A partir desta segunda-feira (26/10), a Regeringskansliet, a sede administrativa do governo sueco, bloqueia o acesso ao ChatGPT e ao Claude pelos computadores de trabalho; a única ferramenta aprovada é o Microsoft Copilot, que passou por revisão e teve as configurações de segurança reforçadas. Parte da equipe continua a usar os dois modelos por uma plataforma interna de assistentes, sem número divulgado. O diretor de digitalização, Mikael Wettercrantz, citou exemplos de uso problemático, tanto na sensibilidade do que foi digitado quanto no tratamento das respostas. A Agência Tributária e o Conselho Nacional de Cuidados Institucionais já tinham restrições parecidas, e uma auditoria interna da Administração de Transportes achou cerca de 10 serviços de IA em uso arriscado. O Digit observa que o Copilot inclui modelos Claude desde o início de 2026 (desligados por padrão na União Europeia) e que o governo não disse se estão ativos na sua instalação. Cybernews às 05h06 e Digit às 01h12 (Brasília).
A Moonshot reconheceu limites de uso e consumo desnecessário de cota no plano de assinatura do Kimi K3.1 Pro e anunciou uma reposição única para todos os planos: 25% da cota mensal, o equivalente a uma semana de uso (quem gastou menos de 25% volta a zero). Também mudou os parâmetros do plano e diz que vai reduzir chamadas desnecessárias a subagentes e o tamanho das respostas. Post das 17h14 de 25/10 (Brasília), com cerca de 500 mil visualizações; ficou fora da rodada anterior.
Modelos · x · kimi, moonshot, assinatura, cota, subagentes
O mesmo motor em Rust roda como servidor MCP (paperpilot-mcp, para Claude Desktop e Cursor), linha de comando, app de desktop e página no navegador por WebAssembly, sem Chromium, sem runtime C++ e sem enviar arquivo para a nuvem. A versão 0.6 junta, divide, gira, reordena e comprime PDFs, extrai texto, faz OCR em Rust puro (PaddleOCR via rten), põe marca d'água, valida e remove assinaturas, procura dados pessoais e sanitiza; o roteiro prevê PDF para Markdown e JSON na 0.7 e para Word, Excel e PowerPoint na 0.8. Repositório criado em 28/09, com cerca de 350 estrelas e mais de 1.500 commits; 151 pontos no Hacker News, onde entrou à 00h29 de 26/10 (Brasília).
Os autores criaram o MCP-Injector, middleware que injeta falhas no caminho das chamadas MCP (permanentes, transitórias e intermitentes), calibrado pela distribuição de incidentes de 57.240 issues e pull requests de 1.774 repositórios MCP públicos. Em 1.350 execuções com dois tamanhos de gpt-oss (20B e 120B) e três pilhas de agente (plan-and-execute próprio, OpenAI Agents SDK e LangChain), o perfil de falhas permanentes derrubou a nota de conclusão de 8,08 para 3,23 em 10. O modelo de 120B não preservou mais da sua nota (p = 0,96) e completou menos tarefas sob falha (91,1% contra 95,6%). As pilhas diferem entre si, e o tratamento de erro do framework pesou mais que o tamanho do modelo. Aceito na NeurIPS 2026; código e dados abertos. Lote do arXiv anunciado às 21h de 25/10 (Brasília).
Num analisador intraprocedural para C/C++, os autores auditaram 916 pares de funções vulneráveis e corrigidas do PrimeVul com 11 configurações de modelos de quatro fornecedores (16.572 auditorias), variando só as notas que o analisador entrega. Evidência verdadeira quase não ajudou (+0,02 de acurácia). Evidência falsa agiu de forma assimétrica: garantias falsas de que uma checagem existe baixaram em até 19 pontos a detecção de vulnerabilidades reais, enquanto alarmes falsos nunca baixaram a acurácia de forma significativa e foram contestados com muito mais frequência; a replicação com sete modelos novos confirmou (assimetria média +0,16). Instruções no prompt não resolveram; verificar cada alegação numa chamada separada subiu a acurácia em 12 pontos (p = 0,002). Conclusão: conferir as garantias da ferramenta antes de o modelo se apoiar nelas.
Com 11 modelos abertos em quatro configurações de decodificação, nos 1.000 problemas do EffiBench e medição de energia por processo no hardware, a inferência gastou de 0,79 a 8,68 MJ por par modelo e variante, o equivalente a 250 a 2.800 consultas ao GPT-4.1. Limitar o máximo de tokens de saída foi o que mais cortou energia (até 69%). Na execução, 42 das 44 configurações geraram código que consome mais energia por problema que a solução humana de referência, de +4% a +886%; as duas exceções só empatam depois de 10^6 a 10^7 execuções. Modelos de mistura de especialistas gastaram bem menos que densos do mesmo tamanho, sem perder correção. Aceito no ICSE 2027.
Estudo de caso em dois dias de trabalho numa pequena empresa que programa robôs industriais em linguagens de fabricante e depende de simulação visual. O agente não deixou os engenheiros mais produtivos, com a exceção de uma tarefa de código muito repetitivo. Os resultados melhoraram ao longo do tempo, à medida que os engenheiros aprenderam a usar o agente e ele foi adaptado ao domínio, e a experiência com IA pesou mais que a experiência em robótica. Os autores concluem que agentes não são plug-and-play, que é preciso treinar a equipe e prever a curva de aprendizado, e que estudos de produtividade precisam ser longitudinais.
Harnesses de agente chamam o raciocínio do modelo de novo a cada retorno de ferramenta, mesmo quando uma chamada anterior já fixou a próxima ação. O HarnessMM guarda essas decisões em grafos executáveis (ação, argumentos literais, dependências e condições) e as reaplica na fronteira entre modelo e ferramenta, chamando o modelo de novo só diante de decisão semântica nova ou evidência sem suporte; a configuração é refinada por ciclos de autoaperfeiçoamento, sem mexer nos pesos. No HumanEval, manteve o Codex em 90,82% de acerto com 29,5% menos tokens por tarefa (66,7 mil para 47,0 mil); no harness do DeepSeek, o acerto subiu de 71,4% para 85,7% e os tokens caíram 88% (96,3 mil para 11,6 mil).
Na teleconferência de resultados do terceiro trimestre, Arvind Krishna disse que em 2024 um modelo fechado de ponta fazia 70 num benchmark amplo e um aberto, 20 ou 30; no fim de 2025 a distância caiu para 70 contra 50, e hoje os abertos entregam 90% da eficácia a 10% a 25% do custo por token. Resumir e-mail, examinar contrato e atender ligação, segundo ele, cabem no modelo barato, e a IBM vê demanda crescente por infraestrutura local de dois ou três racks; o gargalo é achar quem cuide de kernel, rede e cache. A receita do trimestre foi de US$ 17,1 bilhões (+5%), com software a US$ 7,8 bilhões (+9%). Texto de 22/10; foi ao Hacker News às 22h47 de 25/10 (Brasília) e chegou a 273 pontos e 164 comentários.
Comunidade · theregister · modelos-abertos, ibm, on-prem, custo, empresas
Segundo o Financial Times, a maior montadora do mundo quer se tornar uma empresa global de robótica, com um plano de investimento de US$ 6,4 bilhões por ano e 400 mil robôs, a começar pelas próprias fábricas, onde o ambiente é mais fácil de controlar. A Walden Robotics, spinoff de IA e robótica da Toyota, foi apresentada em julho com avaliação de US$ 1,1 bilhão e US$ 300 milhões captados; analistas do Goldman Sachs estimam que a Toyota pode ter de 3% a 8% do mercado de humanoides em 2035, contra Tesla, Xpeng e Hyundai. Investidores lembram que a empresa já frustrou expectativas com carros a hidrogênio e baterias de estado sólido. FT à 01h40 e The Decoder às 06h18 (Brasília).
Comunidade · the-decoder · robotica, humanoides, toyota, industria, automacao
Reportagem da Bloomberg resumida pelo The Decoder: um executivo estima que o gasto com computação das firmas de alta frequência está 10 a 20 vezes acima do de antes do ChatGPT. A Hudson River Trading gasta US$ 1 bilhão por ano com IA, segundo o chefe de IA Iain Dunning, e fechou contrato plurianual com a CoreWeave; a Jane Street investiu US$ 1 bilhão na CoreWeave, comprometeu US$ 6 bilhões com os serviços dela, tem um data center no Texas com mais de 4.000 GPUs Nvidia, liderou a rodada da Etched e é a primeira cliente do chip dela. A XTX Markets constrói data center na Finlândia. O risco citado é o custo subindo e os chips envelhecendo rápido. The Decoder às 06h49 de 26/10 (Brasília); a reportagem da Bloomberg é de 22/10.
Comunidade · the-decoder · computacao, data-centers, mercado-financeiro, coreweave, chips
Siegler comprou o Bee (US$ 75), um vestível de um botão só, sem tela nem alto-falante, que escuta o dono e quem fala com ele e devolve resumos e sugestões de tarefas no app. Depois de um cadastro rápido da voz, o aparelho deduziu sozinho quem eram os familiares, com nomes e o que cada um queria; num caso real, o resumo da conversa com o barman confirmou a versão dele numa cobrança indevida de hotel. A luz verde de atividade é pequena e fica escondida sob a manga. Ele diz não saber se todas as grandes empresas vão copiar o produto ou se ele vai ser barrado, e lembra que a Amazon diz que o Bee não grava, definição que deve ser contestada. Texto das 20h26 de 25/10 (Brasília); o lançamento do Bee Frontier e do Bee Eclipse já está na base (16/10).
Comunidade · spyglass · wearables, amazon, privacidade, assistentes, hardware
A partir de The Relentless Revolution, de Joyce Appleby, Rao compara o medo da IA às crenças mercantilistas: a inteligência vista como recurso fixo a acumular, gente comum que não se pode deixar pensar sozinha, foco só na oferta e a suposição de que a maioria não serve para muito. Como na agricultura, que liberou a maior parte da população sem criar bocas inúteis, a maioria das pessoas pode deixar de produzir inteligência e passar a consumi-la, e a demanda por inteligência cresce à medida que o custo cai. Ele propõe uma revolução industriosa cognitiva, em que o retorno da atenção sobe e as pessoas passam a pensar mais por vontade própria, e uma política do trabalho que pede acesso justo à inteligência abundante. Publicado às 16h19 de 25/10; 69 pontos e 72 comentários no Hacker News na madrugada.
Comunidade · contraptions · ensaio, economia, trabalho, demanda, abundancia