A Artificial Analysis ranqueia cada modelo de 1 a 100 em 30 traços de personalidade. Do Kimi K3 para o K3.1 Pro, os ranks mudaram em média 30 pontos (o segundo maior salto é de 23, do GPT-6 Sol para o GPT-6.1 Sol), e 18 dos 30 traços se moveram 25 pontos ou mais. Post das 19h38 de 02/11 (33 mil visualizações), que ficou fora da rodada das 20h.
Modelos · x · kimi, moonshot, personalidade, artificial-analysis
Com o Codex, cada engenheiro passou a ter várias mudanças em CI ao mesmo tempo, e desde o fim do ano passado o monorepo chegou a ter confiabilidade abaixo de 90% em pushes e fetches. O Pando guarda cada push como pacote imutável num blob store, coordena cada branch separadamente (consistência causal, sem fotografia global das refs) e reaproveita os mesmos packfiles entre clientes, sem desempacotar nada no servidor. Mantém o protocolo e o cliente Git, cortou a latência mediana de push em quase 5 vezes e serve perto de um petabyte por dia. Greg Brockman disse que a OpenAI pensa em oferecê-lo a terceiros (100 mil visualizações, 235 pontos no HN.
Ferramentas e código · blog · openai, codex, git, infraestrutura, agentes-de-codigo
Versão publicada às 22h25 de 02/11 (Brasília). Uma chamada de ferramenta web ou de shell que enviaria o e-mail da conta passa a pedir confirmação; callbacks de hook do Agent SDK ganham `onFailure: \"block\"`, que barra a ação quando o callback falha; o `/schedule` avisa quando uma tarefa agendada na nuvem recebe conectores que não foram pedidos; métricas, eventos e spans OTel ganham plano, tipo de assento e provedor; o gateway dos apps ganha relatório de custo por desenvolvedor, dia ou grupo do IdP; e `CLAUDE_CODE_DISABLE_NESTED_SESSION_ID=1` faz um `claude -p` rodado dentro de uma sessão voltar a usar o id e o transcript dela.
A versão acrescenta gpt-6.1-sol e gpt-6.1-terra, o comando `llm openai endpoint add` para modelos com endpoint compatível com a OpenAI e embeddings com tipo de conteúdo por item (para o Gemini Embedding 2), e troca o modelo padrão para o gpt-6-luna, metade do preço do gpt-5.6-luna. Traz correções de 12 autores, quase todas feitas com ajuda de IA; Willison diz que as trata como relatórios de bug com exemplo anexado e que a triagem com Opus 5.5 ou GPT-6 Astra deu menos trabalho do que esperava.
Ferramentas e código · rss · llm-cli, simon-willison, open-source, prs-com-ia
Benchmark montado sobre o harness aberto pi, que mede o cumprimento de regras pelas ações do agente durante a execução (arXiv 2611.03223). A compactação raramente apaga a regra: a maioria das violações acontece com ela ainda no histórico compactado, quando o agente lê um pedido posterior como permissão. O jeito de entregar a regra decide se o agente a quebraria mesmo sem compactação; a estratégia e o orçamento de compactação decidem se ela sobrevive. O ataque mais forte ao compactador mais que dobra as violações, e execuções compactadas que mantêm a regra violam mais que o dobro das execuções com histórico completo.
Com a ferramenta aberta mcpvenom (arXiv 2611.03555), os autores rodaram 45 cenários com execução real de ferramenta e confirmação de exfiltração por recibo HTTP: 2.113 de 9.720 células vulneráveis. Dos sucessos, 64,9% disparam uma chamada do atacante, 23% contatam o endpoint dele e 12,1% exfiltram um segredo de fato. A resistência depende do modelo, não do framework (nove frameworks entre 23% e 26%); por modelo vai de 0,4% a 49,7%, e o Claude Opus 4.8 caiu em 8 de 530 células, com 223 recusas explícitas. Um scanner por regex nas descrições barra 20 dos 45 cenários com 7,2% de falso positivo. As cinco divulgações coordenadas a quatro fornecedores foram recusadas.
Quatro experimentos pré-registrados (arXiv 2611.01313) com 900 perguntas fixas (jurisprudência federal dos EUA, literatura científica e médica) em 12 checkpoints de três famílias abertas, em quatro estágios de pós-treino. Com os pesos fixos, só pedir citações eleva a fabricação nos pós-treinados e não nos base (interação de 47,8 pontos; 41,5 em 15 checkpoints), e um controle de tamanho mostra que o efeito vem da citação, não da resposta mais longa. O pós-treino leva a fabricação de 4,8% para 56,7%, e um modelo de preferência treinado só com traços superficiais de citação prefere a saída pós-treinada 86% das vezes, premiando quantidade. Conclusão dos autores: talvez, mas não provado.
O estudo (arXiv 2611.00505) compara 14 modelos de decisão tipados, como o Jev, da TypeSafe, que devolve sim/não, alternativa ou nota com probabilidade calibrada numa só passada, sem gerar texto, com Haiku 5.5, GPT-5.6 com e sem raciocínio e Opus 5.5 em 11 benchmarks de juiz. Cinco empatam estatisticamente com o GPT-5.6 sem raciocínio; DReX-Max e d1-ultra superam o Haiku no JudgeBench, LLMBar e RewardBench 2. Com uma resposta de referência por prompt, onze chegam a 90,3-93,4% no JudgeBench, empatando com Opus 5.5 e GPT-5.6 com raciocínio, e no PPE best-of-16 igualam o GPT-5.6 com raciocínio a cerca de 1/16 do custo. Uma nota ao avaliador injetada na resposta inverte 0-5% dos veredictos certos de cinco modelos e 17-49% dos outros nove. O mesmo anúncio traz mais sete papers sobre esses modelos.
Ethan Mollick divulgou (46 mil visualizações) uma tentativa em massa de replicar com modelos atuais achados antigos sobre LLMs. No gráfico 'Lifetime of LLM findings', dos 50 achados, 22 expiraram, 17 enfraqueceram, 8 persistem e 3 se fortaleceram. Segundo ele, modelos recentes deixaram de inventar citações e alucinam e estereotipam menos, mas seguem bajuladores e inclinados à esquerda. O post traz só as imagens; a origem do estudo não foi identificada nesta rodada.
Pesquisa · x · replicacao, avaliacao, alucinacao, bajulacao
Os autores (arXiv 2611.01927) separam o trabalho de uma tarefa de terminal (quantas operações exige) da profundidade (quantos turnos têm de acontecer em sequência, porque cada comando depende da saída anterior), estimada como o menor teto de turnos sob o qual a tarefa passa. Em 734 tarefas de seis conjuntos, a síntese acrescentou trabalho, não profundidade: 94% das tarefas sintéticas resolvidas passam em três turnos, e a contagem de turnos reflete mais o hábito do modelo do que a tarefa. As 105 tarefas do DEPTH, escritas por um agente que executa cada trecho antes de escrever o seguinte, superam todos os conjuntos auditados; nenhum de seis modelos atuais passa metade.
No próximo sprint interno, pesquisadores da Cathedral vão usar os modelos da OpenAI ao lado das equipes da casa para testar as defesas, e o prêmio por falha crítica no bug bounty sobe mais de quatro vezes, até US$ 172 mil com bônus. No sprint anterior, 25% dos engenheiros de produto se dedicaram a achar e corrigir falhas, usando o Codex para reproduzir vulnerabilidades em ambiente isolado e preparar correções. A Cathedral é a startup que, na semana passada, disse ter entrado em sistemas internos da Anthropic dentro de um programa de testes externos (base, 26 e 28/10). O post da OpenAI no X teve 484 mil visualizações
Regulação e segurança · blog · openai, seguranca, bug-bounty, cathedral, codex
Na palestra publicada pela AI Engineer em 29/10 (73 mil visualizações), David Abitbol, que chefia operações de IA da Revolut, diz que hospedar modelos GLM abertos foi o que mais pesou para 2.000 engenheiros: entrega de 60 a 70% mais rápida a cerca de um décimo do que pagavam aos laboratórios de fronteira, e um ajuste que deixou o mesmo hardware 88% mais rápido, num banco regulado na UE. O caso circulou em 02/11 pelo resumo de Guillermo Flor no X (142 mil visualizações, que fala em 56 GPUs B200, US$ 0,30 por milhão de tokens e Claude Code e Codex como exceção, e diz que o ganho veio quando os tokens deixaram de ser racionados. No HN (44 pontos), swyx apontou a palestra.
Comunidade · youtube · modelos-abertos, glm, self-hosting, custo, agentes-de-codigo
Matt Scherer, coautor de um relatório do Open Markets Institute sobre o estouro de uma bolha de IA, argumenta que o S-1/A mostra US$ 96 bilhões em caixa contra pelo menos US$ 582 bilhões em compromissos não canceláveis com cinco empresas (Amazon, AMD, Broadcom, Google e Microsoft), dentro dos US$ 895 bilhões contratados, e que os resultados de 2026 não foram auditados. Para ele, a pressão sobre as margens do setor torna difícil sustentar o crescimento necessário, e o risco cairia sobre pequenos investidores e aposentados. 362 pontos no HN.
Comunidade · blog · anthropic, ipo, sec, regulacao, bolha
No podcast The Builders, de Walter Isaacson, o CEO da Y Combinator disse que agentes pessoais só viram uso de massa se o custo cair e chamou o próprio gasto de 'privilégio maluco'. Ele mantém no GitHub o gstack, 23 skills do Claude Code, e contou que a YC usa um agente chamado Stray Light, com personalidade e um 'cérebro da empresa' com todos os fundadores apoiados, e-mails recebidos e inscrições.
Comunidade · rss · y-combinator, agentes, custo-de-tokens, claude-code
Segundo fontes do Financial Times (paywall; título 'Nvidia orders data centre clients to reduce China exposure', resumo do Techmeme), a Nvidia comunicou verbalmente a clientes de computação em nuvem que mais da metade dos serviços tem de ir para empresas não chinesas, um novo limite ao acesso da China a chips de IA. Do outro lado, a The Information diz que a Huawei avisou clientes que boa parte do Ascend 960DT, seu próximo chip de ponta, vai usar HBM da Samsung e da SK Hynix.
Comunidade · news · nvidia, china, chips, geopolitica, huawei
Exclusiva da The Information (paywall; resumo do Techmeme): a Salesforce planeja adquirir a Cresta, fornecedora de software de automação de contact center com IA, e uma fonte diz que o preço acertado é de US$ 2,7 bilhões. Na mesma noite, a Trajectory, de ferramentas de pós-treino de modelos para clientes não técnicos, levantou US$ 45 milhões em Série A liderada pela Sequoia, a US$ 300 milhões de avaliação e a Larridin, que mede o efeito da IA na produção dos funcionários, US$ 30 milhões em Série A (Business Insider).
Comunidade · news · salesforce, aquisicao, contact-center, investimento
Na teleconferência do quarto trimestre fiscal, o CFO Kevan Parekh disse que a IA dá motivo para trocar de aparelho e que há 'oportunidades em apps de terceiros e parcerias', sem detalhar. A Reuters relatou que investidores querem saber se a Apple pode distribuir agentes de IA de terceiros pela App Store e ficar com parte da receita. A previsão de serviços para o trimestre de dezembro é de 8 a 9%, e John Ternus disse que o custo de memória segue subindo até dezembro e depois.
Comunidade · rss · apple, app-store, agentes, resultados
A ordem executiva de setembro mandou o governo chamar a IA de 'Super Intelligence'. O termo já aparece em editais (o ICE pede vigilância 'SI-powered' para centros de detenção), mas o Pentágono e a FTC escorregaram e Hegseth ainda diz 'AI'. Nas teleconferências do terceiro trimestre, segundo a CNBC, só Zuckerberg e Musk usaram o termo com constância; Musk prometeu rebatizar a SpaceXAI de SpaceXSI e Benioff fala em SIForce. Em 27/10 Trump criticou o Wall Street Journal por não usar o termo. A autora teme que o nome vire teste de lealdade e divida por partido uma discussão que ainda não se divide assim.
Comunidade · rss · politica, eua, terminologia, super-intelligence