no Terminal-Bench 4.1, code review adaptativa, navegador, Evals, Entra e JetBrains

17 de novembro — O Ignite deu origem a cerca de quinze entradas no changelog do GitHub ao longo do dia. Além do MAI Code 2 e do GPT-6.2, abordados mais acima, estas são as novidades de produto do Copilot.

O Microsoft Copilot SDK 2.0 passa a ter um núcleo em Rust e um runtime partilhado entre sessões

O SDK que dá acesso ao harness do Copilot, renomeado Microsoft Copilot SDK a 28 de outubro, recebe uma nova versão principal. Um único runtime pode agora alojar várias sessões isoladas, cada uma com a sua identidade, ferramentas, ficheiros e histórico: criar uma sessão deixa de iniciar um contentor, um processo ou uma máquina virtual. Para tornar este modelo viável, o runtime foi reescrito em Rust.

Métrica publicada (carga pré-aquecida)CLI TypeScriptNúcleo Rust 2.0
Cliente + sessão + um turno5,25 s55,3 ms
Memória para 10 clientes1 383 Mo126 Mo
Débito de sessões7,55 por segundo120 por segundo

O SDK acrescenta um modo «vazio» (sem shell nem sistema de ficheiros herdados do anfitrião), um registo de sessão e um sessionFs para retomar uma sessão a partir de outra instância. A versão inclui alterações incompatíveis (opções agrupadas, protocolo SDK 4, renomeações em Python e Rust) e continua disponível em TypeScript, Python, Go, .NET, Java e Rust.

🔗 Microsoft Copilot SDK 2.0 (Command Line) · Release v2.0.0

Copilot Fusion entra na classificação do Terminal-Bench 4.1 e chega ao github.com, Visual Studio e dispositivos móveis

O GitHub publica os primeiros resultados do Copilot Fusion, o modo que escolhe e coordena os modelos consoante o nível de esforço, numa classificação pública. No Terminal-Bench 4.1, alojado por Stanford, Harbor e pelo Laude Institute, o Copilot Fusion Max atinge uma taxa de resolução de 71,2 %, mais 5,4 pontos do que o Opus 5.5 e o Fable 5.2, com um custo 88 % inferior ao do Fable 5.2 e 57 % inferior ao do Opus 5.5, segundo o GitHub. O Fusion passa a poder ser selecionado no github.com, no Visual Studio e nas aplicações beta do GitHub Mobile, e o seu catálogo alarga-se: o Claude Sonnet 5.5 junta-se ao nível Max, o GPT-6.1 Terra ao nível High e o MAI-Code-2 ao nível Standard.

🔗 Changelog do GitHub: Copilot Fusion

A code review do Copilot escolhe autonomamente o nível de esforço, deteta segredos e passa a GA no Azure DevOps

Com o Adaptive, em pré-visualização pública dos planos Pro a Enterprise, o Copilot avalia a complexidade e o risco de cada pull request e escolhe autonomamente o esforço Lite, Balanced ou Max; o nível escolhido é apresentado e nunca ultrapassa o limite definido pelo administrador. Duas outras funcionalidades entram em pré-visualização pública: a leitura de repositórios públicos associados para identificar código que dependa da alteração, e a deteção de segredos expostos nas pull requests, que combina mais de 500 detetores baseados em expressões regulares com deteção por IA de segredos sem um formato reconhecível. Uma página Repository insights acompanha quatro indicadores, incluindo os comentários do Copilot tratados e as pull requests integradas sem a sua revisão. Por fim, a code review para Azure Repos passa a disponibilidade geral, faturada em créditos de IA do GitHub na subscrição Azure.

🔗 Changelog do GitHub: code review adaptativa · Repository insights

Copilot atua no navegador através de uma extensão Chrome, a aplicação passa a suportar Azure DevOps

Associado à nova extensão GitHub Copilot in Chrome, o browser use entra em pré-visualização pública no Copilot CLI, na aplicação GitHub Copilot, no VS Code e no JetBrains: o Copilot preenche formulários, extrai informações de páginas web ou testa a aplicação em desenvolvimento, num grupo isolado de separadores de um navegador Chromium (Chrome, Edge) com sessão já iniciada. A funcionalidade está desativada por predefinição, e os administradores podem desativá-la através da definição gerida features.browserUse. A aplicação GitHub Copilot passa também a suportar repositórios Azure DevOps, em pré-visualização pública: um agente clona o repositório, abre a pull request, resolve um comentário de revisão e, com agent merge, corrige a CI e depois integra as alterações; as sessões na cloud não estão disponíveis para estes repositórios.

🔗 Changelog do GitHub: browser use · Novidades da aplicação GitHub Copilot para o Ignite

GitHub Copilot Evals, em pré-visualização pública, testa skills, agentes e ferramentas MCP

O GitHub Copilot Evals, em pré-visualização pública para Copilot Individual, Business e Enterprise, serve para verificar se uma configuração do Copilot continua a funcionar quando os seus prompts, modelos, skills ou ferramentas mudam. Uma eval descreve uma tarefa realista e o que constitui um bom resultado, verificando depois tanto o resultado como o percurso seguido pelo agente. Através do comando /eval ou em linguagem natural, cria-se uma eval para uma skill, um agente personalizado ou uma ferramenta MCP, executa-se (cada execução é aprovada antes de começar) e comparam-se as execuções antes e depois de uma alteração. A ferramenta baseia-se no Vally, um motor de avaliação local, e instala-se como extensão do VS Code ou como plugin do Copilot CLI e da aplicação.

🔗 Changelog do GitHub: Copilot Evals

Copilot CLI aceita o início de sessão com Microsoft Entra e as licenças Microsoft 365 Copilot

O Copilot CLI aceita o início de sessão através do Microsoft Entra, em pré-visualização pública no Windows e no macOS, seguindo-se o Linux. Nas empresas cujas contas EMU utilizam OIDC, a identidade Entra inicia sessão automaticamente na conta GitHub associada, com uma licença Copilot Business ou Enterprise. Como novidade adicional, as organizações do programa Frontier que dispõem de uma licença Microsoft 365 Copilot faturada por utilização podem usar o Copilot CLI sem conta GitHub: a inferência passa então pelo Microsoft 365, e o servidor MCP Work IQ fornece os dados de trabalho como contexto. A funcionalidade exige o Copilot CLI 1.0.113, que passou a versão estável no mesmo dia.

🔗 Changelog do GitHub: início de sessão com Entra · Copilot CLI 1.0.113

Copilot para JetBrains recebe sandbox na cloud, acesso remoto e ditado local

O plugin GitHub Copilot para os IDE JetBrains alcança o VS Code em várias funcionalidades de agente, todas em pré-visualização pública: uma sandbox na cloud que executa as sessões num ambiente isolado alojado pelo GitHub, acesso remoto que permite retomar as conversas a partir do VS Code ou da aplicação Copilot, browser use com a extensão Chrome e ditado de voz processado no dispositivo. O plugin também suporta desenvolvimento remoto em split mode, permite reorientar um agente em execução (Enter) ou colocar uma mensagem de seguimento em fila (Ctrl+Enter), e fixa o Copilot Fusion no topo dos modelos. Nas empresas, as definições geridas passam a desativar o Claude e o Codex, salvo exceção, e os IDE 2025.2 deixam de ser suportados.

🔗 Changelog do GitHub: Copilot para JetBrains


Claude Platform disponibiliza a faturação associada, Warp inclui-a na sua oferta Enterprise

17 de novembro — A Anthropic disponibiliza em beta a faturação associada (linked billing) na Claude Platform. Até agora, utilizar a API Claude numa ferramenta de terceiros implicava muitas vezes confiar-lhe uma chave de API, que funciona como uma palavra-passe. Com a faturação associada, o cliente associa a sua organização Claude Platform à plataforma de terceiros, e a utilização é-lhe faturada diretamente, sem que nenhuma chave mude de mãos.

Para os fornecedores de software, a Anthropic aloja o processo de aprovação e a faturação: estes veem, cliente a cliente, o número de pedidos, os tokens e os modelos utilizados, na Console ou através da API Usage and Cost Analytics (beta), e decidem em cada pedido quem paga, eles ou o seu cliente. Do lado do cliente, um utilizador com o papel Owner, Admin ou Billing aprova a associação uma única vez para toda a organização, define um limite de despesa mensal por plataforma e pode desfazer a associação a qualquer momento; a utilização pode ser abrangida por um compromisso de consumo existente com a Anthropic ou ser paga em função do consumo. Um aspeto a ter em conta: os pedidos são executados na organização da plataforma, pelo que as definições da organização do cliente (lista de endereços IP autorizados, chaves de encriptação, retenção de dados) não se aplicam. Dezanove plataformas suportam a funcionalidade desde o lançamento, incluindo Asana, Factory, Linear, Ramp, Railway, Tines e Warp.

🔗 Faturação associada na Claude Platform (Anthropic) · Anúncio de @ClaudeDevs no X

Warp disponibiliza a faturação associada com a Claude Platform, na oferta Enterprise

17 de novembro — A Warp, uma das 19 plataformas do lançamento, detalha a sua implementação. Uma empresa associa a sua organização Claude à Warp através de OAuth, sem partilhar uma chave de API, e a utilização de Claude pelo Warp Agent é faturada diretamente pela Anthropic, às suas tarifas de API; o limite de despesa pode ser ajustado e a associação pode ser desfeita a partir da página Linked Platforms da Claude Console. A documentação reserva a funcionalidade à Warp Enterprise: o espaço de trabalho partilha uma única associação, que cada equipa escolhe ativar. Abrange o agente no computador, na CLI, na web e na cloud, incluindo subagentes, mas não Claude Code nem a utilização através de Amazon Bedrock ou Vertex AI, e as subscrições Claude Pro, Max, Team e Enterprise não podem financiá-la. Se a Anthropic recusar um pedido por falta de fundos associados, a Warp pode transferi-lo para o saldo Warp da equipa.

🔗 Warp passa a suportar faturação associada com a Claude Platform · Documentação da Warp


Agentes de código: Claude Code 2.1.326, a verificação segundo a equipa Claude Code, Mistral Vibe Desktop, Antigravity 2.33, Replit Desktop e as apps Android do AI Studio

Claude Code 2.1.326: Code Mode com agent teams, sandbox reforçada e 233 correções

16 de novembro — Claude Code 2.1.326 é uma versão de grande dimensão: 367 entradas, incluindo 233 correções. Entre as novidades, Code Mode, o modo experimental introduzido com a 2.1.323, no qual Claude escreve scripts que encadeiam várias chamadas de ferramentas, funciona agora com equipas de agentes (agent teams): segundo a documentação, os membros da equipa passam para Code Mode na vista predefinida, mas não em painéis separados. A 17 de novembro, @ClaudeDevs destacou-o pela primeira vez; continua desativado por predefinição e ativa-se com CLAUDE_CODE_EXPERIMENTAL_CODE_MODE=1.

Remote Control também evolui: as respostas de uma sessão iniciada por claude remote-control, a partir de Claude Desktop ou de VS Code, aparecem no telemóvel ou no navegador à medida que são escritas. Nas organizações com a configuração HIPAA «Claude Code + Cowork», as sessões do terminal e de VS Code passam a iniciar-se em modo auto, com um classificador do lado do servidor numa ligação direta à API.

Uma boa parte da versão reforça a segurança: a sandbox deixa de escrever por predefinição em certas pastas sensíveis do diretório pessoal (sandbox.filesystem.allowWrite para as autorizar), as ferramentas de ficheiros recusam escrever em .credentials.json, os subagentes isolados num worktree deixam de poder reescrever branches partilhadas, e mais comandos pedem confirmação, incluindo alguns em modo bypass permissions. Em contrapartida, um plugin recusado devido a um campo de apresentação malformado em plugin.json passa a ser carregado com os seus hooks e servidores MCP: os administradores devem verificar o que implementam. Duas alterações afetam a fatura: a skill /claude-api cria por predefinição os seus agentes em Managed Agents, e a compactação automática em plan mode utiliza o modelo que responde (Opus com opusplan), o que pode custar mais. O contexto de /update-config passa de cerca de 93 000 para 13 000 tokens, e browser_batch de Claude in Chrome sobe para 150 segundos.

Tipo de entrada (v2.1.326)Número
Correções (Fixed)233
Alterações (Changed)62
Melhorias59
Adições (Added)11
Remoções (Removed)2

Entre as correções, várias evitam perdas silenciosas: claude purge podia eliminar os dados de um projeto ao receber um Enter invisível quando a sua saída era redirecionada, o menu do limite de despesa removia o limite mensal sem perguntar, e duas chamadas MCP em paralelo podiam trocar os seus resultados entre si. O SDK Agent TypeScript 0.3.326 envia os servidores MCP no pedido de inicialização (mcpServersDelivery: 'initialize') em vez de os passar na linha de comandos, que continua por enquanto a ser a opção predefinida. A 2.1.327 já está no canal next do npm desde 17 de novembro, sem notas de versão.

🔗 Claude Code v2.1.326 · Documentação de Code Mode

Como a equipa Claude Code faz verificar o código escrito por Claude, da skill verify ao mecanismo de controlo de commits

16 de novembro — Depois da sua revisão de código em outubro, a equipa Claude Code detalha no blog claude.dev como faz verificar o trabalho de Claude, que escreve e revê cerca de 90 % do seu código. Addy Osmani defende uma ideia simples: ciclos de verificação fiáveis permitem executar dezenas de sessões em paralelo. Num teste interno de geração de ficheiros estruturados, um avaliador separado, que avalia o resultado segundo uma grelha de critérios, melhorou a taxa de sucesso em até 10 pontos. O artigo recomenda primeiro os testes de ponta a ponta, depois os testes de propriedades e os testes diferenciais, úteis para migrações. Na equipa, uma skill verify descreve como iniciar e testar a aplicação, Claude chama um humano após três tentativas falhadas, e uma lista de fiabilidade com 39 pontos, cada um acionado pelo que o diff mostra, substitui a memória dos incidentes. O ficheiro REVIEW.md que orienta Code Review é sempre lido na branch de base, para que uma alteração não possa mudar a regra que a avalia, e um mecanismo de controlo de commits (modos off, observe, enforce) pode bloquear um commit se a sessão não tiver executado nem /code-review nem /verify.

🔗 Como a equipa Claude Code encara a verificação (claude.dev)

Mistral lança a aplicação de computador do Vibe e oferece três meses de Vibe Pro aos programadores europeus

17 de novembro — A Mistral impulsiona Vibe, o seu assistente de trabalho e de código (antigo Le Chat), em duas frentes. Primeiro, uma aplicação de computador para macOS e Windows, Vibe Desktop: permite atribuir várias tarefas ao mesmo tempo, observar os agentes a trabalhar lado a lado, rever os seus diffs e acompanhar as pull requests na mesma janela. Já mencionada nas notas da CLI em outubro, a aplicação está agora disponível para download na página do produto. Depois, uma oferta direcionada: três meses de Vibe Pro gratuitos para programadores na Europa com o código LECHONK, em quantidade limitada, seguidos de 14,99 euros por mês, com cancelamento a qualquer momento. Uma hora após o primeiro tweet, a Mistral anunciou que os códigos do dia tinham esgotado. A Mistral apresenta Vibe e Mistral Large 4 (Le Chonk) como a melhor dupla aberta de modelo e harness, à frente de GLM e DeepSeek em código, sem indicar números na sua sequência de publicações; os últimos publicados para Large 4, a 29 de outubro, eram de 19,7 % no FrontierCode 2.0 e de 41 % no Terminal-Bench 4.0.

🔗 Anúncio da Mistral AI no X · Página do produto Vibe

Antigravity 2.33.0 liga-se a máquinas Linux remotas por SSH e integra as pull requests do GitHub

17 de novembro — A versão 2.33.0 da aplicação Antigravity leva o agente para fora da máquina local. Liga-se por SSH a uma máquina Linux remota de 64 bits, instala automaticamente o seu servidor por OpenSSH a partir de ~/.ssh/config, e executa nela projetos, worktrees Git, agentes e terminais, que continuam a funcionar mesmo depois de a janela ser fechada. Os links de pull requests do GitHub passam a indicadores de estado em tempo real, com uma secção dedicada no painel Overview. A versão também disponibiliza /swarm e os painéis de plugins às contas profissionais e empresariais, se o administrador o autorizar, acrescenta sete plugins de parceiros (Cloudflare, Grafana Cloud, SonarQube, incident.io, Better Stack, Tavily, Levels.fyi) e aceita no painel lateral ficheiros multimédia até 200 Mo, num total de 16 melhorias e 21 correções. Na véspera, a 2.32.2 tinha transformado as perguntas adicionais /btw num separador de conversa com várias interações, com ferramentas apenas de leitura. No terminal, Antigravity CLI 1.5.9, de 14 de novembro, disponibiliza a todos a ferramenta run_workflow, que leva o agente a escrever um script Python que distribui o trabalho por numerosos subagentes, e corrige uma fuga: os cabeçalhos de um servidor MCP HTTP, como uma chave de API, podiam ser enviados para outro host durante um redirecionamento.

🔗 Changelog do Antigravity

Replit Desktop chega ao Microsoft Store, com um agente que trabalha nas pastas locais

17 de novembro — Anunciada em versão de pré-visualização com a Microsoft a 7 de outubro, a aplicação Replit Desktop está disponível no Microsoft Store. O Agent da Replit trabalha nos ficheiros das pastas que o utilizador escolhe partilhar: cria ferramentas, analisa dados locais e produz relatórios que podem ser partilhados através da cloud da Replit. As aplicações são criadas e executadas localmente, cada build na sua própria sandbox baseada em Microsoft Execution Containers e NVIDIA OpenShell; a página do produto especifica que este isolamento se aplica aos dispositivos Windows e macOS compatíveis, e também disponibiliza versões Linux. A Replit não indica preços nem planos.

🔗 Anúncio da Replit no X · Página do Replit Desktop

Google AI Studio cria aplicações Android completas, com base de dados, início de sessão com Google e publicação no Google Play

17 de novembro — Com Gemini 4 Carbon e Hydrogen, o agente Build do Google AI Studio parte de um prompt para entregar uma aplicação Kotlin com base de dados, autenticação de utilizadores e funcionalidades de IA. Quando o prompt descreve estas necessidades, propõe-se provisionar o backend: uma base Cloud Firestore com as suas regras de segurança, Firebase Authentication com Google Sign-In, e chamadas aos modelos Gemini através de Firebase AI Logic e App Check, para que a chave de API nunca conste do APK. Até agora, as aplicações Android geradas no AI Studio guardavam os seus dados apenas na sessão local. Uma conta Google normal basta depois para publicar a aplicação na sua biblioteca pessoal do Google Play: AI Studio cria e assina o bundle, que pode então ser instalado no telemóvel. O emulador integrado transmite em HD 1200p com som, e uma captura de ecrã pode ser anexada ao prompt com um clique.

🔗 Criar apps Android full-stack com Gemini no Google AI Studio


Modelos abertos e inferência: Olala mini 7A1B da OVHcloud, Qwen3.8-27B adaptado ao harness pi, Together Compiler

OVHcloud anuncia Olala mini 7A1B, primeiro modelo da sua família de LLM, treinado em supercomputadores públicos europeus

17 de novembro — A OVHcloud entra na corrida dos modelos de linguagem com Olala, a sua primeira família de LLM. O primeiro modelo, Olala mini 7A1B, tem 7 mil milhões de parâmetros, dos quais 1 mil milhão é ativado em cada pedido, distribuídos por uma mistura de especialistas (Mixture of Experts, MoE) de 256 especialistas por camada, com uma atenção híbrida que combina Differential-TPA e Mamba-3. Foi treinado de raiz em três supercomputadores públicos europeus, Jupiter, MeluXina e Jean Zay, graças a um apoio que a OVH avalia em 7 milhões de euros em horas de computação.

Característica anunciadaOlala mini 7A1B
Parâmetros7 mil milhões no total, 1 mil milhão ativo
ArquiteturaMoE, 256 especialistas por camada, Differential-TPA + Mamba-3
Contexto32 000 tokens (128 000 previstos na v1.1)
Débito anunciado160 tokens/s numa RTX A4500, 50 tokens/s sem GPU
Memória GPU mínima8 Go
Licença anunciadaApache 2.0, no Hugging Face

Os pesos ainda não estão no Hugging Face: o comunicado anuncia que o modelo «estará disponível» sob licença Apache 2.0, com os seus pesos, o seu modelo de base pré-treinado, um relatório técnico e documentação de conformidade com o AI Act. O lançamento oficial está previsto para o OVHcloud AI Summit de 19 de novembro. Ainda não foi publicado nenhum benchmark. A Qwant, o primeiro cliente mencionado, já o utiliza nas suas respostas rápidas, com respostas 20 % mais rápidas e custos de funcionamento reduzidos para um terço, segundo a OVH. Os próximos passos estão traçados: uma v1.1 até ao final do ano, com um contexto de 128 000 tokens e melhor raciocínio matemático, seguida de uma v2.0 com mais de 100 mil milhões de parâmetros, com variantes para IA agêntica empresarial, DevOps cloud e cibersegurança. Segundo Octave Klaba, CEO da OVHcloud, o custo de treino foi dividido por 20 em três anos, e a OVH não quer depender da generosidade de alguns laboratórios para dispor de modelos abertos.

🔗 Anúncio da OVHcloud no X · Comunicado da OVHcloud

Qwen3.8-27B-pi-adapted: um adaptador LoRA faz Qwen3.8-27B passar de 29,4 para 62,7 % no SWE-bench Pro com o harness pi

17 de novembro — O projeto harness-hub, conduzido por equipas da Hugging Face, publica Qwen3.8-27B-pi-adapted, um adaptador LoRA sob licença Apache-2.0 que especializa Qwen3.8-27B para servir de modelo ao harness de agente de código pi. Foi treinado por aprendizagem por reforço (GRPO assíncrono de TRL) diretamente no harness, e os pesos estão no Hub, com uma versão GGUF para llama.cpp.

Benchmark avaliado (harness pi, pass@1)Qwen3.8-27BCom o adaptadorChamadas de ferramentas por tarefa
SWE-bench Pro (51 tarefas mais difíceis)29,4 %62,7 %-55 %
Terminal-Bench 2.1 (86 tarefas)39,5 %55,8 %-62 %
Terminal-Bench 2.1 (68 tarefas reservadas)39,7 %55,9 %-64 %

A equipa isola as 68 tarefas de Terminal-Bench que não foram usadas para escolher o checkpoint, nas quais o ganho se mantém em 16,2 pontos; essa escolha apoiou-se, porém, também nas pontuações de SWE-bench Pro. É a continuação do projeto apresentado a 6 de novembro, e younes anuncia outros adaptadores nos próximos dias.

🔗 Ficha de Qwen3.8-27B-pi-adapted (Hugging Face) · Anúncio de younes no X

A Together AI conta a génese do Together Compiler, 28 % mais rápido do que os seus antigos megakernels no B200

16 de novembro — Duas semanas após o lançamento do Together Compiler, a equipa de investigação da Together AI publica o relato da sua conceção: no ano passado, construía megakernels, kernels de GPU escritos à mão; este ano, abandonou-os. Segundo o artigo, o Together Compiler, que entrega a agentes a reescrita e a fusão dos kernels de um modelo, supera em 28 % os megakernels escritos à mão no B200 (2 118 contra 1 649 tokens/s no Llama 3.2 1B). Os megakernels eram rápidos, mas tão rígidos que, após meses de esforço, apenas um foi utilizado em produção, para um modelo, um tamanho de lote e um cliente; duas primitivas da NVIDIA, CUDA Graphs e PDL, recuperam 98 % do seu desempenho sem escrever um kernel.

Configuração medida (Llama 1B, H100)Tokens/sPercentagem do megakernel
Torch Compile (Inductor)669—
+ CUDA Graphs86487 %
+ PDL posicionado com precisão97598 %
Megakernel escrito à mão990100 %

Quanto aos agentes, uma base de conhecimento fez diminuir a aceleração final em 19 %, enquanto a comunicação frequente entre agentes e uma instrução mínima davam os melhores resultados.

🔗 O caminho até ao Together Compiler (Together AI)


NVIDIA para a ciência: Nemotron for Science, uma plataforma de 192 CPU Vera escolhida pelo DKRZ, o DGX Spark HPC Developer Kit

Nemotron for Science, um conjunto aberto de modelo, dados e receitas para agentes científicos

16 de novembro — Na SC26, Ian Buck apresentou o Nemotron for Science, um conjunto aberto destinado a agentes científicos. Combina o modelo multimodal Nemotron 3.5 Super VL, o LitmusBench, um novo conjunto de dados de química com cerca de 50 000 perguntas (solubilidade, metabolismo), e receitas de pós-treino NeMo Gym e NeMo RL para adaptar o modelo a um domínio a partir de dados experimentais, tanto num DGX Spark como num supercomputador. A NVIDIA destaca os resultados dos seus parceiros: a Lila Sciences afirma ter quase duplicado a precisão na síntese de pontos quânticos, para 61 % contra 54 % do GPT-6 Astra, com um custo de inferência 10 a 20 vezes inferior; a Terray Therapeutics identifica cerca de 76 % das reações em esquemas químicos no teste RxnScribe; e um agente do KTH corrigiu 81 % das configurações GROMACS com falhas numa noite, num único DGX Spark.

🔗 Nemotron for Science (NVIDIA) · Artigo técnico sobre o pós-treino

Uma plataforma em rack de 192 CPU Vera para computação científica, escolhida pelo DKRZ

16 de novembro — A NVIDIA apresenta uma variante do seu processador Vera numa plataforma para simulações sem aceleração por GPU: um rack com refrigeração líquida de 192 CPU Vera, cada um com 88 núcleos Olympus, com cerca de 300 TB de memória e mais de 200 TB/s de largura de banda de memória agregada. Segundo os testes da NVIDIA, o Vera atinge 1,9 vezes o desempenho e 2,4 vezes o desempenho por watt dos sistemas x86 numa simulação de escoamento OpenFOAM. Primeiro cliente anunciado, o Centro Alemão de Computação Climática (DKRZ) irá instalá-lo no seu supercomputador HLRE-5, construído pela Bull e previsto para o início de 2028. Os racks serão disponibilizados pela Dell, HPE, Lenovo e Supermicro a partir do início de 2027, e a NVIDIA publica o HPC SDK 26.11 com um novo compilador Fortran em versão preliminar.

🔗 A plataforma Vera para a ciência (NVIDIA)

O DGX Spark HPC Developer Kit, um cluster de quatro DGX Spark para a secretária dos investigadores

16 de novembro — A NVIDIA apresenta um kit de desenvolvimento HPC construído com quatro DGX Spark ligados em anel por ConnectX-7, sem comutador. O conjunto totaliza 512 GB de memória e 16 TB de armazenamento, suficientes para executar localmente modelos com até 700 mil milhões de parâmetros em NVFP4, e deverá permitir aos investigadores desenvolver e depurar simulações com vários nós antes de utilizarem as suas horas de supercomputador; o LAMMPS e o NAMD foram demonstrados nos quatro nós. O kit está à venda em nove fabricantes, incluindo Acer, ASUS, Dell, HP e Lenovo, e no NVIDIA Marketplace, sem preço divulgado; o playbook que instalará o HPC SDK está anunciado para breve.

🔗 DGX Spark HPC Developer Kit (blog da NVIDIA)


IA e cibersegurança: a OTAN e as agências europeias utilizam os modelos de cibersegurança da OpenAI, o GitHub e a Microsoft entregam 99 relatórios verificados aos responsáveis pela manutenção

A OTAN e agências europeias utilizam os modelos de cibersegurança da OpenAI através do Daybreak

17 de novembro — A OpenAI detalha como os seus modelos de cibersegurança já servem a defesa da OTAN e de vários países aliados. Com a Agência de Comunicações e Informação da OTAN (NCIA), as instituições centrais da Aliança acedem a modelos avançados de cibersegurança e consumiram até 300 mil milhões de tokens por mês. A OpenAI também apoiou o exercício Crossed Swords 2026, no qual uma nova componente de formação consistia em construir e avaliar agentes de IA para operações de cibersegurança com o Daybreak, sob supervisão humana. A ENISA, a ANSSI e as agências alemã e polaca têm acesso a estes modelos, e a Ucrânia utiliza o Daybreak para proteger as suas infraestruturas civis. Os resultados citados são concretos: quatro vulnerabilidades corrigidas em software das instituições europeias, encontradas pela ENISA; seis vulnerabilidades do MikroTik RouterOS encontradas pelo CERT Polska; e um relatório da ENISA e do CERT-EU em que 95 % dos 88 potenciais problemas apresentados aos responsáveis pela manutenção se revelaram reais, considerando todos os modelos testados. O artigo não indica qualquer valor contratual.

🔗 Reforçar as defesas de cibersegurança da OTAN e dos aliados com IA (OpenAI)

O GitHub e a Microsoft transformam milhares de alertas de IA em 99 relatórios verificados para seis projetos open source

17 de novembro — O GitHub e a Microsoft publicam o balanço de um projeto-piloto concebido para combater a avalanche de relatórios de vulnerabilidades gerados por IA que sobrecarrega os responsáveis pela manutenção. O Codename MDASH, o harness de análise agêntica da Microsoft Security, analisou seis projetos (AutoGPT, Caddy, Express, FastMCP, ImageMagick e Netty) com o modelo MAI Cyber e propôs correções. Um agente de triagem do GitHub Security Lab, construído com skills do Copilot, eliminou duplicados e falsos positivos, e depois sete investigadores do Microsoft FORGE Lab verificaram manualmente cada alerta restante, em cerca de dois dias por projeto.

Etapa do projeto-piloto MDASHValor publicado
Alertas brutos (segundo o tweet do GitHub)9 791
Relatórios privados enviados aos responsáveis pela manutenção99
Relatórios resolvidos até 15 de novembro55
Correções já publicadas numa versão14

O Caddy resolveu os seus 22 relatórios numa semana ou menos. O GitHub retira daí três lições: as correções contam mais do que as descobertas, a verificação humana continua a ser indispensável, mas ainda não funciona à escala necessária, e os responsáveis pela manutenção precisam de modelos com capacidades de cibersegurança para verificar as provas de conceito. Todos os projetos anteriormente apoiados pelo GitHub Secure Open Source Fund receberão análises verificadas antes do envio e acesso ao Copilot Max.

🔗 Os responsáveis pela manutenção não precisam de mais relatórios de bugs gerados por IA, precisam de correções (GitHub) · Tweet do GitHub


IA e robótica: um plugin Robotics para Antigravity com Gemini 4 Hydrogen, o conjunto de vídeos HubEgo-100K

A Google lança um plugin Robotics para Antigravity e apresenta o Gemini 4 Hydrogen como modelo de robótica generalista

17 de novembro — A Google transforma o Antigravity numa oficina de robótica. O novo plugin Robotics reúne skills que o Gemini executa para o programador: instalação dos controladores, deteção das câmaras, calibração do braço e movimentos de teste através de um cabo USB, cenários MuJoCo criados no Antigravity, perceção e controlo em malha fechada, e depois geração da aplicação completa. O modelo em destaque é o Gemini 4 Hydrogen: no benchmark Artificial Analysis Robotics 0.1, em que um braço real de 6 eixos executa 8 tarefas quotidianas sobre uma mesa, obtém 58, uma pontuação próxima da do Argon com um custo por token inferior, e no ERQA supera o Gemini Robotics ER 2 em raciocínio espacial. As demonstrações dão uma ideia da escala: um braço YAM calibrado em cerca de dez minutos, um sistema de triagem de snacks num transportador validado em simulação e depois posto em funcionamento em cerca de uma hora. O Antigravity está reservado aos subscritores pagos do Google AI Pro e Ultra; o modelo continua disponível na API Gemini e no AI Studio.

🔗 Gemini Hydrogen para robótica (Google Developers) · Fio de publicações da Google DeepMind

A Hub disponibiliza o HubEgo-100K, vídeos egocêntricos de gestos profissionais sob CC BY 4.0

16 de novembro — A Hub disponibiliza no Hugging Face o HubEgo-100K, um conjunto de vídeos egocêntricos de tarefas especializadas destinado à aprendizagem de robôs, gratuito para investigação e utilização comercial. O nome e o anúncio apontam para 100 000 horas provenientes de mais de 100 000 colaboradores; a primeira versão publicada conta com 10 000 horas filmadas por 12 227 pessoas em 72 horas, nos seus locais de trabalho ou em profissões exercidas a partir de casa, em RGB com dados de uma unidade de medição inercial, nos formatos LeRobot e MCAP, sob licença CC BY 4.0 e com acesso mediante pedido. A aposta é na diversidade em vez do volume: uma mediana de 250 pessoas por tipo de tarefa, sem que ninguém represente mais de 0,22 % das horas. A Hub baseia-se em trabalhos apresentados na ICLR 2025, segundo os quais a generalização de uma política robótica depende sobretudo do número de ambientes e objetos observados.

🔗 Anúncio da Hub no X · Conjunto de dados HubEgo-100K no Hugging Face


IA de voz: a ElevenLabs lança o Scribe v3 Live Medical, uma transcrição médica em tempo real para agentes de voz

17 de novembro — Uma semana após o Scribe v3 Live, a ElevenLabs publica uma versão médica concebida para agentes de voz que respondem em direto a pacientes, segurados e profissionais de saúde. O modelo concentra-se nas palavras que um modelo generalista transcreve incorretamente com maior frequência, nomes de medicamentos, doses e procedimentos. As equipas podem carregar até 10 000 termos específicos, o que, segundo a ElevenLabs, reduz em até 48 % os erros em termos médicos; o modelo também espera pelo fim de um número ditado por partes e acompanha as mudanças de idioma durante a chamada, entre mais de 90 idiomas, com uma latência de cerca de 150 ms.

Banco de testes (interno da ElevenLabs)Scribe v3 Live Medical
PriMock57 (WER)12,8 %
Fareez OSCE (WER semântica)0,6 %
Eka Medical ASR11 % (Scribe v3 Live: 11,54 %)
MED-Term inglês / alemão / francês2,24 % / 2,81 % / 3,24 %

No PriMock57, a ElevenLabs anuncia a taxa de erro mais baixa entre os modelos médicos testados, com 17 % menos erros do que o seguinte, sem identificar esses concorrentes. O modelo está disponível desde já no ElevenAgents, elegível para HIPAA para empresas com contrato BAA.

🔗 Scribe v3 Live Medical (ElevenLabs)


Adoção nas empresas: a Cognition alia-se à McKinsey para medir o valor do Devin

16 de novembro — A Cognition anuncia uma aliança com a McKinsey & Company para ajudar as grandes empresas a obter valor mensurável da IA na engenharia de software. O Devin assume o trabalho de engenharia; a McKinsey ajuda os clientes a escolher os projetos prioritários, a estabelecer uma referência de custo, velocidade e qualidade, e a reorganizar as equipas. O artigo baseia-se num inquérito da McKinsey do segundo trimestre de 2026 a 334 responsáveis de produto e engenharia: o quarto mais avançado das organizações relata ganhos de produtividade superiores a 2 vezes, enquanto 30 % registam uma queda. A Cognition afirma contar entre os seus clientes seis dos oito bancos dos EUA de importância sistémica global e três das seis maiores seguradoras de saúde dos EUA, e ter um custo até 60 % inferior. Primeiro caso citado: a empresa polaca de software Comarch, que moderniza com o Devin o seu ERP XL, com 20 anos, em 18 meses. Não é divulgado qualquer valor.

🔗 Cognition e McKinsey (blog do Devin)


Breves

NVIDIA

  • Comité de segurança nacional e exportações — No dia da divulgação dos seus resultados, a NVIDIA cria um comité permanente do seu conselho de administração, presidido por Suzanne Nora Johnson, com Stephen C. Neal e John O. Dabiri; as equipas de segurança nacional e de conformidade comercial prestam contas a este comité, bem como à diretora executiva interina. 🔗 fonte
  • Substratos e encapsulamento — A Kinsus multiplicará por mais de 3,5 a sua capacidade de substratos ABF dedicada à NVIDIA (produção no segundo semestre de 2027), a SPIL expande o encapsulamento avançado com um financiamento de vários milhares de milhões de dólares da NVIDIA, e os acordos com a Amkor aproximam-se dos 3 mil milhões de dólares. 🔗 fonte
  • IBM, Fermilab e computação quântica — São instalados DGX B200 ao lado de computadores quânticos IBM, incluindo os equipados com o processador Nighthawk, para uma plataforma comum de conceção conjunta dedicada à correção de erros e à física de altas energias. 🔗 fonte

Imagem e criação

  • Midjourney — O modelo de edição passa a aplicar moodboards, códigos de estilo e imagens de referência de estilo: basta colocar uma imagem na barra de prompt e adicionar-lhe um estilo, sem escrever um prompt; o site alpha acrescenta um menu « change style ». 🔗 fonte
  • Ideogram Print on Demand Studio — Um espaço para vendedores de produtos impressos: identificar tendências, criar um motivo, vetorizá-lo ou ampliá-lo, prepará-lo para impressão e vê-lo no produto, com o modelo vetorial da Ideogram; sem preços nem ofertas especificados. 🔗 fonte
  • Laya na Luma — A Luma explica o seu organizador de quadros: o agente principal, Orca, confia a organização ao subagente Laya, que decide os agrupamentos e deixa ao código o cálculo das posições; uma correção deste cálculo reduziu a duração de um teste de 195 para 22 segundos. 🔗 fonte

Agentes de código e CLI

  • Codex CLI 0.171.0-alpha.12 — Três versões preliminares com notas vazias; segundo os títulos dos seus commits, o terminal ganha pré-visualizações de documentos e imagens na barra lateral, a opção de anular no compositor e a criação de linhas de estado personalizadas. Seguiu-se uma versão estável de correção, a 0.169.1, na noite de 17 de novembro, sem notas de versão. 🔗 fonte
  • Qwen Code v0.28.0 — Suporte para Qwen4-Max (escala de esforço nativa, TTL de cache), modo headless, interface de terminal e subagentes no mesmo ciclo de agente por predefinição, e sessões em worktrees geridos no Web Shell. 🔗 fonte
  • Kimi Code 2.6.3 — Seis correções: o hook Stop externo volta a executar-se após cada resposta, as notificações de tarefas em segundo plano deixam de desencadear uma resposta quando se retoma uma sessão, e o daemon WebBridge é atualizado no Windows. 🔗 fonte
  • Delta Personal Runners — O Delta, o ambiente da Zed para programar com agentes, permite controlar a partir de outro dispositivo, incluindo um telemóvel, uma conversa cujos turnos são executados na própria máquina; delta runner serve faz o mesmo num servidor sem interface. Nenhum preço anunciado. 🔗 fonte
  • Notas de versão do Devin — A barra lateral mostra as sessões acompanhadas por subscrição, Mark done substitui o arquivamento, um diretório Phonebook liga as identidades de cada membro (Slack, Teams, Git, Jira, Linear) e as constatações de segurança podem ser exportadas em CSV. 🔗 fonte
  • Gemini CLI — Ainda sem release desde 10 de novembro, a branch main passa a avaliar as expressões regulares das regras de política com re2js, em tempo linear e com um limite de 2 000 instruções; uma regra com lookahead ou referência retroativa é ignorada. 🔗 fonte
  • DeepSeek Harness 0.2.2-rc.4 — Quadragésima versão preliminar sem versão estável, limitada a duas correções: o tratamento de respostas inesperadas do modelo e a partilha LiveShare na aplicação de desktop. 🔗 fonte

Outras novidades do GitHub

  • Secret scanning a pedido — Mediante adesão, o especialista security-review do Copilot executa os mais de 500 detetores de segredos do GitHub e o seu modelo afinado sobre as alterações em curso, na CLI, na app, no SDK e na code review, em versão preliminar pública. 🔗 fonte
  • Comparação de harnesses — O site de benchmarks do Copilot compara o Copilot CLI com o Claude Code e o Codex CLI usando o mesmo modelo com o mesmo esforço, em termos de taxa de resolução e custo por tarefa; o changelog não apresenta quaisquer números. 🔗 fonte
  • GitHub Event Streams — Em versão preliminar com lista de espera, um agente subscreve uma pull request e recebe em tempo real revisões, commits, conflitos e alterações de CI, sem consultar a API em ciclo nem expor um webhook público. 🔗 fonte
  • Microsoft Agent 365 — As empresas que utilizam GitHub Enterprise Cloud com Enterprise Managed Users podem enviar para este serviço a atividade dos agentes Copilot, com prompts, respostas, chamadas de ferramentas e sinais de risco no Purview e no Defender. 🔗 fonte
  • Agent Host Protocol — Um artigo de engenharia descreve a construção do protocolo que permite passar uma sessão de agente de um dispositivo para outro, com dois hosts independentes, em TypeScript para o VS Code e em Rust para o GitHub, e bibliotecas em seis linguagens. 🔗 fonte
  • Servidor MCP do GitHub 2.2.0 — As instruções do servidor dão lugar a skills MCP filtradas, as ferramentas de alertas de secret scanning podem ocultar os segredos, e novas ferramentas públicas destinam-se à automatização de agentes. 🔗 fonte
  • Personalizações apenas por plugins — A definição gerida strictPluginOnlyCustomization permite aos administradores empresariais exigir que skills, agentes, hooks, servidores MCP e extensões do Copilot provenham de plugins ou de definições geridas. 🔗 fonte
  • Resumo do Copilot de 9 de novembro — A app GitHub Copilot ganha um código QR para continuar uma sessão cloud ou Codespace no telemóvel, a possibilidade de restabelecer a ligação a um servidor MCP sem sair da conversa e ditado multilingue, incluindo francês. 🔗 fonte
  • Dependabot — Os pedidos para ignorar alertas por delegação permanecem abertos durante um ano em vez de uma semana, no github.com e, posteriormente, no GHES 3.24. 🔗 fonte

Modelos, investigação e Hugging Face

  • Qwen4-Max no You.com e na Lebrel — Depois do OpenRouter, da Vercel e da Novita AI, a Qwen anuncia a disponibilidade do Qwen4-Max no You.com e, depois, na Lebrel para programação agêntica, sem preços nem planos. 🔗 fonte
  • TRL v1.18.1 — Versão de correção: CLI corrigida no Python 3.15 e cálculo das recompensas de exatidão num processo separado, para que uma resposta patológica deixe de bloquear um treino. 🔗 fonte
  • MecCog Challenge — A Hugging Face e os fundadores do CASP lançam um concurso, aberto até 15 de janeiro de 2027, para relacionar com a literatura cinco hipóteses sobre o papel de APOE4 na doença de Alzheimer, aberto tanto a humanos como a agentes, com publicação dos resultados numa revista científica. 🔗 fonte
  • Auto Router do OpenRouter — Segundo o benchmark AutoBench, cujo autor também propõe um router, o novo Auto Router escolhe o modelo certo em 65,2 % dos casos na definição high, contra 79,1 % para o anterior; as restantes definições ficam ao nível do acaso. 🔗 fonte
  • Modelos sem censura como agentes — A OpenUncensored, que vende acesso a estes modelos, submeteu 32 deles a cinco tarefas com ferramentas: os que derivam dos melhores modelos de origem concluem 38 % das tarefas, os restantes 28 %. 🔗 fonte
  • TuHaMa — A Turkish NLP Suite publica 52 000 exemplos de discurso de ódio em turco dirigidos a 12 grupos, extraídos do fórum Ekşi Sözlük, apresentados como um teste à compreensão cultural dos modelos. 🔗 fonte
  • TRELLIS.2 em CUDA C++ — Suvaditya Mukherjee fez o Claude reescrever este modelo 3D em CUDA C++: 5,3 vezes mais rápido do que a implementação PyTorch, ou 2,2 vezes com resultados idênticos bit a bit, por cerca de 7 dólares de IA e 60 dólares de computação numa H200. 🔗 fonte
  • AI Model Hacking Hackathon — A VIDRAFT abre um concurso de red teaming do ViKernel no navegador, em quatro temporadas, com uma dotação de 4 500 dólares. 🔗 fonte

Robótica

  • LeWAM — Kevork Sulahian pediu ao GPT-6 Astra que corrigisse a política robótica LeWAM através da edição direta dos pesos: em 300 condições iniciais inéditas, nenhuma das sete edições supera a política original (-2,3 a +3,0 pontos). 🔗 fonte
  • TartanGround para FiftyOne — A Voxel51 converte seis trajetórias de um robô terrestre do conjunto de dados do CMU AirLab (hospital, porto, pântano, cidade japonesa, fábrica, centro da cidade), com câmara, segmentação, lidar, pose e IMU. 🔗 fonte

IA de voz

  • PostNord e ElevenAgents — O operador postal nórdico substituiu, em cerca de 90 dias, o seu servidor de voz sueco por um sistema multiagente: a percentagem de chamadas resolvidas sem transferência passa de 45 para 60 %, antes de uma expansão para a Dinamarca, a Noruega e a Finlândia. 🔗 fonte
  • Wonderful na Together AI — A Wonderful disponibiliza, em GPU NVIDIA dedicadas e exclusivamente na Europa, os seus próprios modelos de voz afinados para línguas pouco cobertas, com 274 ms até à primeira frase, segundo a Together AI. 🔗 fonte

Empresas e instituições

  • Revolut e Codex — Num estudo de caso publicado pela OpenAI, a Revolut afirma ter reduzido em 30 a 60 % o seu tempo de programação com o Codex e confia a um agente FinCrime verificações de primeiro nível, ficando a decisão final a cargo de um ser humano. 🔗 fonte
  • Grok Bots na SpaceXSI — Cinco Grok Bots assumem o ciclo de faturação e cobrança da equipa de contabilidade: uma fatura emitida em poucos minutos em vez de cerca de 24 horas, uma reconciliação de pagamentos reduzida de 3 ou 4 horas para 30 minutos, segundo a SpaceXSI. 🔗 fonte
  • OpenAI for Chile — Memorando de entendimento com o Ministério da Ciência chileno para explorar a IA na administração pública, na formação de funcionários públicos e no apoio a startups, sem compromisso de investimento nem de compra. 🔗 fonte
  • Crunchbase no Cohere North — Depois do PitchBook, os agentes do North acedem a mais de sete milhões de perfis de empresas e às previsões do Crunchbase, para clientes com uma licença Crunchbase e autenticação única. 🔗 fonte
  • Guia RAG da Perplexity — Um quinto guia desde outubro sobre geração aumentada por recuperação: benefícios, arquiteturas, casos de utilização e diferenças em relação a um LLM isolado, ao MCP ou a uma API, sem novidades no produto. 🔗 fonte

O que isto significa

O custo por tarefa torna-se o principal argumento dos lançamentos de modelos. A OpenAI não vende o GPT-6.2 com base num recorde isolado, mas nos pontos ganhos com menos tokens e num preço mais baixo do Astra, e acrescenta janelas de execução de 2 e 8 horas mais baratas para os agentes que podem esperar. A Microsoft apresenta o MAI Code 2 com 96 % do desempenho do Claude Opus 5.5 por 5 % do custo, o GitHub coloca o Copilot Fusion à frente do Opus 5.5 e do Fable 5.2 por um custo 88 % inferior ao do Fable, e a Perplexity apresenta o custo por tarefa ao lado de cada pontuação WANDR. Estas comparações continuam a ser as dos fornecedores, com as suas condições: preço promocional para o MAI Code 2, melhor configuração de cada modelo na OpenAI e Fable 5.2 que mantém a liderança no Intelligence Index e no FrontierCode 2.0.

Os agentes passam da tarefa ao objetivo. O Devin Bots recebe uma responsabilidade, o Replit Missions um resultado a atingir dentro de um orçamento, o Gemini Tasks um mandato para telefonar e pagar, e o Multiagent distribui um dossiê por uma equipa de modelos. As salvaguardas mudam de natureza com esta autonomia: teto de despesa e aprovações no acordo de missão do Replit, limite de despesas e lojas autorizadas no Gemini, máquina virtual isolada por tarefa, caixa « Needs You » na Cognition. Os números apresentados, como as 1 134 PR do Android Bot ou o fator de 19 vezes do enxame NumPy, são os dos fornecedores nos seus próprios projetos.

O modelo torna-se intercambiável e o valor desloca-se para a camada que o escolhe e o fatura. O Orchestrator da Perplexity alterna entre fornecedores e chega a contornar as recusas de um modelo, confiando a tarefa a outro, o Multiagent e o Copilot Fusion combinam modelos concorrentes, e a faturação associada do Claude Platform permite pagar a API da Anthropic a partir do Warp, do Linear ou do Ramp sem nunca fornecer uma chave. Do lado dos modelos abertos, a mesma lógica aplica-se em pequena escala: um simples adaptador LoRA mais do que duplica a pontuação do Qwen3.8-27B nas 51 tarefas mais difíceis do SWE-bench Pro num determinado harness, e a OVHcloud treina o Olala em supercomputadores públicos europeus para não depender dos pesos publicados por outros.

A cibersegurança continua a ser o terreno onde estas capacidades tanto preocupam como são úteis. O GPT-6.2 atinge o limiar Critical em cibersegurança e, no caso do Astra, o limiar High em autoaperfeiçoamento da IA, o que se traduz em salvaguardas mais rigorosas que também dificultam o trabalho de investigadores legítimos. Ao mesmo tempo, a OTAN, a ENISA e a ANSSI utilizam os modelos de cibersegurança da OpenAI, e o projeto-piloto MDASH do GitHub e da Microsoft mostra que um alerta gerado por IA só ajuda um responsável pela manutenção depois de ser triado, verificado e entregue com a respetiva correção: 99 relatórios selecionados entre milhares de alertas, dos quais 55 já corrigidos.


Fontes