# Radar do FAROL · quinta-feira, 15 de outubro de 2026 30 notícias. Dados: https://radar.farolia.org/dados/dia/2026-10-15.json ## Modelos - **[Bank of America põe 4 mil pessoas para corrigir falhas de segurança achadas pelo Mythos e por outros modelos de IA](https://the-decoder.com/bank-of-america-puts-4000-people-on-fixing-vulnerabilities-uncovered-by-anthropics-mythos-and-other-ai-models/)** (Modelos; rss). Segundo o CEO Brian Moynihan, em entrevista à CNBC, o banco contratou mil terceirizados que trabalham desde o segundo trimestre com 3 mil funcionários na correção de vulnerabilidades encontradas por modelos como o Mythos, da Anthropic. O banco gastou \"algumas centenas de milhões de dólares\" no terceiro trimestre com esse trabalho somado às exigências contra lavagem de dinheiro, sem separar o custo das correções. É uma das primeiras grandes empresas americanas a dizer quantas pessoas pôs nessa tarefa. - **[Microsoft AI conclui o pré-treino do MAI-Base-2, MoE de 2,8 trilhões de parâmetros treinado em 16 mil GB200](https://microsoft.ai/news/frontier-pre-training-at-microsoft-ai/)** (Modelos; hn). Modelo base com 80 bilhões de parâmetros ativos e 2,8 trilhões no total, treinado por 38 dias em agosto e setembro de 2026 em 16 mil GPUs GB200, com MFU médio de 21% e 89% do tempo útil. A Microsoft diz que ele supera todos os modelos de pesos abertos que testou em avaliações próprias e que é de 4 a 12 vezes mais eficiente em FLOPs de pré-treino que o DeepSeek-V4-Pro-Base. O pré-treino usa dados orgânicos, sem destilação de outros modelos, o que permitirá licenciar os pesos a parceiros pelo Foundry. O modelo está em pós-treino. - **[Nvidia lança o Nemotron 3.5 Super VL, modelo aberto de 120 bilhões de parâmetros para agentes corporativos](https://the-decoder.com/nvidias-nemotron-3-5-super-vl-is-an-open-model-built-to-run-enterprise-ai-agents-nonstop/)** (Modelos; rss). Mistura de especialistas com 12 bilhões de parâmetros ativos de 120 bilhões, que lê texto, imagem, documentos e vídeo, destilada do Nemotron 3 Ultra e com acurácia próxima à dele em tarefas de agente com um quinto do tamanho. Saem junto o Bolt 74B-A9B, para máquinas locais com 24 GB, e o Bolt E4B de 4 GB, para assistentes de voz, ainda em outubro. Feito com a Nemotron Coalition (Mistral, Thinking Machines Lab, Perplexity e Black Forest Labs), com pesos, dados e receitas de treino publicados e tudo otimizado para hardware Nvidia. - **[Black Forest Labs lança o FLUX 3 Image Klein, modelo de imagem de pesos abertos que roda em GPU de 8 GB](https://the-decoder.com/black-forest-labs-open-weights-image-model-flux-3-image-klein-runs-on-consumer-gpus-with-just-8-gb-of-vram/)** (Modelos; rss). Modelo de 5,6 bilhões de parâmetros para gerar e editar imagens, com saída 4K nativa, edição com precisão de pixel, caixas para posicionar elementos e até dez imagens de referência. Tem 38% menos parâmetros que o FLUX.2 [klein] e 91 pontos de Elo a mais, e nos testes internos da empresa supera o Ideogram V4.5 e o FLUX.2 [pro]. A versão INT8 roda em GPU Nvidia de 8 GB e gera uma imagem em menos de 9 segundos numa RTX 4070. Licença gratuita para uso comercial por empresas com faturamento abaixo de US$ 5 milhões por ano; disponível também por API, ComfyUI e Diffusers. - **[Microsoft usa aprendizado de máquina para corrigir modelos de previsão do tempo de duas a seis semanas](https://www.theverge.com/science/1011127/ai-weather-forecast-microsoft)** (Modelos; rss). Em vez de criar um modelo novo, a Microsoft Research usa aprendizado de máquina para corrigir o viés de modelos existentes e melhorar a previsão de duas a seis semanas, faixa em que modelos físicos e de IA perdem confiabilidade. O trabalho saiu na Nature em 14/10, o código é aberto e roda em CPU, pensado para serviços meteorológicos com pouco recurso computacional. - **[Krea 3, modelo de edição de imagem, faz cada edição em menos de 8 segundos por cerca de US$ 0,06](https://www.krea.ai/krea-3)** (Modelos; hn). Modelo de edição feito para produção: altera só a região marcada e deixa o resto da imagem como estava, combina até oito referências numeradas numa imagem, aplica cor por código hexadecimal só no produto e renderiza em 2K nativo. A Krea compara cerca de US$ 0,06 por edição com US$ 0,135 do Nano Banana Pro e US$ 0,21 do GPT Image 2.5, e mediana de 26,8 s e 39,9 s por edição para os dois concorrentes; a própria página avisa que a comparação usa resultados gerados antes, não um teste ao vivo. 225 pontos no Hacker News. - **[Mistral lança o Timestral, primeira família de modelos de séries temporais, do tamanho de 5 milhões a 209 milhões de parâmetros](https://mistral.ai/news/timestral/)** (Modelos; web). Modelos de base para previsão probabilística e multivariada de séries temporais, com suporte a covariáveis do passado e do futuro conhecido e previsão sem treino em dados nunca vistos. Segundo a Mistral, o maior, de 209 milhões de parâmetros, fica em primeiro nos três benchmarks públicos da área (GIFT-Eval, TIME e fev-bench) com dois terços dos parâmetros do melhor anterior, e roda em CPU. Ajuste a dados do cliente pelo Mistral Forge. - **[Artemis Security lança o Orion-1, modelo que investiga e responde sozinho a ataques em redes corporativas](https://the-decoder.com/ai-guardrails-designed-to-stop-hackers-are-now-blocking-defenders-and-orion-1-aims-to-fill-the-gap)** (Modelos; rss). O Orion-1 cruza logs de autenticação, nuvem, endpoints, SaaS e rede para ligar sinais isolados a um mesmo atacante, atribui um grau de confiança e recomenda ou dispara a resposta. No benchmark da própria empresa (Decision-Grade Readiness), supera Claude Opus 5.5 e GPT-6 Sol, com a maior diferença na reconstrução do ataque (80,8 contra 58,3). A empresa diz que não usou dados de clientes no ajuste e não informa se partiu de modelo de outro fornecedor. - **[SpaceXSI lança o Grok Voice 3.0 na API de voz pelo mesmo preço do 2.0](https://docs.x.ai/docs/release-notes)** (Modelos; web). Desde 14/10 o grok-voice-3.0 está disponível na API de fala para fala. O alias grok-voice-latest passou a apontar para ele, então as sessões que usam o alias migraram sem mudança de código, e o grok-voice-2.0 foi descontinuado. A interface da API não mudou. ## Ferramentas e código - **[Figma lança o Specs, editor em Markdown que define a linguagem de design que os agentes devem seguir](https://techcrunch.com/2026/10/14/figma-announces-new-features-to-define-how-agents-work-on-its-platform)** (Ferramentas e código; rss). Anunciado no primeiro Config da Figma na Índia, o Specs descreve a linguagem de design da empresa e pode referenciar elementos do canvas, diagramas do FigJam, camadas de código e bibliotecas, servindo de contexto para o agente da Figma e para agentes de terceiros. As camadas de código entram em beta aberto, e o MCP da Figma passa a atender mais de 20 ferramentas novas, entre elas OpenCode, Dia, Grok Bot e Sarvam. A diretora de design, Loredana Crisan, diz que hoje se produz 17 vezes mais código, mas só 1,3 vez mais lançamentos. - **[Extensão do ChatGPT para o Chrome passa a ler as abas abertas e a operá-las pelo ChatGPT Work](https://www.theverge.com/ai-artificial-intelligence/1012510/openai-chatgpt-google-chrome-tabs)** (Ferramentas e código; rss). Com a extensão instalada, marcar o Chrome numa conversa no app web ou de desktop do ChatGPT dá a ele acesso às abas abertas, por exemplo para comparar três sofás ou passar fornecedores para uma planilha com preço e link. Na barra lateral, o ChatGPT Work pode controlar as abas para enviar mensagens, preencher formulários e baixar arquivos, além de organizar e agrupar abas, como o \"auto browse\" do Gemini. Vem depois de a OpenAI encerrar o navegador ChatGPT Atlas. - **[trim-1: modelo de 1,2 MB escolhe que linhas do contexto o agente precisa e descarta o resto](https://github.com/caveman-ai/trim-1)** (Ferramentas e código; github). São 712 árvores de gradient boosting, não uma rede neural. Recebe um contexto (saída de ferramenta, arquivo, log, conversa) e a pergunta atual e devolve as linhas originais, na ordem, com um marcador onde cortou; nunca reescreve nem resume, então identificadores, caminhos e mensagens de erro passam intactos. Roda em milissegundos num núcleo de CPU, é determinístico e escrito em Go sem dependências. Licença Apache-2.0, publicado em 14/10. - **[Desenvolvedor do GNOME usa o Claude Code para escrever driver de scanner e corrigir câmera de notebook, e publica o harness](https://blogs.gnome.org/uraeus/2026/10/15/aiandreverseengineerhardware/)** (Ferramentas e código; hn). Christian Schaller montou uma máquina virtual Windows sob controle do agente para capturar o tráfego USB do scanner de negativos Plustek 8200i, cujo chipset não tinha suporte no Linux. Em poucas horas saiu a primeira digitalização e, dias depois, um driver SANE quase completo, com digitalização em infravermelho. Reaproveitando o mesmo harness, em um dia o Claude Code produziu patches para o kernel e para o libcamera que melhoraram a câmera MIPI do notebook dele. A versão genérica e documentada saiu como hw-harness. 76 pontos no Hacker News. - **[AI Slop Detector reúne 120 padrões que dão cara de texto de IA, com skill para Claude Code e Codex](https://github.com/FeedHive/ai-slop-detector)** (Ferramentas e código; github). A FeedHive publicou a lista em 9 categorias (vocabulário, frases feitas, estrutura e ritmo, substância, pontuação, resíduo de chatbot, LinkedIn), cada padrão com explicação, exemplo ruim e reescrita, mais um patterns.json e uma skill para instalar no Claude Code. A lista não tenta dizer se quem escreveu foi pessoa ou IA: um padrão isolado é normal, vários no mesmo parágrafo é que dão a impressão. Em 14/10, Phil Eaton contou que a The Consensus usa um detector próprio para filtrar os artigos que indica (122 pontos no HN). Licença MIT. - **[Codex 0.163.0 liga o Daybreak por padrão para contas elegíveis e deixa corrigir o rumo enquanto o agente responde](https://github.com/openai/codex/releases/tag/rust-v0.163.0)** (Ferramentas e código; rss). A versão traz um /config com busca nas preferências, envio de mensagem durante a resposta para redirecionar o agente na hora, tecla líder configurável em /keymap e reinício do servidor em segundo plano por /daemon. O Codex passa a rodar em paralelo ferramentas independentes só de leitura, como consulta a skills, memória e histórico. O Daybreak, programa de cibersegurança da OpenAI, fica ligado por padrão para contas elegíveis e pode ser escolhido no codex exec com chave de API. O Codex deixa de embutir um zsh modificado. - **[Claude Code 2.1.301 deixa o modo de nova tentativa sem supervisão desistir quando o limite de uso demora a voltar](https://github.com/anthropics/claude-code/releases/tag/v2.1.301)** (Ferramentas e código; rss). A nova variável CLAUDE_CODE_RETRY_WATCHDOG_MAX_USAGE_LIMIT_WAIT_MS faz o modo de nova tentativa sem supervisão encerrar o pedido quando o limite de uso só volta muito depois, em vez de esperar. Os eventos de OpenTelemetry passam a dizer se uma decisão de ferramenta veio do classificador do modo automático ou de regra de permissão. Entre as correções: o alias fable volta uma vez para o modelo Fable anterior quando o mais novo não está liberado para a organização, e agentes de workflow não pulam mais o passo dando a execução como bem-sucedida. - **[LLM Legislativo Brasileiro abre corpus de 930 mil documentos da Câmara e do Senado e um modelo treinado do zero](https://github.com/BaruqueRodrigues/llm-legislativo)** (Ferramentas e código; github). O projeto de Baruque Rodrigues reúne mais de 360 GiB de dados oficiais (311 GiB da Câmara, 53 GiB do Senado), com projetos de lei, PECs, emendas, pareceres e redações finais, publicados em 5 datasets no Hugging Face, e treina um Transformer causal em PyTorch puro com tokenizer próprio de 8.192 tokens. Licença MIT, publicado em 13/10, 189 estrelas. ## Pesquisa - **[GPT-6-Astra resolve 49 de 50 problemas inéditos de física teórica, a menos de US$ 3 por problema](https://the-decoder.com/gpt-6-astra-solves-49-of-50-physics-research-problems-at-2-40-apiece/)** (Pesquisa; rss). O TheoPhysEval, de 35 pesquisadores do ICTS, Harvard, KU Leuven e Google DeepMind, reúne 50 problemas de pesquisa não publicados em onze áreas da física teórica, que um especialista da área resolveria em cerca de um dia. Rodando no Codex, o GPT-6-Astra acertou 98%, ao custo total de US$ 116; o Opus 5.5, no Claude Code, 92%; Gemini 3.8 Flash 68%; DeepSeek-V4.1-Flash 54% e GLM 5.3 42%. Sem acesso à internet, Astra e Opus ficaram em 92%. Em vários casos o erro estava no gabarito dos especialistas. Os autores dizem que os agentes ainda não têm \"gosto\" para escolher problemas e que isso explica a falta de descobertas como as da matemática. - **[Paper: Doc2Harness mede quanto os modelos conseguem construir o harness de um agente de código, e o melhor passa em 53%](https://arxiv.org/abs/2610.20344)** (Pesquisa; arxiv). O modelo recebe um esqueleto de contrato e um documento que consolida o comportamento de doze harnesses de ponta e constrói um harness completo num contêiner; o resultado é testado com um modelo simulado em 328 casos, conferindo as requisições ao modelo, os arquivos em disco, o código de saída e a saída dos comandos. Entre 19 modelos, com três construções cada, o GPT-6 Astra lidera com 53,05% e o pior fica em 27,44%. As falhas se concentram em como a funcionalidade transversal é dividida entre módulos. - **[Paper: Agentes de desenvolvedores diferentes, combinados, dobram o acerto no GAIA](https://arxiv.org/abs/2610.20518)** (Pesquisa; arxiv). Carlos Jimenez, Karthik Narasimhan e coautores estudam sistemas de agentes feitos por vários desenvolvedores. No GAIA, especialistas cujos agentes não passam de 35% de acerto chegam a 70% quando combinados, 12 pontos acima da mediana dos agentes generalistas construídos com várias vezes o orçamento de cada especialista. Os autores propõem a colaboração entre desenvolvedores como um novo eixo de escala, por incentivar especialização. - **[Paper: P2Patch faz um agente atacar o próprio patch e acha nova forma de explorar a falha em 41% das correções](https://arxiv.org/abs/2610.20245)** (Pesquisa; arxiv). Um agente de exploração constrói a prova da vulnerabilidade, um agente de correção conserta o programa e o primeiro volta a atacar o código corrigido com outra forma de explorar a mesma falha; cada ataque bem-sucedido vira requisito permanente do patch. Em 101 CVEs de C/C++ e Java, o laço encontrou um novo ataque confirmado em 41% das execuções depois que o patch já bloqueava a prova original. Comparado à correção em uma passada com o Claude Code, a cobertura em testes independentes subiu de 78,1% para 84,7%. - **[Paper: Manacá-1B-Instruct-2, modelo nativo em português do Brasil, documenta três DPOs que não funcionaram](https://arxiv.org/abs/2610.20570)** (Pesquisa; arxiv). O modelo de 1,72 bilhão de parâmetros, treinado do zero para PT-BR, ganhou segurança por um SFT dedicado, não por DPO: numa das três tentativas a margem de recompensa chegou a 1,0 sem mudar a geração. A recusa excessiva varia de forma não monotônica com a fração de dados gerais no SFT, com o melhor ponto entre 40% e 50%; o limite inferior do intervalo de segurança (94,1%) fica acima dos quatro modelos PT-BR comparados. O juiz LLM se recusa a dar nota em 2 dos 6 itens de segurança do MT-Bench-PT, o que reduzia em silêncio o N dos relatórios anteriores. Código, dados e logs são abertos. ## Mercado - **[Meta libera os pesos do Muse Spark Open, 816 bilhões de parâmetros, que roda em dois Mac Studio com M5 Ultra](https://research.meta.ai/blog/muse-spark-open)** (Mercado; web). Modelo multimodal (texto, imagem, vídeo e áudio) com 816 bilhões de parâmetros, 42 bilhões ativos, e contexto de 1 milhão de tokens, voltado a código e tarefas de agente. A Meta o chama de modelo de pesos abertos mais capaz dos EUA e diz que supera Qwen 3.8, GLM 5.3 e Kimi K3 em parte dos testes, abaixo do Muse Wonder Full, que é pago. Feito com a Apple para rodar com MLX em dois Mac Studio de 512 GB cada; pesos no Hugging Face, SageMaker, Model Garden e Foundry, e API em Baseten, Fireworks, Groq, OpenRouter e Together. A licença exige o selo \"Built with Muse Spark Open\" e um acordo à parte para quem fatura mais de US$ 20 milhões por ano oferecendo o modelo como API. 546 pontos no Hacker News. - **[Anthropic fatura US$ 16,8 bilhões no terceiro trimestre, cresce 45% e mantém o IPO para novembro](https://the-decoder.com/anthropics-q3-revenue-hits-16-8b-but-growth-slows-ahead-of-planned-november-ipo)** (Mercado; rss). Segundo The Information e Financial Times, a Anthropic mostrou a investidores receita de US$ 16,8 bilhões no terceiro trimestre, cerca de 45% acima do segundo, que tinha crescido mais de 140% puxado pelo Claude Code. A margem operacional ajustada foi de 11% no ano até setembro, e cada dólar gasto em computação rendeu US$ 1,70 de receita. A empresa estima que 5% a 7% da receita venha de destilação por terceiros, que passou a bloquear, e avisou que isso pesa no quarto trimestre. O IPO está previsto para novembro, antes do Dia de Ação de Graças; parte dos investidores espera avaliação abaixo de US$ 1,5 trilhão (a avaliação privada foi de US$ 965 bilhões em maio). - **[Anthropic dá acesso de funcionário a pesquisadores do METR, que vão publicar avaliações sem poder de veto da empresa](https://www.anthropic.com/news/an-update-on-independent-evaluators)** (Mercado; web). Seis pesquisadores do METR recebem notebooks da empresa, espaço no escritório e acesso às ferramentas internas equivalente ao das equipes de avaliação de risco da Anthropic. O METR publica as próprias conclusões sobre riscos, incidentes e práticas; a Anthropic não pode vetar a publicação e só pode pedir que se omitam informações de categorias fixadas antes (dados de clientes, sigilo advogado-cliente, arquitetura dos modelos), e o METR pode dizer publicamente se acha a omissão justificada. É o nível mais alto de um sistema de três níveis de avaliadores, que inclui SecureBio e Accenture; há conversas com o Hugging Face (TechCrunch, sobre o número de pesquisadores). ## Comunidade - **[Bancos que financiaram data centers de IA tentam repassar o risco da dívida](https://startupfortune.com/banks-are-now-trying-to-offload-the-ai-data-center-debt-they-just-underwrote)** (Comunidade; hackernews). JPMorgan, Morgan Stanley, SMBC e MUFG estudam transferências significativas de risco, que mantêm o empréstimo no balanço e passam a fatia mais arriscada a investidores de fora, porque chegaram aos limites internos de exposição à IA (Financial Times). Um grupo com JPMorgan e MUFG tenta há mais de seis meses distribuir US$ 38 bilhões de dívida de construção de data centers no Texas e em Wisconsin alugados à Oracle, e alguns credores já aceitam vender com desconto a compradores fora do sistema bancário (Bloomberg). 367 pontos e 258 comentários no HN. - **[TSE manda o advogado-geral da União tirar do ar vídeo pró-Lula feito com IA sem aviso de conteúdo sintético](https://acritica.net/eleicoes-2026/tse-manda-jorge-messias-retirar-video-pro-lula-feito-com-inteligencia-artificial/)** (Comunidade; web). Em 13/10, o ministro Marco Aurélio Bellizze deu 24 horas para Jorge Messias e a Meta retirarem do Instagram um vídeo em que uma criança e um idoso com camiseta \"Lula 13\" se preparam para uma carreata. Para o ministro, a falta de advertência explícita de uso de IA caracteriza propaganda eleitoral irregular, independentemente do grau de realismo ou de prova de que alguém foi enganado; o vídeo só pode voltar com o aviso. A decisão atende em parte a representação da campanha de Flávio Bolsonaro, aberta em 12/10. - **[Anthropic e OpenAI põem US$ 15 milhões com a Simons Foundation para a matemática lidar com resultados feitos com IA](https://www.simonsfoundation.org/news/simons-foundation-launches-15m-effort-to-help-mathematicians-navigate-ai-era/)** (Comunidade; hn). Dinheiro e recursos somados das três organizações, geridos pela fundação, inclusive por chamada aberta, para oficinas e iniciativas que ajudem matemáticos a avaliar resultados obtidos com IA, aprender as ferramentas e definir padrões coletivos de uso. Anthropic e OpenAI também darão ferramentas e computação a pesquisadores apoiados pela fundação, inclusive de ciência básica. O presidente da fundação, David Spergel, diz que a comunidade, e não uma empresa, deve conduzir como as ferramentas são avaliadas e adotadas. 214 pontos no Hacker News. - **[Anthropic mede o uso político do Claude antes das eleições americanas: 0,01% das conversas pedem em quem votar](https://www.anthropic.com/news/2026-us-midterms)** (Comunidade; rss). Numa amostra de 250 mil conversas de uma semana, 5,75% das conversas do Claude.ai nos EUA tocam em política e 0,51% em eleições; pedidos de \"em quem votar\" foram 0,01%, e violações da política eleitoral, 0,002%. Ainda em outubro, o Claude passa a responder onde e como votar com dados oficiais da Democracy Works, por estado, e vai mostrar resultados oficiais na noite da eleição. Opus, Sonnet e Haiku 5.5 marcam 99% na avaliação interna de imparcialidade política, e três grupos externos revisaram as respostas. - **[Revista Current Affairs proíbe texto e ilustração gerados por IA no contrato com o sindicato](https://www.currentaffairs.org/news/why-were-banning-ai)** (Comunidade; hn). Pelo novo contrato sindical, nenhum texto gerado por IA pode ser publicado na revista e nenhuma arte gerada por IA pode ilustrá-la. O editor, Nathan J. Robinson, diz que a redação já recebeu colaborações com sinais de texto de IA, como excesso de travessões e frases do tipo \"não é X, é Y\", e cita casos de jornais que publicaram artigos de opinião escritos por IA. 215 pontos e 168 comentários no Hacker News.