ai-powered-markdown-translatorArtigo traduzido do francês para o português com gpt-6.1-sol.
A Google lança Gemini 4 Neon, um modelo situado entre Carbon e Hydrogen, com preços de 3 e 15 dólares por milhão de tokens, em 1.º lugar no Artificial Analysis Coding Agent Index e novo modelo predefinido do Antigravity. A OpenAI indica que retém modelos como GPT-6.1 Astra quando precisa de mais tempo para atingir os seus padrões de segurança e mostra que os seus modelos conseguiram até 14 % de melhoria da PPA no IP do GPU topo de gama da AMD. Genie 4 chega ao Project Genie para subscritores Google AI Ultra, Claude Code 2.1.327 corrige 100 problemas e a Perplexity lança uma Context API a 1 dólar por 1 000 URL.
Gemini 4 Neon: o modelo intermédio da Google, a 3 e 15 dólares por milhão de tokens
18 de novembro — A Google DeepMind lança Gemini 4 Neon, novo modelo da família Gemini 4 depois de Argon, Carbon e Hydrogen, situado entre Carbon, para os projetos mais longos e difíceis, e Hydrogen, para a execução rápida das tarefas do dia a dia. O modelo gemini-4-neon está em disponibilidade geral na API paga: 3 dólares por milhão de tokens de entrada (0,15 dólar em cache), 15 dólares de saída, um contexto de 1 milhão de tokens e quatro níveis de raciocínio, de low a xhigh.
| Índice ou benchmark citado pela Google | Resultado do Gemini 4 Neon |
|---|---|
| Artificial Analysis Intelligence Index | 61 em xhigh, 3.º na classificação geral |
| Artificial Analysis Coding Agent Index | 58,6, 1.º lugar |
| Vals Index | 70,9 %, 2.º lugar |
| Agent Arena Index (Arena) | 1336, 2.º lugar |
| Terminal-Bench 4.1 | 65,2 % |
| SWE-sweep (harness mini-SWE, depois Antigravity) | 12,8 %, depois 39,0 % |
A Google destaca sobretudo o custo por tarefa: em high, 32 % inferior ao de Carbon e entre 50 e 80 % inferior ao dos melhores modelos concorrentes no Vals e no Agent Arena. A Glean diz ter medido uma qualidade igual ou superior à de Carbon, três vezes mais depressa e por 60 % do custo. Por token, Neon continua, porém, a ser mais caro do que Carbon, que mantém o preço de lançamento de 2 e 10 dólares até 30 de novembro, antes de passar para 4 e 20 dólares. Uma variante «Gemini 4 Neon for cyber» chegará nos próximos dias aos defensores do Fairwind Program.
A disponibilização começa no próprio dia: API paga (AI Studio, Android Studio), Gemini for business, aplicação Gemini para subscritores Google AI Pro e Ultra, onde as Tasks podem agora ser executadas com Neon, e Antigravity para subscritores pagantes dos planos Pro e Ultra. Aí, Neon torna-se o modelo predefinido das novas conversas quando não tiver sido escolhido nenhum modelo, com um contexto de 512K tokens, e a opção Orchestrator (Neon) atribui-lhe o planeamento, deixando a execução a Hydrogen.
Gemini 4 Neon is rolling out now. Sitting between Carbon and Hydrogen, it brings frontier intelligence and fast task completion for complex software engineering, knowledge work, and science.
🇵🇹 Gemini 4 Neon está a ser disponibilizado. Situado entre Carbon e Hydrogen, oferece inteligência de ponta e execução rápida de tarefas para engenharia de software complexa, trabalho intelectual e ciência. — @GoogleDeepMind no X
🔗 Publicação da Google sobre Gemini 4 Neon · Modelos disponíveis no Antigravity
Segurança dos modelos de ponta: a OpenAI detalha a sua gestão do risco e diz reter GPT-6.1 Astra
18 de novembro — A publicação da OpenAI sobre a sua gestão do risco dos modelos de ponta começa por um modelo retido:
We are pacing the development and release of our models, including pausing internal training or holding back models like GPT‑6.1 Astra when we need more time to meet our safety standards.
🇵🇹 Ajustamos o ritmo de desenvolvimento e lançamento dos nossos modelos, chegando a suspender treinos internos ou a reter modelos como GPT-6.1 Astra quando precisamos de mais tempo para atingir os nossos padrões de segurança. — OpenAI, publicação sobre a gestão do risco dos modelos de ponta
A publicação não revela mais nada sobre este modelo. O enquadramento combina quatro camadas de proteção ao longo de três etapas. Na investigação, o treino de ponta decorre sem acesso à Internet real desde o incidente da Hugging Face em julho; toda a inferência de ponta é monitorizada, com uma pausa automática se um modelo aceder à Internet. Na implementação interna, em que os modelos acedem à Internet, ao Slack e ao código da OpenAI, o Auto-Review é geralmente exigido aos funcionários que usam o Codex. Na implementação externa, acrescentam-se testes por terceiros e uma verificação offline por investigadores humanos e agentes. Qualquer funcionário pode comunicar um incidente para que seja tornado público.
Conceção de chips: os modelos da OpenAI melhoram até 14 % a PPA de um GPU topo de gama da AMD e o chip Jalapeño
18 de novembro — Em colaboração com a AMD, os modelos da OpenAI conseguiram até 14 % de melhoria da PPA (potência, desempenho e área) no IP do GPU topo de gama da AMD, face a referências já muito otimizadas, reescrevendo o código que descreve os circuitos (RTL SystemVerilog). A AMD já integrou parte destas alterações num design enviado para fabrico, sendo cada reescrita verificada com as ferramentas da Synopsys.
| Chip ou banco de testes em questão | Resultado anunciado pela OpenAI |
|---|---|
| IP do GPU topo de gama da AMD | até 14 % de melhoria da PPA, em menos de 5 meses |
| Futuro CPU topo de gama da AMD | ganhos de um dígito em blocos essenciais |
| Jalapeño, unidade vetorial | cerca de 13 % menos área de células |
| Jalapeño, unidade matricial | cerca de 10 % menos área de células |
No Jalapeño, o chip de inferência da OpenAI, os ganhos estimados pela equipa foram confirmados no silício. Próxima etapa: GPT-Synopsys, um modelo treinado com a Synopsys para as suas ferramentas de conceção eletrónica.
🔗 Publicação da OpenAI sobre a conceção de chips
Mundos e vídeo interativos: Genie 4 no Project Genie, Pika Enact
Genie 4 chega ao Project Genie para subscritores Google AI Ultra
18 de novembro — Genie 4, o modelo de mundo apresentado a 27 de outubro numa prévia de investigação, fica acessível numa nova versão do Project Genie para subscritores Google AI Ultra elegíveis; os membros Google AI Pro podem inscrever-se numa lista de espera. É possível modificar o mundo enquanto se percorre, escrevendo um novo prompt (meteorologia, personagem), com áudio nativo em tempo real. Um agente constrói um mundo a partir de uma simples descrição e, depois, Gemini sugere e desencadeia eventos durante a exploração. Uma galeria da comunidade permite descobrir, remisturar e publicar mundos. Genie 3 continua disponível, com sessões de 3 minutos por geração em vez de 60 segundos e pontos de partida a partir de uma imagem panorâmica de 360 graus. Todo o conteúdo gerado inclui a marca de água SynthID.
🔗 Publicação da Google sobre Genie 4 no Project Genie
Pika Enact: dirigir atores, encenação e câmara num vídeo que continua em reprodução
18 de novembro — A Pika apresenta Enact, uma prévia de investigação baseada em Pika H3 Flex, que gera imagem e som em segmentos de menos de um segundo enquanto a cena continua em reprodução.
| Modo de interação | Desempenho anunciado pela Pika |
|---|---|
| Encenação em direto (Live Staging) | sujeitos deslocados com o rato, imagem que responde em menos de 0,4 s num H100 |
| Direção de atores (Live Actor Direction) | agentes dotados de memória, imagem e som 1,75x mais depressa do que a reprodução |
| Controlo de câmara (Live Camera Control) | 8 GPU B300, 640x480 a 24 i/s, 1,50x o tempo real |
Fala-se com os atores, que respondem com a sua própria voz, e depois, à palavra «Ação», o ensaio é reescrito numa tomada contínua retomada a partir da primeira imagem. Uma destilação reduz a amostragem de vinte etapas de remoção de ruído para apenas algumas. Enact não está aberto ao público: os testes e as integrações passam pela equipa empresarial da Pika, sem preço nem data anunciados.
🔗 Publicação da Pika sobre Enact
Assistentes para o público em geral: ditado em direto no ChatGPT, Perplexity no telemóvel e skills escritos pelo Brain, Gemini no Android Go
ChatGPT apresenta o ditado à medida que se fala e elimina o limite de 10 minutos
18 de novembro — O ditado por voz do ChatGPT passa a funcionar em direto com Live Dictation: a fala aparece em texto enquanto se fala, em vez de surgir apenas depois de concluída a transcrição da mensagem. Um toque ou clique na forma de onda mostra ou oculta o texto em curso. A OpenAI elimina também o limite de 10 minutos de gravação. A função está a ser disponibilizada em todo o mundo para todos os planos ChatGPT, em iOS, Android, na web e na aplicação de computador. A descontinuação de Advanced e Standard Voice a 11 de dezembro já tinha sido abordada aqui a 11 de novembro.
Perplexity disponibiliza Teammates e Multiagent em iOS e Android, com voz
18 de novembro — Os Teammates, agentes pessoais que assumem trabalho contínuo no Computer (lançados a 5 de novembro na web e depois a 13 no Mac), e Multiagent, o nível de esforço em que vários agentes de modelos diferentes trabalham em equipa (disponibilizado na véspera na web), chegam à aplicação Perplexity em iOS e Android. O telemóvel traz uma função própria: os Teammates podem ser controlados por voz. Segundo a Perplexity, cerca de um terço do trabalho mais exigente do Computer já começa no iPhone. O conjunto está disponível desde 18 de novembro para subscritores Max; o tweet não especifica o custo em créditos nem a disponibilização nos planos Enterprise.
Perplexity Brain escreve e corrige sozinho skills pessoais
18 de novembro — A Perplexity detalha como Brain, a memória do Computer, escreve e melhora skills, instruções reutilizáveis para tarefas recorrentes. A partir da memória e do histórico de um utilizador, uma execução diária cria ou corrige skills pessoais, sem acesso à Internet nem aos conectores, com um limite de 10 skills criados automaticamente por utilizador. Os skills integrados, comuns a todos, passam por uma reexecução comparativa das duas versões e depois por uma revisão humana. Foram escritos mais de 80 000 skills pessoais para mais de 20 000 utilizadores entre 1 de agosto e 14 de novembro. Num teste aleatorizado de oito semanas, as falhas nas chamadas de ferramentas diminuem 11 % e a insatisfação 7,6 %, sem efeito mensurável no custo; no SkillLearnBench, a taxa de sucesso passa de 43,8 para 62,5 %. A função está disponível para todos os subscritores Max nos Estados Unidos, ativada por predefinição e com possibilidade de desativação.
🔗 Publicação da Perplexity sobre os skills que se melhoram sozinhos
A aplicação Gemini chega aos telemóveis Android com pouca memória
18 de novembro — A Google reformulou a arquitetura da aplicação Gemini para que funcione em telemóveis Android com pouca memória, incluindo os dispositivos Android (Go edition) elegíveis, que até agora se limitavam a comandos de voz básicos. Para centenas de milhões de pessoas, recorda a Google, este tipo de telemóvel é a ligação diária à Internet, à educação e ao comércio. As funções destacadas: Gemini Live em mais de 45 línguas, a câmara apontada para apontamentos ou um formulário para aprender ou traduzir e a criação de imagens com Nano Banana. A aplicação pode ser descarregada no Google Play ou aberta premindo continuamente o botão de alimentação e virá pré-instalada em futuros dispositivos de parceiros como a Transsion. A publicação não especifica um limite mínimo de memória nem uma lista de países.
🔗 Publicação da Google sobre Gemini para telemóveis com pouca memória
Agentes de código: Claude Code 2.1.327, o ciclo de caos do Claude Docs, a sandbox do Codex, Vibe CLI 3.1.3, VS Code 1.147 e Replit no Ignite
Claude Code 2.1.327 lê a configuração MCP em stdin e transforma /status num diagnóstico
17 de novembro — Claude Code 2.1.327 conta com 173 entradas, incluindo 100 correções. claude mcp add-json <nom> - lê a configuração de um servidor MCP na entrada padrão, para manter os tokens fora da linha de comandos. /status passa a listar os ficheiros de agentes, skills, comandos e estilos de saída com problemas, as definições de permissões ignoradas e os hooks cujo filtro (matcher) nunca corresponde a nada. Várias correções evitam perdas de dados: Remote Control em modo worktree podia apagar ficheiros ignorados pelo git, como .env; claude mcp add e remove apagavam outras chaves de .mcp.json; e /export sobrescrevia um ficheiro sem perguntar. De salientar: para acelerar o primeiro comando Bash, os ficheiros de inicialização da shell podem ser executados antes da sua aprovação, mesmo que esta seja recusada (CLAUDE_CODE_DISABLE_SHELL_HEAD_START=1 desativa este comportamento). O modo auto anuncia que uma próxima versão eliminará o recurso ao classificador pago. No npm, a versão estável continua a ser a 2.1.311.
Como Claude Code testou Claude Docs num ciclo de caos antes do lançamento
17 de novembro — No blog claude.dev, Vivek Nair relata o ciclo de caos (chaos loop) confiado ao Claude Code antes do lançamento do Claude Docs, a 16 de setembro. Durante cerca de duas semanas, uma sessão coordenadora, com até 30 subagentes, provocou deliberadamente falhas num ambiente de pré-produção (staging) que reproduzia o de produção, leu a telemetria através do MCP Datadog e depois implementou uma correção e voltou a executar o teste. As decisões difíceis de reverter continuavam a caber ao humano.
| Indicador do lançamento do Claude Docs | Valor publicado |
|---|---|
| Memória de um documento grande | cerca de 3 Go, depois cerca de 180 Mo |
| Pods previstos para o lançamento | cerca de 50 em vez de mais de 500 |
| Erros de servidor | 60 em 2 mil milhões de pedidos |
| Custo de inferência (preço de tabela do Fable 5.2) | cerca de 125 000 dólares |
O autor usou um modelo de investigação interno próximo do Claude Fable 5.2 e estima, sem o ter testado, entre 3 000 e 10 000 dólares para uma pequena equipa ao longo de duas semanas.
🔗 Publicação de claude.dev sobre o ciclo de caos
OpenAI detalha o sandbox do Codex, os seus perfis de permissões e o seu proxy de rede
18 de novembro — Num artigo de Michael Bolin, a OpenAI explica por que motivo o Codex não utiliza uma máquina virtual nem um contentor: restringe cada comando com as proteções nativas do sistema, para preservar o ambiente do programador (um contentor Docker privá-lo-ia do simulador de iPhone). O perfil predefinido :workspace permite a escrita no repositório, mantém .git e .codex apenas para leitura e desativa a rede. O artigo reconhece as limitações: os ficheiros sensíveis fora do repositório continuam a poder ser lidos, e um agente poderia inserir código em node_modules/prettier, que o editor executaria fora do sandbox. Os perfis de permissões são descritos em config.toml, o proxy codex-network-proxy filtra por domínio e só resolve o DNS após autorização, e codex sandbox confina outras ferramentas, como um servidor MCP.
| Sistema operativo | Mecanismo utilizado pelo Codex |
|---|---|
| macOS | Seatbelt (sandbox-exec) |
| Linux | bubblewrap e seccomp-bpf |
| Windows | biblioteca MXC da Microsoft, em fase de adoção |
🔗 Artigo da OpenAI sobre o sandbox do Codex
Vibe CLI 3.1.3 torna o Mistral Large 4 o modelo predefinido e acrescenta /goal
18 de novembro — Oito dias depois da 3.1.2, a Mistral lança o Vibe CLI 3.1.3 (78 entradas: 13 adições, 20 alterações, 44 correções, 1 remoção). O Mistral Large 4 passa a ser o modelo predefinido, substituindo o Mistral Medium 3.5; active_model = "mistral-medium-3.5" permite manter o anterior. O comando /goal define um objetivo que o Vibe prossegue de um turno para o seguinte até o atingir, com um orçamento de tokens que pode ser limitado (max_goal_token_budget). Dois hooks enquadram cada chamada ao modelo: pre_llm pode interromper o turno, post_llm pode pedir uma nova tentativa, dentro do limite de três tentativas por turno partilhadas com post_agent. Quanto às salvaguardas, um comando shell que leia ficheiros protegidos exige aprovação, a configuração de um projeto já não pode reativar a telemetria, e uma instalação ligada a um servidor autoalojado deixa de enviar relatórios de falhas à Mistral.
🔗 Notas de versão do Vibe CLI 3.1.3
VS Code 1.147 acrescenta routers de modelos e permite às empresas autorizar os harnesses Claude e Codex
18 de novembro — O VS Code 1.147 introduz routers de modelos (model routers) experimentais para as sessões do harness Copilot: um ficheiro YAML colocado em ~/.agents/model-routers/ descreve que modelo utilizar para cada tipo de trabalho, e o modelo de decisão gpt-6-luna-decisions encaminha cada pedido para a rota adequada. O exemplo das notas atribui as tarefas longas de código ao Opus e as perguntas rápidas ao GPT-6 Luna. No contexto empresarial, é eliminada uma limitação: até agora, qualquer definição gerida do Copilot desativava os harnesses Claude e Codex, que não aplicam essas definições. Os administradores podem agora autorizar um ou ambos através de vscode.allowedHarnesses, em definições geridas por ficheiro ou por MDM. As regras shell geridas também aceitam expressões regulares, e a janela Agents passa a permitir o envio diferido (Send Later) e vários rascunhos em paralelo. A versão desktop do VS Code passa a ser considerada obsoleta no macOS Ventura e Sonoma e no Linux ARM de 32 bits.
Replit na Microsoft Ignite: acesso local e Teams em disponibilidade geral, publicação no Azure em acesso antecipado
18 de novembro — A Replit aproveita a Microsoft Ignite para alargar a sua parceria com a Microsoft e afirma ter sido nomeada 2026 Microsoft Partner of the Year for Startups.
| Integração Microsoft | Estado a 18 de novembro |
|---|---|
| Acesso local do Replit Desktop (Windows, Mac, Linux) | disponibilidade geral |
| Replit no Microsoft Teams | disponibilidade geral |
| Publicação no tenant Azure, através do Microsoft Marketplace | acesso antecipado |
| Full BYOC no Azure | anunciado, sem data |
O acesso local permite ao Agent trabalhar nas pastas escolhidas pelo utilizador, num sandbox baseado em Microsoft Execution Containers; as aplicações locais podem utilizar os modelos Microsoft Foundry Local, executados no dispositivo. No Teams, é possível fazer perguntas ao Replit e iniciar trabalho a partir de uma conversa de equipa. No Azure, a Replit gere o alojamento e as aplicações publicadas podem aceder a bases de dados privadas através da rede da empresa ou de uma VPN. Não são divulgados preços.
🔗 Artigo da Replit sobre a Microsoft Ignite
Modelos abertos e inferência: Rumble-2-Flash, Nemotron-Labs-Sigma, o adaptador OpenCode do Qwen3.8-27B e um MoE de 180B num Mac de 32 Go
Reson8 lança o Rumble-2-Flash, um modelo de reconhecimento de voz de 0,5B para mais de 40 línguas
18 de novembro — A Reson8 lança sob a licença Apache 2.0 o Rumble-2-Flash, um modelo de reconhecimento de voz de 0,5 mil milhões de parâmetros para mais de 40 línguas. Construído sobre a arquitetura do Qwen3-ASR, funciona diretamente no Transformers e no vLLM. É obtido por destilação segundo a própria política (on-policy distillation) do Rumble-2, o modelo de produção da Reson8.
| Benchmark | Modelo comparado | Taxa de erro medida |
|---|---|---|
| Open ASR Leaderboard, multilingue | Rumble-2-Flash (0,5B) | 6,96 % em média |
| AppTek, centro de atendimento (302 h) | Rumble-2-Flash (0,5B) | 7,86 % de WER |
| AppTek, centro de atendimento (302 h) | Nemotron 3.5 Transcribe (30B) | 7,78 % de WER |
| AppTek, centro de atendimento (302 h) | Qwen3-ASR 1.7B | 7,4 % de WER |
Na vertente multilingue, supera o omniASR-LLM 7B da Meta, quinze vezes maior, e o Whisper large-v3. Ultrapassa os 7 000 RTFx com lotes completos, o que equivale a cerca de uma hora de áudio transcrita em meio segundo.
🔗 Artigo no Hugging Face sobre o Rumble-2-Flash
NVIDIA lança o Nemotron-Labs-Sigma, 14 modelos de linguagem de difusão contínua com pesos abertos
18 de novembro — A NVIDIA destaca o Nemotron-Labs-Sigma, cujos pesos, publicados no Hugging Face, foram anunciados a 16 de novembro. Estes modelos não geram texto token a token, mas em blocos produzidos em paralelo: cada bloco parte de ruído gaussiano e vai sendo refinado através da remoção de ruído.
| Elemento publicado | Valor anunciado |
|---|---|
| Dimensões e checkpoints | 3B e 8B, 14 repositórios (base, instruct, variantes destiladas) |
| Espaço de difusão | embeddings contínuos de 16 dimensões |
| Aceleração após destilação | cerca de 8x em matemática, 4x em código |
| Contexto e língua | 8 192 tokens, inglês |
| Licença | NVIDIA Nemotron Open Model License |
Segundo o artigo de investigação, estes modelos superam os modelos de difusão discreta e as referências autorregressivas em GSM8K, Minerva, HumanEval e MBPP, com os ganhos mais claros em código. Depois de destilados, produzem 8 tokens por passagem em matemática e 4 em código, com uma perda de precisão que os autores consideram negligenciável.
🔗 Anúncio de @NVIDIAAI no X · Artigo arXiv 2610.02665
harness-hub lança o adaptador OpenCode do Qwen3.8-27B e reavalia o adaptador pi em 64,7 %
18 de novembro — O projeto harness-hub lança o Qwen3.8-27B-opencode-adapted, um adaptador LoRA sob Apache 2.0 treinado por aprendizagem por reforço no harness do agente de código OpenCode.
| Configuração avaliada (harness OpenCode) | SWE-bench Pro (hard 51) | Terminal-Bench 2.1 (83 tarefas) |
|---|---|---|
| Qwen3.8-27B | 35,3 % | 47,0 % |
| Qwen3.8-27B, raciocínio xhigh | 47,1 % | 55,4 % |
| Qwen3.8-27B-opencode-adapted | 51,0 % | 53,0 % |
Sem raciocínio, o adaptador iguala o modelo base configurado para o esforço máximo, escrevendo 6 a 8 vezes menos tokens por tarefa. No Terminal-Bench 2.1, a ficha indica um ganho global de 6,0 pontos (p = 0,38), e de 45,5 para 59,1 % nas 66 tarefas que não foram utilizadas para escolher o checkpoint. A equipa também reavaliou o adaptador pi: de 39,2 para 64,7 % no SWE-bench Pro, contra os 29,4 a 62,7 % anunciados na véspera e abordados aqui a 17 de novembro.
🔗 Ficha do Qwen3.8-27B-opencode-adapted · Ficha do adaptador pi
Um MoE de 180B num MacBook de 32 Go com Transformers, a 6 % do Strata
18 de novembro — Tarek Ziadé, da Hugging Face, executa o Qwen3.8-Flash-Next, um modelo de mistura de especialistas de 180 mil milhões de parâmetros, num MacBook M5 de 32 Go, apenas com Transformers. O princípio: manter em memória uma cache de especialistas de 12 Gio e ler do SSD, a cada token, apenas os especialistas escolhidos pelo router, quantizados em 3 bits (49 Go em disco).
| Medição no MacBook M5 (32 Go) | Transformers (streaming) | Strata 0.1.60 |
|---|---|---|
| Descodificação, 200 tokens | 13,9 tokens/s | 14,8 tokens/s |
| Pré-preenchimento, prompt de 4K | 228 tokens/s | 220 tokens/s |
| Descodificação após um documento de 6K | 12,4 tokens/s | 13,7 tokens/s |
O código está num pedido de integração do Transformers (PR 50717) ainda aberto: não é uma funcionalidade já disponibilizada. O autor esclarece que todo o código foi escrito com IA e que o resultado continua demasiado lento para os seus agentes de código.
🔗 Artigo no Hugging Face sobre o streaming de especialistas
Classificação: Muse Ember da Meta à frente do GPT-6 Luna e do Claude Haiku 5.5 no Agent Arena, com 27 segundos e 1,9 cêntimo por tarefa
18 de novembro — A Arena publica os resultados do Muse Ember, lançado pela Meta a 9 de novembro, no Agent Arena, o seu benchmark baseado em sessões reais de utilizadores, face a outros dois modelos eficientes concebidos para trabalho real. A Meta partilhou a sequência de publicações.
| Métrica do Agent Arena | Muse Ember (Max) | GPT-6 Luna (Max) | Claude Haiku 5.5 (High) |
|---|---|---|---|
| Tempo por tarefa | 27 s | 5,8 min | 1,9 min |
| Melhoria líquida | +2,3 % | +1,4 % | +0,4 % |
| Custo por tarefa | 1,9 cent | 7,0 cents | 6,9 cents |
| Pontuação de orientação (trabalho global) | +11,2 % | +3,9 % | +3,8 % |
Segundo a Arena, o Muse Ember é cerca de 13 vezes mais rápido do que o GPT-6 Luna e custa menos de um terço de cada um dos dois. A pontuação de orientação (steering score), medida em milhares de sessões, é tanto mais elevada quanto menor for a necessidade de o utilizador corrigir o modelo. Estas medições são da Arena, um avaliador independente.
🔗 Sequência de publicações da Arena no X
API para agentes: Perplexity lança a Context API, que lê até 10 URL por chamada
17 de novembro — A Perplexity acrescenta a Context API à sua plataforma para programadores, disponibilizada a 18 de novembro segundo a sequência de publicações de @perplexitydevs. Lê até 10 URL por chamada e devolve, para cada página, Markdown limpo, o HTML, as ligações e excertos escolhidos em função de uma consulta. Os excertos reproduzem o texto original, sem o resumir, e um modelo separa o conteúdo principal dos menus e dos anúncios. Por predefinição, a API utiliza a cópia do índice Perplexity se tiver menos de dois dias; caso contrário, lê a página em direto; max_age_seconds a 0 impõe a leitura em direto e cache_only impede-a.
| Critério medido pela Perplexity | Resultado da Context API |
|---|---|
| URL com conteúdo utilizável | 92,3 % |
| Revocação dos factos essenciais | 87,9 % |
| Precisão do conteúdo | 80,3 % |
| Preço | 1 dólar por 1 000 URL obtidos |
A Perplexity comparou-se com Firecrawl, Exa, Parallel, Keenable e Context.dev em 715 sites, com um modelo a avaliar sem conhecer a identidade dos serviços, mas apresenta as pontuações dos concorrentes apenas num gráfico. As falhas não são faturadas.
🔗 Artigo da Perplexity sobre a Context API · Sequência de publicações de @perplexitydevs no X
Agentes especializados: ChatGPT for Sales e ElevenAgents for Healthcare
OpenAI lança o ChatGPT for Sales, com um plugin Sales e mais de 30 plugins de parceiros
17 de novembro — A OpenAI lança o ChatGPT for Sales para as equipas comerciais: um novo plugin Sales, com fluxos prontos a utilizar (escolher as contas a contactar, preparar uma chamada, redigir uma mensagem de seguimento), e mais de 30 plugins de parceiros novos ou melhorados. Abrangem todo o ciclo de vendas: CRM (Salesforce, HubSpot, Close, monday CRM, Attio), prospeção (Apollo, Clay, Common Room, ZoomInfo), notas de chamadas (Gong, Otter.ai, Granola), apresentações (Gamma, Figma, Canva) e contratos (Docusign, Ironclad, PandaDoc, ServiceNow CPQ). Os dots, os agentes permanentes do ChatGPT, podem utilizá-los para preparar resumos de reunião ou acompanhar negócios; com o Rox, um dot pode verificar um negócio todas as manhãs. Os administradores do ChatGPT Business e Enterprise ativam estes plugins a partir da Admin Console, com a possibilidade de instalação por predefinição, e a disponibilidade varia consoante o plano e a região. A OpenAI não divulga preços.
🔗 Artigo da OpenAI sobre o ChatGPT for Sales
ElevenLabs lança o ElevenAgents for Healthcare, agentes de voz para a saúde
18 de novembro — No dia seguinte ao Scribe v3 Live Medical, a ElevenLabs reúne os seus componentes de saúde no ElevenAgents for Healthcare: agentes de voz que marcam, adiam ou cancelam consultas no processo clínico da instituição, verificam reembolsos e autorizações prévias e respondem aos pacientes 24 horas por dia. Uma pergunta sobre um sintoma é encaminhada para um profissional de saúde com o contexto da chamada, e as implementações são elegíveis para conformidade com a HIPAA para clientes Enterprise que assinem um BAA e ativem o Zero Retention Mode.
| Indicador citado pela ElevenLabs | Resultado anunciado |
|---|---|
| Cadence, tempo mediano até contactar um paciente | de quase 2 horas para 3,5 minutos |
| Angle Health, chamadas de profissionais sem transferência | mais de 90 % |
| Scribe v3 Live Medical no PriMock57 (testes internos) | 17 % menos erros do que o modelo seguinte |
A Banner Health, a Pfizer e a AstraZeneca também figuram entre as equipas citadas. Um modelo Healthcare Receptionist permite começar, e não são publicados preços.
🔗 Artigo da ElevenLabs sobre o ElevenAgents for Healthcare
Imprensa: o Groupe Figaro leva o seu jornalismo para o ChatGPT
18 de novembro — Dois dias depois do polo de media da LVMH, o Groupe Figaro assina uma parceria estratégica com a OpenAI. Os artigos recentes e os arquivos do Figaro e das suas publicações associadas (atualidade, economia, cultura, estilo de vida) estarão disponíveis no ChatGPT sob a forma de resumos e excertos, com links para os artigos. O jornal mantém a sua independência editorial. Marc Feuillée, diretor-geral do grupo, destaca uma redação com mais de 600 jornalistas. O Figaro prevê também implementar o ChatGPT Enterprise em várias equipas e explorar outras utilizações no âmbito da sua carta de princípios de IA. Não são divulgados o montante nem a duração.
🔗 Anúncio da parceria pela OpenAI
Breves
- Antigravity CLI 1.5.10 e 1.5.11 — A 1.5.10 acrescenta um modo accept-edits aos agentes remotos (
--remote-agent): no modo predefinido, o agente remoto passa a pedir aprovação antes de cada alteração de ficheiro. Abre também o Orchestrator (planeamento por Carbon, execução por Hydrogen) às contas Gemini Enterprise. 🔗 fonte - Gemini CLI — Cinco correções integradas no branch principal, ainda sem nova versão desde 10 de novembro: um comando shell com expansão não resolvida mantém o pedido de confirmação, e as regras
commandPrefixecommandRegexpassam a visar apenas o comando de primeiro nível. 🔗 fonte - Montra Gemini 4 Carbon — A Google publica cinco criações da comunidade com Carbon, incluindo um prado de 52 000 flores programado em CUDA, 1 048 576 partículas simuladas em WebGPU e um laboratório de ótica do século XIX com 92 instrumentos recriado a partir de uma única imagem. 🔗 fonte
- EmbeddingGemma 2 — Uma publicação apresenta o relatório técnico do modelo de embeddings, disponível no arXiv desde 27 de outubro, com um vídeo de cinco minutos; segundo os autores, o modelo supera modelos 2 a 12 vezes maiores. 🔗 fonte
Agentes de código e ferramentas de desenvolvimento
- Zed 1.29 e 1.30 — A 1.29 passa a versão estável com o modo branch do Git Panel e o Claude Fable 5.2 em BYOK; a versão preliminar 1.30 acrescenta o GPT-6.1 Terra, o esforço Extra High do Gemini 4 Hydrogen e o contexto completo dos modelos Copilot quando não se aplica qualquer custo adicional. 🔗 fonte
- Codex CLI 0.170.0 — As chamadas de voz em tempo real do terminal negoceiam a sua ligação em WebRTC, os cabeçalhos OpenTelemetry são atualizados automaticamente e são corrigidas várias falhas na aplicação das restrições do sandbox; segundo o changelog do Codex de 17 de novembro, os subscritores Pro 500 podem utilizar o Ultrafast com GPT-6.2 Sol e Astra. 🔗 fonte · 🔗 changelog do Codex
- Copilot SDK 2.0.1 e Copilot CLI 1.0.114 — O SDK volta a aceitar os imports
@github/copilot-sdke os antigos formatos de opções das extensões existentes, e acrescenta a seleção de GPT-6.2 Sol e Astra; o Copilot CLI 1.0.114 é lançado tendo como únicas notas uma menção genérica a correções e alterações. 🔗 fonte - Plugins Copilot por equipa — Com disponibilidade geral no Copilot Business e Enterprise, os responsáveis pela manutenção das equipas e os proprietários das organizações selecionam Agent Plugins aprovados, ativados por predefinição para os membros diretos no VS Code, na aplicação GitHub Copilot e no Copilot CLI. 🔗 fonte
- GitHub Agentic Workflows 1.3.1 — Esta versão preliminar retira os hosts diretos das API dos modelos dos acessos de rede predefinidos (o Claude exige que se autorize
api.anthropic.com), elimina o motor experimental Atomic e distribui no tempo os agendamentos recorrentes. 🔗 fonte - DeepSeek Harness 0.2.2-rc.5 — Com os modelos DeepSeek, o agente de código utiliza a pesquisa web do lado do servidor da DeepSeek, sem cobrança por pesquisa; os outros modelos recorrem à API DeepSeek Search. 🔗 fonte
- Replit Missions em ação — Segundo a Replit, o Missions percorreu mais de 1 000 percursos da principal plataforma de assinatura eletrónica para empresas e depois reconstruiu-os no TernSign, disponibilizado gratuitamente em versão preliminar; no Replit Slides, 6 iterações melhoraram em 20 % a pontuação de design por menos de 500 dólares. 🔗 fonte · 🔗 Replit Slides
API e plataformas
- Painel de utilização da API da OpenAI — O separador Analytics mostra a utilização e as despesas, os limites de taxa e os pedidos limitados, bem como os erros por modelo, projeto ou chave de API. 🔗 fonte
- Residência dos dados da API da OpenAI — Os proprietários de organizações elegíveis escolhem a região dos seus dados ao criar um projeto, sem um pedido separado de retenção zero; segundo o guia, a região não pode ser alterada posteriormente e os endpoints regionais custam mais 10 % para os modelos elegíveis lançados desde 5 de março de 2026. 🔗 fonte · 🔗 guia
- Agents SDK Python 0.25.0 — Primeira versão estável desde meados de outubro: o fornecedor de sandbox Runloop é removido, o formato dos checkpoints Pydantic muda e a compactação das sessões Responses passa a utilizar o GPT-6 Luna por predefinição. 🔗 fonte
- API da Perplexity — Os modelos pplx-embed-v2-context chegam à Embeddings API (0,12 dólar por milhão de tokens de texto para o 9b, 0,02 dólar para o 0.6b), e a Agent API acrescenta GPT-6.2 Sol (2 e 10 dólares por milhão de tokens) e GPT-6.2 Astra (8 e 40 dólares), com até 272 000 tokens de entrada. 🔗 fonte
- Together AI — O DeepSeek-V4.1-Flash-1017 chega ao Together Post-Training: SFT ou aprendizagem por reforço com dados, recompensas e ambientes próprios, mantendo-se o ciclo de treino no código Python do cliente. 🔗 fonte
- Qwen4-Max — A Qwen divulga a chegada do modelo à TokenHarbor e à Runware, que o disponibiliza com um contexto de 1 milhão de tokens e até 128 000 tokens de saída. 🔗 fonte · 🔗 Runware
- GPT-6.2 na Genspark — O GPT-6.2 Sol chega ao AI Chat e ao Code Agent, e o GPT-6.2 Astra apenas ao Code Agent. 🔗 fonte
Assistentes e aplicações
- Claude Desktop — Um canal de atualizações Latest, que se ativa em Settings > Desktop app no Windows e no Mac, disponibiliza versões mais frequentes, mas por vezes menos fiáveis; o Stable continua a ser o canal predefinido. 🔗 fonte
- Grok Bot — O agente da SpaceXSI já pode reservar voos, hotéis e carros de aluguer, procurando a melhor oferta; o tweet não identifica países, planos nem parceiros de reservas. 🔗 fonte
- Kimi Work 3.2.28 — Instruções de projeto num AGENTS.md específico do projeto, autenticação por SSO empresarial, painel de resumo da conversa e apresentações entregues em PPTX por predefinição. 🔗 fonte
- Degradação do contexto — A Perplexity publica um guia sobre a perda de precisão de um agente à medida que o seu contexto se enche (context rot), e recorda como o Computer a limita: subagentes, ficheiros de trabalho e compressão do contexto consoante o pedido. 🔗 fonte
Imagem, vídeo e áudio
- Kling Image 4.0 em plataformas de terceiros — No dia seguinte ao seu lançamento, o modelo chega à fal, à Runware e à eachlabs, bem como ao AI Media Studio e ao AI Image Agent da Genspark (8K nativo, 2 000 caracteres de texto por imagem). 🔗 fonte · 🔗 Runware · 🔗 eachlabs · 🔗 Genspark
- MAI-Image-2.7 na Genspark — Os modelos de imagem MAI-Image-2.7 e MAI-Image-2.7-Flash da Microsoft AI chegam à Genspark, com melhor reprodução do texto na imagem. 🔗 fonte
- Suno MCP para todos — O servidor MCP da Suno, em beta mediante inscrição desde 28 de outubro, abre-se a todos: canções e, agora, elementos visuais podem ser criados a partir do ChatGPT, Claude, Gemini, Claude Code ou Cursor, sem chave de API, utilizando os créditos Suno. 🔗 fonte
- Synthesia no Claude — A Synthesia detalha o seu conector: o agente Syren cria vídeos a partir da conversa, nos planos Starter, Pro e Enterprise, utilizando os créditos Synthesia; segundo a empresa, o Syren baseia-se no Opus 5.5. 🔗 fonte
- Runway AI Festival 2027 — Candidaturas abertas até 5 de abril de 2027 em cinco categorias (cinema, publicidade, moda, videojogos, design), com sessões de gala em Nova Iorque, Los Angeles e Tóquio. 🔗 fonte
Modelos abertos, dados e investigação
- NVIDIA Cosmos Data Factory — A NVIDIA quantifica o custo de computação dos seus blueprints de dados para IA física, cerca de 2,66 dólares por clip de condução num servidor com oito RTX PRO 6000, e indica que o Cosmos Dataset Search é agora open source sob a licença Apache 2.0. 🔗 fonte
- ANEMLL — Uma versão de investigação distribui o Qwen3.8-27B entre o Neural Engine e o GPU de um Mac M6: um prompt de 64K passa de cerca de cinco minutos para dois minutos e meio, em comparação com a utilização exclusiva do Neural Engine; exige a desativação do SIP. 🔗 fonte
- Samdei Type — Dois pequenos modelos sob a licença Apache 2.0 (7,1M e 18,2M de parâmetros) convertem khmer escrito em letras latinas para a escrita khmer, com uma taxa de erro por carácter de 0,052, contra 0,066 do melhor modelo aberto existente, segundo o autor. 🔗 fonte
- ViKernel Scanner — A VIDRAFT publica um scanner open source que fornece ferramentas fictícias aos modelos: os 20 modelos abertos testados recebem a classificação F, com o modelo mediano a tentar uma ação perigosa em 40 testes de um total de 100. 🔗 fonte
- Kimi K3.1 Pro sem censura — O fornecedor OpenUncensored disponibiliza uma versão sem restrições que processa 97 % dos pedidos legítimos mas limítrofes do seu conjunto de testes, contra 83 % do original, com uma fragilidade reconhecida nos ciclos de agente. 🔗 fonte
- olmOCR-Bench — A Ai2 divulga a pontuação de 88,0 declarada pela Unsiloed no seu banco de testes de leitura de documentos complexos, à frente do GPT-5.5 com 84,6. 🔗 fonte
- RoboTwin Unified — Harpreet Sahota publica uma importação FiftyOne de 27 500 episódios e mais de 6 milhões de imagens de manipulação com dois braços em 50 tarefas. 🔗 fonte
- Recapture — A Nutrient publica uma ferramenta open source que transforma uma página anotada em fotografias de telemóvel ou digitalizações realistas, preservando as anotações, para treinar modelos de leitura de documentos. 🔗 fonte
- Assistente Kafka local — Na terceira parte da sua série, Roman Melnyk substitui o fine-tuning por pesquisa documental sobre o Qwen3.8-27B sem alterações: +1,48 em 40 perguntas, contra +0,08 e -0,18 dos seus adaptadores com fine-tuning. 🔗 fonte
- Ai2 e Taylor Geospatial — Uma parceria para bancos de testes, modelos (OlmoEarth) e dados geoespaciais abertos, incluindo o Fields of The World alargado ao tipo de cultura e ao rendimento, publicados gratuitamente na Source Cooperative e no GitHub. 🔗 fonte
Ecossistema
- Replit & Co. — A Replit lança um programa de criadores dirigido a públicos profissionais, com 45 criadores no arranque, que recebem benefícios na sua conta Replit. 🔗 fonte
- Manus e Godot — A Manus torna-se patrocinadora Platinum da Godot Foundation, que financia o motor de jogos livre; não é divulgado qualquer montante. 🔗 fonte
- GitHub Team — Fora da IA: as avaliações de riscos de segurança (credenciais expostas, vulnerabilidades no código) são iniciadas automaticamente para as organizações GitHub Team. 🔗 fonte
O que isto significa
A gama média torna-se o terreno mais disputado. A Google coloca o Gemini 4 Neon entre o Carbon e o Hydrogen e promove-o pelo custo por tarefa em vez do preço por token, que continua superior ao do Carbon até 30 de novembro. A Arena compara o Muse Ember da Meta com o GPT-6 Luna e o Claude Haiku 5.5, três modelos eficientes concebidos para trabalho real, e o Muse Ember conclui uma tarefa em 27 segundos por 1,9 cêntimos. Nos modelos abertos, a mesma lógica aplica-se em menor escala: o Rumble-2-Flash, com 0,5 mil milhões de parâmetros, coloca-se ao nível de um modelo de 30 mil milhões em gravações reais de centros de atendimento, e um simples adaptador LoRA permite ao Qwen3.8-27B igualar o seu próprio modo de reflexão máxima com 6 a 8 vezes menos tokens. Estes números continuam a ser os dos fornecedores ou dos avaliadores que estes citam.
A segurança depende tanto das ferramentas como dos laboratórios. A OpenAI afirma estar a reter o GPT-6.1 Astra e a treinar os seus modelos de ponta sem acesso à Internet real; no mesmo dia, a sua publicação sobre o Codex reconhece que o sandbox deixa pontos cegos, que o treino do modelo tem de compensar. As ferramentas de código gerem estes compromissos publicamente: o Claude Code acelera o seu primeiro comando Bash à custa da execução de ficheiros de arranque antes da aprovação e anuncia o fim de um fallback pago do seu modo auto, o VS Code permite às empresas voltar a autorizar os harnesses Claude e Codex que não aplicam as suas definições geridas, e o Vibe impede um projeto de reativar a telemetria.
Os modelos servem cada vez mais para melhorar o que os rodeia. Na AMD, reescrevem circuitos já muito otimizados e conseguem ganhos de até 14 % em PPA. Na Anthropic, uma sessão Claude Code reduziu o consumo de memória de um documento grande de 3 GB para 180 MB; todo o trabalho, de finais de agosto até ao lançamento do Claude Docs, custou cerca de 125 000 dólares de inferência a preço de tabela. A Perplexity deixa o Brain escrever as skills dos seus utilizadores, e a Replit põe o Missions a reconstruir mais de 1 000 percursos de uma plataforma de assinatura eletrónica. O ser humano mantém o controlo sobre o irreversível: reescritas verificadas com as ferramentas Synopsys, decisões de schema deixadas ao engenheiro que conduzia o ciclo do Claude Docs, revisão humana das skills integradas da Perplexity.
A IA instala-se, por fim, onde as pessoas já estão. A Google refaz a aplicação Gemini para telemóveis com pouca memória que, segundo a empresa, ligam diariamente centenas de milhões de pessoas à internet, a Perplexity leva os seus agentes para os dispositivos móveis e o ChatGPT mostra o ditado à medida que se fala, sem o limite de 10 minutos. Nas empresas, os agentes entram nas ferramentas de negócio existentes: CRM e ferramentas de vendas para o ChatGPT for Sales, processo clínico para o ElevenAgents, Teams e Azure para a Replit. A imprensa acompanha esta tendência: depois do polo de media da LVMH, o Groupe Figaro leva os seus arquivos para o ChatGPT, mantendo a sua independência editorial.
Fontes
- Artigo da Google sobre o Gemini 4 Neon
- Modelos disponíveis no Antigravity
- @GoogleDeepMind no X: Gemini 4 Neon
- Gestão do risco dos modelos de ponta (OpenAI)
- @OpenAI no X: gestão do risco
- Conceção de chips com os modelos da OpenAI (OpenAI)
- Genie 4 no Project Genie (Google)
- Pré-visualização de investigação: Pika Enact
- Notas de lançamento do ChatGPT
- @perplexity_ai no X: Teammates e Multiagent em dispositivos móveis
- Skills que se aperfeiçoam (Perplexity)
- Gemini em telemóveis com pouca memória (Google)
- Claude Code v2.1.327
- Ciclo de caos antes do lançamento do Claude Docs (claude.dev)
- O sandbox do Codex (OpenAI)
- Vibe CLI 3.1.3
- Notas do VS Code 1.147
- Replit no Microsoft Ignite
- Rumble-2-Flash (Hugging Face)
- @NVIDIAAI no X: Nemotron-Labs-Sigma
- Artigo arXiv 2610.02665
- Qwen3.8-27B-opencode-adapted (harness-hub)
- Qwen3.8-27B-pi-adapted (harness-hub)
- Streaming de especialistas MoE com Transformers (Hugging Face)
- @arena no X: Muse Ember no Agent Arena
- Context API (Perplexity)
- @perplexitydevs no X: Context API
- Lançamento do ChatGPT for Sales (OpenAI)
- ElevenAgents for Healthcare (ElevenLabs)
- O Groupe Figaro e a OpenAI (OpenAI)
- Changelog do Antigravity
- Gemini CLI, PR 30338
- Criações da comunidade com o Gemini 4 Carbon (Google)
- Relatório técnico do EmbeddingGemma 2 (Google)
- Zed v1.29.1
- Codex CLI 0.170.0
- Changelog do Codex
- Copilot SDK v2.0.1
- Personalize o GitHub Copilot para a sua equipa (GitHub)
- GitHub Agentic Workflows v1.3.1
- DeepSeek Harness 0.2.2-rc.5
- @Replit no X: Missions e TernSign
- @Replit no X: Missions e Replit Slides
- @OpenAIDevs no X: painel de utilização
- Notas do ChatGPT Enterprise e Edu (OpenAI)
- Guia de residência dos dados (OpenAI)
- OpenAI Agents SDK Python v0.25.0
- Changelog da API da Perplexity
- @togethercompute no X: DeepSeek-V4.1-Flash-1017
- @Alibaba_Qwen no X: Qwen4-Max na TokenHarbor
- @Alibaba_Qwen no X: Qwen4-Max na Runware
- @genspark_ai no X: GPT-6.2
- @ClaudeDevs no X: canal Latest do Claude Desktop
- @bot no X: reservas do Grok Bot
- Notas de lançamento do Kimi Work
- Guia da Perplexity sobre a degradação do contexto
- @Kling_ai no X: Kling Image 4.0 na fal
- @Kling_ai no X: Kling Image 4.0 na Runware
- @Kling_ai no X: Kling Image 4.0 na eachlabs
- @genspark_ai no X: Kling Image 4.0
- @genspark_ai no X: MAI-Image-2.7
- @suno no X: Suno MCP
- Synthesia no Claude (Synthesia)
- @runwayml no X: AI Festival 2027
- Cosmos Data Factory (NVIDIA)
- ANEMLL híbrido com Neural Engine e GPU (Hugging Face)
- Samdei Type (Hugging Face)
- ViKernel Scanner (Hugging Face)
- Kimi K3.1 Pro sem censura (Hugging Face)
- @allen_ai no X: olmOCR-Bench
- RoboTwin Unified no FiftyOne (Hugging Face)
- Recapture (Hugging Face)
- Assistente SRE Kafka local, parte 3 (Hugging Face)
- Ai2 e Taylor Geospatial (Ai2)
- Replit & Co. (PR Newswire)
- Manus junta-se à Godot Foundation (Manus)
- Avaliações de riscos de segurança no GitHub Team (GitHub)