OpenAI encerra seu contrato com o Cursor, Claude Code reduz seus limites semanais em 17%, Copilot CLI passa ao Rust nativo

Vinte e dois anúncios em oito áreas para o dia 29 de agosto: um sábado tranquilo, com metade do volume do dia anterior. A principal novidade é contratual, e não técnica. A OpenAI notificou a SpaceX de sua intenção de deixar de fornecer seus modelos ao Cursor, com uma data de encerramento proposta para 12 de novembro, invocando explicitamente o comportamento passado das empresas de Elon Musk. A Anthropic, por sua vez, anuncia um aumento permanente de 25% nos limites semanais do Claude Code que se traduz — por sua própria admissão — em uma redução de 17% em relação a hoje. O GitHub transfere o Copilot CLI para um mecanismo de execução nativo em Rust, a Together AI coloca o GLM-5.3 no ar no mesmo dia de sua disponibilidade, e um gateway de inferência publica números de produção que finalmente situam o lugar real dos pesos abertos.

OpenAI encerra seu contrato com o Cursor após a aquisição pela SpaceX

28 de agosto — A OpenAI notificou a SpaceX de sua intenção de encerrar o contrato que dá ao Cursor acesso direto aos seus modelos. A data de encerramento proposta é 12 de novembro de 2026: a empresa explica que escolheu o aviso prévio mais longo permitido pelo contrato, para que os desenvolvedores mantenham acesso aos modelos pelo maior tempo possível.

O motivo está na aquisição do Cursor pela SpaceX. A OpenAI explica que trabalha com seus grandes parceiros por meio de contratos personalizados, que garantem o cumprimento dos termos de uso e a segurança da integração em grande escala, e diz não poder confiar que a SpaceX utilizará sua tecnologia dentro desse marco. Dois precedentes são citados nominalmente: após a aquisição do Twitter por Elon Musk, empresa atualmente vinculada à SpaceX, os termos do contrato que ligava as duas empresas foram rompidos; e, sob juramento no início deste ano, Musk admitiu que a xAI, também incorporada à SpaceX, havia violado os termos de uso da OpenAI. O acordo assinado com o Cursor previa uma janela de rescisão limitada no tempo após uma mudança de controle, o que explica o cronograma.

Há ainda um segundo argumento, mais incomum: a OpenAI afirma assumir um novo nível de responsabilidade à medida que as capacidades avançam e cita seu próximo modelo, Astra — aquele sobre o qual anunciou em 7 de agosto que já não podia excluir um nível de capacidades cibernéticas classificado como Crítico por sua estrutura de preparação. Consequência prática: o contrato segue vigente até a data mais tardia possível, mas nenhum modelo futuro será fornecido ao Cursor.

Elemento do caso	Valor
Data da notificação à SpaceX	28 de agosto de 2026
Data de encerramento proposta	12 de novembro de 2026
Duração da parceria OpenAI-Cursor	quase 4 anos
Modelos futuros fornecidos ao Cursor	nenhum

We’re ending our partnership with Cursor following its acquisition by SpaceX. Under our proposal, Cursor’s direct access to our models would end on November 12.

We know that the people most affected by this decision are the developers who rely on OpenAI models in Cursor. We care about their experience in this transition and we’re ready to go above and beyond to support them.

🇵🇹 Estamos encerrando nossa parceria com o Cursor após sua aquisição pela SpaceX. De acordo com nossa proposta, o acesso direto do Cursor aos nossos modelos terminaria em 12 de novembro.

Sabemos que as pessoas mais afetadas por essa decisão são os desenvolvedores que dependem dos modelos da OpenAI no Cursor. A experiência deles durante essa transição é importante para nós, e estamos dispostos a ir além de nossas obrigações para apoiá-los. — @OpenAI no X

🔗 Decisão sobre o Cursor — OpenAI

Claude Code: limites semanais caem 17% em 14 de setembro, CLI inicia mais rápido

29 de agosto — A Anthropic anuncia que, a partir de 14 de setembro, os limites semanais padrão do Claude Code aumentarão permanentemente em 25% para os planos Pro, Max, Team e Enterprise baseados em assentos (seat-based). Até essa data, o aumento atual de 50% continua em vigor.

A formulação exigia um esclarecimento, e a Anthropic o forneceu na mensagem seguinte de sua sequência: em comparação com a situação de hoje, a operação representa uma redução de 17% nos limites semanais. A aritmética é simples — o aumento de 50% em vigor é temporário, enquanto o de 25% que o substitui é permanente, e passar de um para o outro reduz mecanicamente o teto real. Esse aumento temporário não era recente: em 18 de julho de 2026, a mesma conta o havia anunciado «até 19 de agosto», prazo que foi ultrapassado sem nova comunicação. O anúncio de 29 de agosto, portanto, estabelece um ponto de chegada: um teto permanente, mais alto que o regime padrão original, mas mais baixo que o regime excepcional das últimas semanas. A recepção permaneceu mista, a ponto de a mensagem principal — com cerca de 1,6 milhão de visualizações no momento da análise — ter recebido uma nota de contexto redigida por leitores do X, que retoma o número da redução.

Período	Limites semanais do Claude Code
Até 13 de setembro	+50% (aumento temporário, ainda em vigor)
A partir de 14 de setembro	+25% permanente
Efeito líquido anunciado pela Anthropic	-17% em relação a hoje

Compared to today, this works out to a 17% reduction in weekly limits on Claude Code. We’re working on exciting changes that will make it feel like you’re getting more from Claude, while having more visibility and control of your usage. Can’t wait to share them.

🇵🇹 Em comparação com hoje, isso representa uma redução de 17% nos limites semanais do Claude Code. Estamos trabalhando em mudanças empolgantes que farão parecer que você está obtendo mais do Claude, com mais visibilidade e controle sobre seu consumo. Mal podemos esperar para compartilhá-las. — @ClaudeDevs no X

Mais cedo naquele dia, a mesma conta publicou seu resumo semanal das entregas do Claude Code. O essencial dessa sequência de seis mensagens reúne novidades já detalhadas aqui ao longo das versões — a aba «Auto mode» no /permissions da 2.1.246, a linha de cache de prompt no /cost e o acompanhamento ao vivo dos subagentes em primeiro plano da 2.1.251, a divisão das tarefas /loop em /usage da 2.1.243. Um aspecto, porém, nunca havia sido quantificado: o desempenho. O CLI não espera mais a inicialização do sandbox (sandbox) nem a dos servidores MCP antes de permitir a inserção de uma primeira instrução, e o comando claude ignora as etapas de inicialização de que não precisa. No quesito distribuição, o download Linux x64 é 4,5 vezes menor, com cerca de 75 MB, e os builds nativos consomem de 40 a 70 MB a menos de memória por sessão.

Medida de desempenho anunciada	Valor
Download Linux x64	4,5 vezes menor, cerca de 75 MB
Memória dos builds nativos	40 a 70 MB a menos por sessão

🔗 Anúncio dos limites semanais · Resumo semanal

Copilot CLI passa a usar um mecanismo nativo em Rust, Visual Studio recebe agentes personalizados da organização

28 de agosto — O GitHub publicou no fim do dia seu resumo semanal do Copilot. A entrada traz a data de 24 de agosto no título — é a semana que ela cobre —, mas só foi disponibilizada no dia 28, às 20h13 UTC, após a análise anterior. Duas de suas seções retomam anúncios já tratados aqui, o Copilot no Slack e no Microsoft Teams e a disponibilidade geral da aba Customize; o restante é inédito.

O elemento mais estruturante diz respeito ao CLI: o Copilot CLI agora roda em um mecanismo de execução nativo em Rust (native Rust runtime), enquanto sua interface de terminal continua escrita em TypeScript. O GitHub anuncia desempenho «significativamente superior» sem publicar qualquer medição, deixando o leitor tirar suas próprias conclusões. Duas configurações, defaultMode e defaultPermissionMode, definem o modo de execução e o modo de permissão aplicados a cada nova sessão; os comandos /plugin, /mcp e /skills recebem interfaces de gerenciamento dedicadas; e o CLI sabe restaurar uma sessão que não terminou corretamente, inclusive se tiver sido interrompida no meio de uma rodada.

Área afetada	Novidades anunciadas
Copilot CLI	Mecanismo Rust nativo, `defaultMode` e `defaultPermissionMode`, interfaces `/plugin` `/mcp` `/skills`, retomada de sessão
Aplicativo Copilot	Issues e pull requests do Azure DevOps convertidas em sessões, WSL experimental, abas dividíveis, visualização no navegador externo
Extensão JetBrains	Controles corporativos sobre plugins, servidores MCP, telemetria e modos de permissão dos agentes
VS Code 1.135	Retomada de sessões do agente Copilot ou Claude iniciadas em outro lugar, segunda opinião de um modelo complementar, painel Agents único, consumo por modelo e por rodada
Visual Studio 2026	Agentes personalizados da organização, esforço de raciocínio Low, Medium e High, visualização Manage models, revisão pelo agente Git

Publicada no mesmo dia, uma entrada de changelog dedicada detalha a atualização de agosto do Copilot no Visual Studio 2026, disponível em todos os planos — Free, Student, Pro, Pro+, Max, Business e Enterprise. A principal mudança é a chegada dos agentes personalizados no nível da organização: proprietários de organizações ou empresas no GitHub publicam agentes utilizáveis em todos os seus repositórios, que o Visual Studio detecta automaticamente e exibe no seletor com sua descrição e organização de origem. É necessária uma organização do GitHub, o que exclui contas pessoais. A configuração do esforço de raciocínio passa para o lado do usuário, com três níveis, apresentados explicitamente pelo GitHub como uma escolha entre profundidade de raciocínio e consumo de tokens. A visualização Manage models reúne capacidades, tamanho da janela de contexto, informações de custo e controles, enquanto o agente Git revisa alterações não commitadas ou commits antes da abertura de uma pull request, tanto em repositórios do GitHub quanto do Azure DevOps.

🔗 Resumo semanal do Copilot · Copilot no Visual Studio, atualização de agosto

GLM-5.3 chega à Together AI, que mede imediatamente o custo de sua versão destilada

29 de agosto — Terceiro dia consecutivo para o GLM-5.3. Em 27 de agosto, a Z.ai anunciou em duas linhas que publicaria os pesos; no dia 28, a abertura foi efetivada e a Together AI abriu uma ficha de modelo marcada como « em breve », sem preço. Desde 29 de agosto às 1h57 UTC, a ficha está disponível e o provedor fala em uma disponibilização « Day 0 ». O endpoint zai-org/GLM-5.3 é servido tanto em serverless quanto em infraestrutura dedicada, e a Together AI anuncia sua compatibilidade com Claude Code, OpenCode e outras plataformas de agentes de código. Segundo o provedor, o modelo se aproxima do Fable 5 em todos os benchmarks, embora custe uma fração do preço por tarefa.

Característica do serviço	Valor
Preço de entrada / entrada em cache	$1,40 / $0,26 por milhão de tokens
Preço de saída	$4,40 por milhão de tokens
Janela de contexto	1 M tokens (arquitetura IndexShare)
Níveis de esforço	low, high, max (max por padrão)
SLA anunciado	99,9 %

No mesmo dia, a Together AI publica a sexta comparação de sua série DeepSWE e, pela primeira vez, coloca frente a frente dois modelos da mesma família: GLM-5.3 e sua versão destilada GLM-5.3 Flash. O protocolo não mudou — as 113 tarefas do DeepSWE v1.1, quatro tentativas por configuração, os dois modelos em esforço máximo — totalizando 900 execuções completas (rollouts), 452 do modelo completo e 448 do Flash. Na primeira tentativa, a diferença parece nítida: 69,0 % contra 63,4 % em pass@1. Mas cai para 2,6 pontos em pass@4, por um décimo sétimo do preço. A destilação, portanto, não removeu a capacidade, mas a regularidade: nenhuma das 48 tarefas que o modelo completo resolve quatro vezes em quatro se torna insolúvel para o Flash, que preserva 93 das 99 tarefas resolvidas ao menos uma vez. O mecanismo é identificado mais adiante, e este é o resultado mais interessante: nas tarefas instáveis, a tentativa mais longa é a tentativa vencedora em 61 % dos casos para o GLM-5.3, mas em apenas 46 % para o Flash — abaixo do limite de um lançamento de moeda. O modelo destilado já não consegue converter esforço adicional em solução.

Métrica medida	GLM-5.3 (esforço máximo)	GLM-5.3 Flash (esforço máximo)
pass@1	69,0 %	63,4 %
pass@4	87,6 %	85,0 %
Custo por execução	$3,99	$0,24
Tarefas resolvidas por $100	17	264
Duração de ponta a ponta	35 min	26 min
Quebra de um teste de referência já verde	4,4 %	6,9 %
Esforço compensador nas tarefas instáveis	61 %	46 %

Uma única regressão clara é observada, e ela diz respeito à prudência: o Flash quebra um teste de referência já verde em 6,9 % das execuções, contra 4,4 % para o modelo completo, levando a Together AI a recomendar explicitamente uma suíte completa de não regressão antes de aceitar um diff produzido pelo Flash sem revisão. A conclusão operacional é uma cascata dentro da mesma família: executar primeiro o Flash e só escalar para o modelo completo se um verificador rejeitar a resposta. Essa combinação alcança 80,9 % de sucesso a 1,70 dólar por tarefa, ou seja, doze pontos a mais que o GLM-5.3 sozinho (69,0 % a 3,99 dólares), por menos da metade do preço. Uma diferença merece ser sinalizada ao leitor: a pontuação do DeepSWE exibida na ficha do modelo (66,9) difere dos 69,0 % medidos pela Together AI em sua própria campanha, algo que o provedor assume ao esclarecer que seus números vêm de sua própria execução.

🔗 Disponibilização do GLM-5.3 na Together AI · GLM-5.3 contra GLM-5.3 Flash no DeepSWE

Modelos com pesos abertos conquistaram metade do tráfego, mas apenas 13 % dos gastos

29 de agosto — Thibault Jaigu, executivo da plataforma de inferência Requesty, publica no blog do Hugging Face as medições coletadas em seu próprio tráfego de produção em 2026, excluindo chaves fornecidas pelos clientes e contas internas. O número central: os modelos com pesos abertos passaram de menos de 5 % dos tokens em janeiro para metade de todo o tráfego na semana de 3 de agosto, mas representam apenas cerca de 13 % dos gastos; um token de um modelo fechado de fronteira custa cerca de 6,4 vezes mais que um token aberto quando o cache é considerado.

Duas ilustrações dão a dimensão desse mercado. Depois do lançamento do kimi-k3, foram necessários 11 dias para que o laboratório de origem perdesse a maioria dos tokens servidos em seu próprio modelo, enquanto outros quatro provedores ativaram a inferência sobre os mesmos pesos em 72 horas. E, no glm-5.2, seis provedores exibem uma diferença de 5,7x no preço efetivamente pago — não por causa de descontos secretos, mas porque o mais barato coloca 94 % dos tokens de entrada em cache, enquanto o mais caro não coloca nenhum. Esses números vêm de um fornecedor que descreve seu próprio produto, algo que o autor assume ao assinar como executivo da Requesty.

Medida observada na plataforma	Valor
Participação dos pesos abertos nos tokens (janeiro de 2026)	menos de 5 %
Participação dos pesos abertos nos tokens (semana de 3 de agosto)	50 %
Participação dos pesos abertos nos gastos	cerca de 13 %
Distribuição dos gastos (Anthropic / OpenAI / Google)	51 % / 21 % / 15 %
Leituras do cache / entrada nova / saída visível	78 % / 19 % / menos de 2 %
Relação entrada-saída (janeiro e depois agosto)	15x e depois 36x
Contexto médio por solicitação (janeiro e depois agosto)	9,6 k e depois 28 k tokens

🔗 Postagem da Requesty no Hugging Face

A Search API da Perplexity ocupa as três primeiras posições do Artificial Analysis Search Index

29 de agosto — A Perplexity compartilha uma classificação publicada na véspera pela Artificial Analysis: as três configurações de contexto de sua Search API ocupam as três primeiras posições do Artificial Analysis Search Index, em suas estreias nesse ranking. A configuração medium obtém 80 pontos, cinco a mais que os líderes anteriores Parallel (advanced) e Brave Search (LLM context), ambos com 75; as variantes high e low vêm em seguida, com 79 e 77.

O protocolo isola deliberadamente o componente de pesquisa: a Artificial Analysis executa o mesmo modelo — GPT-5.6 Luna em raciocínio medium — no Stirrup, seu harness de agente open source, com ferramentas de pesquisa e recuperação de páginas web. De um teste para outro, apenas o fornecedor por trás da ferramenta de pesquisa muda. A vantagem da Perplexity se concentra no BrowseComp, enquanto as pontuações de AA-Omniscience e DeepSearchQA permanecem comparáveis às dos demais fornecedores líderes. O segundo argumento é econômico: cargas úteis mais compactas fazem o modelo ler menos, resultando em um custo de inferência por tarefa de 0,028 a 0,034 dólar, dependendo da variante, contra 0,036 dólar do fornecedor seguinte mais barato — o menor valor medido pela Artificial Analysis até o momento.

Fornecedor de pesquisa (variante)	Pontuação do AA Search Index	Custo total por tarefa
Perplexity Search (medium)	80	cerca de 0,091 $
Perplexity Search (high)	79	cerca de 0,091 $
Perplexity Search (low)	77	não informado
Parallel (advanced)	75	0,084 $
Brave Search (LLM context)	75	0,13 $

Duas ressalvas de uso: o ranking é da Artificial Analysis, não da Perplexity, que apenas o destaca, e nenhuma postagem de blog corrobora a mensagem; o blog da empresa não publicou nada desde 25 de agosto.

🔗 Mensagem de @perplexity_ai · Detalhamento numérico de @ArtificialAnlys

Codex CLI 0.151.0: extensões interceptam resultados MCP, sandbox remoto fica mais rígido

29 de agosto — O Codex CLI chega à versão 0.151.0, publicada no GitHub às 11h55 GMT+2 e referenciada no mesmo dia no changelog oficial do ChatGPT e do Codex. A novidade mais estrutural diz respeito às extensões: elas agora podem inspecionar ou substituir os resultados de uma ferramenta MCP antes que cheguem ao modelo. Um ponto de interceptação se posiciona, portanto, entre o servidor MCP e o contexto, abrindo espaço para filtrar, reescrever ou truncar saídas de ferramentas sem tocar no servidor. A isso se somam um período de tolerância configurável para a descoberta das ferramentas expostas por servidores MCP opcionais e catálogos de plugins que combinam a configuração própria de cada repositório, ao mesmo tempo que sinalizam marketplaces de projeto inválidos sem fazer desaparecer os plugins válidos.

O restante da versão é dominado pelo endurecimento do sandbox (sandbox). O comando /cd não pode mais enfraquecer as restrições — um cenário em que mudar de diretório relaxava implicitamente as proteções — e as classificações Guardian obsoletas já não podem autorizar uma ação após uma mudança no estado das permissões. A aplicação do sandbox remoto também se alinha à realidade da máquina de execução: diretório pessoal, sistema operacional e convenções de caminhos do executor são propagados para o contexto, inclusive nas regras de recusa de leitura. Último ponto a destacar para as equipes que delegam tarefas a seus agentes: o consumo de tokens dos subagentes aninhados finalmente é contabilizado no orçamento do objetivo raiz.

Elemento da versão	Valor
Versão	0.151.0 (estável)
Publicação no GitHub	29 de agosto de 2026, 11h55 GMT+2
Instalação	`npm install -g @openai/codex@0.151.0`
Novidades / correções / trabalhos de base	3 / 6 / 2
Versão estável anterior	0.150.1 (27 de agosto)

🔗 Notas da versão do Codex CLI 0.151.0

Appshots: ChatGPT Work e Codex leem o contexto do aplicativo exibido

28 de agosto — A OpenAI Developers apresenta os appshots, um mecanismo de captura de contexto destinado ao ChatGPT Work e ao Codex. O princípio: em vez de descrever o que se tem diante dos olhos, transmite-se ao assistente todo o contexto do aplicativo atualmente exibido, para que ele compreenda a tela e aja sobre ela. O acionador é propositalmente mínimo — dois pressionamentos da tecla Command (⌘ ⌘).

A publicação detalha dez usos que dão a dimensão do escopo pretendido, muito além do código: resumir uma conversa no Slack, preencher um formulário, usar uma referência de API exibida na tela para adicionar uma funcionalidade, extrair os temas de um conjunto de respostas no X, identificar as mensagens privadas que exigem resposta, converter notas em uma apresentação, editar um vídeo no iMovie ou transformar uma receita aberta em uma lista de compras. Na data da consulta, o anúncio existe apenas no X: o changelog do ChatGPT e do Codex não contém nenhuma entrada entre 27 e 29 de agosto, exceto a versão 0.151.0 do CLI. As condições de acesso — planos abrangidos, plataformas, disponibilidade geral ou gradual — portanto, não estão documentadas.

🔗 Publicação de @OpenAIDevs

Antigravity CLI 1.1.22: o comando /model aceita um argumento, oito correções de estabilidade

27 de agosto — Atualização de um canal que nunca havia sido analisado até agora. O changelog do Google Antigravity é dividido em quatro abas — Antigravity 2.0, Antigravity CLI, Antigravity SDK e Antigravity IDE — das quais apenas a primeira era consultada nas análises anteriores. Na prática, a aba CLI publica uma versão a cada um a três dias; a mais recente, a 1.1.22, traz três melhorias e oito correções.

No aspecto da usabilidade, o comando /model agora aceita um argumento: em vez de abrir um seletor, é possível mudar diretamente para um modelo informando seu nome, slug ou rótulo, e a operação define o padrão na mesma etapa, com autocompletar em texto fantasma durante a digitação. O comando /effort, que define o esforço de raciocínio, também completa o texto digitado em vez de exibir um exemplo fixo. A terceira adição, útil em sessões longas: quando um agente gera muitos arquivos, as rajadas de eventos do sistema de arquivos são agrupadas em uma única nova análise.

As oito correções visam à estabilidade de longa duração. A mais visível elimina as redesenhar contínuos da interface quando o painel de tarefas ou os detalhes de um subagente permaneciam abertos sem nenhuma tarefa em andamento, fazendo o uso do processador subir durante o repouso. Os erros HTTP 502 transitórios, que encerravam completamente uma execução, agora são repetidos após uma espera crescente (backoff). O restante abrange Windows, o daemon sem interface (headless) e a possibilidade de selecionar novamente o esforço de raciocínio para Gemini 3.1 Pro e Gemini 3.5 Flash durante uma autenticação com chave de API do Gemini.

Canal Antigravity	Versão mais recente	Data
Antigravity 2.0	2.11.0	26 de agosto de 2026
Antigravity CLI	1.1.22	27 de agosto de 2026
Antigravity SDK	0.1.15	25 de agosto de 2026
Antigravity IDE	2.5.5	13 de agosto de 2026

🔗 Changelog do Antigravity

MiniMax faz um balanço do H3 Max e declara consolidada a geração de vídeo mais rápida que o tempo real

29 de agosto — A MiniMax publica uma declaração excepcionalmente longa sobre o H3 Max, o modelo de vídeo que a fal Research obteve ao realizar o pós-treinamento dos pesos abertos do MiniMax H3. O anúncio do próprio modelo remonta a 27 de agosto; a novidade aqui é o posicionamento do laboratório de origem sobre o que esse trabalho externo significa para ele.

A mensagem se resume a duas ideias. A primeira é estratégica: a MiniMax afirma que o H3 Max tornou tangível o valor dos pesos abertos para suas próprias equipes e diz estar pronta para apoiar qualquer equipe que reproduza a abordagem da fal. A segunda é técnica e vai além: o laboratório considera agora consolidada a geração de vídeo mais rápida que o tempo real e, a partir disso, enumera casos de uso até então inalcançáveis — fluxos de vídeo perpétuos, mundos interativos, narrativa em tempo real. Duas horas antes, a MiniMax havia compartilhado um teste comunitário que resume bem a mudança: a questão já não é saber quanto tempo uma geração leva, mas se o modelo gera mais rápido do que uma transmissão da Twitch consegue transmitir.

They made the value of open weights feel real to our team in a way it hadn’t before. Advancing technology together has always been a core belief at MiniMax. H3 Max made that belief tangible. It showed that the frontier no longer belongs to a few, it belongs to everyone willing to build, experiment, and share what they discover.

🇵🇹 Eles tornaram o valor dos pesos abertos tangível para nossa equipe de uma maneira que nunca havia sido alcançada. Fazer a tecnologia avançar juntos sempre foi uma convicção fundamental na MiniMax. O H3 Max tornou essa convicção tangível. Ele mostrou que a fronteira já não pertence a poucos; ela pertence a qualquer pessoa disposta a construir, experimentar e compartilhar o que descobrir. — @MiniMax_AI no X

🔗 Teste comunitário compartilhado pela MiniMax

Resumo

Grok 4.6 chega ao Grok.com e aos aplicativos para iOS e Android — Depois de uma distribuição concentrada nas plataformas parceiras — GitHub Copilot, Amazon Bedrock, Gemini Enterprise Agent Platform e, em seguida, Microsoft Foundry em 26 de agosto — a xAI completa a série com suas próprias interfaces voltadas ao público. Três usos recomendados: problemas complexos, consultas agênticas e criação de aplicativos. Nenhum número, benchmark ou mudança de preços. 🔗 Mensagem de @grok
Midjourney corrige a qualidade de imagem de seu modelo de edição V8.2 — Menos de vinte e quatro horas após a abertura dos testes, o estúdio publica uma correção de qualidade de imagem e convida os usuários que encontraram problemas a executar novamente suas gerações. Outras atualizações são anunciadas, mas sem cronograma. 🔗 Mensagem de @midjourney
Gemini CLI bloqueia a confiança do espaço de trabalho por padrão — A versão noturna (nightly) v0.59.0-nightly.20260829.g0bd1d4397 inclui uma única mudança: um espaço de trabalho cuja confiança não pode ser estabelecida é tratado como não confiável, e os servidores MCP declarados são filtrados no modo restrito. O canal estável continua na v0.57.0, e a preview, na v0.58.0-preview.0. A nightly de 27 de agosto já havia corrigido uma SSRF na descoberta dos metadados OAuth dos servidores MCP. 🔗 Notas de versão
NVIDIA posiciona o Dynamo em relação a SGLang, vLLM e TensorRT-LLM — Formato curto de cinco minutos que responde a uma confusão frequente: o Dynamo não substitui os mecanismos de inferência; ele é instalado ao redor deles para distribuir a carga entre várias GPUs e vários nós. Vídeo apresentado por Vishakha Sadhwani. 🔗 Mensagem de @NVIDIAAI
QwenCloud publica o relatório da Qwen Conference Hong Kong 2026 — Retrospectiva do evento de 26 de agosto, realizado diante de mais de 300 clientes empresariais e desenvolvedores, com uma keynote que organiza a plataforma em torno de três pontos de entrada — o site, as Skills e o CLI — e uma demonstração de agente que encadeia criação de conta, seleção de modelo, inferência, implantação, pagamento e faturamento. 🔗 Mensagem de @qwen_cloud
Luma organiza uma noite criativa em São Francisco — Creative Intelligent Machines Continuum, noite de criação sob demanda prevista para terça-feira, 1º de setembro, na tiat, com demonstrações passo a passo conduzidas pelos criativos seniores do estúdio, um prompt comum e acompanhamento no local. A iniciativa dá continuidade à série Dream Lab Weekly, lançada em 25 de agosto. 🔗 Mensagem de @LumaLabsAI
FAST, uma tentativa de padronizar a comunicação de vulnerabilidades por agentes — O Framework for Autonomous Severity and Triage se apresenta como um conjunto de arquivos Markdown a serem inseridos no contexto de um agente, sem SDK nem API. Ele distingue uma pista não comprovada de uma vulnerabilidade com prova de impacto reproduzível, fornece uma árvore de decisão de severidade derivada do que os programas de recompensas realmente pagam, em vez do cálculo CVSS, e exige uma barreira de seis verificações antes do envio. Licença CC-BY 4.0. 🔗 Artigo no Hugging Face
Duas sessões de IA, o mesmo repositório e dois veredictos opostos sobre um agente de autorreparo — Nota de engenharia sobre um projeto pessoal: uma concepção autônoma de autorreparo que havia sido rejeitada reapareceu no repositório alguns dias depois, escrita por outra sessão que utilizava um assistente diferente, sem qualquer vestígio da primeira decisão. O arquivo nunca conseguiu ser executado, mas apenas graças a dois bugs acidentais — o autor fala em segurança por acidente, não por concepção. 🔗 Artigo no Hugging Face
three.ws, uma pilha open source para dar corpo, carteira e trabalho aos agentes — O projeto articula quatro blocos: geração e rigging 3D com estúdios no navegador, mecanismo de agente com cadeia de proteções e sistema de competências, carteira de agente baseada em x402 (pagamento por chamada sobre HTTP) e distribuição por meio de uma única tag a ser colocada em qualquer site ou em realidade aumentada. 🔗 Artigo no Hugging Face

O que isso significa

O acesso aos modelos de fronteira está se tornando uma questão de contraparte, não apenas de contrato. A OpenAI não corta o acesso do Cursor por inadimplência nem por uma cláusula técnica, mas porque afirma não poder confiar no uso que seu novo proprietário faria dele, apoiando-se em dois precedentes citados nominalmente — Twitter e xAI, ambos sob o controle da SpaceX. O argumento de maior consequência, porém, é o segundo: a OpenAI invoca seu próximo modelo, Astra, sobre o qual anunciou em 7 de agosto que já não podia excluir capacidades cibernéticas de nível Crítico, para justificar o não fornecimento de qualquer modelo futuro. Em outras palavras, quanto mais perigosa uma geração de modelos é considerada, mais se estreita a lista de quem pode acessá-la — e o critério de seleção já não é a solvência do cliente, mas o histórico de conformidade de sua controladora. Para as equipes que construíram sua cadeia de produção sobre um fornecedor terceirizado, 12 de novembro é um prazo de migração.

O que muda de preço são os limites, não as tarifas. A Anthropic não modificou nenhuma tarifa publicada: ela converte um aumento temporário de 50% em um aumento permanente de 25%, o que representa −17% em relação a hoje, e afirma isso no próprio comunicado seguinte. O GitHub, por sua vez, expõe o esforço de raciocínio como uma troca assumida com o consumo de tokens e passa a mostrar o consumo por modelo em cada rodada da conversa. Os números da Requesty explicam por que esses limites se tornaram o verdadeiro preço: as leituras de cache representam 78% de todos os tokens processados, a saída visível representa menos de 2%, e a proporção entre entrada e saída passou de 15x em janeiro para 36x em agosto. Um ciclo de agente não custa o que escreve; custa o que relê a cada etapa — e é essa grandeza que os fornecedores começaram a limitar.

Os pesos abertos ganharam volume e perderam valor. Metade do tráfego, 13% dos gastos, e 86% destes ainda concentrados em três fornecedores: o mercado aberto tornou-se um mercado atacadista, no qual o mesmo modelo custa 5,7 vezes mais de um provedor de hospedagem para outro, dependendo apenas da política de cache, e no qual um laboratório perde a maioria dos tokens servidos em seu próprio modelo em onze dias. O GLM-5.3 ilustra isso hoje: pesos publicados no dia 28, disponível em um provedor de hospedagem terceirizado no dia 29 por 1,40 dólar por milhão de tokens de entrada, seguido imediatamente por uma medição independente que quantifica exatamente o custo de sua versão destilada — 2,6 pontos de pass@4 por um décimo sétimo do preço. Quando o modelo é o mesmo em todos os lugares, a diferenciação migra para o cache, o roteamento e a medição. É um trabalho de infraestrutura, não de laboratório.

O cliente de linha de comando volta a ser um campo de competição técnica. O Copilot CLI muda para um mecanismo de execução nativo em Rust, mantendo sua interface em TypeScript; o Claude Code reduz em 4,5 vezes seu download para Linux e recupera de 40 a 70 MB de memória por sessão; o Antigravity CLI elimina os redesenhos que faziam o processador subir durante a ociosidade; o Codex CLI impede que /cd enfraqueça sua sandbox; e o Gemini CLI passa a tratar a confiança do espaço de trabalho como uma recusa por padrão. Cinco fornecedores, na mesma semana, sobre os mesmos temas: tempo de inicialização, consumo de memória e escopo exato do que o agente tem permissão para alterar. Depois de um ano comparando capacidades de modelos, a disputa também acontece no programa que os executa — e a segurança agora ocupa tantas linhas do changelog quanto os recursos.