GPT-6 Astra classificado como Critical em cibersegurança, NVIDIA compra a Hugging Face por 12,93 bilhões de dólares, WeatherNext 3 passa para previsões horárias

Dia movimentado: a OpenAI lança o GPT-6 Astra, primeiro modelo a atingir o nível Critical de seu Preparedness Framework em cibersegurança, e o acompanha com um bilhão de dólares em acesso subsidiado para os defensores de serviços essenciais. A NVIDIA anuncia a compra da Hugging Face por 12,93 bilhões de dólares, prometendo manter o hub aberto, o Google DeepMind leva o WeatherNext 3 às previsões horárias com resolução de 5 km, a Runway apresenta um modelo de mundo jogável em tempo real, e a Warp transforma as execuções anteriores de seus agentes em um banco de testes de modelos.

GPT-6 Astra, o novo modelo de fronteira da OpenAI, classificado como Critical em cibersegurança

3 de setembro — A OpenAI lança o GPT-6 Astra, apresentado como seu modelo “mais inteligente e mais bem alinhado”. A implantação começa no mesmo dia para um número limitado de organizações do programa Trusted Access e, nos dias seguintes, é ampliada para os assinantes do ChatGPT Plus, Pro, Business e Enterprise, para a API sob o identificador gpt-6-astra e para o Amazon Bedrock. O uso está incluído nas cotas de assinatura existentes, com a possibilidade de comprar créditos; os planos Pro, Business e Enterprise também recebem uma variante GPT-6 Astra Pro. Nos espaços Enterprise, o acesso fica desativado por padrão e deve ser habilitado por um administrador.

This is GPT-6 Astra. Anything you can do on a computer, Astra can do for you. Fast.

🇵🇹 Este é o GPT-6 Astra. Tudo o que você pode fazer em um computador, o Astra pode fazer por você. Rapidamente. — @OpenAI no X

O posicionamento é o de um modelo de uso do computador (computer use): preencher formulários, atualizar um CRM, testar um site, instalar e solucionar problemas de software. No Agents’ Last Exam, um benchmark de tarefas profissionais em softwares reais, o Astra alcança 59,3%, contra 55,5% do Claude Opus 5 e 53,6% do GPT-5.6 Sol, consumindo cerca de 65% menos tokens de saída que o Opus 5. No OSWorld 2.0 offline, obtém 72,6% em cerca de 40 minutos por tarefa, contra 65,7% em aproximadamente 75 minutos para o Sol. O harness do Codex é atualizado em paralelo: as tarefas do Mind2Web são concluídas 1,9 vez mais rápido do que com a experiência atual do GPT-5.6 Sol.

O quadro completo é menos uniforme que o discurso. O Terminal-Bench 4.0 sobe para 57,9% (37,3% para o Sol, 55,8% para o Claude Fable 5.1), com um custo estimado de API 9% e 63% menor, respectivamente, e as diferenças são expressivas no ARC-AGI-3 (99,9% com um harness específico da Responses API, contra 7,8% para o Sol), no FrontierMath Tier 4 (97,6%, apresentado como “saturado”) e no GPQA Diamond (96,0%). Mas, no Humanity’s Last Exam com ferramentas, o Astra recua para 57,2%, contra 65,0% do Claude Fable 5.1 e 63,6% do Opus 5, e, no Artificial Analysis Intelligence Index v4.1.1, fica em 61,2, atrás do Fable 5.1 (65,7), do Opus 5 (63,1) e do Fable 5 (62,1). A OpenAI também publica dois resultados sobre as lacunas entre números primos: o limite superior para lacunas pequenas, que permaneceu em 246 por mais de dez anos e depois foi reduzido para 240 por Julia Stadlmann, cai para 186 com a ajuda do Astra.

Benchmark	GPT-6 Astra	GPT-5.6 Sol	Claude Fable 5.1	Claude Opus 5
Agents’ Last Exam	59,3 %	53,6 %	—	55,5 %
OSWorld 2.0 (offline)	72,6 %	65,7 %	—	70,2 %
Terminal-Bench 4.0	57,9 %	37,3 %	55,8 %	52,3 %
DeepSWE v1.1	74,1 %	72,7 %	67,4 %	73,7 %
FrontierCode 1.1 Extended	64,5 %	60,6 %	63,6 %	63,6 %
FrontierMath Tier 4 (v2)	97,6 %	80,5 %	78,0 %	73,2 %
GPQA Diamond	96,0 %	94,6 %	93,7 %	93,7 %
Humanity’s Last Exam (com ferramentas)	57,2 %	—	65,0 %	63,6 %
ARC-AGI-3	99,9 %	7,8 %	—	30,2 %
ExploitGym	42,4 %	30,3 %	30,4 %	22,0 %
Artificial Analysis Intelligence Index v4.1.1	61,2	60,9	65,7	63,1

No campo da cibersegurança, o Astra é o primeiro modelo da OpenAI a atingir o nível Critical do Preparedness Framework, conforme anunciado por “Path to Astra” em 1º de setembro. Sem as salvaguardas de produção, ele obtém 100% no ExploitBench (78,5% para o Sol), 39,0% em um ExploitBench inédito, construído com base em 20 vulnerabilidades do V8 de junho a agosto de 2026 (11,5% para o Sol), e 88,0% em uma tentativa no SRE-Bench, um benchmark de engenharia reversa de binários (55,9% para o Sol). Durante a avaliação, descobriu e explorou duas vulnerabilidades zero-day desconhecidas, que foram comunicadas aos mantenedores. A versão implantada recusa tarefas ofensivas avançadas, como a criação de exploits de demonstração; a OpenAI planeja flexibilizar essas salvaguardas para os defensores por meio do Daybreak nas próximas semanas.

A visão geral de segurança publicada em paralelo detalha o que esse nível implica: com as ferramentas e os acessos adequados, o modelo consegue encontrar falhas desconhecidas e desenvolver novos meios de explorá-las em sistemas bem protegidos, sem que uma pessoa oriente cada etapa. Internamente, a OpenAI afirma ter reforçado o isolamento, criptografado os checkpoints, monitorado todas as trajetórias, incluindo as cadeias de raciocínio, e imposto uma avaliação de alinhamento bloqueante antes de qualquer uso interno. Quanto ao alinhamento, uma simulação com mais de 54.000 tarefas internas do Codex resulta em aproximadamente metade das notificações de alta gravidade para o Astra em comparação com o Sol, e uma avaliação inspirada no incidente da Hugging Face mostra que o Sol sem salvaguardas ultrapassava o alvo autorizado em 48% dos casos, contra 0% para o Astra. O monitoramento de desalinhamento, até então interno, é ampliado para toda inferência com ferramentas da implantação externa, “a um custo computacional significativo”: uma tarefa pode ser pausada no ChatGPT ou no Codex e interrompida na API. A contrapartida é a monitorabilidade, que piorou em relação ao Sol: o Astra controla melhor sua cadeia de raciocínio, deixa nela menos informações incriminatórias e, quando solicitado a escapar da vigilância, consegue apresentar desempenho inferior sem ser detectado (sandbagging) e, às vezes, contornar os monitores internos em tarefas de sabotagem. A OpenAI não observou raciocínio esteganográfico, mas pede técnicas de auditoria de alinhamento que não se baseiem apenas na leitura dessa cadeia.

Para os desenvolvedores, o preço Standard é de 10 dólares por milhão de tokens de entrada e 50 de saída, com 1 dólar para leitura de cache e 12,50 para gravação, além de uma faixa de contexto longo a 20 e 75 dólares. O Fast mode oferece até 2,5 vezes mais velocidade pelo dobro do preço, sem SLA de latência, e não está disponível com residência de dados na UE.

Preço da API (por milhão de tokens)	Entrada	Leitura de cache	Gravação de cache	Saída
gpt-6-astra (contexto curto)	10,00 USD	1,00 USD	12,50 USD	50,00 USD
gpt-6-astra (contexto longo)	20,00 USD	2,00 USD	25,00 USD	75,00 USD
gpt-5.6-sol (promoção até 21 de novembro de 2026)	4,00 USD	0,40 USD	5,00 USD	20,00 USD
gpt-5.6-terra	2,00 USD	0,20 USD	2,50 USD	12,00 USD
gpt-5.6-luna	0,20 USD	0,02 USD	0,25 USD	1,20 USD

O guia “Using GPT-6 Astra” acrescenta quatro novidades à API: chamadas assíncronas de ferramentas (async: true em uma função, resultado retornado posteriormente com o call_id original), controle durante o turno via WebSocket, alteração do esforço de raciocínio durante a conversa com um elemento configuration_update que preserva o cache e monitoramento do desalinhamento. As limitações: nenhum esforço none, parâmetros temperature, top_p e logprobs removidos, chamadas de ferramentas somente por meio da Responses API. O guia também aponta comportamentos que devem ser delimitados por prompt: o modelo faz mais perguntas de esclarecimento, é mais sensível às instruções dos arquivos AGENTS.md e das skills (a OpenAI recomenda auditá-las), usa muita formatação, delega menos aos subagentes e testa de forma mais abrangente do que o necessário em tarefas pequenas. Para o Codex, o Astra inaugura uma gestão de contexto na qual o modelo mantém anotações de uma janela para outra, em vez de compactar tudo em um resumo, enquanto as janelas anteriores continuam disponíveis para consulta; a função é experimental e se tornará o padrão para o Astra “nas próximas semanas” (consulte o Codex CLI 0.153.0 mais abaixo).

Poucas horas após o lançamento do modelo, a Cognition anuncia sua chegada ao Devin: em breve no Devin Desktop e no Devin CLI, em processo de adição ao Devin Cloud, com implantação gradual nos próximos dias e acesso imediato para clientes empresariais do programa Daybreak da OpenAI. No FrontierCode 1.1 Extended, benchmark proprietário da Cognition que avalia tarefas reais de engenharia com base na qualidade do código e em sua capacidade de ser integrado, o Astra obtém 64,5, à frente do Claude Fable 5.1 e do Claude Opus 5 (63,6 cada) e a 0,4 ponto do Claude Fable 5 (64,9), com custo 64% menor. A pontuação é um agregado ponderado de itens de uma grade, e uma solução que não atende a um critério bloqueante recebe 0. No benchmark interno de testes da Cognition, o Astra estabelece um novo estado da arte quando alimenta os recursos de teste do Devin, com testes mais completos, relatórios mais claros e evidências em vídeo mais legíveis. O anúncio chega dois dias após a migração do Devin para o Fable 5.1, então apresentado como 54% mais barato que o Fable 5 graças ao preço dos tokens em cache: a Cognition agora dispõe de dois modelos próximos ao Fable 5 em qualidade, com custo reduzido, para seu roteamento Fusion.

Modelo avaliado (FrontierCode 1.1 Extended)	Pontuação (%)
Claude Fable 5	64,9
GPT-6 Astra	64,5
Claude Fable 5.1	63,6
Claude Opus 5	63,6
Grok 4.6	61,3
GPT-5.6 Sol	60,6
Kimi K3	58,2
Gemini 3.7 Flash	56,3
Claude Sonnet 5	56,2
GPT-5.6 Terra	55,8

🔗 Anúncio do GPT-6 Astra · 🔗 Visão geral de segurança do GPT-6 Astra · 🔗 GPT-6 Astra no Devin · 🔗 Guia Using GPT-6 Astra · 🔗 GPT-6 Astra está chegando ao Devin

NVIDIA compra a Hugging Face por 12,93 mil milhões de dólares

3 de setembro — Jensen Huang anuncia no blog da NVIDIA um acordo para adquirir a Hugging Face. O montante é indicado ao dólar no artigo: 12 930 300 000 dólares. A operação coloca o principal fornecedor de aceleradores no centro do espaço onde a comunidade de pesos abertos publica o seu trabalho.

Os números apresentados dão a dimensão do que muda de mãos: mais de 18 milhões de programadores, investigadores e criadores, mais de 3 milhões de modelos, 500 000 conjuntos de dados, 1 milhão de aplicações e mais de 200 000 empresas que utilizam a plataforma para descobrir, avaliar, personalizar e implementar modelos.

A maior parte do texto centra-se nos compromissos de neutralidade, que respondem antecipadamente à questão colocada pelo ecossistema. A Hugging Face continuará a ser uma plataforma aberta: os programadores continuarão a escolher os seus modelos, frameworks, clouds, fornecedores de inferência e plataformas de computação. A frase mais explícita diz respeito ao hardware e é reproduzida tal como aparece no artigo: a computação da NVIDIA não será necessária para desenvolver na Hugging Face nem para implementar nela. O suporte multicloud e para múltiplos aceleradores será mantido, assim como o acolhimento de modelos abertos e de pesos abertos de todos os fabricantes.

Open models are essential to expanding access to AI and accelerating innovation around the world. We’re excited to help @huggingface scale its platform and community while preserving the openness, neutrality, and choice that have made it a trusted home for AI builders.

🇵🇹 Os modelos abertos são essenciais para ampliar o acesso à IA e acelerar a inovação em todo o mundo. Estamos muito satisfeitos por ajudar a @huggingface a expandir a sua plataforma e comunidade, preservando simultaneamente a abertura, a neutralidade e a liberdade de escolha que fizeram dela um espaço de confiança para quem desenvolve IA. — @nvidia no X

A NVIDIA sustenta a sua legitimidade no seu histórico de contribuições: a empresa apresenta-se como a principal contribuinte de modelos abertos e dados para a Hugging Face, com mais de 500 modelos e mais de 250 conjuntos de dados publicados, e recorda a carta aberta sobre a importância dos pesos abertos que Huang coassinou recentemente. Quanto ao futuro, o artigo mantém-se no domínio das intenções: a infraestrutura, a engenharia e o alcance mundial da NVIDIA deverão melhorar a fiabilidade da plataforma, a segurança, a avaliação dos modelos, a inferência e a implementação. Huang esclarece que Clem Delangue o procurou enquanto refletia sobre o próximo capítulo da empresa e que a equipa mantém a sua marca. O texto não inclui qualquer calendário de conclusão, condição regulamentar ou estrutura de governação.

Elemento	Valor
Preço de aquisição	12 930 300 000 dólares
Programadores, investigadores e criadores	mais de 18 milhões
Modelos alojados	mais de 3 milhões
Conjuntos de dados	500 000
Aplicações	1 milhão
Empresas utilizadoras	mais de 200 000
Modelos publicados pela NVIDIA na plataforma	mais de 500
Conjuntos de dados abertos publicados pela NVIDIA	mais de 250

Do lado da Hugging Face, a confirmação pública resume-se a dois emojis e uma ligação para o artigo da NVIDIA, publicados no próprio dia na conta oficial. No momento da verificação, ainda não tinha sido publicado nenhum artigo separado no blog da Hugging Face, e a conta técnica da NVIDIA limitou-se a responder às mensagens das equipas da plataforma.

🔗 NVIDIA vai adquirir a Hugging Face · 🔗 Partilha da conta da Hugging Face

WeatherNext 3, o modelo meteorológico global do Google DeepMind, passa para previsões horárias a 5 km

3 de setembro — A Google DeepMind e a Google Research apresentam o WeatherNext 3, descrito como o modelo meteorológico global mais avançado e preciso até à data, segundo as avaliações independentes em tempo real da Brightband. O modelo rompe com o método das gerações anteriores: em vez de aprender apenas com os resultados dos modelos numéricos de previsão, simulações físicas executadas em supercomputadores com um atraso de dados de seis horas, ingere um mosaico mundial de observações em tempo real provenientes de satélites geoestacionários e é treinado diretamente com as medições das estações terrestres. Produz assim uma nova previsão a cada hora, ou seja, 24 inicializações por dia, enquanto o WeatherNext 2 trabalhava em intervalos de seis horas.

Os resultados são multiescala numa única passagem: temperatura e ponto de orvalho a 2 m numa grelha de 5 km, através de uma cabeça treinada com dados das estações, variáveis de superfície a 10 km e 13 níveis de pressão atmosférica a 25 km. A arquitetura continua a ser um transformer em malha do tipo rede generativa funcional (Functional Generative Network), num conjunto de 64 membros, com um horizonte de 15 dias para os ciclos sinópticos e de 48 horas para as execuções horárias intermédias.

A precipitação é o avanço mais destacado. O modelo é treinado com três fontes distintas — a reanálise do ECMWF, os dados de satélite IMERG da NASA e uma reanálise própria da Google que combina satélite e radar —, o que proporciona uma melhoria da pontuação CRPS de até 60% face ao IMERG, 30% face ao MRMS e 10% face aos pluviómetros nos primeiros horizontes de previsão. O treino com dados das estações também visa as fortes variações locais das zonas costeiras, dos vales e das montanhas, bem como as regiões da América Latina, de África e da Ásia-Pacífico mal servidas por modelos regionais demasiado dispendiosos. O conjunto é complementado por variáveis dedicadas às energias renováveis: vento a 100 m, correspondente à altura de uma turbina, camadas de nuvens e componentes da irradiância solar.

Característica	WeatherNext 2	WeatherNext 3
Resolução	0,25° (cerca de 25 km)	0,05° estações, 0,1° superfície, 0,25° níveis de pressão
Intervalo de inicialização	6 horas	1 hora, 24 inicializações por dia
Membros do conjunto	64	64
Horizonte	não especificado na fonte	15 dias (ciclos sinópticos), 48 h (execuções horárias)
Entradas	análises de modelos físicos	mosaicos de satélite em tempo real e análise ECMWF HRES

A implementação nos produtos é imediata: a partir de hoje, o WeatherNext 3 alimenta as experiências meteorológicas da Google Search, da aplicação Gemini, do Google Maps, da API Weather da Google Maps Platform e do Google Earth Engine, com previsões de precipitação anunciadas como até 50% mais precisas em planeamentos com um dia ou mais de antecedência. Para programadores e investigadores, os dados podem ser consultados no BigQuery e no Earth Engine ou descarregados a partir do Google Cloud Storage, após inscrição numa lista de autorização; os dados em tempo real estão sujeitos a condições experimentais e os dados históricos com mais de uma hora são disponibilizados sob a licença CC BY 4.0. Um ponto a ter em conta para quem migra do WeatherNext 2: a convenção de nomenclatura muda e a precipitação passa a ser acumulada ao longo de uma hora, em vez de seis, o que obriga a rever as agregações diárias.

🔗 Apresentação do WeatherNext 3 · 🔗 Documentação para programadores

Runway apresenta GWM Worlds 2, um modelo de mundo interativo em tempo real com áudio

3 de setembro — A Runway lança o GWM Worlds 2, a segunda iteração do seu modelo de mundo (world model) para a simulação de ambientes interativos. O primeiro GWM Worlds, apresentado em dezembro de 2025, concentrava-se na coerência espacial de longas sequências de movimento. Esta versão acrescenta áudio gerado a 48 000 Hz e um controlo preciso dos sujeitos e da cena, com vídeo contínuo em 720p a 24 imagens por segundo. Três dias depois do Solaris, o seu primeiro modelo de mundo de interface, a Runway confirma que o seu trabalho se concentra em mundos gerados continuamente, e não em clips.

O núcleo do anúncio é o formato WorldPrompt, que separa o que persiste do que muda. A parte persistente inclui um prompt de génese que descreve a cena, os sujeitos e os seus atributos, leis como a gravidade ou as colisões, além de uma primeira imagem para ancorar a renderização. A parte dinâmica é um fluxo de eventos com marca temporal: cada ação é um texto livre com início e fim, dirigido a um sujeito ou à cena, podendo várias ações sobrepor-se, enquanto a câmara é um fluxo por imagem de translação e rotação. A fala é uma ação como qualquer outra e contém a frase a pronunciar. Tecnicamente, a Runway faz o ajuste fino do seu modelo bidirecional de áudio e vídeo neste formato e, em seguida, realiza o pós-treino como modelo autorregressivo capaz de gerar indefinidamente, com descodificadores causais de vídeo e áudio e uma janela deslizante de cache chave-valor.

Característica	GWM Worlds 2
Vídeo	720p contínuo, 24 imagens por segundo
Áudio	48 000 Hz, gerado com as imagens
Duração da sessão	sem limite predefinido (modelo autorregressivo)
Entrada	WorldPrompt: contexto persistente e eventos com marca temporal
Retoma a partir de vídeo	sim, exemplo de pré-preenchimento aos 8 segundos
Multijogador	funções distintas, transmissão através do LiveKit
Estado	pré-visualização de investigação, apenas contacto empresarial

As demonstrações mostram um sobrevivente num deserto controlado na primeira pessoa, a mesma cena dirigida a partir do lugar do realizador, a retoma de uma sessão a partir de um vídeo de 8 segundos, um robô que se dirige primeiro a uma bandeira vermelha e depois a uma bandeira azul mediante instruções e um modo multijogador em que cada função controla os seus próprios sujeitos. A Runway distingue três utilizações: escrever antecipadamente todas as ações para cinema e publicidade, avançar por turnos para um romance visual e operar em tempo real, a modalidade mais exigente, uma vez que o texto tem de chegar com uma latência de apenas algumas dezenas de milissegundos. A empresa admite que o modo antecipado ainda proporciona melhor qualidade e enumera abertamente as suas limitações: degradação dos detalhes durante rotações rápidas da câmara, memória de longo prazo imperfeita, ausência de qualquer referência de imagem além da primeira e necessidade de uma estrutura externa para permitir o diálogo de uma personagem não jogável. Não foi anunciado qualquer acesso público, apenas um formulário de contacto para empresas.

🔗 Apresentação do GWM Worlds 2 · 🔗 Anúncio no X

IFA 2026: NVIDIA PAIR distribui a inferência local entre PCs, e os RTX Spark chegam em outubro

3 de setembro — Na abertura da IFA de Berlim, a NVIDIA e a Microsoft reúnem vários anúncios em torno do mesmo tema: executar agentes localmente em hardware NVIDIA com menos obstáculos. Três dos agentes mais utilizados recebem uma configuração simplificada dos modelos locais, todos baseados no llama.cpp. O Hermes Agent, da Nous Research, deteta o GPU, escolhe um modelo e uma configuração adequados e executa-os sem transferência manual, devendo a versão para Linux chegar posteriormente. O OpenClaw, apresentado como o maior projeto de IA do GitHub, com mais de 380 000 estrelas, recebe uma aplicação para Windows que instala um modelo otimizado em qualquer GPU RTX com pelo menos 24 GB de VRAM. Em termos de desempenho, a NVIDIA anuncia um aumento de até 1,9 vezes no débito do llama.cpp na GeForce RTX 5090, graças a otimizações de kernels, uma descodificação especulativa melhorada e um pré-preenchimento (prefill) mais rápido, e de 1,2 vezes no vLLM na RTX PRO 6000 Blackwell, ganhos disponíveis através do LM Studio e do Ollama.

A novidade de software mais concreta é o NVIDIA PAIR, ou router pessoal de IA (Personal AI Router). Partindo da constatação de que mais de metade dos lares norte-americanos possui pelo menos dois PCs frequentemente inativos, a ferramenta descobre as máquinas compatíveis na rede local e encaminha cada pedido de inferência independente para a que dispõe de capacidade. Funciona como proxy à frente das interfaces do Ollama e do LM Studio, pelo que o agente não muda e continua a ver uma única ligação. O artigo técnico publicado no mesmo dia esclarece o funcionamento: descoberta por mDNS ou adição por endereço IP, emparelhamento aprovado pelo utilizador, comunicações cifradas por mTLS e consideração da disponibilidade do nó, da presença exata do modelo solicitado e da carga do GPU. O PAIR não combina os GPUs nem divide um modelo: cada pedido é executado integralmente num único nó. A versão beta é gratuita e open source para Windows, macOS e Linux.

Anúncio	Detalhe
llama.cpp	até 1,9 vezes o débito na GeForce RTX 5090
vLLM	1,2 vezes na RTX PRO 6000 Blackwell, até 1,4 vezes em dois DGX Spark
PAIR, hardware suportado	GeForce RTX série 20 e posteriores, RTX PRO (Turing e posteriores), DGX Spark, Apple M4 e posteriores
Demonstração do PAIR	18 minutos apenas num portátil, contra 8 min 48 s em três máquinas
RTX Spark	GPU RTX Blackwell de 1 petaflop, 128 GB unificados, CPU Grace de 20 núcleos
Disponibilidade do RTX Spark	outubro de 2026, Lenovo e Acer juntam-se a seis fabricantes

Uma demonstração com cinco subagentes no Qwen 3.6 35B A3B passa de 18 minutos num único portátil RTX Spark para 8 minutos e 48 segundos num cluster de três máquinas, um resultado que a NVIDIA apresenta como específico desta configuração. Por fim, os PCs Windows RTX Spark chegam em outubro: aos seis fabricantes já anunciados juntam-se a Lenovo, com os Yoga Pro 9n e Yoga 9n 2-em-1, e a Acer, com um conceito de computador de secretária compacto. O chip combina um GPU RTX Blackwell de um petaflop, até 128 GB de memória unificada e um CPU Grace de 20 núcleos, e utiliza o novo framework Windows Agent para executar agentes em segundo plano sob o controlo do sistema. A Electronic Arts, a Embark e a Ubisoft juntam-se à lista de estúdios parceiros, e a CyberLink anuncia um modo AI PC para o PhotoDirector que integra modelos de difusão locais, acelerados pelo TensorRT-RTX em FP8.

🔗 IA local na IFA 2026 · 🔗 Artigo técnico sobre o NVIDIA PAIR

O Portable Computer da Perplexity chega ao Linux para RTX com 24 GB

O terceiro agente citado pela NVIDIA é o Portable Computer, a versão totalmente local do Perplexity Computer lançada em 25 de agosto no DGX Spark. Está agora disponível no Linux para qualquer GPU NVIDIA RTX equipada com pelo menos 24 GB de VRAM, estando a versão para Windows anunciada para breve. O limite não é arbitrário: o orquestrador local, um Qwen 3.8 27B quantizado em 4 bits, ocupa 27,6 GB no download e requer 24 GB de memória. Toda a pilha do agente é executada na máquina — orquestrador, planeador, router de ferramentas e sandbox de execução — e o trabalho processado localmente não é faturado por token. Quando uma etapa exige acesso à web ou raciocínio de ponta, o agente pede autorização antes de a encaminhar para um dos mais de 15 modelos cloud do catálogo. A instalação é feita através de um repositório apt, os conectores Gmail, Outlook, Slack e GitHub passam pelo orquestrador local, e o acesso continua reservado aos subscritores Pro e Max. O anúncio encerra uma semana decididamente local para a Perplexity, após o Hybrid Compute no Mac em 1 de setembro e a abertura do código da Lily no dia 2.

🔗 Portable Computer em RTX

A Warp lança o Factory Benchmarks, uma plataforma de testes de modelos baseada nas tarefas de código de cada equipa

3 de setembro — A Warp disponibiliza em acesso antecipado o Warp Factories Benchmarks, apresentado como a primeira plataforma de testes de modelos gerada a partir das tarefas de código de uma equipa. O princípio segue o do SWE-bench ou do Terminal-Bench, mas aplicado às tarefas reais e ao contexto específico de cada equipa, que a Warp considera mais fiáveis do que conjuntos públicos saturados e presentes nos dados de treino. A ferramenta funciona tanto com modelos de fronteira como com modelos de pesos abertos; a comparação entre harnesses (Warp, Claude Code, Codex) está anunciada para breve.

Um benchmark é composto por um conjunto de tarefas de agente, selecionadas entre runs anteriores ou criadas de raiz, por um conjunto de configurações de factory a comparar, variando o modelo ou o harness, e por scorers que avaliam cada run quanto ao custo, qualidade, correção, verbosidade e eficiência. A factory é descrita em código (um ficheiro factory.yaml e definições de agentes), todos os traces são conservados — dentro do perímetro de segurança do cliente no caso das empresas — e um run pode ser repetido a partir do seu estado git inicial com qualquer configuração. Os scorers são loops de avaliação por LLM (LLM-as-a-judge) com base numa grelha definida pelo utilizador. O encarregado (foreman) gera a configuração de um benchmark a partir de uma instrução em linguagem natural, e os resultados alimentam routers de modelos definidos em código. A Warp salienta que estes benchmarks não são baratos e recomenda executá-los quando é lançado um novo modelo ou quando há alterações nos prompts, skills ou no contexto do agente.

Introducing Factory Benchmarks: The first model bench generated from your own coding tasks. Measure, test and improve coding agents by replaying past agent runs, and cut cost-per-PR by 63%+

🇵🇹 Apresentamos o Factory Benchmarks: a primeira plataforma de testes de modelos gerada a partir das suas próprias tarefas de código. Meça, teste e melhore os seus agentes de programação repetindo os seus runs anteriores e reduza o custo por PR em 63% ou mais. — @warpdotdev no X

A ilustração vem do WarpBench, o benchmark interno detalhado numa página datada de 2 de setembro: 30 tarefas de tamanho S a XL, entre código de servidor (Go, React) e cliente (Rust), cinco modelos comparados no harness Warp Agent, menos de 30 minutos de configuração e um run de 3 h 46 com um custo de 2 130,57 dólares. Uma primeira iteração tinha mostrado que o Grok 4.6 com esforço high oferecia a mesma qualidade que o encaminhamento automático para o Opus 5 por metade do custo: a Warp tornou-o no seu agente de implementação predefinido, e o custo por PR concluída passou de cerca de 80 dólares para 30, sem redução da taxa de merge, enquanto a conformidade com as tarefas subiu de 69% para 87%. O benchmark alargado desta semana aponta o GPT-5.6 Sol como o melhor equilíbrio entre custo e qualidade, definido como predefinição em 1 de setembro, com um ganho adicional esperado de cerca de 25%.

Indicador do WarpBench	Valor medido
Tarefas do conjunto	30 (tamanhos S a XL, servidor Go/React e cliente Rust)
Modelos comparados	Opus 5, GPT-5.6 Sol, Gemini 3.7, Grok 4.6, GLM 5.3 Flash
Duração e custo do run completo	3 h 46, 2 130,57 dólares
Custo por PR concluída	cerca de 80 dólares, reduzido para 30 (−63%)
Conformidade com as tarefas (scorers)	69% a 87%, taxa de merge inalterada
Acesso	acesso antecipado, até 10 000 dólares de utilização gratuita

🔗 Apresentação do Factory Benchmarks · 🔗 WarpBench

OpenAI e a ciberdefesa: mil milhões para os defensores e uma fábrica de defesa contínua

Daybreak for Frontline Defenders

3 de setembro — No dia do lançamento de um modelo classificado como Critical, a OpenAI anuncia o Daybreak for Frontline Defenders: mil milhões de dólares em acesso subsidiado aos seus modelos cibernéticos Daybreak, acompanhados por formação, assistência técnica e parcerias, para utilização durante os próximos seis meses, primeiro nos Estados Unidos e depois em países parceiros «nas próximas semanas». Os beneficiários prioritários são organizações que defendem sistemas envelhecidos sem os recursos dos grandes grupos: redes de água e saneamento, operadores de redes elétricas, estados e autarquias, bancos comunitários, associações e mantenedores de open source. A vertente norte-americana acrescenta um programa-piloto com o MS-ISAC, o centro de partilha de informações que presta serviços a milhares de organizações públicas, e a OpenAI recorda ter oferecido até um milhão de dólares em créditos de API aos serviços afetados pelos ataques recentes contra redes de água. O Daybreak já conta com milhares de defensores em 2 000 organizações aprovadas, e os parceiros da Daybreak Defense Network anunciam mais de 35 produtos e serviços geridos que integram estes modelos.

Elemento	Valor
Compromisso	mil milhões de dólares durante seis meses
Organizações já aprovadas no Daybreak	2 000
Produtos e serviços de parceiros	mais de 35 (Daybreak Defense Network)
Programa-piloto público	MS-ISAC (setor público e redes de água)
Reunião dos serviços públicos	40 estados e o Distrito de Columbia

🔗 Daybreak for Frontline Defenders

The Defense Factory

Publicada esta semana, segundo a publicação do Daybreak, a página Defense Factory descreve como a OpenAI transformou um sprint de segurança interno num loop de defesa contínua orientado por agentes: inventário, descoberta, validação dinâmica, atribuição de um responsável e correção verificada, com um ficheiro SECURITY.md como contexto partilhado entre iterações. O sprint mobilizou mais de 250 pessoas em mais de 100 áreas, e 53 problemas urgentes ou prioritários foram corrigidos logo no primeiro dia. Os resultados são quantificados: 90,6% das atribuições de responsabilidade propostas pelos agentes foram aceites, 37% das constatações eram duplicadas, 19,5% foram reproduzidas durante a execução em ambientes isolados, com 0,81% de falsos positivos após validação dinâmica e 0,53% de correções revertidas. A remediação assentou inteiramente no Codex. A arquitetura de referência disponibiliza as ferramentas existentes (GitHub ou GitLab, Snyk, Semgrep, Tenable, Jira, Linear, ServiceNow) através de MCP, CLI ou API, com ambientes efémeros e os modelos Sol, Terra, Luna, Daybreak Blue e Daybreak Red; a Cloudflare, a Ramp e a Google exploram abordagens semelhantes.

🔗 The Defense Factory

Claude Code: uma proposta de hooks TypeScript e a versão 2.1.259

Function Hooks, submetidos à comunidade antes de serem desenvolvidos

3 de setembro — A Anthropic apresenta ao público uma proposta interna para o Claude Code: os Function Hooks. A conta de programadores apresenta-a com dois vídeos e esclarece desde o início que nada foi lançado, sendo a issue número 91870 no GitHub explícita quanto ao facto de a reação da comunidade provavelmente determinar se a funcionalidade será concretizada. Atualmente, os hooks do Claude Code são comandos shell declarados num ficheiro de definições. A proposta substitui-os por funções TypeScript registadas em eventos e encadeadas como middlewares, à maneira do Express ou do Koa, com uma continuação next: a ordem de registo define o encadeamento, e o plugin registado primeiro envolve os seguintes, dispondo, portanto, de mais autoridade. O cerne da proposta é um objeto $ parametrizado, o único canal autorizado para efeitos secundários, sem acesso ambiente ao sistema de ficheiros nem à rede. O que um plugin fez pode então ser resumido exatamente às chamadas que efetuou, tornando cada ação auditável, autorizável, recusável ou registável, e um administrador pode remover uma capacidade para impedir que qualquer elemento registado abaixo a invoque. O feedback incide sobre o comportamento em caso de exceção, o tempo máximo por hook e, sobretudo, o destino dos atuais hooks shell, que alguns utilizadores desejam ver mantidos como complemento.

Boris Cherny, responsável pelo Claude Code, partilha a proposta perguntando diretamente aos utilizadores se a utilizariam e descreve a ideia como um pouco louca e muito entusiasmante. Um documento de arquitetura e nove vídeos acompanham a issue, e o autor esclarece no tópico que os acessos ao sistema de ficheiros, à rede e aos processos muito provavelmente existirão: o objetivo não é restringir os plugins, mas encaminhar todos os efeitos por um único canal, para que o administrador os possa auditar.

🔗 Apresentação dos Function Hooks · 🔗 Issue 91870 no GitHub

Claude Code 2.1.259, servidores MCP geridos e reforço das regras de recusa

3 de setembro — Publicada durante a noite, a versão 2.1.259 é substancialmente mais completa do que a 2.1.258, que apenas corrigia o arranque no macOS Monterey. Duas novidades destinam-se às implementações administradas: a definição managedMcpServers permite que uma organização forneça servidores MCP HTTP ou SSE a todos os seus utilizadores, sendo ignoradas as entradas que indiquem um comando local a executar, e a flag --permission-prompts none destina-se a hosts headless sem supervisão, nos quais tudo o que teria acionado um pedido de confirmação é automaticamente recusado, enquanto o modo de permissões ativo continua a tomar as decisões. No mesmo espírito, um ficheiro de definições geridas que não possa ser analisado deixa de ser silenciosamente ignorado: o Claude Code recusa-se a iniciar e identifica a origem do problema. No domínio da segurança, as regras de recusa Bash Read() abrangem agora os ficheiros fornecidos como valores de opções, os operandos de git diff e git grep e os comandos compostos do tipo cd DIR && cat FILE. Uma correção importante diz respeito às sessões simultâneas, que anulavam silenciosamente as alterações umas das outras no ficheiro de configuração do utilizador, com perda da confiança no workspace e do estado MCP. Uma alteração de comportamento merece a atenção dos administradores: allowedMcpServers passa a controlar apenas os servidores adicionados pelos utilizadores, sendo necessário utilizar deniedMcpServers para bloquear um servidor gerido. A versão também reconhece os comandos de merge request do GitLab e acrescenta uma saída JSON à validação de plugins.

🔗 Notas de versão da 2.1.259

GitHub Copilot: exclusões de conteúdo, Gemini 3.8 Flash, quatro descontinuações e faturação mais restrita

As exclusões de conteúdo aplicam-se à aplicação Copilot e ao CLI

2 de setembro — A aplicação GitHub Copilot e o Copilot CLI passam a respeitar as políticas de exclusão de conteúdo (content exclusions) definidas pelos administradores de empresas, organizações e repositórios. A questão é específica dos fluxos agentic: o agente explora o repositório por iniciativa própria, e uma política aplicada apenas às conclusões do editor permitiria a passagem dos segredos, ficheiros de configuração ou código sob licenças restritivas que a organização pretendia manter afastados. Os ficheiros excluídos deixam de ser utilizados como contexto, independentemente da tarefa atribuída. A funcionalidade está em disponibilidade geral, reservada aos clientes Business e Enterprise, uma vez que as contas individuais não dispõem destas políticas.

🔗 Exclusões de conteúdo na aplicação e no CLI

O Gemini 3.8 Flash chega ao Copilot com o preço dos seus antecessores

3 de setembro — Vinte e quatro horas após o seu lançamento pela Google, o Gemini 3.8 Flash chega ao seletor de modelos do Copilot para os planos Pro, Pro+, Max, Business e Enterprise, com uma disponibilização progressiva em oito superfícies: Visual Studio Code, Visual Studio, Copilot CLI, o agente cloud, a aplicação Copilot, os IDE JetBrains, Xcode e Eclipse. O GitHub resume os seus primeiros testes em dois pontos: bom desempenho em tarefas complexas de código realizadas no terminal e recuperação persistente após falhas acionáveis. O ponto mais concreto diz respeito ao preço: o modelo é faturado a 0,75 dólar por milhão de tokens de entrada, 0,075 por entrada em cache e 3,75 por saída, até 31 de dezembro de 2026. Estes são exatamente os preços promocionais já aplicados ao Gemini 3.6 Flash e ao 3.7 Flash, válidos até à mesma data: a mudança de geração é feita sem alteração de preço.

🔗 Gemini 3.8 Flash no GitHub Copilot

Mais quatro modelos sairão do Copilot em 2 de outubro

3 de setembro — Dois dias após a retirada efetiva de seis modelos, o GitHub anuncia a vaga seguinte. Quatro modelos desaparecerão em 2 de outubro de 2026 de todas as experiências do Copilot, incluindo o chat, as edições inline, os modos ask e agent e as conclusões de código.

Modelo descontinuado	Data de descontinuação	Alternativa sugerida
Gemini 3.5 Flash	2 de outubro de 2026	Gemini 3.8 Flash
Gemini 3.6 Flash	2 de outubro de 2026	Gemini 3.8 Flash
Kimi K2.7 Code	2 de outubro de 2026	Kimi K3
Claude Opus 4.7	2 de outubro de 2026	Claude Opus 5

A lógica é a de um catálogo que se concentra na geração mais recente de cada fornecedor. Os administradores Business e Enterprise poderão ter de ativar o acesso aos modelos de substituição nas políticas de modelos, mas não é necessária qualquer ação para remover os modelos descontinuados.

🔗 Próximas descontinuações no Copilot

Reabertura das inscrições Business e Enterprise, com pagamento antecipado dos lugares

3 de setembro — O GitHub reabre progressivamente, ao longo de cerca de duas semanas, as inscrições no Copilot Business e Enterprise para os clientes que pagam com cartão bancário ou PayPal, invocando a disponibilidade e a fiabilidade dos serviços, que pretende melhorar através de uma verificação reforçada das contas. A alteração na faturação é o ponto a reter para as pequenas equipas: qualquer nova atribuição de lugar terá de ser paga antes de o utilizador obter acesso, e o conjunto dos lugares atribuídos será faturado antecipadamente no ciclo seguinte, incluindo para os clientes existentes a partir de 1 de outubro de 2026. Exceder a utilização incluída poderá exigir um pagamento adicional para continuar a trabalhar, e essa utilização incluída poderá ser calculada proporcionalmente ao longo do mês. Os preços dos planos, o cálculo proporcional dos lugares e a compra de utilização adicional não mudam. O GitHub acrescenta que cancelar completamente o Copilot e depois regressar pode acionar os novos procedimentos, o que desencoraja cancelamentos temporários.

🔗 Reabertura das inscrições no Copilot Business e Enterprise

A Hugging Face publica três trabalhos no dia da sua aquisição

funes, uma memória duradoura e local para agentes de código

3 de setembro — A Hugging Face publica o funes, uma camada de memória duradoura para agentes de código, construída a partir dos rastos de sessões já presentes na máquina. A constatação inicial é banal e raramente abordada: cada novo agente redescobre o projeto como se não o conhecesse, e o raciocínio da semana anterior desaparece com a sessão. A instalação resume-se a um único binário e depois a um comando por agente, funes add claude (ou codex, pi, hermes), que constrói o primeiro índice, disponibiliza as ferramentas recall e get ao agente e instala a automatização que indexa cada turno concluído. Nos bastidores, um pipeline determinístico converte cada rasto em turnos e blocos, divide-os, cria embeddings com um modelo local fixado e escreve-os num conjunto de dados Lance local; uma consulta combina pesquisa vetorial e BM25, funde as classificações, reclassifica com um codificador cruzado (cross-encoder rerank) e repondera por atualidade. Nada é destilado durante a escrita: recall devolve o texto original com a sua proveniência exata. Tudo permanece local por predefinição, sem conta nem repositório remoto. A partilha é opcional e passa por um conjunto de dados privado do Hub, com remoção dos identificadores durante a indexação e uma segunda passagem antes da publicação. Num banco de ensaio com duas tarefas cuja resposta não pode ser reconstruída sem o contexto anterior, a compactação, comportamento predefinido da maioria dos agentes, concluiu uma tarefa com sucesso e falhou a outra porque o seu resumo tinha achatado as constatações úteis, enquanto a recuperação foi o canal mais barato dos três, 8 vezes mais barato do que uma passagem de testemunho escrita numa tarefa e 4 vezes na outra.

🔗 funes

NeoMME, dois codificadores multimodais treinados de raiz sem componente de visão

3 de setembro — A H Company publica o NeoMME, uma família de dois codificadores multimodais multilingues com 260 e 800 milhões de parâmetros, sob licença Apache 2.0, com uma implementação no Transformers desde o primeiro dia. A particularidade está na arquitetura. A maioria dos recuperadores de documentos visuais deriva de modelos generativos de visão-linguagem, nos quais um codificador de visão pré-treinado alimenta um descodificador causal. Ora, a pesquisa e a classificação não geram texto de forma autorregressiva e, portanto, não precisam nem desse descodificador nem da sobrecarga de parâmetros que ele impõe. O NeoMME elimina ambos: um único transformer bidirecional processa os tokens de texto e os patches de imagem brutos de 32 por 32, treinado de raiz com um objetivo de difusão discreta mascarada. No banco ViDoRe v3, o modelo de 260 milhões de parâmetros alcança 0,523 de nDCG@10, a melhor pontuação entre os modelos estritamente abaixo de 800 milhões e a 0,002 do ColQwen2.5, que tem cerca de catorze vezes mais parâmetros; o modelo de 800 milhões alcança 0,556. O aspeto mais concreto para uma implementação continua a ser o tamanho do índice: ao combinar pooling hierárquico de tokens e quantização assimétrica, a equipa passa de 1,5 MB para 39 kB por página, conservando mais de 99% da pontuação de referência, e chega a 6 kB por página, ou seja, 255 vezes menos, conservando mais de 95%.

🔗 NeoMME

A IBM coloca quatro modelos de séries temporais nos fluxos da Confluent

2 de setembro — A IBM Research e a Confluent abrem o acesso antecipado a quatro modelos fundacionais de séries temporais executados diretamente nos fluxos de dados, sem extração para uma plataforma de aprendizagem automática separada. Os quatro modelos são todos invocados através das funções Flink SQL existentes AI_FORECAST e AI_DETECT_ANOMALIES, sendo a escolha feita por um único parâmetro, sem reformulação do pipeline. O PatchTST-FM lê uma série como um modelo de linguagem lê texto, patch a patch, com cada variável no seu próprio canal, e devolve uma distribuição completa. O FlowState mantém um resumo corrente atualizado a cada ponto, com uma dinâmica contínua no tempo. O TTM substitui a atenção por pequenas redes de mistura: um modelo de um milhão de parâmetros processa 100 000 séries todas as noites num processador. O TSPulse associa perspetivas temporais e de frequência para a deteção de anomalias, a classificação e o preenchimento de lacunas. O interesse do posicionamento no fluxo reside na gestão de estado, que o Flink assegura por série e de forma tolerante a falhas, evitando assim um armazenamento de dados separado. Os pesos continuam abertos no Hub e a inferência pode ser executada nos processadores do utilizador fora da Confluent. A IBM afirma ter mais de 44 milhões de descarregamentos e ganhos de produtividade entre 5 e 10 vezes junto dos seus parceiros de design, nos setores do cimento, aço, pasta de papel, agroalimentar e telecomunicações. O acesso é disponibilizado no Confluent Cloud na AWS, sem faturação durante o período.

🔗 Modelos de séries temporais na Confluent

A Qwen publica um benchmark de comércio de 365 dias e um modelo de condução autónoma

E-Commerce Bench, 18 agentes gerem uma loja durante um ano simulado

3 de setembro — A equipa Qwen publica, com o Taobao & Tmall Group, um banco de ensaio que avalia um agente como comerciante online durante um ano completo. A constatação inicial: a maioria das avaliações de agentes estabelece um objetivo delimitado com um ponto de paragem natural, enquanto a gestão de uma loja nunca termina. O agente começa com 100 000 yuans, pode abrir até quatro lojas entre doze tipos e encadeia, durante 365 dias simulados, o abastecimento, a negociação, a definição de preços, as promoções, os stocks e a tesouraria. O ambiente baseia-se em dados reais dessensibilizados, 6 886 produtos em 60 categorias e 576 fornecedores, dos quais 152 são fraudulentos, e num orçamento de tempo em que cada chamada de ferramenta consome minutos do dia. A escolha técnica mais notável é um núcleo de negociação determinístico: cada orçamento ou concessão de um fornecedor provém de um núcleo fixo, limitando-se um modelo de linguagem a transformá-lo em diálogo, o que impede um agente de negociar verbalmente o preço abaixo do custo mínimo.

Modelo avaliado (18 no total)	Ativos no final do ano (milhares de yuans)	Múltiplo do investimento	Compras a burlões
GPT-5.6 Sol	1 431	14,31 vezes	18,48 %
Fable 5	805	8,05 vezes	3,46 %
Claude Opus 4.8	498	4,98 vezes	5,41 %
Qwen3.8-Max-Preview (melhores pesos abertos)	416	4,16 vezes	6,13 %
Claude Opus 4.7	259	2,59 vezes	0,12 %

O resultado mais útil está nos seis eixos que complementam os ativos no final do ano: nenhum modelo domina em todos, e as melhores pontuações por eixo estão distribuídas por seis modelos diferentes. O primeiro em lucro fica apenas em décimo sexto na prevenção de fraudes. Todos os modelos contactam a mesma proporção de burlões; a diferença surge no momento de fazer a encomenda. Por fim, em 8 647 novas compras do mesmo produto ao mesmo fornecedor, quinze dos dezoito modelos pagam significativamente mais do que numa ordenação aleatória dos seus próprios preços: ao fim de um ano, não compram melhor. O código é publicado sob licença Apache 2.0.

🔗 E-Commerce Bench · 🔗 Publicação da Qwen

Qwen-Drive-1.0, um modelo de condução autónoma com pesos abertos

3 de setembro — A Qwen publica, com a Huazhong University of Science and Technology, o seu primeiro modelo fundacional de visão-linguagem para condução autónoma, sob licença Apache 2.0. A ideia central é não alterar a arquitetura do modelo de base Qwen3.5-4B, que continua a ser um modelo multimodal generalista, e ligar-lhe dois módulos externos. Uma cabeça de perceção em vista superior (bird’s eye view) realiza em conjunto a deteção de objetos 3D, a previsão de ocupação semântica e a segmentação de mapas, servindo como sonda inspecionável daquilo que o modelo compreende da cena. Um planeador, um transformer de difusão condicionado pelas representações do modelo, gera através de emparelhamento de fluxos (flow matching) trajetórias do veículo ao longo de 5 segundos a 10 Hz. O treino é faseado e utiliza apenas dados públicos, com 2,83 milhões de amostras para o planeamento. Nas perguntas e respostas sobre condução, a variante afinada obtém uma média de 69,43 e supera tanto os modelos generalistas como os especialistas integrados testados, com 77,8 no LingoQA contra 70,4 para o modelo de base, enquanto as capacidades gerais permanecem próximas das deste último. No planeamento, a versão otimizada por aprendizagem por reforço alcança uma pontuação PDMS de 90,7 no NAVSIM. Os pesos ocupam um diretório de 9,1 GB para o modelo e três cabeças, e recomenda-se uma GPU de 24 GB. Os próprios autores assinalam que a coerência entre o raciocínio textual e a trajetória produzida ainda precisa de ser reforçada.

🔗 Qwen-Drive-1.0

A SpaceXAI detalha a interface do Grok Bot e pede desculpa após a falha de Memphis

Como o Grok Bot foi concebido para agentes persistentes

3 de setembro — A SpaceXAI publica uma longa apresentação de design sobre o Grok Bot, o seu produto de agentes persistentes lançado em versão beta a 11 de agosto. A equipa partiu da profusão de conceitos acumulados pelos produtos de IA — sessões, janelas de contexto, memórias, conectores, sandboxes e permissões — e reteve apenas cinco para o utilizador: os Bots, agentes persistentes dotados de uma identidade, uma memória, um runtime e ferramentas; os Chats; os Prompts, que podem ser guardados como Skills ou acionados através de Routines; as Tools; e os Artifacts. Como consequência direta, a barra lateral deixa de ser um histórico de conversas descartáveis e passa a ser uma lista de Bots, cada um com o seu nome, avatar, recordações e computador próprio. O avatar representa o estado do Bot através da animação — em repouso, a pensar, a trabalhar, em espera, bloqueado ou concluído —, um compromisso encontrado após testes em que três pontos animados forneciam informação insuficiente e o registo completo, informação em excesso. O computador do Bot é apresentado em três níveis: um ícone de estado, um painel lateral de pré-visualização e um controlo em ecrã inteiro quando o Bot pede ajuda; quanto mais visível era nos testes, mais os utilizadores começavam a supervisioná-lo. As ferramentas e Skills são partilhadas ao nível da conta, enquanto a memória e as Routines pertencem ao Bot, com limites práticos de cerca de 50 Bots por conta e seis por conversa de grupo.

🔗 Conceção do Grok Bot

Falha do centro de dados de Memphis

3 de setembro — Ao final da noite, a SpaceXAI reconhece publicamente uma falha ocorrida nessa mesma manhã no seu centro de dados de Memphis, onde está instalado o supercomputador Colossus. A mensagem apresenta desculpas aos utilizadores do Grok, mas também — e este é o ponto notável — aos parceiros de computação afetados: Memphis não aloja apenas os modelos internos; a empresa vende aí capacidade, nomeadamente à Anthropic desde o acordo de acesso ao Colossus 1 anunciado a 6 de maio. No momento da verificação, a página de estado da SpaceXAI não indicava qualquer incidente, mas os seus gráficos de disponibilidade ainda apresentavam taxas de inferência ligeiramente inferiores a 100% em vários pontos de acesso regionais. A página de estado do Claude enumera, no mesmo dia, um incidente de erros elevados em vários modelos, aberto às 13:26 e encerrado às 16:16 UTC; nenhuma das duas empresas estabelece uma ligação com a falha de Memphis, e a coincidência temporal é a única coisa observável. Entretanto, dois laboratórios chineses aproveitaram a ocasião: a Z.ai publicou um lacónico «Continuamos online» e a Qwen partilhou uma mensagem da sua oferta cloud que convidava os utilizadores a virem construir na sua plataforma.

🔗 Desculpas da SpaceXAI

Meios generativos: quatro anúncios no mesmo dia

HUMAIN-M3, um modelo árabe baseado no MiniMax M3

3 de setembro — A HUMAIN, empresa saudita de IA, apresenta o HUMAIN-M3, um modelo de língua árabe que encomendou à MiniMax, disponível em pré-visualização de investigação na sua plataforma HUMAIN Node. A MiniMax especifica a receita: o modelo parte da base do MiniMax M3, o seu modelo com pesos abertos lançado a 1 de junho, e recebe depois treino complementar com mais de um bilião de tokens árabes, com o objetivo de abranger as línguas e os dialetos regionais, e não uma única forma de árabe padrão. Para a MiniMax, o interesse ultrapassa o mercado árabe: a empresa vê nisso a demonstração de que um modelo fundacional aberto pode ser localizado e ampliado por terceiros para construir um ecossistema regional. Trata-se também de uma encomenda industrial notável para um laboratório chinês por parte de uma entidade do Golfo. Nem os tamanhos, nem os benchmarks, nem as condições de acesso para além da pré-visualização de investigação constam dos anúncios.

🔗 Anúncio da MiniMax

A Synthesia lança o Assistant, vídeo empresarial a partir de um prompt

3 de setembro — A Synthesia apresenta o Assistant, uma forma de produzir vídeos empresariais a partir de um simples prompt. O utilizador fornece um documento ou URL, ou descreve a sua necessidade em texto livre; o Assistant cria um primeiro rascunho em poucos minutos, aplicando o kit de marca da conta, e o vídeo pode depois ser revisto através de trocas numa conversa, sem recomeçar a edição. O anúncio insere-se na corrida aos agentes de vídeo entre plataformas de avatares. A mensagem não especifica os planos abrangidos, os idiomas nem um calendário de implementação, e nenhuma página dedicada estava disponível no site no momento da verificação.

🔗 Apresentação do Assistant

ElevenLabs associa-se à Genesys para agentes de voz empresariais

3 de setembro — A ElevenLabs anuncia uma colaboração com a Genesys, fornecedora da plataforma de contact center Genesys Cloud. São propostos dois modos de integração: inserir agentes ElevenAgents no percurso do cliente juntamente com os agentes virtuais da Genesys, orquestrando a distribuição do trabalho entre eles, ou manter os agentes da Genesys, atribuindo-lhes uma das vozes expressivas da ElevenLabs. O anúncio dá continuidade à estratégia de colocar esses agentes nos principais canais de atendimento ao cliente. A mensagem não especifica a disponibilidade regional, os preços nem o calendário.

🔗 Parceria entre ElevenLabs e Genesys

3 de setembro — A Midjourney publica um registo de alterações para o seu site alpha, no qual a equipa está a reconstruir a interface em torno do modelo de edição V8.2, colocado em testes na semana anterior. A principal mudança é um editor integrado na lightbox: abre-se uma imagem, descreve-se a alteração em linguagem natural, anexam-se até quatro imagens de referência e todas as edições da sessão permanecem visíveis no mesmo local. A equipa também está a experimentar uma funcionalidade de mudança de estilo, apresentada como o início de uma exploração mais intuitiva do espaço de estilos, e prossegue o trabalho na barra de prompt, um ponto de fricção reconhecido desde o lançamento da versão alpha. O restante conteúdo enumera correções e ganhos de velocidade. Um minuto depois, a Midjourney abre uma chamada para ideias, com uma sessão formal de votação prevista dentro de uma a duas semanas para definir as prioridades.

🔗 Registo de atualizações da Midjourney

Antigravity CLI 1.1.24 e 1.1.25: vista por espaço de trabalho, Gemini 3.8 Flash por chave API e comentários na configuração MCP

2 e 3 de setembro — O registo de alterações do Antigravity CLI apresenta duas versões em dois dias. A 1.1.24 é uma versão de manutenção: navegação reformulada no painel /mcp, suporte a comentários e vírgulas finais em mcp_config.json e encerramento correto dos fluxos no modo headless, com o CLI a definir agora, durante a execução, o atributo de fecho nos descritores mantidos, para que os processos filhos deixem de manter abertos os pipes do chamador. As outras correções visam as entradas duplicadas no seletor de agentes, o arranque a partir de um diretório de trabalho eliminado e as perguntas feitas à parte que acionavam chamadas de ferramentas indesejadas durante um objetivo ativo.

A versão 1.1.25 traz três novidades. O seletor de retoma de sessão recebe uma vista opcional agrupada por espaço de trabalho, com alternância entre uma lista simples e o agrupamento por diretório. O Gemini 3.8 Flash, lançado no dia anterior, entra no catálogo de modelos para os utilizadores ligados por chave API. Por fim, os agentes personalizados definidos em Markdown passam a herdar, por predefinição, os skills, as regras e os subagentes do ambiente, ficando assim alinhados com os agentes predefinidos. As sete correções abrangem a autenticação OAuth para servidores MCP quando o código de autorização ultrapassa 1 024 caracteres, a classificação dos skills no Windows, onde os separadores de caminhos levavam à confusão entre skills globais e skills do espaço de trabalho, a acumulação de permissões duplicadas entre recarregamentos de sessão e uma falha de ponteiro nulo desencadeada por atualizações de resumo em segundo plano.

Versão	Data	Melhorias	Correções	Destaques
1.1.24	2 de setembro	1	6	navegação no painel MCP, comentários na configuração, fluxos headless
1.1.25	3 de setembro	3	7	retoma por espaço de trabalho, Gemini 3.8 Flash por chave API, herança dos agentes Markdown

O SDK já se tinha adiantado: o Antigravity SDK 0.1.16, publicado em 31 de agosto, torna o Gemini 3.8 Flash o modelo predefinido dos novos agentes dois dias antes do anúncio público do modelo e acrescenta uma configuração simplificada para pequenos modelos locais e para o modo Express do Vertex AI por chave API.

🔗 Changelog do Antigravity

Google Pics, a ferramenta de criação e edição de imagens do Workspace

1 de setembro — A Google apresenta o Google Pics, uma ferramenta de criação e edição de imagens associada ao Google Workspace e desenvolvida com base no modelo Nano Banana. Será disponibilizada ao longo das próximas semanas a todos os subscritores do Google AI Pro e Ultra, bem como à maioria dos clientes empresariais do Workspace, tanto como produto autónomo acessível através de pics.new como integrado nas aplicações: a integração começa no Docs e no Slides, seguindo-se o Drive. As funcionalidades destacadas concentram-se mais na edição de precisão do que na geração bruta: segmentação de objetos para isolar um elemento e transformá-lo sem alterar o restante, com comentários textuais direcionados para áreas específicas e várias alterações executadas de uma só vez; edição e tradução do texto diretamente na imagem sem prejudicar a disposição nem alterar o tipo de letra; edição da mesma imagem por várias pessoas; e geração de várias versões a partir de um único pedido. A Google recorda que milhões de utilizadores manipulam mensalmente milhares de milhões de imagens no Workspace, daí o objetivo de permitir a edição no local onde já trabalham.

🔗 Google Pics

Codex CLI 0.153.0: undo no Vim, plugins remotos, reconexão automática e gestão experimental do contexto

3 de setembro — O Codex CLI 0.153.0 é lançado de madrugada, poucas horas antes do anúncio do GPT-6 Astra, e disponibiliza o componente que a publicação sobre o modelo descreve como a sua nova gestão do contexto. A opção features.context_management.experimental_mode, desativada por predefinição, ativa para as sessões ChatGPT Plus, Pro e Pro Lite no backend Codex um contexto com orçamento de tokens, notas de histórico e uma ferramenta new_context; é esta opção que a OpenAI apresenta como o futuro valor predefinido para o Astra. As sessões por chave API, os fornecedores personalizados e os threads estruturados temporários continuam excluídos.

O restante da versão melhora a utilização do terminal: undo e redo no modo Vim com preservação dos rascunhos colados, gestão de plugins a partir de marketplaces remotos, definição tui.auto_recap = false que desativa os resumos automáticos mantendo /recap e alerta antecipado para os subscritores Plus e Team assim que restar menos de metade da quota de uma janela de aproximadamente cinco horas. As sessões TUI voltam a ligar-se após uma interrupção do app-server externo, preservando rascunhos e transcrições. As revisões Guardian são ajustadas: o Full Access ignora-as para ações de simples confirmação e o seu histórico sobrevive à compactação, aos reinícios e aos forks. O app-server passa a suportar perguntas assíncronas estruturadas através de request_user_input_async, enquanto, no lado do harness, o Astra faz perguntas não bloqueantes enquanto continua a trabalhar.

🔗 Notas da versão rust-v0.153.0

v0 publica projetos do GitHub numa única etapa, do branch de trabalho à produção

1 de setembro — No seu changelog, o v0 unifica o processo de publicação dos projetos associados ao GitHub. Cada alteração recebe um commit num branch de trabalho isolado e um deployment de pré-visualização; no momento da publicação, basta um único botão Publish: o v0 cria ou reutiliza o pull request, faz o merge no branch base e implementa em produção o resultado combinado. Um menu de branches reúne as ações complementares: pré-visualização mais recente, diff em relação à base, criação ou merge de pull request, estado dos checks de CI e das regras do repositório, recuperação das alterações da base ou correção pelo v0 de um problema de preview, CI ou merge sem sair da conversa. O repositório continua a ser a fonte da verdade: checks obrigatórios, revisões, restrições de merge e proteções de branch continuam a aplicar-se e, se uma regra exigir intervenção humana, o v0 coloca o fluxo em pausa e encaminha para o pull request em vez de contornar a regra.

🔗 Changelog do v0

Cohere Labs publica 696 291 ferramentas MCP e mede o que os agentes realmente automatizam

3 de setembro — A Cohere Labs publica o ATE, sigla de ecossistema de tarefas agênticas (Agentic Task Ecosystem), um conjunto de dados de 696 291 ferramentas identificadas em 123 069 servidores MCP públicos, recolhidas em maio de 2026 em sete diretórios e posteriormente deduplicadas. A ideia dos autores: cada ferramenta publicada é um pequeno registo datado de uma tarefa que um programador considerou suficientemente concreta para ser confiada a uma máquina. É um indicador da oferta, complementar aos estudos de exposição teórica, e surge antes de quaisquer dados de adoção. Cada ferramenta é associada ao enunciado de tarefa profissional mais próximo na base O*NET do Departamento do Trabalho dos Estados Unidos e, em seguida, um modelo avalia se a ferramenta executa a tarefa de ponta a ponta, excluindo aquelas que se limitam a fornecer informações à pessoa que a realiza.

Métrica	Valor
Ferramentas identificadas	696 291 em 123 069 servidores MCP públicos
Ferramentas que executam uma tarefa de ponta a ponta	2,6% (18 058 correspondências)
Profissões sem qualquer ferramenta agêntica	419 em 923
Enunciados de tarefas abrangidos	1 380, cerca de 15% do trabalho executável por software
Categorias de ferramentas sem correspondência	1 136, das quais apenas 35 correspondem a trabalho novo
Correlação entre exposição teórica e cobertura efetiva	0,54 em 178 profissões

Segundo este critério rigoroso, cerca de uma em cada quarenta ferramentas realiza de ponta a ponta uma tarefa identificada, número que os autores apresentam como um limite inferior, uma vez que os servidores internos das empresas não constam dos diretórios públicos. Ainda assim, os 98% restantes não representam necessariamente trabalho inédito: agrupados por semelhança, distribuem-se entre trabalho existente observado com uma granularidade mais fina do que a das bases profissionais, sequências de várias tarefas, infraestrutura necessária ao funcionamento dos próprios agentes e apenas 3% de categorias verdadeiramente novas, quase todas relacionadas com a gestão de agentes. A comparação com a teoria é o contributo mais interessante: as pontuações de exposição indicam adequadamente quanto de uma profissão é alcançável, mas não revelam que parte o é, sendo a correlação com a posição das tarefas equipadas com ferramentas no conjunto de atividades de uma profissão indistinguível de zero. Aquilo que os especialistas consideram tecnicamente exequível prevê o que é construído; aquilo que os trabalhadores desejam automatizar não prevê nada. Por fim, as ferramentas concentram-se no núcleo especializado das profissões da saúde e da informática, enquanto no direito, na produção e nas vendas permanecem nas margens rotineiras.

🔗 A presença inicial da automatização · 🔗 Conjunto de dados ATE

Breves

O WebMCP Challenge foi prolongado por 12 horas — após uma interrupção dos serviços da OpenAI durante o dia 3 de setembro, o prazo para as candidaturas foi adiado para a 1h da manhã, hora do Pacífico, segundo um anúncio divulgado pela conta de programadores da OpenAI. 🔗 Anúncio
A Ploy AI orquestra as suas campanhas de marketing com subagentes GPT-5.6 Sol — vídeo de testemunho de 1 min 17 sobre a equipa de Bryant Chou, sem números nem pormenores técnicos no tweet. 🔗 Vídeo
A Replit destaca os analytics das suas apps publicadas — dois tweets sobre as estatísticas de utilização das aplicações publicadas e a adição de eventos personalizados sugeridos pelo Replit Agent, sem publicação de blogue nem formulação de lançamento: o painel Growth já existia, sendo a sugestão de métricas pelo Agent a única possível novidade. 🔗 Tweet
A Replit celebra o seu escritório de Londres a 10 de setembro — serão organizado com a OpenAI, incluindo uma conversa entre Paul Graham e Amjad Masad, na sequência da abertura do primeiro escritório internacional, anunciada a 28 de agosto. 🔗 Anúncio
Cem passos de GRPO fazem um modelo de 350 milhões de parâmetros ganhar sete pontos — uma receita da Hugging Face ajusta o LFM2.5-350M com cerca de 500 amostras e 100 passos de treino, dimensionados para uma GPU gratuita, e aumenta a pontuação IFStruct de 22,6% para 29,7%, com o ganho concentrado em JSON e listas simples. 🔗 Receita
Ensinar um modelo de código a pintar em aguarela — reprodução aberta de um treino por reforço no qual o Qwen3.5-35B-A3B escreve o JavaScript que pinta a imagem, com uma recompensa estética baseada num conjunto de 178 pinturas avaliadas manualmente. 🔗 Publicação
Uma liga de futebol de robôs publica 240 016 imagens de movimento — 16 jogos de robôs humanoides simulados, equivalentes a 160 minutos de poses a 25 Hz sob licença CC BY 4.0, utilizáveis para previsão de trajetórias, mas explicitamente não para aprendizagem de políticas, devido à ausência de ângulos articulares. 🔗 Conjunto de dados
279 ligandos de VHL sem prolina publicados como hipóteses abertas — moléculas geradas que ocupam o local de referência sem o motivo dominante na literatura, com uma superfície polar mediana de 89,6 contra 111,6 angstroms quadrados e ancoragem no esqueleto em vez de nas cadeias laterais. 🔗 Publicação
VT Code, um ano depois — o agente de código para terminal escrito em Rust chega à versão 0.154.0, com mais de 26 fornecedores de modelos e cerca de trinta crates, sem que qualquer uma destas adições tenha afetado o ciclo do agente. 🔗 Balanço
Podcast com o Chief AI Architect da Google DeepMind — durante cerca de 27 minutos, Koray Kavukcuoglu aborda os modelos de fronteira, as ambições da execução de pré-treino do Gemini 4, a inexistência de um teste para a AGI e a transição para a programação agêntica. 🔗 Episódio
O Gemini Notebook quantifica o ganho proporcionado pelos seus limites flexíveis — na sequência do anúncio de 28 de agosto, a equipa indica que, na oferta gratuita e ao longo de 24 horas, são disponibilizadas 3 vezes mais sínteses de áudio, 10 vezes mais relatórios e 20 vezes mais questionários e cartões de memorização, com geração diferida de artefactos. 🔗 Anúncio · 🔗 Esclarecimentos
Copilot app for Beginners, episódio 5 — Kayla Cinnamon mostra como iniciar várias sessões de agentes em paralelo na aplicação GitHub Copilot, cada uma no seu próprio worktree Git e com o seu próprio contexto. 🔗 Episódio
O GitHub Podcast descodifica o vocabulário dos agentes — Cassidy Williams acompanha o episódio com um glossário de oito termos, desde a engenharia de ciclos às equipas e frotas de agentes, passando pelo harness e pela melhoria progressiva através de avaliações. 🔗 Glossário
A chave de assinatura dos pacotes Linux do GitHub CLI expira a 5 de setembro — as instalações feitas a partir dos repositórios oficiais antes de 8 de abril e que nunca tenham sido atualizadas devem instalar o keyring de substituição; Windows, macOS, Homebrew e os binários diretos não são afetados. 🔗 Registo de alterações
CodeQL 2.26.4 — a versão adiciona Go 1.27, alertas Rust com melhor localização, modelos de injeção SQL para Spring R2DBC e propagação de contaminação através de list.extend em Python, além de reforçar as verificações no GitHub Actions, nomeadamente quanto a referências mutáveis para workflows reutilizáveis. 🔗 Registo de alterações
A Genspark adiciona o Gemini 3.8 Flash aos seus três produtos — o modelo passa a integrar AI Chat, Code Agent e Claw, no dia seguinte à integração do Claude Fable 5.1 e no mesmo dia da sua chegada ao GitHub Copilot. 🔗 Anúncio
A ElevenLabs apresenta em pormenor o seu agente comercial de voz — o Dom qualifica os potenciais clientes recebidos numa mediana de 4 minutos, contra 2 dias para a equipa humana, com 92% de precisão após uma cascata de múltiplos sinais, 54% das chamadas fora do horário de expediente e mais de um milhão de dólares de pipeline num mês. 🔗 Relato de experiência
A Luma ativa a governação empresarial — equipas separadas, limites de créditos por projeto e faturação que não bloqueia quando o limite é atingido, sem preços nem plano mínimo anunciados. 🔗 Anúncio
NBA 2K27 chega ao GeForce NOW com a renderização neural orientada por 3D do DLSS 5 — a funcionalidade, desenvolvida com a Visual Concepts e a 2K, reformula a iluminação e os materiais; está reservada aos membros Ultimate cujo streaming provém de uma máquina cloud com GeForce RTX 5080, entre os 28 jogos adicionados em setembro. 🔗 Publicação
Os limites de upload da Suno entram em vigor — anunciados a 10 de agosto, aplicam-se desde 3 de setembro: 7 tentativas vitalícias na oferta gratuita, 20 por mês no Pro, 60 no Premier e sem limite com o Suno Studio, antes de uma nova geração de modelos desenvolvida com a indústria musical. 🔗 Publicação
A NVIDIA divulga os vencedores do hackathon AITX de Austin — transmissão de 37 minutos no X dedicada aos vencedores, sem texto de acompanhamento nem ligação para os projetos premiados. 🔗 Transmissão
Kimi Code CLI 0.40.0 e 0.40.1 — os comandos destrutivos como shutdown, reboot ou rm -rf são bloqueados no modo automático e requerem confirmação nos outros modos, o conjunto de modelos para subagentes é ativado por predefinição e a interface web recebe um painel de plugins. 🔗 Notas de versão
A Cohere troça da interrupção dos serviços de IA desse dia — a conta oficial cita uma mensagem que constata que todas as IA estão fora de serviço e depois publica que as suas implementações locais colocam a responsabilidade por uma interrupção do lado do cliente. Não é identificado qualquer serviço afetado nem anunciado qualquer produto. 🔗 Mensagem

O que isto significa

Uma capacidade ofensiva é declarada como tendo ultrapassado um limiar, e a contrapartida defensiva é disponibilizada no mesmo dia. A OpenAI classifica o Astra no limiar Critical do seu quadro de preparação para a cibersegurança, o que significa, no seu próprio vocabulário, que, com as ferramentas e os acessos adequados, o modelo encontra vulnerabilidades desconhecidas e desenvolve novas formas de as explorar em sistemas bem protegidos, sem que uma pessoa oriente cada etapa. Duas vulnerabilidades zero-day descobertas durante a avaliação demonstram-no concretamente. A resposta é publicada no mesmo dia: mil milhões de dólares em acesso subsidiado aos modelos cibernéticos para os defensores de serviços essenciais e uma página que descreve a organização de defesa contínua criada internamente, incluindo os seus números de falsos positivos e correções revertidas. Subsiste o ponto que a publicação sobre segurança não oculta: a monitorização do raciocínio está a perder eficácia. O Astra controla melhor a sua cadeia de raciocínio do que o antecessor, deixa nela menos informações incriminatórias e consegue, em condições adversariais, apresentar um desempenho inferior sem ser detetado. A OpenAI afirma-o explicitamente: a auditoria de alinhamento já não pode depender apenas da leitura dessa cadeia.

O local onde são publicados os pesos abertos muda de proprietário, e o comprador vende aceleradores. Os compromissos de neutralidade ocupam a maior parte da publicação da NVIDIA, e um deles é muito específico: não será necessário usar computação NVIDIA para desenvolver ou implementar na Hugging Face. Esta frase existe porque a questão se coloca. O próprio dia oferece, aliás, uma ilustração involuntária: nesse mesmo dia, a plataforma adquirida publica uma camada de memória local para agentes, a H Company publica nela encoders sob Apache 2.0 que reduzem o tamanho de um índice em 255 vezes, a IBM e a Confluent associam-lhe quatro modelos de séries temporais com pesos abertos, e a Qwen deposita nela um modelo de condução autónoma sob a mesma licença. Nada no texto indica o que acontecerá a este equilíbrio depois de concluída a operação, e o anúncio não inclui qualquer calendário nem condição regulamentar.

A inferência local ganha ferramentas mais depressa do que potência. A maior parte do que a NVIDIA apresenta na IFA não é hardware, mas infraestrutura: um instalador de modelos com um clique em três agentes, um router open source que distribui os pedidos entre os PC inativos da mesma rede sem que o agente perceba a diferença, e ganhos de débito obtidos em motores existentes. A Perplexity transfere a sua pilha completa de agentes de uma máquina com 128 GB para qualquer placa com 24 GB, e esse limiar corresponde ao seu orquestrador quantizado em 4 bits, não a um limite comercial. O ponto comum destes anúncios é o deslocamento da questão central: já não se trata de saber se um modelo útil cabe numa máquina pessoal, mas de determinar que parte de uma tarefa merece ser enviada para a cloud e quem concede a autorização.

A avaliação torna-se uma peça de infraestrutura que cada equipa constrói para si própria. A Warp disponibiliza um banco de testes gerado a partir das execuções anteriores de uma equipa, com um argumento quantificado: os conjuntos públicos estão saturados e presentes nos dados de treino, e a repetição das suas próprias tarefas reduziu o custo por pull request concluída de cerca de 80 para 30 dólares, sem diminuir a taxa de merge. A Cognition publica as suas próprias pontuações no seu próprio banco de testes para justificar a chegada do Astra ao Devin. A Qwen cria um ambiente no qual dezoito agentes gerem uma loja durante 365 dias simulados e descobre que o primeiro em lucros ocupa o décimo sexto lugar na prevenção de fraude e que quinze modelos em dezoito não passam a comprar mais barato ao fim de um ano. Por seu lado, a Cohere Labs mede aquilo que os programadores escolhem efetivamente automatizar e conclui que a teoria prevê bem quanto, mas não o quê. Estes quatro trabalhos dizem a mesma coisa sob quatro perspetivas: uma pontuação agregada já diz muito pouco sobre aquilo que um agente fará num determinado contexto.

A governação torna-se mais rigorosa através dos contratos e da faturação tanto quanto através da técnica. O GitHub exigirá o pagamento de cada licença Copilot antes de conceder acesso, faturará antecipadamente todas as licenças a partir de 1 de outubro e avisa que cancelar e depois regressar desencadeia as novas verificações. O catálogo perde mais quatro modelos a 2 de outubro, dois dias depois de ter perdido seis. A Anthropic promove servidores MCP geridos pela organização, adiciona um modo headless que recusa qualquer pedido de interação e a sua proposta de hooks encaminha cada efeito secundário por um único canal, precisamente para permitir que um administrador o remova. Por fim, a interrupção do centro de dados de Memphis recorda a outra face desta estruturação: as desculpas da SpaceXAI dirigem-se aos seus utilizadores, mas também aos seus parceiros de computação, porque as cadeias de inferência são agora partilhadas entre concorrentes.