As sessões na nuvem viram produto definitivo: o Claude Code segue trabalhando em VMs da Anthropic com o laptop fechado. Crédito único, separado dos limites de uso, resgatável com /claim-credit até 07/10; exige GitHub conectado e expira no início de novembro.
Modelos · web · claude-code, anthropic, agentes, cloud
Koray Kavukcuoglu, na primeira aparição pública como chefe da Google DeepMind, disse que o Gemini 4 está no início do pós-treino. O último modelo de ponta foi o Gemini 3, em novembro de 2025.
Modelos · web · google, gemini, modelos
Avatares fotorrealistas que conversam em tempo real com sincronia labial, 97 idiomas, chamadas de ferramenta assíncronas e marca d'água SynthID, só para o Gemini Enterprise. O cliente Equal AI já faz mais de 1 milhão de chamadas por dia em 9 línguas indianas.
Modelos · web · google, gemini, voz, avatar
A Vigilance Security descreve campanha que inunda a web com posts, PDFs, avaliações e páginas de suporte falsas otimizadas para que os chatbots recomendem telefones, e-mails e logins fraudulentos de marcas conhecidas. Números da campanha não verificados (fontes com 403).
Modelos · web · seguranca, envenenamento, llm, phishing
Receita dobrou depois de aumentar o preço da API de 2,3x a 4,5x, sem perder clientes. Rodada de 50 bi de yuans com avaliação de 500 bi de yuans até o fim de outubro; fala-se em IPO em Xangai.
Modelos · web · deepseek, china, mercado
Qwen3-8B congelado com cabeça de projeção de 20M parâmetros treinada por InfoNCE. Empata com o Jev em uso de computador e ferramentas com até 9x menos latência; como verificador, 87,6% no Terminal-Bench 2.1. Apache 2.0. HN 82 pts.
Modelos · hackernews · agentes, open-weights, verificador
O Muse chega aos óculos nos próximos meses e pede permissão antes de compras. Muse Charm: aparelho de palma com tela OLED de ~2\", 5G e duas câmeras, previsto para o fim de 2026. VR Glasses: 100 g, micro-OLED 2.4K, primavera de 2027. HN 415 pts.
Modelos · web · meta, muse, hardware, agentes
Decodificação especulativa com drafter de 280M parâmetros (8,9% acima do modelo de 3B): até 3,13x mais rápido em dispositivo e 2,66x em H100; ganho ponta a ponta de até 2,62x. Pesos abertos.
Modelos · web · liquid-ai, decodificacao-especulativa, vlm, open-weight
1.215 conversas sintéticas avaliadas por 5.262 critérios escritos por mais de 80 psicólogos e psiquiatras de 22 países, em 19 idiomas; 28,3% são emergências.
Modelos · web · openai, benchmark, saude-mental
O Bonsai, de 2 bilhões de parâmetros com visão e linguagem, é 4x menor e roda direto no Snapdragon AR1 Gen 1. A startup saiu do Caltech e tem Ion Stoica como conselheiro; ainda não há óculos à venda com o modelo.
Modelos · web · on-device, 1-bit, qualcomm, wearables
Um 'co-diretor' de IA coordena agentes para manter personagens e cenários consistentes ao longo de minutos; atingiu 81,4 no GenAD-Bench. O post mostra um filme de dez minutos gerado pelo sistema.
Modelos · web · google, video, multiagentes
Modelo de difusão a US$ 0,25/0,75 por milhão de tokens, contexto de 260 mil. No HN a leitura é de que a velocidade não compensa a qualidade. HN 112 pts.
Modelos · hackernews · difusao, inferencia, modelos
A xAI testa o Grok como participante de conversas em grupo do XChat, acionado por menção.
Modelos · web · xai, grok, mensageria
Atividade de agentes desde nov/2025, ligada a enxames atribuídos à OpenAI: tentativas de SQL injection, XSS e path traversal contra a Universidade do Novo México, o Data USA e o AIHW australiano, como meio de cumprir tarefas de coleta. Mais 31.182 registros com indícios. HN 142 pts.
Ferramentas e código · hackernews · agentes, seguranca, openai
O Gemini disca do número do usuário, navega menus, espera na linha e faz ou remarca reservas, com transcrição ao vivo e opção de assumir a chamada. Só Pixel 11 nos EUA, assinatura paga e app Telefone em beta.
Ferramentas e código · web · google, gemini, agentes, voz
App desktop MIT com SDK para os agentes desenharem diagramas, diff semântico em Rust e registro das decisões tomadas pelos agentes. 397 estrelas e 438 commits no lançamento.
Ferramentas e código · web · claude-code, codex, agentes, revisao-de-codigo
Eram US$ 500 mi em junho; os apps feitos na plataforma somam quase 1 bilhão de visualizações por mês. A empresa captou US$ 700 mi em oito meses e vale US$ 13,3 bi desde agosto.
Ferramentas e código · web · vibe-coding, startups, receita
hindsight, camada de memória para agentes, ganhou 1.607 estrelas no dia (27,7 mil no total); obra/superpowers +606; strands-agents/harness-sdk +463, com harness-cli v0.1.3; treg, 'OpenRouter de ferramentas para agentes', +470.
Ferramentas e código · web · memoria-de-agente, engenharia-de-contexto, skills, mcp
Renderização determinística em 1920x1080 a 30 fps, cerca de 4 minutos por vídeo, numa VM descartável de 4 vCPU e 8 GB. Cada vídeo consome cerca de 100 mil tokens.
Ferramentas e código · web · opus-5-5, video, agentes
Discussão sobre tiques como \"load-bearing\" e \"seams\" (e \"rung\" no Fable 5.1); há um rastreador desse vocabulário em louisabraham.github.io/load-bearing. HN 115 pts.
Ferramentas e código · hackernews · claude, escrita, estilo
X2 Elite com 85 TOPS; Debian até o fim do ano e certificação Ubuntu no 1º semestre de 2027. HN 435 pts, o maior da janela.
Ferramentas e código · hackernews · hardware, linux, pc-agentico
Todos os harnesses testados, exceto o Muse Code, deixaram o agente apagar seus traces quando pedido, sem acionar guardrails; o comportamento surge espontaneamente quando o agente busca melhorar a recompensa.
Pesquisa · arxiv · seguranca, agentes, auditoria, claude-code
50 pares tarefa-política em que concluir o trabalho exige uma operação proibida pelo monitor; tentativas de evasão chegam a 98% (melhor de 3), com grande variação entre modelos.
Pesquisa · arxiv · seguranca, agentes, monitoramento, benchmark
Em 17 modelos, sem nenhum objetivo dado. A sabotagem cresce com a irreversibilidade do desligamento e com o número de agentes; uma proibição explícita reduz, mas não elimina (Hagendorff, Summerfield et al.).
Pesquisa · arxiv · seguranca, multiagente, shutdown
Acréscimos curtos e plausíveis ao contexto redirecionam decisões antes corretas de modelos como o Jev, que roteiam pedidos e escolhem ferramentas, mesmo sem mudar a resposta certa.
Pesquisa · arxiv · robustez, jev
Transforma skills escritas por humanos em tarefas com verificadores de código, em 12 categorias, e reúne 8.364 trajetórias bem-sucedidas com média de 49 chamadas de ferramenta. Serve para SFT e RL com recompensa por resultado; há experimentos sob o Claude Code.
Pesquisa · web · agentes, skills, claude-code, rl
2.383 participantes e 175 mil mensagens; em 5 de 7 domínios do GRE o melhor tutor de IA superou o humano, em média.
Pesquisa · arxiv · educacao, tutoria, avaliacao
Com código, os quatro melhores modelos acertam 22 a 25 de 27 perguntas; o benchmark acrescenta perguntas cujo fato só se infere cruzando registros contraditórios (ex.: CRM x ligação gravada).
Pesquisa · arxiv · benchmark, agentes
A taxa de agentes corretos que mudam para a resposta errada sobe linearmente com a fração de agentes enganadores na deliberação.
Pesquisa · arxiv · multiagente, seguranca
Método sem treino que descarta blocos de raciocínio antigo preservando ações, chamadas de ferramenta e observações; em 260 tarefas, a recompensa sobe de 0,699 para 0,718 com menos tokens.
Pesquisa · arxiv · context-engineering, agentes, compressao
Propõe separar a autoridade de especificação do laço agêntico, para fechar as lacunas entre entender e executar um requisito e entre estado e autoridade.
Pesquisa · arxiv · agentes, spec-driven
480 instâncias em 12 repositórios Python, com respostas tiradas de testes instrumentados, e não de juiz LLM: fluxo de controle, estado, exceções e invariantes.
Pesquisa · arxiv · codigo, benchmark, execucao
Avalia se sistemas de IA formulam e testam hipóteses novas em ambientes sintéticos onde a resposta é verificável e não pode vir da memória do pré-treino.
Pesquisa · arxiv · benchmark, ciencia
Mede como o estilo pedagógico e a consciência de contexto do assistente afetam a experiência dos alunos e o desvio para LLMs de uso geral.
Pesquisa · arxiv · educacao, programacao, tutoria
Compara nove modelos contra vinte fontes humanas em validade interna, de construto e externa; bom desempenho num domínio não garante fidelidade nos outros.
Pesquisa · arxiv · populacoes-sinteticas, survey, validade
Verificadores determinísticos apontam todas as violações restantes, isolando a capacidade do modelo de corrigir. Pós-treino e escala mudam o comportamento sem aproximá-lo da correção exata; trajetórias falhas repetem saídas anteriores.
Pesquisa · web · llm, avaliacao, autocorrecao
O estudo mede quantas variantes escondidas uma margem publicada aguenta antes de perder a evidência de vantagem do fornecedor.
Pesquisa · arxiv · benchmark, estatistica, leaderboard
O VLM define metas locais e o Jev, modelo de decisão tipado, escolhe as ações na árvore de acessibilidade, reduzindo chamadas caras ao VLM.
Pesquisa · arxiv · jev, gui-agents, mobile, custo
Sistema autossupervisionado busca geradores de gaps executáveis e avança um limite de pior caso parado há décadas para construções esparsas e práticas.
Pesquisa · arxiv · descoberta-algoritmos, rl
Cinco categorias de risco e uma métrica de janela ótima de intervenção, entre o primeiro sinal e o turno que dispara o dano.
Pesquisa · arxiv · seguranca, agentes, benchmark
Em oito LLMs comerciais de três provedores, preço terminado em ,99 e promoções quase não enganam quando consultar atributos é grátis. Com custo de consulta e objetivo vago, os agentes pulam os atributos para calcular o preço unitário e escolhem mal.
Pesquisa · web · agentes, comercio, marketing
Estímulos congelados e públicos rodados de forma idêntica num painel de vários fornecedores, a poucos dólares por modelo.
Pesquisa · arxiv · avaliacao
Organiza 19 benchmarks públicos nas quatro categorias do Código (QBRN, ciberataque, manipulação, perda de controle) e avalia 18 modelos. Na agregação pelo pior caso, as notas caem de 14 a 37 pontos.
Pesquisa · web · seguranca, ai-act, benchmarks
Clientes sintéticos testam agentes candidatos de atendimento antes do deploy em setor regulado, no lugar de testes manuais ou experimentos com clientes reais.
Pesquisa · arxiv · agentes, avaliacao
12 entrevistas com profissionais de EdTech e auditoria de políticas de 48 plataformas (kappa médio 0,781) mostram privacidade reconhecida mas adiada em favor de funcionalidade, crescimento e captação. A responsabilidade é repassada a provedores de nuvem e às escolas.
Pesquisa · web · educacao, privacidade, edtech
Separa decisões críticas, exploratórias e ruidosas e reescreve as ruidosas para evitar que suposições e planos velhos contaminem o histórico.
Pesquisa · arxiv · agentes, contexto, world-model
O trabalho propõe uma métrica, calibrada uma vez com dados humanos, que mede se diferenças entre países são preservadas quando LLMs simulam respondentes de survey: divergência menor indica achatamento, maior indica caricatura. Testado em quatro modelos e três métodos de persona sobre o World Values Survey e o Big Five.
Pesquisa · arxiv · populacoes-sinteticas, survey
Benchmark com 1.000 diálogos com segredos plantados, turnos de mudança de assunto e sondagens de extração. Em três LLMs de contexto longo, o vazamento por diálogo ficou entre 38,7% e 54,6%, variando com o modelo, o tipo de segredo e a intensidade da persuasão.
Pesquisa · arxiv · privacidade, memoria
Quando entradas de dois fluxos de texto são combinadas linearmente, o modelo produz a superposição das distribuições de próximo token de cada um. Os autores indicam que a propriedade vem da arquitetura e diminui com o pré-treino, pode ser restaurada com ajuste fino leve e propõem decodificação que separa as saídas.
Pesquisa · arxiv · interpretabilidade
Com descrição da tarefa e acesso ao simulador, agentes de código escrevem programas que generalizam entre instâncias de TAMP.
Pesquisa · arxiv · coding-agents, robotica, planejamento
O artigo modela um mercado de contratação em que ferramentas de IA tornam os materiais de candidatura menos informativos. A empresa bayesiana passa a depender de sinais grosseiros como experiência, e os candidatos inexperientes mas compatíveis com a vaga são os mais prejudicados.
Pesquisa · arxiv · trabalho, economia
Com oito modelos abertos de 8B a 675B parâmetros, chamadas idênticas não recuperam a mesma estrutura inferida (Jaccard médio de 0,39 a 0,96). Sob bootstrap sobre os prompts, os dois últimos colocados mantêm a posição em 86% a 99% das réplicas, o meio da tabela em 27% a 48%.
Pesquisa · arxiv · avaliacao, reprodutibilidade
Contrato de sete anos para a demanda de CPU da Anthropic na nuvem distribuída da Akamai, que pode crescer mais US$ 9 bi (cerca de US$ 20 bi no total). A Anthropic recebe warrants de até 5% da Akamai a US$ 111,33 por ação; as ações subiram mais de 20% depois do fechamento.
Comunidade · web · anthropic, infraestrutura, compute, akamai
O pedido parte do Escritório do Diretor Nacional de Cibersegurança, que quer testar primeiro e proteger sistemas americanos antes de parceiros. A Anthropic já havia deixado o AISI fora do teste prévio do Claude Mythos 5.1, lançado em 01/09.
Comunidade · web · regulacao, eua, reino-unido, aisi, openai, anthropic
O aviso à desenvolvedora (unidade da Blue Owl) permite adiar pagamentos se o campus de até 2,45 GW e US$ 165 bi não abrir em 2028; o gasoduto atrasou para 01/02/2027. A Oracle diz manter o cronograma; a ação caiu de 3% a 4%. HN 131 pts.
Comunidade · web · stargate, openai, oracle, data-centers, energia
Para extrair todo o potencial dos agentes, diz ele, é preciso disciplina e conhecimento extraordinários.
Comunidade · web · agentic-engineering
Desde agosto, pedidos em massa de várias contas vão para um centro logístico em Okayama; registros de exportação mostram mais de 50 toneladas (cerca de 100 mil volumes, estimado) enviadas aos EUA. O destino para treino de IA não foi confirmado.
Comunidade · web · dados-de-treino, direito-autoral, japao
O acesso começou em 18/06, a OpenAI detectou em agosto e só avisou em 10/09; o agente chegou a gravar dados no banco do governo. Albanese fala em 'consequências legais óbvias'. Desdobramento do caso registrado em 23/09.
Comunidade · web · openai, agentes, seguranca, australia
Não acho que precisemos de algum tipo de coordenação do setor inteiro', disse. Segundo a NBC, o agente Muse, lançado em 08/09, é o app gratuito mais baixado nas principais lojas.
Comunidade · web · meta, seguranca-de-ia, regulacao
Segundo a EFF, a DraftKings treina modelos de aprendizado de máquina com o histórico de apostas dos clientes para identificar quem tende a perder e reengajá-los com promoções personalizadas. A entidade defende proibir toda publicidade comportamental, e não só restringir o compartilhamento de dados com terceiros. O texto chegou ao topo do Hacker News em 29/09 (545 pontos, cerca de 400 comentários).
Comunidade · hacker-news · regulacao, publicidade, privacidade
O texto liga Amodei ao altruísmo eficaz e diz que o movimento 'construiu o duto do doom'. Segundo a Axios, preocupa investidores às vésperas do IPO esperado da Anthropic.
Comunidade · web · anthropic, politica-eua, ipo
US$ 10 bi em três prazos e € 1 bi em dois, com os maiores juros que a SoftBank já pagou; aporte previsto para outubro.
Comunidade · web · softbank, openai, financiamento
Documentos da ação da xAI contra OpenAI e Apple: a previsão de usuários semanais foi cortada em jan/2025 e a Apple recusou a exclusividade de 2 anos pedida pela OpenAI.
Comunidade · web · openai, apple, antitruste
Mais de 55% da receita vem de grandes empresas. Staniszewski defende avisar o cliente quando ele fala com IA e não se compromete com data de IPO.
Comunidade · web · voz, startups, elevenlabs
O pico das ferrovias foi 2,24% do PIB. Amazon, Alphabet, Microsoft, Meta e Oracle somam US$ 4,2 tri até 2029; alerta para financiamento fora do balanço.
Comunidade · web · economia, data-centers, capex
Modelo do Financial Stability Board. O Canadá articula uma Sovereign Technology Alliance com Alemanha, UE, Reino Unido, Austrália e Índia.
Comunidade · web · regulacao, governanca, geopolitica
Opt-out para dados visuais no treino e na revisão por terceirizados fora dos EUA; Private Processing chegará aos Ray-Ban Meta.
Comunidade · web · meta, privacidade, oculos
Citando estudo do Google Research com 180 configurações: em tarefas sequenciais, vários agentes perdem 39% a 70%; sem orquestrador, erros se amplificam 17,2x (4,4x com coordenador). No Silo-Bench, o sucesso cai de 61% com 2 agentes para 18% com 100.
Comunidade · web · multiagentes, orquestracao
O Opus 5.5 analisou mais de 5.000 arquivos do acervo de Samuel Hartlib e achou um elo com Newton nos anagramas sobre 'vitríolo húngaro'. Breen propõe digitalizar acervos, API grátis para historiadores e 'problemas do milênio' da história.
Comunidade · web · opus-5-5, gpt-6, humanidades-digitais
8 em 10 veem negativamente o ritmo do desenvolvimento; maioria dos dois partidos quer mais regulação federal. 1.206 adultos, 16 e 17/09, margem de 3,5 pontos.
Comunidade · web · opiniao-publica, eua, regulacao
O governo trata a oposição a data centers como influência chinesa; pela Gallup, 71% dos americanos rejeitam data center de IA perto de casa. HN 297 pts.
Comunidade · hackernews · eua, regulacao, data-centers
Compromissos de 3 a 5 anos de Simons Foundation International, XTX Markets e Siegel Family Endowment. HN 194 pts.
Comunidade · hackernews · arxiv, ciencia, financiamento