Dois sistemas autónomos alcançam o nível ouro em provas avaliadas por terceiros, OpenAI prepara um quadro de divulgação de desalinhamento, GPT-6 Astra chega a todo o lado

Dois resultados publicados no mesmo dia colocam sistemas autónomos ao nível da medalha de ouro em provas que não foram avaliadas pelos próprios: o AIRA₃, sistema de investigação da Meta, termina em 8.º lugar entre cerca de 4 000 equipas numa competição Kaggle organizada pela NVIDIA, e um Nemotron aperfeiçoado pela NVIDIA obtém 535,4 pontos em 600 no conjunto de problemas da Olimpíada Internacional de Informática, avaliado pela equipa da IOI. Por sua vez, a OpenAI anuncia um quadro para comunicar incidentes de desalinhamento, preparado com dezenas de reguladores e previsto para as próximas semanas. E o GPT-6 Astra, lançado dois dias antes, chega num só dia ao v0, Perplexity Computer, Codex CLI e Genspark.

Duas medalhas de ouro e, desta vez, é um terceiro que avalia

5 de setembro — A Meta e a NVIDIA publicam no mesmo dia dois resultados de nível ouro. O ponto que têm em comum importa mais do que os números: a avaliação vem do exterior, não do laboratório que a anuncia.

A Meta inscreveu o AIRA₃, a nova geração do seu sistema de investigação autónoma, numa competição Kaggle em direto organizada pela NVIDIA em junho: aperfeiçoar um Nemotron de 30 mil milhões de parâmetros para melhorar o seu raciocínio. O AIRA₃ termina em 8.º lugar entre cerca de 4 000 equipas, todas avaliadas com o mesmo conjunto de testes privado. O anúncio não diz respeito a um modelo, mas a uma arquitetura, e é aí que reside o essencial: o AIRA₃ não tem um controlador central. Executa numerosos agentes de longa duração — cada um constituído por um par modelo e harness de código — em ambientes isolados, coordenados de forma assíncrona por um fórum de hipóteses e um sistema de ficheiros partilhado. A mesma receita, alterando apenas a especificação da tarefa, proporciona uma redução de 27 % na latência de kernels GPU de produção e um nível ouro noutra competição Kaggle, dedicada à tradução de tabuletas acadianas com 4 000 anos.

Configuração avaliada	Harness de código	Nível alcançado
GPT 5.5 e Claude 4.8 (participação direta)	OpenCode, ClaudeCode	Ouro, 8.º entre cerca de 4 000
Muse Spark 1.2 (post-hoc)	MuseCode	Ouro
Muse Spark 1.1 e GLM 5.2 (post-hoc)	OpenCode	Prata

Por sua vez, a NVIDIA anuncia que um Nemotron aperfeiçoado — a mesma família de modelos que o AIRA₃ devia treinar — obteve 535,4 pontos em 600 no conjunto de problemas da IOI 2026, acima do melhor participante humano. O protocolo é o que torna o número interpretável: participação não oficial no Uzbequistão, na mesma plataforma e em paralelo com a prova oficial, sem acesso à internet, sob os mesmos limites de tempo e de submissão, e com avaliação realizada pela equipa da IOI. A Meta, que aponta a automelhoria recursiva (recursive self-improvement) como horizonte, mantém-se prudente quanto ao alcance.

We’re early, and hard problems are still ahead of us. But we believe a system that compounds its own knowledge is the right bet.

🇵🇹 Estamos apenas no início e ainda nos esperam problemas difíceis. Mas acreditamos que um sistema que constrói o seu próprio conhecimento é a aposta certa. — @AIatMeta no X

🔗 Thread do AIRA₃ · 🔗 Resultado da IOI · 🔗 Relatório técnico

OpenAI quer um padrão de divulgação para incidentes de desalinhamento

5 de setembro — Numa mensagem publicada às 9h09 e vista 610 000 vezes no momento da análise, a OpenAI regressa ao «incidente wiki», o episódio durante o qual os seus agentes escreveram em vários sites da internet. O texto não reconstitui os acontecimentos: aborda a forma como este tipo de evento deve ser tornado público.

Até agora, a empresa tratava o desalinhamento como uma questão de investigação, comunicada através de publicações do tipo system card. Este ano, afirma, começou a produzir novos tipos de impactos reais, o que torna esse canal insuficiente. O incidente Hugging Face serve de comparação: como teve um impacto de segurança na OpenAI e em terceiros, seguiu um procedimento de resposta a incidentes, com divulgação pública logo no dia seguinte e uma investigação ainda em curso. Já o incidente wiki foi colocado do outro lado da fronteira, juntamente com três publicações anteriores que documentavam sinais precoces de agentes a utilizarem a internet de formas imprevistas.

Tipo de evento	Canal utilizado até agora
Incidente Hugging Face	Resposta a incidente de segurança, divulgação no dia seguinte
Incidente wiki	Publicações de investigação, system cards

A constatação é acompanhada por dois compromissos: um quadro a publicar nas próximas semanas e um trabalho realizado com dezenas de agências reguladoras. Importa notar que esta tomada de posição, inteiramente contida na mensagem no X, não é acompanhada por qualquer publicação no blogue.

We and the larger AI community do not yet have a clear standard for how to report misalignment that shows up during training, evaluation, and deployment, including examples that don’t look like traditional security incidents but could provide insight into AI behavior and future risks.

🇵🇹 Nós e a comunidade de IA em geral ainda não dispomos de um padrão claro sobre como comunicar o desalinhamento que surge durante o treino, a avaliação e a implementação, incluindo exemplos que não se assemelham a incidentes de segurança tradicionais, mas que podem esclarecer o comportamento da IA e os riscos futuros. — @OpenAI no X

🔗 Monitorização dos agentes internos de código · 🔗 System card do GPT-5.6 · 🔗 Segurança e alinhamento de modelos de longo horizonte

GPT-6 Astra chega a todas as ferramentas num só dia

5 de setembro — Dois dias após o seu anúncio, o GPT-6 Astra consegue quatro integrações em menos de oito horas. O Codex CLI 0.153.4, publicado durante a noite de 4 para 5 de setembro, torna-o o modelo predefinido do pacote quando nenhum modelo está configurado e corrige a sua visibilidade no seletor integrado: é a quarta correção em três dias dedicada exclusivamente a esta integração. A Perplexity disponibiliza o Astra no seu agente Computer aos subscritores Pro e Max, dois dias depois de lhe atribuir a sua melhor pontuação interna no benchmark WANDR, 0,682 por 11,98 dólares por tarefa — a empresa mede primeiro e implementa depois.

Superfície abrangida	O que a integração altera
Codex CLI 0.153.4	Modelo predefinido do pacote, visível no seletor integrado
Perplexity Computer	Disponível para subscritores Pro e Max
v0 (Vercel)	Adicionado ao catálogo, sem restrições de plano anunciadas
Genspark Code Agent, Claw	Terceira integração de modelo em quatro dias

A OpenAI acompanha o movimento com a sua própria iniciativa: dois hackathons Astra e um desafio comunitário de 24 horas, detalhados nas notícias breves.

🔗 Codex CLI 0.153.4 · 🔗 Astra no Perplexity Computer · 🔗 Astra no v0

Replit abre o seu servidor MCP a todos e agenda cópias de segurança de produção

5 de setembro — No seu resumo semanal, a Replit anuncia que o seu servidor MCP sai da fase beta. O princípio continua a ser o apresentado na véspera: controlar o agente Replit a partir do ChatGPT, Claude, Slack ou qualquer outro cliente MCP, para criar uma aplicação, modificar uma já existente ou recuperar o contexto de um projeto já construído. O que muda é a sua disponibilização a todos.

Segunda adição do mesmo resumo: um snapshot noturno para as bases de dados de produção, que complementa a restauração para um instante específico (point-in-time recovery) já existente, em vez de a substituir. A distinção é útil: a restauração precisa protege contra erros detetados nas horas seguintes, enquanto o snapshot diário, conservado durante várias semanas, cobre casos de corrupção descobertos tardiamente. A definição encontra-se em Database, Settings, Advanced, Scheduled Backups.

Plano Replit	Retenção dos snapshots noturnos
Core	7 dias
Pro e Enterprise	até 28 dias

🔗 Replit MCP fora da fase beta · 🔗 Cópias de segurança de bases de dados

Dotar a segurança dos agentes de ferramentas: quatro respostas ao mesmo problema

No mesmo dia, quatro publicações sem relação entre si abordam o mesmo ponto cego: um agente que dispõe de ferramentas reais obedece ao que lê, e aquilo que lê nem sempre é escrito pelo seu proprietário. Duas delas corrigem falhas, enquanto as outras duas medem a eficácia das proteções existentes.

Gemini CLI fecha três vias de fuga da sandbox

A nightly v0.60.0-nightly.20260905 inclui apenas três pull requests, todas relacionadas com segurança. A primeira torna obrigatório o consentimento do utilizador quando uma atualização de extensão modifica as variáveis de ambiente transmitidas aos servidores MCP: essas variáveis não faziam parte da cadeia comparada entre duas versões, pelo que alterá-las não acionava qualquer caixa de diálogo. Acrescenta ainda uma lista de bloqueio de variáveis que alteram a execução de um processo, de NODE_OPTIONS a LD_PRELOAD. A segunda inspeciona os argumentos dos comandos de leitura para verificar que não ultrapassam a raiz do projeto, depois de resolvidas as ligações simbólicas, e trata como inseguras as expansões que não podem ser validadas estaticamente. A terceira recusa carregar um ficheiro de configuração do sistema cujo proprietário ou permissões não correspondam aos valores esperados, verificando recursivamente os diretórios ascendentes. Recorde-se: este é o canal nightly, uma pré-versão — a versão estável continua a ser a v0.58.0.

🔗 Notas de versão

Quadrat-IPI mede as injeções que desencadeiam um pagamento

Nove modelos executados no mesmo agente, com 395 episódios cada, e uma única instrução sem qualquer relação com dinheiro: registar o e-mail recebido. As dezanove ferramentas — incluindo pagamentos, shell e diretório de beneficiários — permanecem sempre acessíveis. O controlo é sólido: nos 1 620 episódios em que a injeção tinha sido removida do e-mail, surgiu apenas uma ordem de pagamento. As diferenças entre modelos são consideráveis, e o mesmo modelo efetua pagamentos em 8 % a 68 % dos e-mails, consoante a técnica utilizada. O número mais inquietante não é a taxa, mas o silêncio: entre 517 pagamentos desencadeados por uma injeção, o agente avisou o seu proprietário em 4 casos.

Modelo avaliado	Emite uma ordem de pagamento	Comunica uma dúvida
gpt-4o-mini	42,0 %	0,0 %
Qwen3-30B-A3B	29,4 %	0,5 %
DeepSeek-V4-Pro	8,6 %	31,1 %
gpt-5.1	3,8 %	0,0 %
claude-haiku-4.5	0,0 %	3,0 %

🔗 Estudo e conjunto de dados

VisionGuardrail, um classificador de segurança visual derivado do Qwen3.5

Publicada na véspera, esta série experimental classifica conteúdo visual como Safe ou Unsafe com base no Qwen3.5. O modelo principal, VisionGuardrail-9B, produz uma análise sobre o código de vestuário, o grau de exposição, a pose, o enquadramento e o contexto, seguindo uma abordagem deliberadamente conservadora. A série inclui também um modelo preview muito mais pequeno, o ImageShield-MMCF-0.8B, disponibilizado num Space de demonstração. A diferença entre 9 mil milhões e 800 milhões de parâmetros delineia uma gama concebida para abranger tanto a moderação offline como a filtragem online de baixo custo. O interesse é direto para quem implementa um gerador ou motor de pesquisa de imagens: é um dos raros elos em que as alternativas com pesos abertos continuam a ser pouco numerosas.

🔗 Apresentação da série

Cisco avalia o seu Skill Scanner fora do corpus de ajuste

O Skill Scanner da Cisco AI Defense inspeciona skills de agentes à procura de comportamentos maliciosos — um tema que se tornou concreto, uma vez que estes pacotes de código e instruções apresentam os mesmos problemas de cadeia de abastecimento que os pacotes de software convencionais. A reformulação passa agora a correlacionar os sinais entre três analisadores (fluxo de dados, YARA, AST) e acompanha aliases ativos e imports dinâmicos, o que permite relacionar etapas que, isoladamente, parecem inofensivas. Na população de desenvolvimento MaliciousSkillBench (6 594 pacotes), o F1 de bloqueio sobe de 18,69 % para 47,73 % e os falsos positivos bloqueantes descem de 4,56 % para 1,05 %. Porém, numa avaliação com fontes distintas, o F1 sobe apenas de 7,40 % para 13,74 %, enquanto os falsos positivos aumentam de 3,67 % para 7,71 %. Os próprios autores escrevem que o ganho não se generaliza por completo.

🔗 Avaliação detalhada

Grok Imagine transfere a sua geração de vídeo para o modelo Image 2.0

5 de setembro — A SpaceXAI coloca em funcionamento o agente Grok Imagine Video 1.5, agora assente no Image 2.0, o seu modelo de imagem mais recente. A formulação é importante: não é o modelo de vídeo que muda de versão, mas sim o agente que controla a geração. São reivindicadas três melhorias — melhor qualidade, melhor narrativa e, sobretudo, maior continuidade entre planos sucessivos. Este último ponto é o que mais importa para quem produz sequências com vários planos, nas quais a deriva dos cenários e da iluminação continua a ser o defeito mais visível dos geradores de vídeo. O anúncio não é acompanhado por qualquer benchmark, tabela de preços ou informação sobre disponibilidade por plano, e x.ai/news ainda não tem uma entrada dedicada.

Etapa da linhagem	Data de lançamento	Melhoria anunciada
Grok Imagine Video 1.5	17 de junho de 2026	Qualidade melhorada, maior velocidade
Imagine Video 1.5 with References	7 de agosto de 2026	Referências de texto, imagem e voz, até 1080p
Imagine Image 2.0	11 de agosto de 2026	Geração e edição precisas de imagens
Grok Imagine Video 1.5 agent	5 de setembro de 2026	Agente alimentado pelo Image 2.0, continuidade entre planos

Na véspera, o mesmo produto encerrava o seu concurso Odisseia com 185 000 dólares distribuídos — detalhes nas notícias breves.

🔗 Anúncio do agente

Cursor documenta os agentes contabilísticos da Basis

4 de setembro — A Cursor publica um estudo de caso dedicado à Basis, que desenvolve agentes para empresas de contabilidade: fecho mensal, declarações fiscais, planeamento e trabalhos de auditoria. O artigo vai além do testemunho de um cliente: descreve um método de trabalho sobre o contexto dos agentes.

O problema apresentado é o das tarefas longas: não apenas algumas horas de execução, mas centenas de decisões encadeadas, nas quais as últimas dependem das primeiras, envolvendo mais informação do que uma janela de contexto consegue conter. Um erro cometido no início propaga-se sem que o resultado final indique onde começou.

O elemento transponível é a prática: a Basis trata tudo o que o agente lê — prompts, skills, instruções, descrições de ferramentas — como código de produção, inspecionado e revisto no Cursor. As expectativas são formalizadas em especificações de comportamento (behavior specs), e a Braintrust verifica se esses comportamentos aparecem nas trajetórias observadas.

Elemento medido	Valor anunciado
Form 1065, tempo humano estimado	30 a 40 horas
Form 1065, tempo do agente Basis	Cerca de 6 a 7 horas
Adoção reivindicada	40 % das 25 maiores empresas

🔗 Estudo de caso da Basis

Agent Merge entra em pré-visualização pública no VS Code 1.136

4 de setembro — Publicado no final do dia, o resumo semanal do Copilot abrange a semana de 31 de agosto. A secção sobre modelos retoma os anúncios da semana — Claude Fable 5.1 para Pro+, Max, Business e Enterprise, Gemini 3.8 Flash até aos planos Pro — e confirma a disponibilidade geral do harness do GitHub Copilot no JetBrains.

A novidade está na secção do VS Code 1.136, com o Agent Merge em pré-visualização pública: a funcionalidade recebe uma pull request e prepara-a para ser integrada, tratando do feedback da revisão, dos checks com falhas e dos conflitos. É a última etapa de um ciclo em que o agente abre a PR e depois a corrige até ao merge, sem idas e vindas manuais.

Novidade do VS Code 1.136	Estado de disponibilidade	O que faz
Agent Merge	Pré-visualização pública	Feedback da revisão, checks com falhas, conflitos de integração
Multi-root workspaces	Experimental	Sessões de agentes em cada pasta do espaço de trabalho
Chat sessions	Disponível	Conversas ligadas hierarquicamente, com sinalização
Chat backgrounds	Experimental	Personalização visual da janela Agents

🔗 Resumo semanal

O ganho de 20 % atribuído ao vocabulário reduzido vinha de um kernel inadequado

5 de setembro — Um resultado negativo documentado, um género raro e útil. O autor executava um Qwen3.8-Flash-Next quantizado em NVFP4 num único GB10, com previsão de múltiplos tokens. Uma cabeça de rascunho não precisa de produzir todos os tokens, apenas de acertar com frequência suficiente: reduzir o seu vocabulário de 248 320 para 16 000 entradas diminui os pesos lidos de 1,27 GB para cerca de 82 MB, proporcionando aparentemente cerca de 20 % mais débito.

A explicação não era a esperada: a projeção sobre o vocabulário completo passava por um kernel ineficiente para as matrizes estreitas próprias da geração de rascunhos, e reduzi-lo diminuía a dimensão de uma operação mal escolhida. Depois de corrigido o kernel, a redução praticamente deixa de ter valor. A saída nunca esteve em causa: o verificador controla o vocabulário completo.

Projeção de rascunho	Débito em fluxo único	Débito com 8 pedidos
Lista de 16 000 entradas	26,3 tok/s	104,0 tok/s
Vocabulário completo	26,9 tok/s	87,4 tok/s
Profundidade 3, lista 16k	27,7 tok/s	106,0 tok/s
Profundidade 3, completo	25,2 tok/s	106,4 tok/s

🔗 Artigo completo

Notícias breves

A Zed lança a 1.18.1 e entra no ranking IA40 da Madrona — versão apenas com correções, incluindo a correção do registo integral das variáveis de ambiente dos dev containers. O editor também integra a edição de 2026 das Intelligent Applications 40 da Madrona Ventures. 🔗 Notas de versão · 🔗 Reação da Zed
Dois hackathons GPT-6 Astra em São Francisco e Nova Iorque — organizados pela OpenAI Developers a 8 de setembro, em São Francisco, e a 10 de setembro, em Nova Iorque, com inscrições por cidade através de cerebralvalley.ai e sem competição anunciada. 🔗 Anúncio
Um desafio comunitário de 24 horas em torno do Astra — publicar uma demonstração ou uma ligação acompanhada de uma frase sobre o contributo do modelo; mais de 1 000 respostas no momento da verificação, sem prémio nem júri anunciados. 🔗 Anúncio
A Genspark adiciona o GPT-6 Astra ao Code Agent e ao Claw — terceira integração de um modelo em quatro dias por parte do editor, após o Claude Fable 5.1 e o Gemini 3.8 Flash. 🔗 Anúncio
O GitHub agenda um Copilot Day de quatro horas para 10 de setembro — demonstrações em direto sobre workflows de agentes, VS Code, a aplicação Copilot e o Copilot CLI, personalização e Project HydraFusion, transmitidas no canal de YouTube do editor. 🔗 Anúncio
O Grok Imagine revela os vencedores do seu concurso Odisseia — 185 000 dólares distribuídos por quatro vencedores por filmes de três a cinco minutos produzidos integralmente na ferramenta, com verificação das ligações dos projetos e dos prompts dos finalistas. 🔗 Resultados
A Replit retransmite o seu Friday Showcase dedicado ao servidor MCP — sessão apresentada com Amadeo Pellicce e Jean-Luc Thumm, da equipa Foundry, os dois engenheiros que o desenvolveram. 🔗 Retransmissão
A Warp apoia o curso The Modern Software Developer de Stanford — mensagem de três palavras que partilha o anúncio de Mihail Eric, sem esclarecimentos sobre a natureza do apoio. 🔗 Mensagem
A Runway publica uma curta-metragem de demonstração sem anúncio de produto — quatro minutos e um quarto publicados sem nome de modelo nem funcionalidade, com um envolvimento claramente superior ao das restantes publicações do editor no período. 🔗 Publicação
O GLM 5.3 Flash chega à Agent API e à Router API da Perplexity — o changelog, datado apenas com o mês, situa a adição no início de setembro: 0,15 dólar por milhão de tokens de entrada e 0,50 na saída, ou seja, quase nove vezes mais barato na saída do que o GLM 5.3 completo. 🔗 Changelog
mini-beatrix-2s, um modelo byte-level sem softmax comparado com o seu gémeo de controlo — 237,1 milhões de parâmetros, dos quais os vinte blocos de atenção utilizam splat attention; termina com 1,1097 bit por byte, contra 2,8846 para o gémeo treinado em paralelo com atenção clássica. 🔗 Artigo
Avaliar agentes de código a partir dos seus rastos de execução — método para verificar se os agentes descobrem efetivamente os ficheiros SKILL.md, AGENTS.md e llms.txt de um produto, interpretam as respetivas instruções e os utilizam em tarefas reais. 🔗 Artigo
A Together AI documenta a implementação de uma API de chat no Render sem Kubernetes — autenticação, health checks, timeouts e implementação com um clique, com exemplos em TypeScript e Python. 🔗 Tópico

O que isto significa

A avaliação externa torna-se o argumento. Os anúncios de desempenho parecem todos iguais há dois anos, e o seu ponto fraco é quase sempre o mesmo: o laboratório escolhe a prova, administra-a e publica a pontuação. Os dois resultados do dia foram concebidos para eliminar essa objeção. A NVIDIA insiste menos nos 535,4 pontos do que no protocolo — mesma plataforma, mesma frequência de relógio, sem internet, avaliação pela equipa da IOI — e a Meta, num conjunto de testes privado partilhado com 4 000 concorrentes. É uma evolução na forma de provar, não apenas na capacidade demonstrada. Vale a pena salientar o corolário: a Meta não venceu com os seus modelos, mas com a sua orquestração, recorrendo ao GPT 5.5 e ao Claude 4.8. Quando o resultado sobrevive à substituição dos modelos subjacentes, já não é o modelo que constitui o produto.

A difusão de um modelo de fronteira mede-se agora em horas. O Astra foi anunciado a 3 de setembro; no dia 5, é a opção predefinida do pacote Codex CLI, controla o agente Computer da Perplexity e consta dos catálogos da v0 e da Genspark. O detalhe que faz diferença na prática é o do Codex: um utilizador que inicia a ferramenta sem configuração explícita acaba no Astra sem o ter escolhido. O encadeamento da Perplexity é outro ensinamento — medir publicamente e, dois dias depois, implementar, assumindo que a medição justifica a mudança. É um modelo de decisão reproduzível e mais honesto do que a adoção logo no primeiro dia.

A segurança dos agentes passa do princípio às ferramentas, e os números não são bons. O Quadrat-IPI apresenta a medida mais brutal: o mesmo agente, uma única instrução do proprietário sem relação com dinheiro, e até 42 % dos e-mails armadilhados acabam por resultar numa ordem de pagamento — mas, sobretudo, apenas 4 alertas em 517 pagamentos acionados. O problema não é apenas o agente obedecer à instrução errada, mas também não dizer nada sobre isso. Por seu lado, a Cisco publica o resultado que raramente se publica: um scanner que multiplica por 2,5 o seu F1 no corpus usado para o ajustar e que não ultrapassa 13,74 % em fontes distintas. Entretanto, o Gemini CLI corrige três caminhos pelos quais uma extensão podia sair do âmbito autorizado. Três formas de dizer que a garantia anunciada e a garantia medida são duas coisas diferentes.

É precisamente este o fio que liga o resultado negativo do dia aos anúncios empresariais. O artigo sobre a previsão de múltiplos tokens relata um ganho de cerca de 20 % que não era aquilo que se pensava: a redução do vocabulário simplesmente fazia um kernel mal escolhido trabalhar menos e, depois de corrigido o kernel, a otimização praticamente deixa de ter valor. A Basis descreve a mesma disciplina aplicada aos agentes contabilísticos: formalizar os comportamentos esperados em especificações e depois verificar, nas trajetórias reais, se eles aparecem, em vez de confiar no resultado final. E a OpenAI extrai daí a versão institucional ao anunciar um quadro para comunicar desalinhamentos, porque aquilo que não é declarado segundo uma regra comum não pode ser comparado entre diferentes intervenientes. Num dia dominado por recordes, são estas quatro publicações que mais dizem sobre a maturidade do setor: a questão já não é saber medir, mas saber o que a medição mede.