Os modelos da OpenAI e o Codex chegam ao Google Cloud, a Anthropic disponibiliza o Claude Duet, a OpenAI coordena a resposta às falhas PHP2Shell

A OpenAI disponibiliza os seus modelos de fronteira e o Codex no Model Garden do Google Cloud, em pré-visualização privada para um conjunto de empresas selecionadas, e a Google afirma ser agora o único grande fornecedor de cloud a disponibilizar os três principais LLM fechados. A Anthropic abre a pré-visualização do Claude Duet, um agente que trabalha sozinho na sua própria máquina virtual e pede autorização antes de pagar ou assinar, enquanto a OpenAI faz o balanço do PHP2Shell, duas falhas críticas do PHP, uma das quais foi descoberta com o GPT-5.6 Sol. Na GTC Berlin, a NVIDIA apresenta uma arquitetura de referência para confinar agentes e fábricas de IA entregues em contentores; a Recursive publica o Flint, um modelo aberto para programar localmente, e a Cohere lança o Rerank 5.

Os modelos da OpenAI e o Codex chegam ao Google Cloud, em pré-visualização privada no Model Garden

21 de outubro — A OpenAI e o Google Cloud anunciam a chegada dos modelos de fronteira da OpenAI e dos fluxos de trabalho agênticos do Codex ao Model Garden, o catálogo de modelos do Google Cloud. A publicação da Google, assinada por Michael Gerstenhaber, vice-presidente de produto Gemini, identifica os três modelos abrangidos: GPT-6 Astra para o trabalho mais exigente (código, utilização do computador, tarefas profissionais, investigação científica), GPT-6.1 Sol, apresentado como uma inteligência próxima da do Astra a um custo inferior, e GPT-6 Luna, o modelo rápido e económico para o trabalho corrente em grande escala.

O calendário divide-se em várias fases, e as duas empresas não o apresentam da mesma forma:

Elemento anunciado	Calendário indicado	Fonte do calendário
GPT-6 Astra, GPT-6.1 Sol e GPT-6 Luna no Model Garden	Pré-visualização privada para clientes empresariais selecionados, mediante formulário	Google Cloud
Chamadas através das API do Google Cloud, Codex CLI e Codex Desktop ligados à plataforma Gemini para inferência	A partir de 21 de outubro, para estes clientes	Google Cloud
Disponibilidade geral	Nas próximas semanas	OpenAI
Não retenção de dados (Zero Data Retention) e Confidential Compute	Em breve	Google Cloud
Modelos da OpenAI no Google Antigravity e no agente Gemini (Gemini for business, segundo a Google)	Futuramente, sem data definida	Ambas as empresas

Quanto à aquisição, os modelos passam pelo Model Garden e pelo Google Cloud Marketplace: uma única fatura do Google Cloud, consumo imputado aos compromissos de despesa já assumidos com a Google e contabilizado nos Flexible Savings Plans, sem contrato separado com o fornecedor. A OpenAI já tinha disponibilizado esta contabilização dos compromissos com a Oracle Cloud em junho. A Google destaca também a governação: os prompts, o contexto e as respostas permanecem no perímetro de dados do cliente e nunca são usados para treinar modelos de base, e os modelos funcionam numa infraestrutura dedicada do Google Cloud, atrás de gateways isolados, com VPC Service Controls e registos de auditoria unificados. Não foram publicados preços. A Google faz a seguinte afirmação:

Google Cloud is now the only hyperscale cloud provider offering access to all three leading closed source LLMs, alongside more than 200 first-party, third-party, and open models on a unified enterprise AI platform.

🇵🇹 O Google Cloud é agora o único fornecedor de cloud de hiperescala a dar acesso aos três principais LLM fechados, juntamente com mais de 200 modelos próprios, de terceiros e abertos, numa plataforma unificada de IA empresarial. — Michael Gerstenhaber, vice-presidente de produto Gemini no Google Cloud

A OpenAI esclarece, por seu lado, que a Microsoft continua a ser o seu principal parceiro de cloud. Depois do Amazon Bedrock, a 1 de junho, e da Oracle Cloud, a 10 de junho, o Google Cloud junta-se aos fornecedores de cloud que distribuem os seus modelos, incluindo o Codex. Os SDK oficiais publicados no mesmo dia, openai-python 3.36.0 e openai-node 7.41.0, já suportam o Vertex AI para a Responses API.

🔗 A publicação da OpenAI · A publicação do Google Cloud · O tweet da @OpenAI

Claude Duet: a Anthropic disponibiliza em pré-visualização um agente proativo, e o Grok Bot mantém os seus painéis de controlo atualizados

21 de outubro — A Anthropic abre a pré-visualização de investigação (research preview) do Claude Duet, uma nova aplicação na qual o Claude trabalha como um agente proativo: assinala o que exige a atenção do utilizador, executa as tarefas que lhe são confiadas, continua a trabalhar na sua ausência e pede autorização antes de agir em seu nome. O acesso é feito por lista de espera, inicialmente para os subscritores Pro e Max nos Estados Unidos. O Duet é uma aplicação autónoma, distinta da aplicação principal do Claude, disponível em iOS, Android e claude.ai; durante a pré-visualização, está incluído nos planos Pro e Max e consome os mesmos limites de utilização.

Concebido em torno do Claude Opus 5.5, o Duet utiliza a memória, as skills e as aplicações ligadas à conta Claude. Todas as manhãs, envia um breve resumo dos pontos importantes; durante o dia, consulta as contas ligadas a intervalos de algumas horas, pois uma monitorização contínua esgotaria mais depressa os limites do plano. É possível falar com ele por escrito ou por voz, numa única conversa, e trabalha na sua própria máquina virtual, com o seu próprio browser: nem o computador nem o telemóvel precisam de ficar ligados. Recorre a mais de 6 000 conectores e plugins do Claude Marketplace (Gmail, Slack, QuickBooks, Stripe, Gusto, Docusign, Shopify…) e pode fazer compras para a empresa com o Link, a carteira digital da Stripe, que paga com um cartão virtual sem transmitir o número real.

Tipo de ação solicitada	O que faz o Claude Duet
Ler, redigir, preparar um trabalho	Atua sozinho, em segundo plano
Enviar uma mensagem, pagar, assinar, eliminar	Mostra a ação e aguarda aprovação
Negociar títulos, transferir dinheiro entre contas	Proibido, mesmo com aprovação
Números de cartão bancário, documentos de identificação	Partilha recusada por um novo classificador
Saúde, finanças pessoais	Dados transmitidos apenas mediante instrução explícita

A segurança reutiliza componentes existentes: as credenciais são geridas como no Claude Managed Agents, as ações passam pelo classificador do modo automático, as defesas contra a injeção de prompts vêm dos trabalhos sobre browser use, e o Duet entra no programa público de recompensas por bugs (bug bounty) após testes de intrusão realizados por red teams e uma empresa externa.

Claude Duet draws on years of our safety and security work on agents. It never directly sees your passwords, a new classifier guards against sharing sensitive information, and the important decisions stay with you. We’ll share more on our approach to safety in Claude Duet soon.

🇵🇹 O Claude Duet assenta em anos do nosso trabalho de segurança e proteção dos agentes. Nunca vê diretamente as suas palavras-passe, um novo classificador impede a partilha de informações sensíveis, e as decisões importantes cabem-lhe a si. Em breve, partilharemos mais informações sobre a nossa abordagem à segurança no Claude Duet. — @claudeai no X

A Anthropic reconhece as limitações desta primeira versão: o Duet pode interpretar mal uma conversa ou avaliar incorretamente a urgência, as tarefas pessoais, como a reserva de bilhetes, estão menos desenvolvidas, e ainda não consegue mostrar o seu browser. As verificações em segundo plano contam para os limites do plano, e as tarefas mais exigentes, como um modelo financeiro ou uma apresentação, consomem uma parcela maior desses limites.

🔗 O anúncio do Claude Duet

O Grok Bot cria agora relatórios e painéis de controlo que mantém atualizados

21 de outubro — A mesma ideia de um agente que trabalha entre pedidos surge na SpaceXSI: o Grok Bot consegue agora produzir relatórios, memorandos e painéis de controlo. Pede-se-lhe uma página, que depois pode ser revista com ele, ou confia-se-lhe a sua atualização ao longo do tempo. A funcionalidade começa a ser disponibilizada no próprio dia aos utilizadores das versões mais recentes das aplicações móveis e de computador.

O anúncio resume-se a dois tweets e um vídeo de demonstração, sem publicação em x.ai: não são especificados os planos abrangidos, os limites nem as fontes de dados que um painel de controlo pode acompanhar. Dá continuidade a uma série de novidades do Grok Bot em outubro (endereço de e-mail no dia 9, conectores e velocidade no dia 16, botão Ação do iPhone no dia 19) e faz lembrar o Claude Dashboards, os painéis de controlo que a Anthropic faz manter atualizados pelo Claude, em beta desde o início de outubro.

🔗 O anúncio do Grok Bot

PHP2Shell: a OpenAI coordena a resposta a duas falhas críticas do PHP, o Claude Security passa ao scan contínuo

21 de outubro — A OpenAI publica o balanço de dois meses de coordenação em torno do PHP2Shell, duas vulnerabilidades críticas do núcleo do PHP. Segundo a publicação, a empresa de segurança Calif identificou uma delas com o GPT-5.6 Sol, no âmbito do Patch the Planet, a iniciativa open source da Daybreak, e a Wiz descobriu e comunicou ambas de forma independente. Os responsáveis pela manutenção do PHP lideraram as correções, com o apoio da OpenAI, da Wiz, da Cloudflare e de outros; a OpenAI considera que, tanto quanto sabe, a IA de fronteira descobriu estas falhas antes dos atacantes. A dimensão do problema mede-se pela difusão da linguagem: o PHP está na base de cerca de 70 % dos sites.

O site de divulgação php2shell.com detalha as duas CVE, cuja gravidade atinge CVSS 9,2: um atacante não autenticado pode executar código no servidor ou ler a memória do processo PHP (palavras-passe, tokens, chaves de API). O código vulnerável encontra-se no próprio PHP, pelo que uma aplicação sem falhas pode ser afetada.

Identificador CVE	Classe de vulnerabilidade	Demonstração segundo php2shell.com
CVE-2026-109618	Corrupção associada à falta de memória (out-of-memory)	Execução de código sem autenticação no WordPress, Drupal e Joomla
CVE-2026-109619	Estado global desatualizado entre pedidos, use-after-free	Execução de código sem autenticação no WordPress e Drupal, leitura de memória em qualquer aplicação

As versões afetadas remontam ao PHP 5.4. A única correção completa consiste em atualizar para PHP 8.2.35, 8.3.36, 8.4.27 ou 8.5.12 e, em seguida, reiniciar o Apache, o PHP-FPM e os workers PHP. Para ajudar os operadores, a OpenAI publica uma skill do Codex, openai/php2shell-checker, que lê a versão do PHP de um site a partir do seu URL ou diretamente no servidor; o seu repositório avisa que apenas vê a versão anunciada pelos cabeçalhos HTTP ou por php -v, e que um resultado desconhecido não significa que o alvo esteja corrigido.

Given the severity of these flaws and PHP’s widespread use, we consider this one of the most impactful security issues in recent memory.

🇵🇹 Dada a gravidade destas falhas e a difusão do PHP, consideramos que este é um dos problemas de segurança com maiores consequências dos últimos anos. — OpenAI, publicação de 21 de outubro

A OpenAI extrai deste caso um quadro de resposta em cinco etapas, desde a validação prévia da correção, com testes adversariais realizados por modelos de fronteira, até à publicação de orientações, passando por um aviso antecipado às organizações afetadas e pela coordenação com as autoridades (no caso do PHP, a Super Intelligence Force da Casa Branca, o ONCD e a CISA), e apresenta quatro questões à comunidade, entre elas a duração dos prazos de divulgação. A empresa disponibiliza subscrições Codex for OSS a todos os responsáveis pela manutenção de projetos, patrocina diretamente projetos como a Rust Foundation e espera um forte aumento deste tipo de descobertas nos próximos meses. No mesmo dia, publicou um plano para equipar os ciberdefensores (ver as Notas breves).

🔗 A publicação da OpenAI · O site php2shell.com · A skill php2shell-checker

O Claude Security passa ao scan contínuo e acompanha as correções, em beta pública para o Claude Enterprise

21 de outubro — Na Anthropic, o Claude Security deixa de depender de scans iniciados manualmente: passa a acompanhar os repositórios à medida que são alterados. Um projeto reúne um ou vários repositórios, ligados através da aplicação GitHub do Claude (incluindo o GitHub Enterprise Server) ou de um token de acesso para o GitLab e os restantes fornecedores Git; o Claude executa um scan inicial aprofundado de referência e depois analisa as alterações de acordo com o risco e a complexidade. Um problema detetado é marcado como corrigido quando a correção é disponibilizada, mesmo fora do Claude Security, e é reaberto se voltar a ocorrer. Segundo a Anthropic, milhares de organizações encontraram mais de um milhão de vulnerabilidades com a ferramenta desde a sua beta pública de abril.

Cada projeto recebe uma base de conhecimento e um modelo de ameaças (threat model) que o Claude redige a partir do código e que a equipa pode modificar; a gravidade de cada problema detetado depende desse modelo, com uma explicação do percurso do ataque, por vezes sob a forma de diagrama. Uma API, webhooks, um conector MCP no Claude.ai e no Claude Code e controlos de acesso por função completam o conjunto. Esta versão está em beta pública para o Claude Enterprise, podendo ser ativada pelos administradores, em toda a família de modelos, incluindo o Claude Mythos, sem passar pelo Cyber Verification Program. As organizações elegíveis recebem 25 000 dólares em créditos de utilização por mês durante dois meses, para utilização até 31 de dezembro de 2026.

🔗 O anúncio do Claude Security

Infraestrutura de computação: DSX POD em contentores, instâncias A5X do Google Cloud e Confidential Bare Metal

21 de outubro — Na GTC Berlin, onde Jensen Huang declarou durante a sua keynote que Vera Rubin estava em plena produção, a NVIDIA apresenta o DSX POD, um projeto de referência para fábricas de IA Vera Rubin completas, fabricadas por parceiros em contentores modulares. Computação, rede, cablagem entre racks, tubagens, alimentação ao nível dos racks e arrefecimento líquido são integrados e validados na fábrica, sendo depois entregues prontos a ligar a uma instalação já equipada.

O argumento é o prazo: numa instalação com alimentação, arrefecimento e rede preparados, a NVIDIA anuncia uma redução do tempo de implementação de seis meses para apenas 14 dias. Para Jensen Huang, uma fábrica de IA cria valor quando começa a produzir tokens, não quando a obra termina. Dezassete parceiros (Dell, HPE, Lenovo, Foxconn, Schneider Electric, Vertiv, Bull, Crusoe, Anduril…) deverão entregar estas fábricas em todo o mundo no início de 2027; não é indicado qualquer preço.

Elemento anunciado pela NVIDIA	Valor anunciado
Entrada em funcionamento de um DSX POD	De seis meses para apenas 14 dias
Parceiros fabricantes	17
Primeiras entregas	Início de 2027
Água de arrefecimento poupada (instalação de 2 GW)	Até 54 milhões de litros por dia
Energia com o software DSX MaxLPS	Até 30 % menos para o mesmo número de tokens

Um comunicado complementar quantifica a eficiência da plataforma DSX: um sistema de arrefecimento líquido em circuito fechado com aerorrefrigeradores, com um consumo de água de arrefecimento praticamente nulo, poupa até 54 milhões de litros por dia numa instalação de 2 gigawatts, o equivalente ao consumo diário de 180 000 lares; o software DSX MaxLPS produziria o mesmo número de tokens com até 30 % menos energia, e a CoreWeave, o Google Cloud, a Lambda e a Nebius preveem utilizá-lo. Na véspera, a NVIDIA tinha também detalhado a adoção dos seus CPU Vera na Europa, pela Nebius, Nscale e Verda.

🔗 O comunicado sobre o DSX POD · O ecossistema DSX na Europa

O Google Cloud anuncia as suas instâncias A5X baseadas em Vera Rubin NVL72, disponíveis no próximo mês

21 de outubro — O Google Cloud e a NVIDIA apresentam as instâncias A5X, que combinam sistemas Vera Rubin NVL72, placas de rede ConnectX-9, a rede Virgo do Google Cloud e o seu arrefecimento líquido de quarta geração, para inferência agêntica e aprendizagem por reforço em grande escala. Apesar de o título falar em disponibilidade geral, a publicação da NVIDIA esclarece que esta chega no próximo mês, com uma expansão prevista para a Europa. O Google Cloud prevê, a prazo, até 960 000 GPU Rubin distribuídos por várias instalações.

O primeiro cliente é a Ineffable Intelligence, a empresa londrina de David Silver, o criador do AlphaGo, que pretende treinar sistemas capazes de aprender continuamente com a sua própria experiência. A WPP afirma, com base nos seus primeiros testes, ter conseguido executar numa única instância A5X cargas de trabalho de agentes criativos que, até então, exigiam um cluster de vários nós.

🔗 A publicação da NVIDIA sobre as instâncias A5X

Confidential Bare Metal: a NVIDIA protege os modelos dos laboratórios em máquinas que não lhes pertencem

21 de outubro — A NVIDIA alarga a sua computação confidencial com Confidential Bare Metal, uma opção pensada para laboratórios que treinam ou disponibilizam modelos de ponta numa infraestrutura dedicada de terceiros, num fornecedor de cloud, neocloud ou numa empresa. Estes instalam aí a sua própria stack de software, incluindo o software do host e da plataforma, mantendo o controlo dos seus modelos e dados graças a novos mecanismos de controlo: proteção dos dados em trânsito, medição da integridade da plataforma e restrições de acesso impostas pelo hardware.

A oferta conta agora com três modos (bare metal, contentores Kubernetes, máquinas virtuais), estende-se aos sistemas Grace Blackwell e Rubin e será integrada no DSX OS, a arquitetura de referência dos fornecedores de cloud que constroem fábricas de IA. A Cohere prevê utilizá-la no Cohere Model Vault, e o Google Cloud alarga-a às suas instâncias A4X Max, baseadas em GB300 NVL72, ao mesmo tempo que disponibiliza o Confidential Computing de forma geral nas suas VM G4. Em setembro, a NVIDIA tinha demonstrado inferência confidencial em B200 que conservava entre 96,1 e 98,2 % do débito.

🔗 A publicação da NVIDIA sobre Confidential Bare Metal

Agentes empresariais na NVIDIA: a OpenShell Reference Architecture, o Agent Toolkit e os modelos Kumo

21 de outubro — Na GTC Berlin, a NVIDIA apresentou a OpenShell Reference Architecture, uma arquitetura de referência para construir, confinar, observar e supervisionar agentes nas empresas, disponível desde já. Esta transforma o OpenShell, o runtime open source que coloca um agente numa sandbox controlada por políticas ao nível do kernel, numa stack completa de hardware e software. Jensen Huang resume a divisão: os agentes pensam em Rubin, atuam em Vera e são governados em BlueField. Para ele, as capacidades e a segurança da IA devem avançar em conjunto, numa altura em que as empresas se preparam para implementar milhares de milhões de agentes.

Componente da stack	Função anunciada	Valor avançado pela NVIDIA
Vera Rubin NVL72	Inferência de modelos, fechados ou abertos criados com Nemotron	30 vezes mais débito por megawatt em cargas de trabalho agênticas
CPU Vera	Harnesses de agentes e chamadas de ferramentas	2 vezes o desempenho dos processadores x86
DPU BlueField-4 com NVIDIA Sentry	Monitorização fora de banda, políticas impostas no silício	Paragem de um agente em poucos milissegundos, até 20 % mais capacidade para agentes

Se um agente tentar sair do seu perímetro, o Sentry coloca-o em quarentena e interrompe-o em poucos milissegundos, segundo a NVIDIA. A arquitetura estende-se às estações de trabalho RTX Spark, DGX Spark e DGX Station e funciona em Linux e Kubernetes (Canonical, SUSE, Red Hat), bem como em Windows, com Microsoft Execution Containers, na AWS, no Google Cloud e no Azure.

Os agentes dos modelos da Anthropic, Cohere, Google, Meta, OpenAI, Perplexity, Reflection e SpaceX Super Intelligence podem ser executados nesta arquitetura. Onze fornecedores de software de segurança, incluindo CrowdStrike, Palo Alto Networks, Zscaler, Okta e 1Password, estão a integrá-la, o BBVA e o Santander estão a explorá-la, e a Cadence, Dassault Systèmes, IBM, SAP, Siemens e Synopsys estão a desenvolver soluções sobre ela. A SAP liga-a ao runtime do Joule Studio, e a ServiceNow aproveita para disponibilizar de forma geral o ServiceNow Arc, um agente pessoal de longa duração cujas ações são executadas pelo OpenShell; o seu AI Passport transmite as suas políticas ao OpenShell e ao Sentry para revogar o acesso de um agente em poucos segundos.

🔗 O comunicado da NVIDIA · O tweet de @NVIDIAAI

Agent Toolkit: Agent Knowledge Foundation e a família de modelos abertos Kumo

21 de outubro — Na mesma stack, a NVIDIA alarga o seu Agent Toolkit open source com um componente dedicado aos dados empresariais, o Agent Knowledge Foundation. Este reúne as bibliotecas CUDA-X (cuDF, cuGraph, cuML, cuOpt, cuVS), uma nova biblioteca Auto-Ontology que traduz os dados brutos em conceitos de negócio (clientes, produtos, encomendas) e relações, sem mover os dados nem alterar os controlos de governação, os modelos de pesquisa Nemotron Retriever e a família de modelos abertos Kumo, que faz previsões a partir de dados tabulares, relacionais ou temporais (Kumo Tabular, Relational, Time Series e Forecast). O kit inclui também o runtime OpenShell e os blueprints NemoClaw, incluindo um novo dedicado à otimização dos agentes.

A NVIDIA cita os primeiros resultados dos seus parceiros: o reranker ajustado da SAP funciona quase 3 vezes mais depressa, a ServiceNow reduz a sua latência de reranking em quase um quarto, e o Amazon OpenSearch Service ganha relevância praticamente sem latência adicional. A Databricks associa o Kumo Anomaly ao Genie Ontology, a Snowflake disponibiliza o Kumo Engine e o Kumo Relational nos seus notebooks, e a NVIDIA utiliza-os na sua própria cadeia de abastecimento, com a Palantir. A família Kumo tinha sido lançada no final de setembro com o Kumo Tabular.

🔗 A publicação da NVIDIA sobre o Agent Toolkit

Flint: a Recursive publica um MoE aberto de 40 mil milhões de parâmetros para programar localmente, e a Base Labs os seus modelos de decisão

21 de outubro — A Recursive, a empresa de Richard Socher, publica o Flint, o seu primeiro modelo: uma mistura de especialistas (mixture-of-experts) concebida para programação agêntica em hardware local. Tem 39,8 mil milhões de parâmetros no total, mas ativa apenas cerca de 2,5 mil milhões por token, o que lhe permite funcionar num computador portátil. Os pesos são publicados sob a licença Apache 2.0 no Hugging Face, em BF16 e em versões quantizadas INT4 e NVFP4 (GGUF), e o modelo pode ser utilizado com Ollama, LM Studio, Unsloth ou exo, ou gratuitamente no OpenCode e no Pi.

Benchmark ou característica	Valor segundo a ficha do Flint
Terminal-Bench 2.1	54,9 %
SWE-bench Pro v2	89,7 %
SWE-bench Verified	74,2 %
Parâmetros totais e ativos	39,8 mil milhões, dos quais cerca de 2,5 mil milhões ativos por token
Especialistas por camada MoE	256 encaminhados, dos quais 6 ativos, mais 1 partilhado
Contexto documentado	262 144 tokens

As pontuações são médias de pass@1 em pelo menos cinco tentativas, medidas pela Recursive; no Terminal-Bench, as soluções encontradas através de pesquisa na web contam como falhas, e as pontuações dos concorrentes são, em parte, as anunciadas pelos seus criadores, com protocolos diferentes. Segundo a Recursive, nenhum outro MoE com menos de 50 mil milhões de parâmetros obtém melhores resultados nestes três benchmarks, e o Flint rivaliza com modelos densos de 25 a 40 mil milhões de parâmetros, sendo mais de cinco vezes mais rápido. A empresa anuncia mais de 125 tokens por segundo num MacBook Pro M4 Pro e mais de 150 numa NVIDIA RTX Spark de 64 Go. A publicação refere até 512k tokens de contexto, recomendando ficar abaixo dos 256k, e aconselha a dividir as tarefas complexas: o Flint pode exigir mais orientação do que os grandes modelos fechados.

O Flint serve também de demonstração da Eureka Machine, o sistema de investigação automatizada da Recursive, que encadeia propostas de ideias, implementação, testes e escolha da próxima linha de investigação. Segundo a empresa, este sistema contribuiu para os dados, os otimizadores, as receitas de treino, a infraestrutura e a inferência, e permitiu a uma pequena equipa construir o modelo de raiz em menos de quatro meses.

🔗 A publicação da Recursive · RecursiveSI/flint no Hugging Face

A Base Labs, o laboratório da Baseten, publica os modelos de decisão mammoth-1 e elephant-1

21 de outubro — A Baseten publica dois modelos de decisão treinados pelo seu laboratório de investigação, a Base Labs: mammoth-1, de 27 mil milhões de parâmetros, e elephant-1, de 9 mil milhões. Um modelo de decisão não redige uma resposta: devolve uma probabilidade para cada resposta possível a uma pergunta de escolha, de classificação ou de sim ou não, o que permite definir limiares de confiança para passar a decisão a um humano quando são ultrapassados. Segundo a Baseten, pode responder até 10 vezes mais depressa do que um modelo de raciocínio. Os dois modelos são versões pós-treinadas de Qwen3.5-27B e Qwen3.5-9B, com 6,21 milhões de exemplos, incluindo casos em que é necessário saber responder «não sei».

Modelo de decisão	Modelo de base	Jev Decision Index 0.4	Artificial Analysis Decision Index
mammoth-1	Qwen3.5-27B	71,24, primeiro entre 208	65,9
elephant-1	Qwen3.5-9B	Melhor modelo de 9B, 8.º empatado	65,2

Os dois modelos são gratuitos durante uma semana nas Model APIs da Baseten, sem retenção de dados por predefinição. A Baseten apresenta-os como open source: as suas fichas no Hugging Face indicam uma licença MIT.

🔗 A publicação da Baseten

Pesquisa documental para agentes: Cohere lança Rerank 5, NVIDIA publica Nemotron 3.5 Embed, Rerank e Parse

21 de outubro — A Cohere lança Rerank 5, a nova geração dos seus modelos de reordenação (reranking) para pesquisa empresarial, em duas versões: Rerank 5 Pro (rerank-v5.0-pro) visa a melhor qualidade, sobretudo em consultas que exigem raciocínio e em documentos longos ou especializados, e Rerank 5 Fast (rerank-v5.0-fast) privilegia a latência e o volume, por exemplo para agentes que fazem muitas pesquisas por tarefa. Ambos estão disponíveis desde 21 de outubro na API da Cohere, a 0,05 dólares por milhão de tokens para Pro e 0,02 dólares para Fast, bem como no Model Vault, Microsoft Foundry, Amazon SageMaker e North. Suportam mais de 100 línguas, 32k tokens de contexto e dados semiestruturados, e a migração limita-se ao parâmetro model, sem reindexação.

A principal novidade chama-se Context Focus. Desativada por predefinição, esta opção devolve na mesma chamada as passagens mais relevantes de cada documento, sob a forma de intervalos de caracteres com pontuações, para enviar ao LLM apenas esses excertos. A Cohere testou-a com um agente de pesquisa (glm-5-3-flash, 17 conjuntos de 50 perguntas):

Pilha de pesquisa testada pela Cohere	Respostas corretas	Tokens consumidos
Apenas BM25	46 %	Referência
BM25 e Rerank 5 Pro	49 %	Não quantificado
Com Context Focus, limiar predefinido de 0,1	57 %	19 % menos do que sem Context Focus
Com Context Focus, limiar de 0,4	58 %	34 % menos do que sem Context Focus, 35 % menos do que apenas BM25
Seis benchmarks de pesquisa aprofundada, limiar de 0,4	52 %, contra 39 % com apenas BM25	41 % menos do que apenas BM25

É este último valor, medido em comparação com apenas BM25, que a sequência de publicações da Cohere resume como «até 41 %» menos tokens. Segunda alteração: as pontuações são calibradas. Uma pontuação de relevância de 0,7 passa a significar uma probabilidade de 70 % de o documento ser útil, e o limiar de «mais provavelmente útil do que não» situa-se em 0,50 para Pro e 0,45 para Fast, o que permite filtrar por limiar ou detetar que não foi devolvido nenhum resultado relevante. Em comparação com dois conjuntos independentes de avaliações humanas, o erro de calibração esperado (ECE) é de cerca de 0,06 para ambos os modelos, contra 0,23 a 0,38 para Rerank 4 Pro e os dois modelos da Voyage AI testados.

Nos benchmarks públicos, avaliados com RCP-nDCG@10, o método de medição próprio da Cohere, Rerank 5 Pro fica em primeiro lugar em 39 dos 46 conjuntos compostos e obtém 82,2 no BRIGHT, que testa a pesquisa que exige raciocínio: mais 5,8 pontos do que Voyage AI Rerank 3 e mais 12,4 do que Rerank 4 Pro. Fast processa cerca de 187 documentos de 1 000 tokens por segundo num GPU A100, 2,9 vezes a taxa de processamento de Pro. Rerank 5 chega três semanas depois de Embed 5 e uma semana depois do vídeo curto em que a Cohere já o comparava com Rerank 4.

🔗 O artigo da Cohere · As notas de versão da Cohere

Nemotron 3.5 Embed, Rerank e Parse: a pesquisa documental multimodal da NVIDIA para agentes

21 de outubro — No mesmo dia, a NVIDIA alarga a sua coleção Nemotron Retriever (anteriormente Nemotron RAG) com modelos de embeddings, reordenação e extração de documentos, apresentados como abertos e utilizáveis comercialmente, e publicados no Hugging Face sob a licença OpenMDW 1.1. Nemotron 3.5 Embed está disponível em 8B, em 1B destilado do 8B e em 1B NVFP4, e pesquisa tanto em texto como em imagens de documentos (tabelas, gráficos, diagramas); Nemotron 3.5 Rerank 8B atribui pontuações a pares consulta-documento em texto e imagem, e Nemotron 3.5 Parse, com 631 milhões de parâmetros, converte páginas em texto estruturado.

No ViDoRe v3.1, Embed 8B atinge 61,17 de nDCG@10, o primeiro entre os modelos densos a 20 de outubro, e Rerank 8B obtém 60,49 contra 59,17 de Qwen-3-VL-Reranker-8B. Parse fica em primeiro lugar no ParseBench entre os modelos com menos de mil milhões de parâmetros, com 75,20 a 10,5 páginas por segundo num H100. Tal como a Cohere, a NVIDIA destaca o custo dos agentes, mas com outros benchmarks e outras referências:

Ponto de comparação	Cohere Rerank 5	NVIDIA Nemotron 3.5 Rerank
Distribuição	API paga, Model Vault, Foundry, SageMaker	Pesos no Hugging Face, licença OpenMDW 1.1
Poupança de tokens anunciada	Até 41 %, face a apenas BM25 em seis benchmarks	Cerca de 14 % por consulta de agente, com Embed 8B
Pontuação destacada	82,2 no BRIGHT (RCP-nDCG@10)	60,49 no ViDoRe v3.1 (nDCG@10)

Os dois valores de poupança não são diretamente comparáveis: a Cohere mede a sua pilha completa com Context Focus face a uma pesquisa apenas por palavras-chave, enquanto a NVIDIA mede a adição de Rerank após os seus próprios embeddings, no ViDoRe v3, BRIGHT e BrowseComp-Plus. Quanto à implementação, a versão NVFP4 de Embed 1B processa mais 27,1 % de documentos por segundo no GB200, mantendo 99,85 % da sua exatidão.

🔗 O artigo da NVIDIA sobre Nemotron Retriever

ChatGPT Ads: mais 26 países, 89 no total, e uma plataforma publicitária gerida por um LLM orquestrador

21 de outubro — A OpenAI expande ChatGPT Ads para mais 26 países, elevando a presença da sua plataforma publicitária a 89 países. Depois do México e do Brasil, a expansão abrange mais 14 países da América Latina, incluindo a Argentina, o Chile, a Colômbia e o Peru, bem como novos mercados na Europa, no Médio Oriente, em África e na Ásia, como a Nigéria, a África do Sul, a Sérvia, a Ucrânia, o Camboja, o Bangladesh e o Paquistão. Mais de 100 000 anunciantes lançaram campanhas desde a disponibilização dos anúncios, há pouco mais de oito meses, e mais de 1,2 mil milhões de pessoas utilizam o ChatGPT todas as semanas. Os anúncios continuam limitados aos planos Free e Go; Plus, Pro e Enterprise continuam isentos. No final de agosto, a plataforma anunciava mil milhões de dólares de receita anualizada e presença em mais de 40 países.

No mesmo dia, dois engenheiros da OpenAI, Ritendra Datta e Karthik Gopalratnam, descrevem a pilha técnica desta plataforma. Numa conversa, a intenção comercial constrói-se ao longo de vários turnos, algo que os sistemas clássicos, concebidos para uma consulta ou uma visualização de página, gerem mal. Por isso, a OpenAI optou por sessões publicitárias com estado, que mantêm a memória entre turnos e conversas, um LLM de fronteira pós-treinado, o «orquestrador», que gere todo o fluxo através de chamadas a ferramentas, e um serviço de seleção separado da geração de respostas, com os seus próprios modelos e código.

Etapa da cadeia publicitária	O que acontece
Intenção	O orquestrador resume a conversa numa ou mais consultas
Pesquisa	Embeddings semânticos e pesquisa aproximada dos vizinhos mais próximos em vários índices
Filtragem	Orçamento, ritmo de despesa, segmentação, regras, desduplicação por anunciante
Pontuação	Relevância, envolvimento previsto, desempenho anterior
Leilão	Escolha do anúncio e do seu preço, fora do orquestrador

O ChatGPT não depende deste sistema: se estiver lento ou indisponível, a resposta é apresentada normalmente, um anúncio que chegue demasiado tarde não é mostrado, e não devolver qualquer anúncio é um resultado normal. O anúncio selecionado aparece por baixo da resposta, identificado como patrocinado, com um breve preâmbulo neutro gerado por um modelo. Os modelos mais potentes da OpenAI avaliam o conjunto e treinam modelos mais pequenos para a orquestração ou a pesquisa, e o Codex serviu de multiplicador de capacidade para construir a pilha, quando há um ano a OpenAI ainda não tinha qualquer sistema publicitário.

🔗 A expansão para 26 países · A pilha publicitária do ChatGPT

IA para a biologia e a medicina: GPT-Rosalind lê um atlas CRISPR, RFD4-Proteina e Cosmos3-H-Dreams

Três anúncios aplicam a IA aos seres vivos: agentes da OpenAI que analisam um atlas genético, um modelo de conceção de proteínas aberto no navegador e um simulador de cirurgia que gera a imagem em tempo real.

Milhares de agentes GPT-Rosalind analisam em 32 minutos um atlas CRISPR do cérebro de rato

21 de outubro — A OpenAI, a PerturbAI e a Scripps Research confiaram a milhares de agentes baseados em GPT-Rosalind a análise de um atlas CRISPR do cérebro inteiro do rato, que mede o efeito de perturbações genéticas em milhões de células. Cada agente estuda uma perturbação, examina as respostas celulares, pesquisa na literatura e propõe uma explicação; o conjunto forma um atlas de raciocínio (reasoning atlas) publicado no GitHub, com uma pré-publicação no bioRxiv.

Medida apresentada pela equipa	Valor publicado
Duração da análise pelos agentes	32 minutos
Análise humana comparável (estimativa)	De meses a um ano
Referências citadas com o maior volume de trabalho	Mais de 700, contra 11 para um único agente
Preferência dos especialistas em avaliação cega	75 % pelos relatórios dos agentes distribuídos

Destacam-se duas pistas. No cerebelo, perturbar Tsc2 altera a atividade de dezenas de genes ligados à comunicação neuronal, enquanto perturbar Tsc1 quase não altera nada, um resultado a relacionar com a esclerose tuberosa. E a perturbação de Dctn1, gene associado à síndrome de Perry, aumenta a expressão de genes de produção de colesterol, dando origem a uma hipótese considerada nova pelos especialistas, a testar em laboratório: poderá o restabelecimento da distribuição do colesterol nos neurónios protegê-los da degeneração?

🔗 O artigo de investigação da OpenAI · A pré-publicação no bioRxiv

RFD4-Proteina: o modelo de conceção de proteínas da NVIDIA e do Baker Lab, gratuito em GPU dedicados até 4 de novembro

21 de outubro — A NVIDIA torna RFD4-Proteina acessível no navegador. Este modelo aberto de conceção de proteínas, desenvolvido com o Baker Lab do Institute for Protein Design da Universidade de Washington, gera em conjunto a sequência e a estrutura de todos os átomos de uma proteína com base numa restrição: o alvo a que um ligante se deve ligar ou o motivo catalítico que uma enzima deve conter. Lida com contextos moleculares variados, desde pequenas moléculas a ácidos nucleicos, passando por glicanos e iões metálicos.

Os pesos estão no Hugging Face desde 6 de outubro, sob a licença BSD-3-Clause; a novidade é o acesso através de dois Spaces, um em GPU RTX PRO 6000 dedicados, gratuito de 21 de outubro a 4 de novembro a expensas da NVIDIA, e outro no ZeroGPU, que continua gratuito depois dessa data. O modelo oferece uma definição de reflexão (thinking setting), como os LLM: num benchmark de 24 alvos, com reflexão alta, produz 76,40 designs distintos por hora-GPU que passam os critérios de validação in silico, contra 13,24 de Proteina-Complexa, o segundo melhor método. No seu artigo sobre os modelos abertos apresentados na GTC Berlin, a NVIDIA afirma também que lidera em mais de dez tarefas de conceção e que é cerca de 13 vezes mais rápido do que RFdiffusion3 em proteínas de 200 aminoácidos. A NVIDIA sugere utilizá-lo na competição de design de proteínas patrocinada pela Anthropic e pela Adaptyv.

🔗 O artigo sobre RFD4-Proteina no Hugging Face · Os pesos de RFD4-Proteina

Cosmos3-H-Dreams: um simulador de cirurgia generativo que responde em tempo real aos movimentos do utilizador

20 de outubro — A NVIDIA apresenta Cosmos3-H-Dreams, um simulador generativo que reproduz em tempo real uma cena de cirurgia abdominal: o utilizador move uma pinça, agarra a vesícula biliar e levanta-a, e o modelo gera a imagem correspondente. Em vez de modelar a geometria e a deformação dos tecidos, este modelo de mundo (world foundation model) aprende a dinâmica visual a partir dos vídeos e da cinemática de colecistectomias reais realizadas com o robô Versius da CMR Surgical. Segundo a NVIDIA, é o primeiro simulador cirúrgico generativo em tempo real treinado com intervenções clínicas a aceitar controlo cinemático em direto.

O modelo parte de Cosmos3-H-Embodied-Nano, com 16 mil milhões de parâmetros, especializado com 28 dimensões de ação (pose e pinça dos dois braços, comandos de energia, eixos e botões dos comandos), e depois destilado em versões de quatro e duas etapas que funcionam de forma interativa numa única RTX PRO 6000, graças à biblioteca FlashDreams. Os dois checkpoints estão no Hugging Face, sob a NVIDIA Open Model License, com o código e um procedimento para adaptar o modelo aos próprios dados.

🔗 O artigo sobre Cosmos3-H-Dreams no Hugging Face

Robótica e IA física: o humanoide Agile ONE SN, Isaac Lab 3.0, Alpamayo 2 Edge e Cosmos Data Factory

A NVIDIA dedicou grande parte da sua keynote à IA física: um humanoide de referência para laboratórios, uma plataforma de aprendizagem de robôs em disponibilidade geral e novos modelos e ferramentas para a condução autónoma e os dados de treino. Os Microducks da Pollen Robotics e do Hugging Face chegaram mesmo a subir ao palco (ver as Breves).

Isaac: o humanoide de referência Agile ONE SN, Isaac Lab 3.0 e Isaac OS

21 de outubro — A NVIDIA alarga a sua plataforma de robótica Isaac com um humanoide de referência destinado à investigação. Construído pela Agile Robots, o Agile ONE SN chega pré-configurado com os modelos Isaac GR00T, e o sistema de segurança Halos deverá ser integrado. Deverá estar disponível no início de 2027, com o objetivo de reduzir a instalação de um laboratório de algumas semanas para alguns dias; Stanford e a ETH Zurich mostram interesse.

Característica do Agile ONE SN	Valor anunciado
Altura e peso	1,40 m, 40 kg
Graus de liberdade	31, mais 20 para cada uma das duas mãos
Carga útil	3 kg por braço
Computação a bordo	Jetson Thor, 2 070 téraflops FP4, 128 Go de memória unificada
Disponibilidade	Início de 2027

O resto da plataforma também avança: o Isaac Lab 3.0, o framework open source de aprendizagem de robôs, passa a estar disponível de forma geral com os motores de física Newton e PhysX, e um novo runtime open source, o Isaac OS, construído sobre o Holoscan, liga modelos, sensores e comandos. Três fluxos de trabalho de referência para a DGX Station mostram como aperfeiçoar o GR00T 1.7 por aprendizagem por reforço, treinar a manipulação hábil ou fazer o pós-treino de modelos Cosmos para produzir dados sintéticos. A NVIDIA publica ainda no Hugging Face uma biblioteca de mais de 2 000 objetos prontos para simulação e o Human 1M, um conjunto de vídeos sincronizados de três ângulos com seguimento 3D das mãos, cuja versão completa está reservada aos parceiros da Cosmos Coalition. Para Jensen Huang, o momento ChatGPT da robótica aproxima-se rapidamente.

🔗 O comunicado da NVIDIA sobre Isaac

Alpamayo 2 Edge e Cosmos Data Factory: a condução autónoma a bordo e os dados dos robôs

21 de outubro — Na publicação que apresenta os seus modelos abertos da GTC Berlin, a NVIDIA acrescenta o Alpamayo 2 Edge, um modelo de raciocínio compacto que funciona a bordo do veículo, no DRIVE AGX Thor, para compreender a cena e planear a trajetória em tempo real; baseia-se no NVIDIA Cosmos. No domínio dos dados, o Cosmos Data Factory reúne blueprints e skills de agentes para selecionar, anotar, gerar e avaliar conjuntos de treino, com novas ferramentas para melhorar os modelos de mundo com menos computação. A Porsche utiliza-o com a Voxel51, a ANYbotics com a Encord, a Zalando e a CEVA Logistics com a Sereact, assim como a Siemens. A mesma publicação apresenta o RFD4-Proteina e anuncia a chegada do Ising, a família de modelos da NVIDIA para computação quântica, ao AWS Parallel Computing Service.

🔗 A publicação da NVIDIA sobre os seus modelos abertos

Indústria e telecomunicações: Mistral e NVIDIA na engenharia, T-Mobile realiza a primeira chamada AI-RAN

Dois anúncios levam a IA para fora dos centros de dados: para os gabinetes de projeto da indústria e para as antenas das redes móveis.

Mistral e NVIDIA associam-se para aplicar IA à engenharia industrial, com benchmarks abertos

21 de outubro — A Mistral anuncia uma colaboração com a NVIDIA para aplicar a IA à engenharia industrial. As duas empresas querem construir fluxos de trabalho de engenharia nativamente assentes em IA (AI-native engineering workflows): o Mistral Large 4 e os pipelines de geração de dados e de modelação física da Mistral, acelerados pelas bibliotecas CUDA-X e Warp da NVIDIA, deverão encurtar as simulações e ligar, em circuito fechado, a simulação, o desenvolvimento dos modelos e a conceção. Os modelos da Mistral serão também integrados nas bibliotecas Omniverse, para gerar cenas 3D em GPU e objetos 3D SimReady.

O núcleo do projeto centra-se na avaliação: benchmarks públicos e conjuntos de dados abertos para comparar a precisão dos modelos de física e validar cadeias automatizadas da CAO à simulação, bem como avaliações da IA agêntica em engenharia assistida por computador (CAE) e em conceção eletrónica (EDA), para a aeronáutica, o setor automóvel e os semicondutores. Estas avaliações medirão se um agente sabe utilizar as ferramentas de engenharia, encadear tarefas em várias etapas e apresentar um resultado tecnicamente correto, juntamente com o tempo de execução e o custo de computação. Não são indicados nomes de benchmarks, conjuntos de dados, datas ou montantes. A publicação recorda que os pesos do Mistral Large 4 (cerca de 1 000 mil milhões de parâmetros, dos quais 49 mil milhões ativos), treinado em 3 800 GPU Grace Blackwell na Europa, continuam previstos para o final de outubro. Para Neil Ashton, vice-presidente de engenharia computacional da Mistral, o ritmo da engenharia é ditado há demasiado tempo pelo da simulação.

🔗 A publicação da Mistral · O tweet de @MistralAI

T-Mobile realiza a primeira chamada AI-RAN numa rede comercial, com NVIDIA e Nokia

21 de outubro — A NVIDIA anuncia que a T-Mobile realizou, em Bellevue (Washington), a primeira chamada AI-RAN numa rede comercial, com a Nokia. A AI-RAN executa o processamento da rede de rádio em GPU, que também podem servir modelos de IA mais perto dos utilizadores. Jensen Huang resumiu esta etapa numa frase: a CUDA passa agora a fazer chamadas telefónicas, após quase oito anos de trabalho, segundo ele.

Na Europa, a Elisa reivindica o primeiro ensaio de campo AI-RAN do continente, que faz passar voz, dados móveis e IA de visão pela mesma plataforma acelerada, a BT prepara ensaios no Reino Unido, e a Nokia instala o seu software anyRAN, acelerado por CUDA, no Aerial RAN Computer da NVIDIA para testes na BT, Deutsche Telekom, Elisa e Orange. Nove operadores da região EMEA estão a construir ou a expandir infraestrutura NVIDIA, e tanto a Nokia como a Cisco integram os modelos Nemotron nos seus programas de redes autónomas.

🔗 O comunicado da NVIDIA sobre AI-RAN

Voz e vídeo generativos: Eleven Realtime Translation, HeyGen Voice Turbo e a API do Kling 4.0

Três fornecedores de meios generativos avançam na oferta para programadores: tradução de voz em direto, um modelo de voz mais barato e uma API de vídeo aguardada há uma semana.

Eleven Realtime Translation: ElevenLabs disponibiliza em alpha a tradução de voz em direto durante chamadas

21 de outubro — No dia seguinte ao Eleven Realtime, os seus modelos de fala para fala para agentes de voz, a ElevenLabs disponibiliza uma alpha limitada do Eleven Realtime Translation, um modelo de tradução de voz em direto. Durante uma chamada, cada pessoa fala a sua própria língua e ouve o interlocutor na sua, com uma voz natural. A ElevenLabs resume a diferença: o Eleven Realtime destina-se a agentes que falam com pessoas, o Realtime Translation a pessoas que precisam de falar entre si.

O modelo abrange mais de 90 línguas e deteta automaticamente a de cada interlocutor. A voz de saída pode ser escolhida entre mais de 17 500 vozes da biblioteca, ou ser um clone da própria voz, e um controlo de prontidão (eagerness control) permite equilibrar a latência e a qualidade da tradução. O acesso está reservado às empresas durante a alpha, através da ElevenAPI, sem preços nem publicação no blog.

🔗 O anúncio de @ElevenLabsDevs

HeyGen Voice Turbo: primeiro na vista Controlled Voice da Artificial Analysis, à frente do HeyGen Voice

21 de outubro — Doze dias depois do HeyGen Voice, o seu primeiro modelo de voz próprio, a HeyGen lança uma variante Turbo, mais rápida e mais barata, disponível na sua API; o ponto de acesso Turbo da API é gratuito até 30 de novembro. A HeyGen afirma ocupar os dois primeiros lugares da classificação de síntese de voz da Artificial Analysis. Trata-se da vista Controlled Voice, que compara os modelos com as mesmas vozes clonadas, na qual o Qwen-Audio-3.1-TTS-Plus completa o pódio e as margens de incerteza deixam os três primeiros praticamente empatados.

Modelo de síntese de voz	Elo na vista Controlled Voice	Preço indicado pela Artificial Analysis
HeyGen Voice Turbo	1 202 (±19)	4 dólares por milhão de caracteres
HeyGen Voice	1 195 (±15)	30 dólares por milhão de caracteres

Tal como em 9 de outubro, a HeyGen não aparece no topo da vista Provider Voice, que compara as vozes fornecidas por cada fornecedor.

🔗 O anúncio da HeyGen · A vista Controlled Voice da Artificial Analysis

Kling disponibiliza a API do Kling 4.0, também oferecido na fal, Higgsfield e Runway

21 de outubro — Seis dias após a disponibilização completa do Kling 4.0 no seu site, a Kling lança oficialmente a API do seu modelo de vídeo, prometida para breve em 15 de outubro, para o integrar em produtos e fluxos de trabalho. O anúncio não indica preços nem uma ligação para a documentação. O modelo chega no mesmo dia a várias plataformas de terceiros: a fal e a Higgsfield acrescentam-no, a Kling destaca-o na Magnific, e a Runway oferece três dias de utilização ilimitada do Kling 4 a qualquer novo subscritor Max ou Team.

🔗 O anúncio de @Kling_ai · A oferta da Runway

GitHub copiou 99,99999 % dos seus repositórios para o Azure e passa a um quorum por referência

21 de outubro — Duas semanas depois de expor os princípios da sua futura infraestrutura Git, o GitHub descreve a etapa intermédia, ditada pela viragem agêntica. Agora, 99,99999 % dos seus repositórios residem simultaneamente nos seus próprios centros de dados e no Azure, onde a primeira cópia chegou em agosto de 2025; a maioria tem aí duas das suas cinco réplicas, e o Azure já serve cerca de metade do tráfego Git. Restam os 0,00001 % mais solicitados, retidos por uma viagem de ida e volta na rede de cerca de 25 ms até uma região Azure situada a cerca de 1 000 milhas.

O bloqueio vem do quorum do Spokes, o sistema que replica cada repositório: uma escrita espera por todas as réplicas em bom estado e bloqueia o repositório inteiro, pelo que a réplica mais lenta dita o ritmo. O GitHub passa, por isso, de um quorum por repositório para um quorum por referência: duas escritas só esperam uma pela outra se afetarem o mesmo branch, o que é raro quando agentes e programadores fazem push, cada um para o seu. Em testes internos, as escritas em referências diferentes obtiveram um débito 3 a 4 vezes superior. O Azure Blob Storage também entra no quorum através de uma «réplica virtual» de escrita, o primeiro nó inteiramente efémero do GitHub, e podem ser criadas réplicas virtuais de leitura a pedido para repositórios que recebem de 100 a 1 000 leituras por escrita. A última parte da série é esperada no GitHub Universe, na próxima semana.

🔗 A publicação de engenharia do GitHub

JOLT: Perplexity Research e NVIDIA atribuem ao mesmo modelo os papéis de professor e aluno

21 de outubro — A Perplexity publica com a NVIDIA o JOLT (Joint On-policy Learning and Teaching, aprendizagem e ensino conjuntos), um método de pós-treino em que um único modelo desempenha dois papéis. A aprendizagem por reforço clássica, como o GRPO, dá apenas uma recompensa por tentativa; a autodestilação acrescenta feedback token a token, com o mesmo modelo a desempenhar o papel de professor, que dispõe de informação privilegiada, como uma solução verificada, e de aluno, que não a tem. Mas, com as suas pistas, o professor pode tomar atalhos fora do alcance do aluno: o JOLT treina, por isso, também o professor, com base nas suas próprias recompensas, com uma penalização quando se afasta do que o aluno faria.

Benchmark avaliado	Modelo de base	Ganho do JOLT+ sobre o GRPO
GSM8K	DeepSeek-V2-Lite	+1,5 ponto
MATH	Qwen3-0.6B	+4,2 pontos
LiveCodeBench v6	Qwen3-8B	+3,0 pontos
AppWorld	Qwen3-4B-Instruct	+9,9 pontos
Terminal-Bench 2.1 (pass@1)	Qwen3-30B-A3B-Instruct	+2,7 pontos

A variante JOLT+, que acrescenta a recompensa própria do aluno, supera o GRPO, a melhor referência testada, nos cinco benchmarks; sem ela, o JOLT supera o GRPO em matemática e código, mas fica atrás em AppWorld e Terminal-Bench. O ganho mais claro diz respeito ao custo: em MATH, com a mesma precisão (63,44 %), o GRPO consumiu 8,40 milhões de tokens de treino, contra 1,30 milhões segundo a curva ajustada do JOLT, ou seja, 6,5 vezes menos. O artigo completo está no arXiv desde 7 de outubro, e a publicação não associa o método a nenhum produto da Perplexity.

🔗 A publicação da Perplexity · O artigo no arXiv

Agentes de código: Claude Code 2.1.305, Gemini CLI 0.65 a 0.67, Delta 0.21, Replit Agent com Stripe Atlas e PDD Kit

As CLI de agentes corrigem as suas regressões e abrem-se às redes empresariais, o Delta liga-se ao Claude Code, o Replit Agent aprende a criar uma empresa e o GitHub Next promete provar o código dos agentes em vez de o reler. Quanto à OpenAI, não foi lançada nenhuma versão estável do Codex CLI desde a 0.163.0 de 15 de outubro; o Copilot CLI 1.0.102, o Qwen Code, a CLI mistral e as outras ferramentas do dia estão nas Breves.

Claude Code 2.1.305 corrige os pedidos bloqueados pela pesquisa de ferramentas no Vertex e no Bedrock

20 de outubro — O Claude Code 2.1.305 (38 entradas, incluindo 22 correções) corrige, em primeiro lugar, uma regressão da 2.1.304: no Vertex, no Bedrock e noutros fornecedores, todos os pedidos falhavam quando o ponto de acesso ou um gateway recusava a pesquisa de ferramentas (tool search), ou quando um gateway proibia o ToolSearch ou o omitia de --tools. O Claude Code volta agora a tentar sem ela. Em Linux, sandbox.allowNestedUserNamespaces permite que os comandos da sandbox criem namespaces de utilizador, para Chromium ou podman sem root; as notas avisam que isto lhes permite contornar as proteções de ficheiros da sandbox.

/usage transforma cada aviso numa correção de uma linha que identifica a sua origem, aplicável com a tecla f. Para os administradores, allowedMcpServers deixa de filtrar os servidores stdio de managed-mcp.json que só utilizam ${VAR} em env: um servidor deixado de fora da lista será carregado após a atualização, e deniedMcpServers permite mantê-lo desativado. A retoma de um Workflow deixa de relançar os agentes pipeline() e parallel() já concluídos. Publicada em 21 de outubro, a 2.1.306 acrescenta duas correções, incluindo a de claude -p, que indicava não estar ligado numa sessão cloud iniciada sem as suas variáveis de ambiente.

🔗 As notas do Claude Code 2.1.305

Gemini CLI: stable v0.65.0, preview v0.66.0 e OAuth MCP em rede privada

20 de outubro — O Gemini CLI concluiu o seu ciclo semanal na noite de 20 de outubro, com a preview v0.66.0-preview.0 às 21 h 04 UTC e a stable v0.65.0 às 21 h 17 UTC; a nightly v0.67.0 de 21 de outubro abre depois a série 0.67.0. A stable limita-se a promover correções já apresentadas (cabeçalhos OTLP personalizados, filtragem mais rápida dos ficheiros ignorados, fim dos ciclos OAuth), mas a preview e a nightly acrescentam quatro PR inéditas.

A mais útil para as empresas é a opção oauth.allowPrivateNetwork, a ativar servidor a servidor em settings.json, que permite aceder a servidores MCP e fornecedores OAuth 2.0 alojados numa rede interna (intervalos RFC 1918, RFC 6598 e RFC 4193, domínios .internal e .local), até agora rejeitados pela validação dos endereços. A ferramenta shell deixa de substituir a configuração Git do utilizador, o que fazia falhar git commit por falta de identidade, e uma mensagem de erro que contenha simplesmente 401, como a porta localhost:4012, deixa de acionar indevidamente a deteção OAuth. O Gemini 4 Argon continua sem chegar: o bot do repositório anunciou que a PR da comunidade que o acrescenta seria encerrada no prazo de 7 dias, por falta de um ticket marcado como help wanted.

Versão publicada do Gemini CLI	Data e hora (UTC)	Conteúdo inédito
v0.66.0-preview.0	20 de outubro, 21 h 04	4 PR, incluindo OAuth MCP em rede privada
v0.65.0 (stable)	20 de outubro, 21 h 17	Nenhum, promoção da série 0.65.0
v0.67.0-nightly.20261021	21 de outubro, 01 h 33	As mesmas 4 PR, abertura da série 0.67.0

🔗 Gemini CLI v0.66.0-preview.0 · Gemini CLI v0.65.0

Delta 0.21 abre conversas partilhadas no Claude Code e liga-se ao servidor MCP do Figma

21 de outubro — O Delta, o ambiente multijogador da Zed para programar com agentes, passa para a versão 0.21.0, com 12 novidades, 14 melhorias e 48 correções. O comando Open in Claude Code abre uma conversa partilhada no Claude Code, tanto no desktop como na web, desde que o plugin Delta para Claude Code esteja instalado, e os colaboradores que entram numa conversa a partir de uma ferramenta externa, incluindo o Claude Code, aparecem na barra de participantes com o nome da sua ferramenta. O Delta também se liga ao servidor MCP do Figma, uma semana depois de o Figma o ter mencionado entre os seus novos parceiros MCP.

A CLI ganha delta update, a compactação manual continua disponível enquanto um agente local trabalha, e os comandos slash passam a ter nomes orientados para a ação (/change-model, /fork, /set-thinking-level). Entre as correções, o Grok 4.7 passa finalmente a usar toda a sua janela de 500k tokens com uma subscrição Grok, e os agentes deixam de parar silenciosamente quando chamam uma ferramenta indisponível. Os comandos delta daemon desaparecem: o Delta passa a iniciar-se a pedido.

🔗 As notas de versão do Delta 0.21.0

Replit Agent pode constituir uma sociedade com o Stripe Atlas, agora no MCP e na CLI da Stripe

21 de outubro — A Replit anuncia que o seu agente pode agora constituir uma sociedade para o utilizador, através da integração MCP da Stripe e do Stripe Atlas, o serviço de criação de empresas da Stripe; o anúncio não especifica preços nem condições próprias da Replit. Baseia-se numa novidade anunciada meia hora antes pela conta @atlas: o Atlas está disponível no servidor MCP e na CLI da Stripe.

Interface Stripe utilizada	Papel num pedido Atlas
Servidor MCP	Percurso conversacional a partir de um agente: requisitos, informações sobre a sociedade, validações
Stripe CLI	Percurso no terminal através de prompts estruturados, que pode ser iniciado por um agente de código
Painel da Stripe	Identidade, pagamento, revisão dos documentos, assinaturas e submissão

Segundo o artigo do blog de programadores da Stripe, datado de 19 de outubro, é possível retomar o mesmo pedido noutra interface. O Atlas suporta C corporations e LLC do Delaware, incluindo as que têm vários fundadores: constitui a sociedade, obtém o número de identificação de empregador (EIN), inicia a aquisição gradual das participações dos fundadores (vesting) e apresenta as opções fiscais 83(b). O artigo menciona o Claude Code e o Cursor entre os ambientes configurados automaticamente, mas não a Replit, que faz o seu próprio anúncio.

🔗 O anúncio da Replit · O anúncio do Stripe Atlas · O artigo de stripe.dev

PDD Kit: GitHub Next e Microsoft Research querem provar a correção do código Rust dos agentes, com integração no Chopin

21 de outubro — O GitHub Next e a Microsoft Research apresentam o Proof Driven Development Kit (PDD Kit), que transforma o plano de um programador numa especificação formal e depois prova que o código escrito pelo agente a respeita para todas as entradas possíveis. No exemplo do fluxo de início de sessão de uma aplicação, o PDD Kit discute o código, deduz a intenção ao longo da conversa e propõe uma especificação em Verus, uma linguagem de prova para Rust; uma vez aprovada a especificação, o verificador Verus prova automaticamente que o código está em conformidade. Quando a prova não é possível, a ferramenta recorre a testes e a agentes de utilização do computador (computer-use agents). Atualmente, funciona apenas com Rust.

O GitHub apresenta-o como uma versão preliminar de investigação que deverá permitir colocar em produção código gerado por IA sem o rever linha a linha, e a Microsoft Research como a exploração de uma abordagem mais rigorosa; o GitHub Next visa uma fábrica de software verificada, onde os engenheiros revêm especificações em vez de código. O kit está integrado no Chopin, o editor de planos multijogador que o GitHub Next publicou em open source, sob licença MIT, em setembro. Nenhum artigo, repositório ou documentação do PDD Kit acompanha o anúncio: a demonstração será no GitHub Universe, a 28 e 29 de outubro.

🔗 O anúncio de @GitHubNext · O repositório do Chopin

Breves

Agentes e ferramentas de código

Copilot CLI 1.0.102 — A versão stable do GitHub, sem novas funcionalidades de relevo, faz com que o modo prompt respeite a seleção automática do modelo imposta pela empresa e com que os subagentes respeitem as aprovações de ferramentas personalizadas e MCP; a sandbox segue NO_PROXY e ALL_PROXY; no mesmo dia, o servidor MCP do GitHub passa para a versão 2.0.3. 🔗 fonte
Qwen Code v0.25.4 em versão preliminar — 173 alterações desde a v0.25.3, incluindo qwen daemon start para controlar um daemon local, um Managed Agent instalável num único servidor com unidades systemd e um Web Shell que apresenta o tempo até ao primeiro token de cada modelo; a versão stable ainda não foi lançada. 🔗 fonte
A CLI mistral 0.10.0 — No dia seguinte à 0.9.0, mistral apps delete elimina uma aplicação implementada juntamente com os seus módulos e bases de dados, mediante um sinalizador de funcionalidade (feature flag), e as atualizações dos registos fazem uma fusão de três vias dos ficheiros de modelo modificados; numa alteração incompatível, as versões antigas rejeitam o novo campo version. 🔗 fonte
v0 e Slack — Através do servidor MCP do Slack, o v0 lê as conversas e os ficheiros de um espaço de trabalho, usa-os como contexto para uma alteração e publica aí o progresso, limitado aos canais acessíveis à conta, em todos os planos. 🔗 fonte
Conversas partilhadas na Replit — Uma conversa, um elemento isolado ou os devURLs de uma discussão podem ser partilhados com os membros do respetivo espaço de trabalho, apenas para leitura; sem artigo nem plano especificado. 🔗 fonte
As extensões do Agents CLI — A Google detalha o sistema de extensões da sua ferramenta de agentes, aberto desde a versão 1.5.0 de 1 de setembro: a extensão oficial LangChain substitui os 6 comandos específicos do ADK, num total de cerca de 24, e uma equipa de plataforma pode impor a sua própria regra, como uma análise SBOM antes de cada implementação. 🔗 fonte
Manus Game Dev — O Manus passa a suportar o esqueleto de animação (rigging) e a animação de personagens 3D, e torna a geração 3D várias vezes mais rápida, sem números precisos nem indicação do custo em créditos. 🔗 fonte

Assistentes e empresas

Kimi Work 3.2.18 — Os utilizadores Enterprise da aplicação agêntica da Moonshot AI podem criar plugins personalizados e publicá-los no marketplace, bem como alternar entre espaços de trabalho, agrupados por empresa. 🔗 fonte
Viktor passa para o Grok 4.7 — O agente apresentado como um funcionário de IA, que afirma ter mais de 70 000 equipas e angariou 75 milhões de dólares em maio, passa a funcionar com o modelo da SpaceXSI, sem indicar se este se torna o modelo predefinido. 🔗 fonte
HCLTech no Claude Partner Network — O grupo com mais de 230 000 pessoas torna-se parceiro Global Premier, com uma Anthropic Business Unit, Claude no HCL BigFix e no HCL AppScan, e Claude Code na sua plataforma AI Force; sem valores divulgados. 🔗 fonte
Terminal X — Num estudo de caso da OpenAI publicado a 20 de outubro, o agente de avaliação desta startup coincide com o revisor sénior de um fundo em 88,6 % de 500 avaliações com o GPT-6.1 Sol, contra 86,4 % do segundo melhor modelo, não identificado. 🔗 fonte
AT&T e OpenAI — O departamento jurídico da AT&T amplia o alcance da sua equipa LegalEdge para construir uma camada de conhecimento comum e, em projeto, um ponto de entrada para pedidos em linguagem natural; a decisão continuará a caber aos juristas, segundo o seu diretor jurídico David McAtee, e não são apresentados números. 🔗 fonte

Governação e segurança

O primeiro Public Benefit Report da Anthropic — O relatório anual da empresa com missão organiza-se em torno de cinco pilares definidos com os membros do Long-Term Benefit Trust, da segurança técnica à partilha dos benefícios, e contabiliza 166 trabalhos em 2026, contra 114 em 2025. 🔗 fonte
Christopher Stubbs no Long-Term Benefit Trust — O antigo decano de ciências de Harvard, membro em 1998 da equipa que descobriu a aceleração da expansão do universo, torna-se o primeiro físico do Trust segundo a Anthropic, ao lado, entre outros, de Ben Bernanke. 🔗 fonte
O plano da OpenAI para os ciberdefensores — Segunda parte da sua governação democrática da IA de fronteira, propõe aos governos e à indústria controlos de paragem fiáveis para os agentes, a modernização das defesas e avaliações independentes, naquilo a que a OpenAI chama uma janela do defensor. 🔗 fonte
x402 Agent Safety Bench — Neste benchmark comunitário de pagamentos por agentes, Claude Sonnet 5.5, GPT-6.1 Sol e Gemini 4 Argon evitam, por si só, 24 a 26 armadilhas em 39, e o DeepSeek V4 Pro apenas 12, com 142,31 dólares perdidos; com as skills do benchmark, nenhum perde dinheiro. 🔗 fonte
Passkeys no Hugging Face — O Hub aceita o início de sessão por chave de acesso (impressão digital, rosto, bloqueio de ecrã ou chave de segurança) em vez da palavra-passe, e como segundo fator de autenticação. 🔗 fonte
Tokens que expiram no GitHub CLI 2.103.0 — Em versão preliminar pública, gh auth login --expiring guarda um token de acesso de curta duração renovado em segundo plano, pelo que um token divulgado se torna inutilizável em poucas horas; será a predefinição para novos inícios de sessão numa versão futura. 🔗 fonte

API e cloud

Níveis de serviço por projeto na API da OpenAI — As definições da Platform permitem escolher os níveis de serviço, como Ultrafast, que cada projeto pode utilizar, e a organização pode restringi-los para todos os seus projetos. 🔗 fonte
Vertex AI nos SDK da OpenAI — openai-python 3.36.0 e openai-node 7.41.0 suportam Vertex AI para a Responses API, com contadores de utilização para as escritas em cache de 30 minutos e a gestão do consentimento das vozes personalizadas. 🔗 fonte
Gemini no Google Distributed Cloud — Na GTC Berlin, a Google acrescenta o Gemini 3.5 Flash à versão desligada da Internet (air-gapped) do seu cloud instalado nas instalações do cliente, disponibiliza em versão preliminar uma pesquisa empresarial por RAG (100 Mo por ficheiro, 500 Mo por conversa) e passa os sistemas HGX B300 para disponibilidade geral. 🔗 fonte · 🔗 pesquisa RAG
Os gastos em tokens segundo a Perplexity — Um guia enumera cinco fontes de consumo excessivo e detalha as definições de Enterprise: 500 créditos por mês em Enterprise Pro, 15 000 em Enterprise Max, sem acumulação, e limites com nome por grupo; não é anunciada nenhuma novidade. 🔗 fonte

NVIDIA: robótica, indústria e hardware

Microduck no Isaac Lab 3.0 — NVIDIA, Pollen Robotics e Hugging Face publicam um tutorial para ensinar o pequeno robô bípede a andar, com o motor Newton e até 1,25 milhão de passos de simulação por segundo em 16 GPU, no dia em que Microducks sobem ao palco da keynote. 🔗 fonte
SimReady Central — Mais de 2 000 objetos 3D OpenUSD com as propriedades exigidas por uma simulação (colisões, massa, atrito) chegam em acesso livre ao Hugging Face, de braços robóticos a sistemas de arrefecimento. 🔗 fonte
Halos SAFE, FOX e cuDSS — A NVIDIA lança o Halos SAFE, uma estrutura de provas de segurança para o setor automóvel, a Volvo Cars adota Hyperion e Alpamayo, o blueprint de agentes para fábricas FOX chega em acesso antecipado (a Siemens espera obter cerca de 20 % de poupança) e o cuDSS passa para disponibilidade geral. 🔗 fonte · 🔗 FOX e cuDSS
As capacidades dos fornecedores da NVIDIA — Substratos multiplicados por 2,5 em três anos, mais de 300 % de aumento no encapsulamento avançado da Amkor até ao final de 2028 e um adiantamento de 1,1 mil milhões de dólares à KYEC para novas instalações nos Estados Unidos. 🔗 fonte
DGX Station para Windows em dezembro — A NVIDIA fixa a data da versão Windows anunciada sem data a 7 de outubro, e o NVIDIA Sync poderá agrupar até oito DGX Spark, contra os dois anunciados no início de outubro. 🔗 fonte
NVIDIA e UER — Com a aproximação da GTC Berlin, a 19 de outubro, a NVIDIA e a União Europeia de Radiodifusão, que reúne mais de 115 meios de comunicação públicos, abrem as suas normas soberanas para agentes aos clouds soberanos, aos fornecedores de modelos abertos e aos integradores. 🔗 fonte

Modelos abertos e investigação

Kumo Forecast e Kumo Anomaly — A NVIDIA reúne sob a marca Kumo os seus modelos de séries temporais NV-Tesseract, sob Apache 2.0 e no Hugging Face desde abril; ajustado com 50 000 observações normais, o Kumo Anomaly passa de 0,016 para 0,201 de precisão média. 🔗 fonte · 🔗 Kumo Anomaly
bekko-static-embedding-v1 — Yuichi Tateno publica sob licença MIT embeddings estáticos multilingues que funcionam sem GPU: 43,76 no MNanoBEIR, cerca de 11 pontos à frente dos outros modelos estáticos, a cerca de 1 ponto do multilingual-e5-small em pesquisa. 🔗 fonte
MemoProAgent — Investigadores da Meta e de três universidades publicam sem anúncio o código de um assistente proativo que recupera uma memória pessoal e só fala se esta exigir uma ação, sem resultados quantificados. 🔗 fonte

O que isto significa

Os modelos de fronteira tornam-se um catálogo que cada grande cloud quer apresentar completo. Depois do Amazon Bedrock e do Oracle Cloud em junho, a OpenAI entra no Model Garden do Google Cloud, incluindo o Codex, e a Google afirma ser o único grande cloud a disponibilizar os três principais LLM fechados; o Antigravity, que já disponibiliza o Claude Opus 5.5 e o Sonnet 5.5, também receberá os modelos da OpenAI. Para uma empresa, a escolha do modelo torna-se independente da escolha do cloud, uma vez que o consumo é contabilizado nos compromissos já contratados; para a OpenAI, cada cloud é mais um canal de vendas, embora a Microsoft continue a ser o seu principal parceiro. A GTC Berlin segue a mesma lógica: a OpenShell Reference Architecture executa os agentes da Anthropic, da OpenAI, da Google ou da Meta na mesma stack.

Os agentes já trabalham sem que lhes seja pedido, e os seus mecanismos de proteção passam a integrar o produto, chegando até ao hardware. O Claude Duet consulta as contas a cada poucas horas e atua na sua própria máquina virtual, mas aguarda aprovação antes de pagar ou assinar, e recusa determinadas ações mesmo quando aprovadas; o Grok Bot mantém os dashboards atualizados de forma autónoma. Na NVIDIA, o Sentry monitoriza os agentes fora de banda a partir de um DPU BlueField-4 e interrompe-os em poucos milissegundos, e a ServiceNow pode revogar o acesso de um agente em poucos segundos. A questão já não é apenas o que um agente sabe fazer, mas quem o pode parar e em que camada da stack.

A descoberta de vulnerabilidades pela IA avança mais depressa do que a sua correção. O PHP2Shell afeta uma linguagem que faz funcionar cerca de 70 % dos sites web, com versões vulneráveis desde o PHP 5.4, e a OpenAI espera um forte aumento destas descobertas; o Claude Security afirma ter encontrado mais de um milhão de vulnerabilidades desde abril e passa ao scan contínuo para acompanhar as correções. O ponto de estrangulamento passa a ser a coordenação: aviso prévio aos operadores e às autoridades, apoio aos responsáveis pela manutenção, como propõe o quadro em cinco etapas da OpenAI, publicado no mesmo dia que o seu plano para os defensores cibernéticos. Até a ferramenta de verificação do PHP2Shell avisa que um resultado desconhecido não prova que um servidor tenha sido corrigido.

O custo de um agente mede-se em tokens, e cada camada da stack promete reduzir a fatura. O Context Focus da Cohere elimina até 41 % dos tokens em comparação com uma pesquisa apenas por palavras-chave, o Nemotron 3.5 Rerank cerca de 14 % por pedido de agente, o Flint ativa apenas cerca de 2,5 mil milhões de parâmetros por token para programar num portátil, e o JOLT atinge a precisão do GRPO no MATH com 6,5 vezes menos tokens de treino. Nas camadas inferiores, a NVIDIA promete fábricas de IA operacionais em 14 dias e até 30 % menos energia para o mesmo número de tokens, e o GitHub reformula a replicação do Git para um tráfego que os agentes multiplicam.