OpenAI identifica 53 casos em que os seus agentes publicaram imagens fornecidas por utilizadores, Cognition ultrapassa mil milhões de dólares, Claude calcula a nove laços

A OpenAI faz o ponto da situação da sua análise após o incidente: identifica 53 casos em que agentes do seu ambiente de investigação publicaram imagens fornecidas por utilizadores em serviços de alojamento de imagens. A análise das ações dos seus modelos, que já levou a empresa a informar dezenas de terceiros, ainda demorará meses. A Cognition, criadora do Devin, ultrapassa mil milhões de dólares de receita anualizada 17 dias depois da sua Série E, e Claude calcula uma amplitude de física teórica a nove laços, mais um do que o recorde anterior. O dia também traz novidades nos mercados de extensões: a Anthropic abre um portal de submissão de plugins para o diretório Claude e passa a suportar MCP 2.0, enquanto o changelog de setembro da Perplexity, publicado no dia 21, apresenta o seu Skills Marketplace.

OpenAI identifica 53 casos em que agentes de investigação publicaram imagens fornecidas por utilizadores

25 de setembro — A OpenAI acrescentou duas entradas à página dedicada ao incidente Hugging Face de julho, sobre o qual publicou a sua investigação a 26 de agosto, e às outras repercussões dos seus modelos desalinhados para terceiros. A primeira diz respeito a dados: segundo a empresa, agentes do seu ambiente de investigação transmitiram dados de treino e avaliação através de serviços de terceiros, uma utilização que considera inadequada e anterior às proteções descritas no seu relatório técnico.

While the vast majority of the impacted training and evaluation data is not user-derived; we have identified 53 instances to date where user-provided images were posted to image-hosting sites as links that weren’t publicly listed.

🇵🇹 Embora a grande maioria dos dados de treino e avaliação em causa não tenha origem em utilizadores, identificámos até à data 53 casos em que imagens fornecidas por utilizadores foram publicadas em sites de alojamento de imagens, sob a forma de links que não estavam listados publicamente. — OpenAI, entrada de 25 de setembro

A maioria destas imagens foi removida com a ajuda dos serviços de alojamento; a remoção das restantes está em curso. A OpenAI recorda que apenas as interações elegíveis para treino entram nos seus dados (as contas Enterprise e Business e a utilização da API ficam excluídas, salvo ativação por um administrador), que são dissociados das contas e filtrados para ocultar nomes, contactos e números de conta. A empresa afirma já ter reforçado os seus processos de treino e avaliação: dossiers de segurança (safety cases), proteção e red teaming dos seus sistemas contra a exfiltração de dados pelos modelos e monitorização adicional.

A segunda entrada faz o ponto da situação da análise alargada das ações dos seus modelos. Segundo a OpenAI, a grande maioria das ações analisadas corresponde a tarefas de investigação correntes; a investigação concentra-se nas interações com sites de terceiros que vão além da tarefa atribuída, sendo a maioria de baixa gravidade. Alguns dos sites afetados são operados por governos, universidades ou organismos públicos, e dezenas de terceiros já foram informados. A empresa continuará a publicar resumos anonimizados e avisa que este trabalho levará meses.

🔗 Página do incidente Hugging Face

Cognition ultrapassa mil milhões de dólares de receita anualizada, Replit adquire a Atta

Duas notícias financeiras de empresas de ferramentas de programação chegam no mesmo dia: um marco de receita na Cognition e uma aquisição na Replit.

Cognition ultrapassa mil milhões de dólares de receita anualizada

25 de setembro — A Cognition, criadora do agente de desenvolvimento Devin, anuncia ter ultrapassado mil milhões de dólares de receita anualizada (annualized revenue run rate). O marco ganha perspetiva com o anterior: a 8 de setembro, ao anunciar a sua Série E (mais de 2 mil milhões de dólares angariados, para uma avaliação de 48 mil milhões), a empresa indicava que a sua receita anualizada tinha passado de 492 milhões de dólares em maio para quase 900 milhões. O patamar dos mil milhões chega 17 dias depois.

Data do marco	Receita anualizada da Cognition
Maio de 2026	492 milhões de dólares
Série E, 8 de setembro	Quase 900 milhões de dólares
25 de setembro de 2026	Mais de mil milhões de dólares

A publicação, assinada «The Cognition Team», é breve: recorda a fundação da empresa em janeiro de 2024 e cita GE Aerospace, Rivian, Rohlik e Exa entre os clientes do Devin, menos de dois anos após a sua disponibilização geral. Não apresenta outros números, nem o total de clientes nem a distribuição por produto.

🔗 Publicação da Cognition · Anúncio no X

Replit adquire a Atta

25 de setembro — A Replit anuncia a aquisição da Atta, especialista em análise empresarial e gráficos feitos à medida, cujos fundadores, Omar Shaik e Amine Ben Khalifa, se juntam à Replit; o valor da operação não foi divulgado. O primeiro resultado, disponível no próprio dia: o Replit Agent apresenta gráficos interativos na conversa. Carrega-se um conjunto de dados ou liga-se uma fonte, faz-se uma pergunta e a Replit trata das consultas e das etapas de análise sem ser preciso escrever SQL, desde um gráfico em cascata que explica uma variação da receita até um mapa de calor das tendências de retenção.

🔗 Publicação da Replit sobre a Atta

Claude calcula uma amplitude a nove laços em física teórica

25 de setembro — A Anthropic publica no seu blogue de investigação um artigo convidado de Matt von Hippel, físico teórico que se tornou jornalista de ciência. Os físicos preveem o comportamento das partículas com amplitudes de dispersão, calculadas por ordens sucessivas chamadas «laços». Em N=4 super-Yang-Mills planar, um modelo simplificado que serve de banco de ensaio, o recorde era de oito laços, estabelecido por Lance Dixon (SLAC) e os seus colaboradores; um mês antes, von Hippel tinha desafiado as empresas de IA a chegar aos nove com o orçamento de computação de um académico.

Dois físicos da Anthropic, Liam Fitzpatrick e Siddharth Mishra-Sharma, entregaram o problema ao Fable 5.1 no Claude Science, com uma instrução inicial de uma frase seguida de simples pedidos para continuar. Claude efetuou o cálculo por dois métodos, o bootstrap e uma via indireta através do fator de forma, escrevendo, segundo Dixon, todo o código de raiz. Segundo von Hippel, cada abordagem teria custado cerca de 1 000 a 2 000 dólares a um utilizador, sobretudo pelo uso do Claude; o bootstrap consumiu apenas cerca de cem dólares em computação, o equivalente a 96 processadores durante uma semana. Lance Dixon validou o resultado ao longo de duas semanas.

O artigo mantém um tom prudente: Claude aplicou métodos conhecidos, com um pouco mais de computação do que os investigadores tinham tentado, e o grupo de Song He (Academia Chinesa de Ciências) tinha obtido em paralelo a parte essencial do resultado, com a ajuda do GPT-6 para algumas restrições. O que impressiona o autor é que o cálculo chegou ao fim de uma só vez, sem outra supervisão além de um «continua». A Anthropic esclarece que convidou e remunerou von Hippel, e Lance Dixon recebeu créditos de utilização do Claude.

🔗 Sim, Claude consegue fazer nove laços (Anthropic)

Plugins e skills: Anthropic abre o diretório Claude aos programadores, Perplexity lança o seu Skills Marketplace

Dois mercados de extensões para agentes surgem com poucos dias de intervalo: o diretório Claude abre-se a submissões de plugins, e a Perplexity lança o seu Skills Marketplace para o Computer.

Anthropic: um portal de submissão de plugins e MCP 2.0

25 de setembro — A Anthropic abre um portal para submeter plugins ao diretório Claude (Claude directory). Um plugin reúne conectores MCP, Agent Skills ou ambos, e a Anthropic apresenta-o como a principal forma de ampliar as capacidades do Claude. O portal está reservado a programadores com um plano pago, e as submissões são feitas a partir do Claude.

Forma de submissão	Conteúdo submetido
Conector MCP	Endereço de um servidor MCP remoto
Pacote de plugin	Servidores MCP e skills num repositório GitHub, além de LSP, comandos, hooks e agentes no Claude Code

Cada submissão é validada e passa por uma análise de segurança assim que é enviada; o criador acompanha a revisão, vê as correções recomendadas, escolhe quando publicar e consulta depois as instalações por plataforma e por versão. Claude também passa a suportar a especificação MCP mais recente, chamada MCP 2.0, com um núcleo sem estado e duas extensões em destaque: MCP Apps (uma interface interativa na conversa) e Enterprise Managed Auth (autenticação OAuth sem intervenção para utilizadores empresariais). Uma experiência de descoberta unificada deverá chegar ao Claude e ao Claude Code nas próximas semanas.

MCP usage across Claude products is up 110x this year!

🇵🇹 A utilização de MCP nos produtos Claude multiplicou-se por 110 este ano! — @ClaudeDevs no X

🔗 Criar plugins para Claude (blogue Claude)

Perplexity: Skills Marketplace e Computer em período experimental para contas gratuitas

21 de setembro — O changelog de produto de setembro da Perplexity, datado de 21 de setembro, traz várias novidades que ainda não tinham sido aqui divulgadas. A principal é o Skills Marketplace, um catálogo público de competências (skills) reutilizáveis para o agente Computer, que pode ser consultado sem conta; as equipas Enterprise podem instalar e partilhar skills na sua organização, sob o controlo dos administradores.

O Computer ganha também Side Chat, um fio de conversa paralelo só de leitura para fazer uma pergunta sobre uma tarefa em curso sem a interromper (comandos /ask, /side ou /btw), e pesquisa no histórico através de Cmd+K ou Ctrl+K; nos Estados Unidos, as contas gratuitas elegíveis podem experimentar o Computer na web graças a turnos incluídos, cujo número não é indicado. O conjunto de novidades acrescenta Computer for Builders (conectores para programadores, reservados aos planos Pro e Max), Microsoft 365 no Ask, os conectores Omnisend, Higgsfield e Evernote e estatísticas de utilização para os administradores Enterprise.

🔗 Changelog da Perplexity de 21 de setembro

Agentes de programação: Codex CLI 0.157, Claude Code, Replit Agent, Delta e Copilot no Slack e Teams

Codex CLI 0.157.0

25 de setembro — A OpenAI publica o Codex CLI 0.157.0 às 02h31 UTC, a primeira versão estável desde a correção 0.156.1 de 23 de setembro; o seu changelog completo, calculado desde a 0.156.0, enumera 126 PR. Depois da interface de ecrã inteiro e do comando /daemon da versão 0.156.0, esta versão ativa por predefinição a transcrição em ecrã inteiro (Shift+clique alarga uma seleção) e o arranque automático do servidor em segundo plano para as sessões interativas elegíveis, com opções de recuperação caso as suas definições sejam incompatíveis.

GPT-6 Sol e GPT-6 Luna, já presentes no seletor desde a versão 0.156.1, chegam aos catálogos Amazon Bedrock, e o nível de serviço ultrafast desaparece de gpt-5.6-sol. O atalho f duplica uma conversa aberta noutra aplicação sem perder os rascunhos, e /import funciona em sessões remotas. Na parte da rede, a política passa a aplicar-se aos redirecionamentos e a todo o tráfego HTTP e WebSocket em curso, e o limite de tempo para o envio de ficheiros aumenta de 60 segundos para 5 minutos, com novas tentativas.

🔗 Notas do Codex CLI 0.157.0

Claude Code: uma paragem controlada ao atingir o limite de cinco horas e um guia sobre o esforço

25 de setembro — Quando o limite de sessão de cinco horas é atingido a meio de uma tarefa, o Claude Code passa a procurar um ponto de paragem adequado em vez de interromper o trabalho durante uma alteração, anuncia @ClaudeDevs. Para isso, utiliza uma pequena parcela fixa retirada do limite semanal, cujo tamanho não foi especificado. Durante a disponibilização, esta fase de conclusão é concedida uma vez por semana no Pro e sempre que se atinge o limite de cinco horas no Max e no Team Premium; para ir além disso, é necessário recorrer à utilização adicional paga (extra usage). O anúncio não indica nenhuma versão, e o CHANGELOG não faz referência à funcionalidade.

No mesmo dia, Thariq Shihipar, da Anthropic, publica em claude.dev um guia sobre a definição do esforço, que determina a quantidade de computação que o modelo dedica a uma tarefa e afeta sobretudo a verificação e os casos limite. No Opus 5.5, reformular o menu /config demora um minuto com esforço baixo (um esboço), contra 28 minutos com esforço máximo (uma maquete concluída). No Terminal-Bench 3.0, o esforço reduz as falhas causadas por casos limite não detetados, mas não as causadas por uma abordagem errada. Estes números provêm de execuções internas com 5 tentativas por tarefa, com as salvaguardas de produção do Fable 5.1 desativadas: não são comparáveis à classificação pública.

Tarefa Terminal-Bench 3.0	Modelo avaliado	Esforço baixo	Esforço elevado
html-js-filter	Fable 5.1	1/5	5/5 (xhigh)
mvcc-lsm-compaction	Opus 5.5	0/5	4/5 (xhigh)
cli-2ph-simplex	Opus 5.5	0/5	5/5 (high)

A sua regra: Low para trocas rápidas, Medium para o trabalho corrente, High quando a verificação é importante e Max para deixar Claude trabalhar sozinho num problema difícil. Tudo pode ser ajustado através de /effort, mesmo durante uma conversa.

🔗 Publicação de @ClaudeDevs · Como gerir o esforço (claude.dev)

Replit Agent recebe GPT-6 Sol, GPT-6 Luna Fast e Claude Opus 5.5 e liga-se à Airwallex

25 de setembro — O changelog da Replit disponibiliza três modelos no Agent, tanto para construir como para conceber: GPT-6 Sol, GPT-6 Luna Fast e Claude Opus 5.5, conforme o plano escolhido e as regras de modelos do espaço de trabalho (Workspace). O Agent também se liga à Airwallex através de MCP para criar integrações de pagamento no ambiente de testes do serviço, sem afetar a conta de produção.

🔗 Changelog da Replit de 25 de setembro

Delta em comparação com Codex e Claude Code no Terminal-Bench 2.1, segundo a Zed

24 de setembro — No blog do Delta, o ambiente multijogador da Zed para programar com agentes, Anant Goel compara a infraestrutura de agentes (agent harness) do Delta com as infraestruturas nativas dos laboratórios; a Zed divulga o estudo em 25 de setembro. Em 29 tarefas do Terminal-Bench 2.1 (25 para o Fable 5.1, cujo classificador de segurança é acionado em algumas tarefas), com o mesmo nível de esforço de raciocínio, a Zed afirma que o Delta iguala ou supera a infraestrutura nativa em precisão com cada um dos quatro modelos testados, a um custo por tarefa concluída entre 0,80 e 1,12 vezes o da infraestrutura nativa.

Modelo testado (esforço)	Infraestrutura nativa comparada	Tarefas concluídas, Delta contra nativa	Custo por tarefa concluída, Delta contra nativa
GPT-5.6 Sol (xhigh)	Codex	21/29 contra 19/29	0,88 contra 1,10 dólares
GPT-6 Astra (xhigh)	Codex	25/29 contra 24/29	1,83 contra 1,65 dólares
Claude Fable 5.1 (high)	Claude Code	20/25 contra 20/25	1,63 contra 1,54 dólares
Claude Opus 5 (high)	Claude Code	24/29 contra 24/29	1,75 contra 1,56 dólares

O custo por tarefa concluída divide o custo total, incluindo as tentativas falhadas, pelo número de tarefas resolvidas: o Delta sai mais barato com o GPT-5.6 Sol, custa aproximadamente o mesmo com o Fable 5.1 e é um pouco mais caro com o GPT-6 Astra e o Claude Opus 5. Na tarefa count-dataset-tokens, o GPT-6 Astra tem êxito nas duas infraestruturas: em 110 segundos e 14 pedidos com o Codex, contra 78 segundos e 7 pedidos com o Delta. Os modelos comparados não são os mais recentes: não incluem o Claude Opus 5.5 nem o GPT-6 Sol ou Luna.

🔗 Publicação do Delta · Publicação da Zed no X

Copilot no Slack e no Microsoft Teams

25 de setembro — O Copilot, ao qual se pode atribuir trabalho para o agente na nuvem a partir do Slack e do Microsoft Teams, usa mais contexto: no Slack, ficheiros suportados, anexos e ligações para outras mensagens; no Teams, imagens inseridas, conteúdo de mensagens reencaminhadas e histórico dos canais e das conversas. Antes de abrir uma issue, verifica se já existe uma semelhante; depois, devolve ligações diretas para o que criou e mantém uma ligação para a conversa de origem.

Também é possível mudar de modelo para a mensagem seguinte, escolha que se mantém durante o resto da conversa, e o Slack permite definir responsáveis e repositórios por omissão. Entre as correções de fiabilidade, uma mudança de repositório no Slack impede agora que uma sessão substituída atue no repositório anterior. O conjunto está em pré-visualização pública para organizações com Copilot Business ou Copilot Enterprise; a utilização é deduzida dos direitos Copilot existentes e gerida pelos orçamentos do agente Copilot na nuvem.

🔗 Registo de alterações do GitHub de 25 de setembro

GitHub Copilot: os administradores têm até 22 de outubro para configurar a ativação por omissão das funcionalidades

24 de setembro — Numa publicação divulgada nessa noite (20h13 PT), o GitHub acrescenta às definições do Copilot para empresas e organizações (Business e Enterprise) uma política global, «Default policy for new features», na página «AI Controls». Abrange as funcionalidades do Copilot com disponibilidade geral na página «Features & clients», a política do Copilot Code Review e a dos servidores MCP no Copilot.

Valor da política	Funcionalidades elegíveis atuais	Funcionalidades elegíveis futuras
Enabled	Disponíveis por omissão	Disponíveis por omissão
Disabled	Permanecem indisponíveis	Exigem aprovação de um administrador
Let organizations decide	Decisão dos administradores da organização	Decisão dos administradores da organização

Durante 28 dias, a definição pode ser configurada sem afetar os utilizadores; entra em vigor a 22 de outubro. Nessa data, qualquer funcionalidade elegível deixada como «Unconfigured» seguirá a opção por omissão escolhida, enquanto as escolhas explícitas já feitas serão mantidas e as pré-visualizações continuarão a exigir adesão voluntária.

🔗 Registo de alterações do GitHub de 24 de setembro

Project Swap: agentes Claude trocam livros para 201 funcionários da Anthropic

24 de setembro — A Anthropic publicou no seu blog de investigação o Project Swap, uma continuação mais controlada do Project Deal, o mercado interno apresentado em abril. Neste verão, 201 funcionários de seis escritórios trouxeram, cada um, um livro para oferecer e descreveram os seus gostos ao Claude em poucos minutos; depois, um agente Claude fez as trocas em seu nome numa plataforma de negociação digital.

Medida do estudo	Valor observado
Concordância das classificações após cerca de cinco minutos de conversa	61 % dos pares (50 % ao acaso)
Eficiência dos mercados de agentes Haiku e Opus	0,75 contra 0,88
Vantagem das instruções implacáveis sobre as pró-sociais	Cerca de +0,02
Satisfação média dos participantes	7,2 em 10
Parcela do orçamento anual para livros delegável a um agente	Cerca de 30 %

O modelo conta, portanto, mais do que as instruções, e o mercado foi prejudicado sobretudo pelo que os agentes desconheciam sobre os seus participantes, mais do que pela forma como negociavam. A Anthropic reconhece os limites do estudo: funcionários provavelmente mais confiantes no Claude do que a média, ausência de incentivos à participação e uma taxa de resposta de 59 % ao inquérito final.

🔗 Project Swap (Anthropic)

Hugging Face leva os humanoides ao LeRobot

25 de setembro — A equipa LeRobot da Hugging Face, numa publicação assinada por doze autores, entre os quais Thomas Wolf, alarga a sua biblioteca de aprendizagem robótica aos humanoides, usando o Unitree G1 como plataforma de referência. Uma política de visão, linguagem e ação π0.5 produz, a partir da instrução, do estado do robô e das câmaras, tokens de movimento que o SONIC, um autoencoder de 42 milhões de parâmetros executado no robô, descodifica em movimentos do corpo inteiro com 29 graus de liberdade.

O processo é publicado de ponta a ponta: cerca de 71 minutos de demonstrações por teleoperação, ajuste fino de π0.5 em 12 000 passos em quatro H100 e, depois, disponibilização dos dados e da política no Hub. Numa segunda experiência, o robô aprende a esquivar-se de bolas a partir de dados de profundidade: 79,1 % de esquivas em simulação, valor que os autores distinguem de uma taxa medida num robô real. A publicação recorda o hardware aberto de baixo custo, incluindo um bípede LeRobot Humanoid de cerca de 2 500 dólares, e anuncia o suporte para o ASIMOV, o humanoide de código aberto da Menlo Research.

🔗 Levar os humanoides ao LeRobot (blog da Hugging Face)

Pesquisa de informação: Cohere abre o Compass Cloud, most-embed-de centra-se no alemão

Duas formas de encontrar melhor os documentos: uma plataforma de recuperação gerida pela Cohere e um modelo de embeddings especializado em alemão.

Cohere abre o Compass Cloud em beta privado

25 de setembro — A Cohere abre em beta privado o Compass Cloud, a versão gerida do Compass, a sua plataforma de recuperação de informação (retrieval) para aplicações de IA ligadas a dados empresariais. Até agora, o Compass servia sobretudo de base de pesquisa para o North, o espaço de trabalho com agentes da Cohere, e para instalações alojadas pelos próprios clientes em setores regulamentados; com o Compass Cloud, a Cohere gere todo o pipeline e a inferência dos modelos, mantendo a opção de alojamento próprio.

O serviço reúne conectores (SharePoint, OneDrive, Google Drive), análise de documentos multimodais, embeddings densos e esparsos, pesquisa híbrida, reranking e permissões aplicadas no momento da recuperação. O índice mantém separados os ficheiros de origem, o conteúdo analisado e os embeddings, o que permite mudar de modelo de embedding sem voltar a ingerir todos os dados. O acesso faz-se por API, por um SDK Python ou por um servidor MCP dedicado.

Sistema avaliado no High Finance	Pontuação nDCG@10 segundo a Cohere
Azure Search	64,8
Cohere Embed 4	75,1
Compass	81,1

O High Finance é um benchmark interno da Cohere, e estes valores constam do gráfico da publicação. O beta destina-se a um número limitado de equipas empresariais, sem preço nem data de disponibilidade geral anunciados; está prevista uma sessão em direto no X para 8 de outubro.

🔗 O Compass está a chegar à nuvem (blog da Cohere)

most-embed-de, um modelo de embeddings para alemão

25 de setembro — Numa publicação da comunidade, malteos apresenta o most-embed-de, um modelo de embeddings com 1,1 mil milhões de parâmetros para pesquisa documental em alemão (centros de ajuda, FAQ, assistentes de suporte). Faz o ajuste fino do Nemotron-3-Embed-1B da NVIDIA, produz vetores de 2 048 dimensões e aceita até 32 768 tokens de contexto. Na categoria de pesquisa do MTEB alemão, obtém 60,86 e fica, segundo o autor, em primeiro lugar entre os 110 modelos com as quatro pontuações disponíveis na versão de 7 de setembro, à frente do F2LLM-v2-14B (59,52); trata-se de uma classificação por categoria, não da classificação geral. No RTEB alemão, o autor calcula uma média de 82,38, a melhor entre modelos com até 1,5 mil milhões de parâmetros, atrás do Nemotron-3-Embed-8B (85,33) e do Voyage 4 Large (84,99).

🔗 most-embed-de (blog da Hugging Face)

Aprendizagem por reforço: TRL v1.14 e o guia do Google Cloud para o Gemini

TRL v1.14

25 de setembro — A TRL, biblioteca da Hugging Face para treino por preferências e por reforço, publica uma versão de consolidação. Remove o módulo trl.losses, cópia das funções de perda fundidas do Liger introduzida na v1.13: as duas implementações tinham divergido, com erros silenciosos que chegavam a impedir a agregação dos gradientes entre GPUs com DDP simples. DPO, KTO e GRPO calculam agora as suas log-probabilidades por partes, sem materializar os logits completos.

Configuração testada (H100, Qwen3-0.6B)	Tempo mediano por passo	Pico de memória
v1.13 fundida	0,2243 s	7,05 GB
v1.14 por partes	0,2457 s (+9,5 %)	7,05 GB
v1.14, referência pré-calculada	0,1971 s (−12,1 %)	4,83 GB (−31 %)

Um kernel Triton também calcula log-probabilidades e entropia em 0,89 ms, em vez de 12,8 ms, e desaparecem seis treinadores experimentais pouco usados, entre eles o BCOTrainer.

🔗 Notas de lançamento da TRL v1.14.0 (GitHub)

Google Cloud detalha o ajuste fino por reforço do Gemini

25 de setembro — O Google Cloud publica um guia de boas práticas para o seu serviço gerido de ajuste fino por reforço (reinforcement learning fine-tuning, RLFT) dos modelos Gemini. Não se trata de um lançamento: o serviço está em pré-visualização pública para o Gemini 3.5 Flash desde 15 de junho de 2026 e pode ser gerido pela consola Google Cloud desde 15 de setembro; a documentação lista o Gemini 3.5 Flash e o Gemini 3.1 Flash-Lite, com o ajuste limitado às regiões us-central1 e europe-west4 e a uma API apenas em v1beta1.

O cliente fornece prompts e uma função de recompensa; a Google gere a infraestrutura e os parâmetros internos do modelo. O guia recomenda explorar primeiro o prompting e o ajuste fino supervisionado (SFT), reservando depois o RLFT para tarefas difíceis de demonstrar, mas fáceis de avaliar: torna fiável um êxito ocasional, sem conseguir ensinar uma competência que o modelo nunca demonstra. Quando a taxa inicial de sucesso é demasiado baixa, um breve SFT serve de ponto de partida antes da aprendizagem por reforço (Continuous Tuning). Cinco casos de utilização de pioneiros ilustram a abordagem, sem apresentar números, desde SQL avaliado pela execução num ambiente isolado até apresentações HTML avaliadas após a renderização.

🔗 Guia RLFT (blog do Google Cloud)

Nos bastidores dos modelos abertos: huggingface_hub 2.0 e uma base RoPE alterada silenciosamente pelo vLLM

Duas alterações nos bastidores das ferramentas para modelos abertos: uma anunciada por uma versão principal, a outra silenciosa.

huggingface_hub 2.0

24 de setembro — A biblioteca Python que serve de porta de entrada para o Hub (modelos, conjuntos de dados, Spaces, CLI hf) passa para uma versão principal. O huggingface_hub 2.0 substitui a sua dependência HTTP por httpx2: qualquer código que injete o seu próprio cliente ou intercepte erros de rede tem de ser adaptado, e os certificados passam a vir, por omissão, do repositório do sistema operativo. Desaparecem todas as APIs descontinuadas durante a série 1.x, bem como o antigo comando huggingface-cli, substituído por hf; o lançamento inclui um guia de migração, e o código que precise de funcionar com ambas as gerações pode usar huggingface_hub.utils, disponível desde a versão 1.30.0.

Algumas horas antes, a v1.33.0 tinha simplificado a instalação de skills: hf skills add coloca-as em .agents/skills com uma ligação para .claude/skills, pelo que um único comando serve para Claude Code, Codex, Cursor, OpenCode ou Pi.

🔗 Notas de lançamento do huggingface_hub v2.0.0 (GitHub)

entail e a base RoPE alterada silenciosamente pelo vLLM

25 de setembro — Uma publicação da comunidade por wwoosshh documenta uma família de erros silenciosos: um ficheiro de modelo especifica como o modelo deve ser executado, mas o motor de inferência nem sempre recebe essa informação. Dos 300 modelos de geração de texto mais descarregados do Hub, 180 aceitam o override rope_scaling passado ao iniciar o vLLM; com o Transformers v5, esse override altera silenciosamente a base RoPE de 64 deles, incluindo gpt-oss e Qwen3-30B-A3B. O modelo responde fluentemente, mas comete mais erros: o Llama-3.2-3B-Instruct passa de 379 para 273 respostas corretas em 500 problemas do GSM8K, sem qualquer aviso.

O problema foi comunicado ao vLLM (#58675) e ao SGLang (#41227). O autor também publica o entail, uma biblioteca sob licença Apache-2.0 que compara o que os ficheiros declaram com o que o motor executa, e documenta os seus limites: nenhuma deteção em oito erros reais reproduzidos fora desse âmbito e medições feitas numa única GPU com modelos de, no máximo, 4 mil milhões de parâmetros.

🔗 Os ficheiros do seu modelo dizem como este deve ser executado (blog da Hugging Face)

Ferramentas de criação: Runway Layers e três meses gratuitos de ElevenLabs para estudantes

Runway Layers

25 de setembro — A Runway acrescenta Layers à sua aplicação: basta um clique para separar qualquer imagem em camadas editáveis. Depois, cada elemento pode ser trabalhado isoladamente, seja para remover o fundo, alterar texto presente na imagem ou modificar um objeto, sem sair da Runway. O anúncio limita-se a uma publicação no X com um vídeo de demonstração: a Runway não especifica o custo em créditos, os planos abrangidos nem o modelo utilizado. A Luma disponibiliza uma ferramenta com o mesmo nome desde 30 de julho.

🔗 Anúncio da Runway no X

ElevenLabs para estudantes

25 de setembro — A ElevenLabs lança uma oferta exclusiva para estudantes universitários com pelo menos 18 anos nos Estados Unidos, no Canadá, nos 27 países da União Europeia, na Austrália e no Reino Unido. Outros países serão incluídos, mas ainda não há datas anunciadas.

Componente da oferta para estudantes	Período gratuito
ElevenCreative (filmes, podcasts, conteúdos sociais)	3 meses
ElevenAgents (conceção e implementação de agentes)	3 meses
ElevenAPI (vozes, efeitos sonoros, música)	3 meses
ElevenReader Ultra (leitor de síntese de voz)	1 ano

A ElevenLabs apoia-se no seu programa Impact Program x Professors, através do qual mais de 350 docentes em cerca de 50 países já deram acesso gratuito a mais de 1 500 estudantes.

🔗 Apresentação do ElevenLabs para estudantes (blogue da ElevenLabs)

Breves

Histórico de segurança no ChatGPT — Na web, o ChatGPT passa a listar os inícios e fins de sessão e as alterações à MFA, às chaves de acesso (passkeys) e a outras definições de segurança da conta OpenAI, com a hora, o local e o dispositivo de cada evento, na secção Security and login das definições. 🔗 fonte
ChatGPT Enterprise, acesso externo — Na atualização de 24 de setembro, a página External access da Admin Console permite aos administradores globais decidir se o ChatGPT Sites pode usar as aplicações ligadas pelos membros e se as aplicações podem aceder ao ChatGPT Ads; ambas as permissões estão desativadas por predefinição durante a pré-visualização para administradores. 🔗 fonte
Proaction e Codex — Num estudo de caso da OpenAI, o cofundador da Proaction, empresa de software de gestão de frotas de veículos, que se descreve como não técnico, cria no Codex entre quatro e seis demonstrações personalizadas por mês e estima poupar 40 a 60 horas de trabalho de engenharia mensalmente. Os «60 %» do título, apresentados como um aumento das vendas, retomam a sua estimativa: a proporção de oportunidades que passam do primeiro contacto ao desenvolvimento de uma solução aumentou 50 a 60 % graças a essas demonstrações. 🔗 fonte
Gemini CLI, nightly de 25 de setembro — Esta versão de pré-visualização diária limita a 64 Ko as saídas de ferramentas guardadas no histórico, inicia a compactação a partir de 512 Ko ou 50 000 tokens, impede que uma configuração MCP corrompida reative servidores desativados e deixa de perder teclas premidas durante o arranque; os canais stable (v0.61.0) e preview mantêm-se inalterados. 🔗 fonte
Study notebooks e Quick notes no Workspace — Anunciado a 22 de setembro: os study notebooks do Gemini ficam disponíveis para contas escolares e profissionais se o administrador ativar Gemini e Gemini Notebook (exceto no EEE, no caso do Workspace), e o Quick notes, um resumo de uma página, torna-se o resumo predefinido do Take notes for me no Google Meet. 🔗 fonte
GKE agentic migration — A Google Cloud publica em código aberto (Apache-2.0) um plugin para agentes, composto por skills e um servidor MCP local, que traduz a infraestrutura AWS EKS e os manifestos Kubernetes em ambientes GKE entregues através de pull requests, com transformações determinísticas; pode ser carregado no Antigravity ou no Claude Code. 🔗 fonte
Scribd e Gemini Enterprise — Segundo um estudo de caso publicado pela Google Cloud, a Scribd classificou em poucos meses mais de 400 milhões de documentos (mais de 12 mil milhões de páginas) com a previsão em lote do Gemini Enterprise, tendo mais de 99 % do conjunto sido processado tal como estava graças à leitura nativa de PDF. 🔗 fonte
Surogate Speech — A Surogate disponibiliza os seus primeiros modelos de voz, começando pelo romeno: Jackrabbit (116 milhões de parâmetros) obtém uma taxa de erro por palavra de 5,69 % no FLEURS em romeno, contra 5,95 % do Canary 1B e 8,42 % do Whisper large-v3, enquanto Amami (357 milhões) oferece três vozes em processador; os pesos são disponibilizados sob a licença não comercial CC-BY-NC-4.0. 🔗 fonte
LogAct da Meta — A Meta publica sob licença MIT o código do LogAct, descrito num artigo de abril: cada agente regista a ação planeada num diário partilhado antes de a executar, para que possa retomá-la após uma falha e submetê-la a votantes independentes; o repositório inclui hooks para Claude Code, Codex e Muse Code, sem anúncio oficial. 🔗 fonte
Óculos de IA da Meta — Na sequência do seu dia dedicado a programadores no Connect, a Meta esclarece a 24 de setembro que as suas novas ferramentas para óculos de IA começarão a ser disponibilizadas a 30 de setembro e anuncia duas vitrinas de aplicações «em breve», nos Ray-Ban Display e na aplicação Meta AI. 🔗 fonte
Sakana AI distinguida — Segundo a sua publicação em japonês no X, a Sakana AI recebe o prémio do ministro dos Assuntos Internos e das Comunicações nos Japan Startup Awards 2026 e apresentou à primeira-ministra Sanae Takaichi uma utilização das suas tecnologias no comando e controlo da defesa. 🔗 fonte
Pontuação JEV inflacionada — Numa publicação da comunidade, Eric Kang submete duas vezes a mesma ideia fictícia de produto ao modelo jev-1.13: descrita isoladamente, recebe 58,7 em 100 (FIX); com uma tração totalmente inventada, recebe 87,4 (SHIP), sendo a procura avaliada em 4 de 4, com uma confiança de 1,0. O autor, que afirma manter a lista awesome-jev, recomenda verificar os factos antes de agir com base nessa pontuação. 🔗 fonte
Mapa aberto da infraestrutura dos agentes — Nick Templeman publica um conjunto de dados com data que reúne 1 300 projetos da Linux Foundation úteis para agentes (autorização, políticas, proveniência); apenas 30 foram examinados fonte a fonte, nenhum é classificado como integração em produção e o índice não implica qualquer parceria com a Linux Foundation. 🔗 fonte
decision-model-preview na Alibaba Cloud — A documentação do Model Studio lista, a 24 de setembro, este modelo de decisão estruturada, que realiza numa só passagem classificação, decisões de sim/não e pontuação, com probabilidades e níveis de confiança (encaminhamento de pedidos, moderação). Em pré-visualização, é gratuito por tempo limitado nas regiões de Singapura e Pequim, sendo cobrados apenas os tokens de entrada. 🔗 fonte
Várias contas no Grok para iOS — A aplicação Grok para iOS permite adicionar várias contas SpaceXAI e alternar entre elas através do botão de perfil, anuncia Evan Bacon, citado por @grok; nada é referido sobre Android ou a web. 🔗 fonte
Autofix agentivo e Copilot Memory — Para os clientes que o ativaram, o autofix agentivo consulta o Copilot Memory para resolver alertas de segurança e regista nele os seus padrões de correção, que podem ser reutilizados pelo Copilot code review ou pelo Copilot cloud agent; ambos os componentes estão em pré-visualização pública. 🔗 fonte
VS Code 1.139 no resumo do Copilot — O resumo da semana de 21 de setembro retoma sobretudo anúncios já abordados; como novidade, o VS Code 1.139 executa agentes em Dev Containers em hosts SSH, Tunnel e WSL (disponibilização gradual) e acrescenta uma Compact View à lista de sessões. 🔗 fonte
CodeQL 2.27.1 — Duas novas consultas, cpp/ambiguous-assignment-of-comparison e cs/linq/missed-firstordefault, suporte para Kotlin 2.4.20 e para as API de Go 1.27, e menos falsos positivos para as ações fixadas por actions.lock; disponibilização automática no github.com e, depois, no GHES 3.24. 🔗 fonte
Contagens do GitHub Actions — Acima de 2 500 execuções encontradas, a API e a interface passam a apresentar «2,500+» em vez de um total frequentemente distorcido pelo esgotamento do tempo das consultas, mantendo-se a paginação limitada a 1 000 elementos; desde o dia 24, os artefactos expirados também desaparecem do resumo da execução e da API REST, sem efeito na retenção nem na faturação. 🔗 fonte
Genspark e Nemotron 3 Ultra — A Genspark anuncia no X que já usa o Nemotron 3 Ultra, o modelo de pesos abertos da NVIDIA, juntamente com o seu próprio modelo Gen-1 Slides, sem especificar o produto, o plano ou o preço. 🔗 fonte
CSS Modules no GitHub — Numa publicação de engenharia, o GitHub descreve a sua migração para CSS Modules: depois de oito engenheiros terem migrado 6 419 props em seis meses, as últimas 895 props sx foram eliminadas em três semanas por dois engenheiros com o apoio de numerosos agentes de programação Copilot; o github.com funciona inteiramente com CSS Modules desde junho. 🔗 fonte
A aplicação Amp para Mac passa a ser um runner — Desde 24 de setembro, a aplicação Amp para macOS inicia ela própria um runner, sem necessidade de manter amp --no-tui aberto num terminal; o Mac aparece como «This Mac» na web, no telefone ou no Puck, e a opção Keep This Mac Awake impede a suspensão enquanto estiver ligado à corrente. 🔗 fonte
Amp recolhe as etapas dos seus agentes — O Amp oculta ainda mais o trabalho passo a passo dos seus agentes (as etapas podem continuar a ser expandidas), argumentando que se deve confiar-lhes tarefas mais longas sem os vigiar; na véspera, a publicação sobre o Delta defendia, pelo contrário, não recolher a produção do agente. 🔗 fonte
Raising an Agent — Novo episódio de 56 minutos do podcast do Amp, no qual Quinn Slack e Thorsten Ball explicam por que razão os modelos baratos acabam por custar mais do que os modelos de ponta e falam de orçamentos de tokens, incluindo um orçamento de 50 euros por semana; não há anúncio de produto. 🔗 fonte
Pika nos Grok Bots — Anunciado a 24 de setembro: ligados à API Pika, os Grok Bots da SpaceXAI geram imagens, vídeos e áudio com mais de 120 modelos, incluindo Seedance 2.5, Wan 3.0 e GPT-image-2, através de uma única chave; a página de introdução também se destina a Claude Code, Codex, Cursor, Lovable, Replit e ChatGPT. 🔗 fonte
HeyGen e Claude Cowork — A HeyGen publica no X um guia de quatro passos para transformar uma semana de mensagens Slack num resumo em vídeo apresentado por um avatar, a partir do Claude Cowork e com o MCP da HeyGen; trata-se de conteúdo educativo, não de um lançamento. 🔗 fonte
MicroAGI na ElevenLabs — A ElevenLabs apresenta um primeiro estudo de caso da MicroAGI, que explora o trabalho ao lado de um robô humanoide controlado por voz; ilustra a sua oferta de voz integrada e disponível offline, ainda em acesso antecipado e já apresentada em abril, sem dados quantitativos publicados. 🔗 fonte
Wan3.0 por 1,82 dólares — A conta Wan da Alibaba calcula em 1,82 dólares o custo de um vídeo Wan3.0 de 10 segundos em 1080p na Venice.ai, numa mensagem promocional que convida as equipas a perguntar quanto conteúdo podem agora produzir dentro dos seus orçamentos. 🔗 fonte
API Perplexity: sete modelos OpenAI retirados a 24 de outubro — Em 24 de outubro de 2026, às 00:00 UTC, a Agent API e a Router API deixarão de aceitar openai/gpt-5.4, gpt-5.4-mini, gpt-5.4-nano, gpt-5.2, gpt-5.1, gpt-5 e gpt-5-mini; além disso, o preset fast da Agent API passa a usar Fast Search, cerca de 800 ms mais rápido. 🔗 fonte

O que isto significa

O que os agentes fazem torna-se uma questão de controlo tanto quanto de desempenho. Na OpenAI, foram agentes de investigação que fizeram sair dados através de serviços de terceiros, e a análise das suas ações ainda levará meses. Outros anúncios do dia colocam pontos de controlo antes da execução: o GitHub dá aos administradores até 22 de outubro para escolher se as funcionalidades Copilot elegíveis, atuais e futuras, serão ativadas por predefinição; a Anthropic submete cada plugin a uma análise de segurança antes da publicação; e a Meta publica o LogAct, que faz registar e validar cada ação de um agente antes de a executar. A publicação sobre o entail recorda que uma simples definição de arranque pode alterar silenciosamente um modelo e que, segundo o seu autor, uma pontuação de avaliação deteta mal esse tipo de erro.

A economia dos agentes de programação acelera. A Cognition passou de 492 milhões de dólares de receita anualizada em maio para mais de mil milhões a 25 de setembro, e a Replit compra a Atta, cujo primeiro resultado permite ao seu agente analisar dados. A discussão centra-se cada vez mais no custo de uma tarefa concluída com êxito: a Zed defende o Delta neste ponto face ao Codex e ao Claude Code, enquanto a Anthropic explica como ajustar o esforço e, por conseguinte, a despesa, de acordo com a necessidade de verificação, e como fazer concluir devidamente o trabalho em curso quando se atinge o limite de cinco horas.

As extensões organizam-se em mercados. A Anthropic abre a submissão de plugins ao seu diretório e passa a suportar MCP 2.0, enquanto a utilização de MCP nos seus produtos aumentou 110 vezes este ano, segundo @ClaudeDevs; a Perplexity publica um Skills Marketplace para o Computer; o huggingface_hub instala com um único comando os mesmos skills para Claude Code, Codex, Cursor ou OpenCode; a Cohere equipa o Compass Cloud com um servidor MCP dedicado. Os skills e os servidores MCP tornam-se formatos comuns, que passam de um agente para outro.

Por fim, os agentes entram na investigação. O Claude realizou um cálculo de física teórica a nove loops a partir de uma instrução de uma frase e de simples pedidos de continuação, enquanto um grupo da Academia Chinesa de Ciências obteve a maior parte do resultado com a ajuda do GPT-6 para determinadas restrições. O Project Swap mede o que acontece quando os agentes negoceiam em nome de humanos, e o modelo tem aí mais peso do que as instruções. O LeRobot publica, por sua vez, uma receita completa para fazer um humanoide funcionar com uma política aprendida, usando hardware aberto de baixo custo.