Claude Code v2.1.198 com Chrome GA e PR draft automática, GitHub Models retirado em 30 de julho, programa Devin Security Remediation

A versão 2.1.198 do Claude Code dá um salto com a passagem do Claude in Chrome para disponibilidade geral e a criação automática de PR draft pelos agentes em segundo plano nos worktrees. O GitHub confirma simultaneamente o encerramento definitivo do GitHub Models em 30 de julho de 2026, reposicionando o Copilot como ponto de entrada único de IA na plataforma. O dia é completado pelo programa enterprise de remediação de vulnerabilidades da Cognition, pelo benchmark ParallelKernelBench da Together AI sobre kernels multi-GPU, por um balanço do SynthID da Google DeepMind com colaborações inéditas com OpenAI, NVIDIA e Apple, e por várias atualizações do GitHub Copilot.

Claude Code v2.1.198 — Chrome GA e PR draft automática

1º de julho — A versão 2.1.198 do Claude Code coloca em disponibilidade geral (generally available) a extensão Claude in Chrome, que permite ao agente interagir diretamente com as páginas web abertas no Chrome a partir da interface do Claude Code. A extensão, disponível há várias semanas em beta, sai da fase experimental.

A segunda novidade de fundo diz respeito aos agentes em segundo plano: os iniciados a partir de claude agents num worktree passam agora a criar automaticamente um commit, fazer push do código e abrir uma PR draft no fim do trabalho, sem interromper para pedir confirmação. Esta mudança reduz as idas e vindas manuais nos workflows agentivos de desenvolvimento.

Funcionalidade	Detalhe
Claude in Chrome GA	A extensão Chrome passa de beta para disponibilidade geral
PR draft automática	Os agentes em segundo plano fazem commit, push e abrem uma PR draft sem intervenção manual
Skill `/dataviz`	Novo skill para a conceção de gráficos e dashboards, com validador de paleta de cores executável
Gateway AWS	`anthropicAws` (Claude Platform na AWS) adicionado como fornecedor upstream; os erros de «modelo não encontrado» avançam automaticamente a cadeia de failover
Explore herda o modelo	O agente Explore integrado herda o modelo de sessão (limitado a Opus) em vez de funcionar sobre Haiku
Extended thinking herdado	Os subagentes e a compactação de contexto herdam a configuração de raciocínio estendido (extended thinking) da sessão

Entre as correções notáveis: os erros de rede transitórios (ECONNRESET) desencadeiam agora uma nova tentativa com espera exponencial (backoff) em vez de abandonar o turno; o token STS AWS/Mantle renova-se automaticamente via awsAuthRefresh; as regras condicionais .claude/rules/ carregam corretamente mesmo através de caminhos simbólicos (symlink). A versão 2.1.199, publicada a 2 de julho no npm, é mencionada no registo npm mas o seu changelog ainda não tinha sido atualizado no momento da análise.

🔗 Changelog Claude Code

GitHub Models retirado definitivamente em 30 de julho de 2026

1º de julho — O GitHub confirma o encerramento definitivo do GitHub Models em 30 de julho de 2026. O playground, o catálogo de modelos, a API de inferência e o modo BYOK (bring your own key) serão eliminados para todos os clientes — incluindo os utilizadores existentes ativos que continuavam a aceder ao serviço.

O encerramento para novos clientes tinha sido anunciado em junho de 2026. O GitHub planeia dois brownouts preliminares em 16 de julho e 23 de julho para preparar a transição. Após 30 de julho, qualquer pedido à API de inferência do GitHub Models devolverá um erro.

Alternativa	Caso de uso
Azure AI Foundry	Catálogo de modelos de terceiros para equipas que pretendem manter acesso direto aos modelos independentemente do Copilot
GitHub Copilot	Acesso aos modelos integrado no GitHub, seleção automática por tarefa, faturação por créditos de IA

O GitHub Models tinha sido lançado como espaço de teste de modelos de IA diretamente a partir da interface do GitHub. A sua remoção marca um reposicionamento estratégico: o GitHub unifica o acesso aos modelos sob o GitHub Copilot, que integra agora modelos open-weight (Kimi K2.7 desde 1º de julho), seleção automática por tipo de tarefa e controlo granular dos créditos.

As equipas que usam a API de inferência do GitHub Models devem migrar antes de 30 de julho, sob pena de interrupção do serviço. Os brownouts de 16 e 23 de julho permitem testar a resistência dos pipelines antes do encerramento definitivo.

🔗 Changelog — GitHub Models retirado

Devin Security Vulnerability Remediation Program

2 de julho — A Cognition lança o Devin Security Vulnerability Remediation Program, um programa de acompanhamento enterprise de seis semanas para reduzir os atrasos de vulnerabilidades aplicacionais. Baseia-se no Devin Security Swarm (anunciado na véspera) como motor de descoberta contínua de falhas.

O programa assenta em dois pilares. O primeiro visa a redução do backlog: o Devin ingere os relatórios dos scanners existentes (Snyk, SonarQube, Checkmarx, Semgrep, Wiz, Veracode), valida as vulnerabilidades e submete PRs de correção. O segundo pilar, a remediação contínua, confia ao Devin Security Swarm a deteção das falhas que as ferramentas de scan estático não apanham — lógica de negócio, contornos de autenticação encadeados, caminhos de exploração inter-serviços.

Semana	Atividade
1-2	Inventário, perímetro, configuração do Devin, mapeamento dos workflows
3-4	Remediação em escala nos repositórios prioritários
5-6	Avaliação dos resultados, planeamento da implementação alargada

O programa é reservado a clientes enterprise que implementam o Devin Cloud em larga escala. As equipas elegíveis podem inscrever-se através do seu responsável de conta da Cognition.

🔗 Cognition — Devin Security Vulnerability Remediation Program

ParallelKernelBench — os LLM frontier têm dificuldades com kernels multi-GPU

2 de julho — A Together AI publica o ParallelKernelBench, um benchmark open-source de 87 problemas extraídos de codebases reais (Megatron-LM, DeepSpeed, TensorRT-LLM, NeMo-RL) para avaliar a capacidade dos LLM de gerar kernels CUDA multi-GPU de alto desempenho — tensor parallel, expert parallel, FSDP/ZeRO, comunicação NVLink. Os modelos frontier atuais resolvem menos de um terço dos problemas.

Modelo	pass@3	fast1@3 (correto E mais rápido do que a referência)
GPT-5.5	36/87	27/87
Claude Opus 4.7	31/87	20/87
Gemini 3 Pro	30/87	19/87
DeepSeek V4 Pro	3/87	1/87

O principal estrangulamento é a comunicação NVLink e os mecanismos avançados (TMA, NVLS), praticamente ausentes das gerações atuais de modelos. No modo agentivo (Gemini 3 Pro com acesso ao terminal), a pontuação sobe para 35/87 corretos e 26 mais rápidos do que a referência PyTorch+NCCL. Alguns kernels gerados superam as implementações públicas existentes, incluindo um kernel NeMo (Gemini 3 Pro) sem equivalente otimizado conhecido.

🔗 Together AI — ParallelKernelBench

SynthID: 100 mil milhões de ativos com marca d’água, código de texto em open source

1º de julho — A Google DeepMind partilhou via @GoogleAI um balanço de maturidade do SynthID, a sua tecnologia de marca d’água digital para conteúdos gerados por IA. Mais de 100 mil milhões de imagens e vídeos têm agora a marca d’água SynthID, aos quais se juntam 60 000 anos de conteúdo áudio marcado. Mais de 50 milhões de verificações foram efetuadas pelos utilizadores via Google Search, a extensão Gemini para Chrome e a aplicação Gemini.

A Google adota o padrão aberto C2PA (Content Authenticity Initiative) em todas as suas ferramentas generativas: as imagens e vídeos criados na aplicação Gemini integram agora tanto a marca d’água SynthID como os metadados C2PA. O código de marca d’água para o texto é publicado em open source.

Ponto alto: a Google anuncia colaborações com OpenAI, NVIDIA e Apple para estender o SynthID aos media generativos destes intervenientes. É a primeira vez que a Google comunica publicamente parcerias concretas com estas três empresas sobre a proveniência de conteúdos de IA.

🔗 Tweet @GoogleAI — SynthID

GitHub — Novas funcionalidades do Copilot

Pools de créditos de IA incluídos para os cost centers

2 de julho — Os cost centers do GitHub podem agora limitar a parte dos créditos de IA incluídos (pool mensal) consumida por departamento. Esta funcionalidade é distinta dos orçamentos por utilizador introduzidos a 30 de junho, que gerem apenas a fase de faturação adicional.

O GitHub calcula automaticamente o teto com base nas licenças atribuídas ao cost center. Dois comportamentos são configuráveis quando o teto é atingido: bloquear os usos ou mudar para faturação adicional. Disponível via API REST (interface gráfica a caminho) para Copilot Business e Copilot Enterprise no GitHub Enterprise Cloud.

🔗 Changelog — Cost centers

Issue fields em disponibilidade geral

2 de julho — Os campos de issue estruturados (Prioridade, Esforço, Data de início, Data-alvo) passam para disponibilidade geral para todas as organizações GitHub (Free, Team, Enterprise). Mais de 40 000 organizações já os utilizavam desde a prévia pública de maio. Os valores dos campos passam agora a ser apresentados diretamente nas listas de issues dos repositórios, e os projetos públicos beneficiam de controlos de visibilidade.

A integração mais notável: o servidor MCP do GitHub expõe estes campos ao Copilot em leitura e escrita, abrindo caminho a workflows agentivos que criam e atualizam issues com metadados estruturados a partir do chat ou do agente Copilot.

🔗 Changelog — Issue fields GA

Synthesia — Falar, ouvir, ver: os três níveis dos avatares de vídeo interativos

2 de julho — A Synthesia publica um artigo de investigação que define uma nova categoria de modelos: os Interactive Avatar Models (modelos de avatares de vídeo interativos). Estes modelos distinguem-se dos sistemas clássicos de geração de vídeo pela capacidade de sustentar um diálogo em tempo real, com latência suficientemente baixa para tornar a interação natural.

O artigo estrutura as capacidades em três níveis progressivos:

Nível	Capacidade
Falar (Talk)	Geração de discurso em vídeo a partir de texto
Ouvir (Listen)	Compreensão e reatividade ao humano
Ver (See)	Compreensão visual do contexto conversacional

É o primeiro quadro conceptual publicado por um ator maior dos avatares para formalizar esta categoria — o que posiciona a Synthesia como laboratório de investigação além do seu papel de plataforma comercial, num mercado em forte competição com a HeyGen e a Microsoft Azure AI Avatar.

🔗 Blog da Synthesia

Fable 5 de volta como orquestrador no Perplexity Computer

2 de julho — A Perplexity anunciou via @perplexityai que o Claude Fable 5 está novamente disponível como modelo orquestrador (_orchestrator model) no Perplexity Computer, o seu produto de automação desktop. O anúncio segue-se à restauração global do Fable 5 pela Anthropic a 1 de julho. O tweet gerou 55 529 visualizações e 943 menções «gosto».

O Perplexity Computer permite aos utilizadores delegar tarefas de automação a um agente de IA que atua no desktop. A reintegração do Fable 5 como orquestrador reforça as capacidades de raciocínio e planeamento do sistema, após a sua remoção imposta pelos controlos de exportação americanos em junho de 2026.

🔗 Tweet @perplexity_ai

Breves

Amp — leitura ilimitada de threads e agentes em Orbs — O Amp pode agora ler threads de qualquer tamanho (até 271 rounds documentados), e publica um artigo técnico sobre a arquitetura Orbs para fazer correr agentes em máquinas remote headless. 🔗 Chronicle Amp
Skill C++ para Copilot CLI — O servidor de linguagem C++ da Microsoft está disponível como plugin do Copilot CLI, com um skill que gera e mantém automaticamente o ficheiro compile_commands.json para CMake e MSBuild. Instalação: /plugin install cpp-language-server@copilot-plugins. 🔗 Changelog

O que isso significa

A tooling agentic cruza um limiar de autonomia. Claude Code v2.1.198 ilustra uma trajetória clara: os agentes não param mais para pedir confirmação sobre as etapas técnicas — eles criam commits, fazem push do código, abrem PRs draft e notificam no final. O programa Devin Security Remediation leva a mesma lógica para o lado da segurança: Devin ingere os relatórios de scanners existentes, valida as vulnerabilidades e submete PRs sem configuração por repositório. Amp completa esse quadro com seus Orbs, que executam agentes em máquinas remotas headless. Esses três anúncios do mesmo dia convergem para um modelo em que o agente gerencia o workflow de ponta a ponta, com o humano validando o resultado final em vez de cada etapa intermediária.

Infraestrutura e benchmarks revelam lacunas estruturais. A retirada do GitHub Models sinaliza que o mercado não suporta camadas genéricas de acesso a modelos: o GitHub reposiciona-se em torno do Copilot (integração nativa, controle de créditos, seleção automática por tarefa). ParallelKernelBench traz uma constatação complementar sobre os limites atuais dos LLMs: até os melhores modelos frontier (GPT-5.5: 27/87, Claude Opus 4.7: 20/87) têm dificuldade para gerar kernels CUDA multi-GPU performáticos, um domínio em que a comunicação NVLink continua sendo um gargalo não resolvido. Os dois mecanismos de centros de custo do GitHub (orçamentos de usuário em 30 de junho + pools de créditos incluídos em 2 de julho) mostram, em paralelo, que a governança dos gastos com IA na empresa está se tornando tão crítica quanto o desempenho dos modelos.

SynthID e a proveniência entre indústrias: um momentum inédito. O balanço do SynthID — 100 bilhões de ativos com marca d’água, adoção de C2PA, código de texto em open source — vai além dos números para sinalizar uma virada: o Google anuncia, pela primeira vez, colaborações concretas com OpenAI, NVIDIA e Apple em torno da marca d’água de conteúdos de IA. O fato de concorrentes diretos coordenarem a proveniência de mídias geradas, em um contexto de pressão regulatória crescente, indica que esse tema saiu do perímetro de cada empresa para se tornar uma infraestrutura compartilhada de confiança.