Cursor lança Projects e o seu agente coordenador, GPT-Rosalind sai da pré-visualização de investigação, Runway licencia os seus pesos fechados

Cinquenta e dois anúncios, publicados na sua maioria em 11 de setembro, e uma mesma ideia que reaparece entre intervenientes que não comunicam entre si. Cursor confia um projeto inteiro a um agente coordenador que não programa e delega em milhares de subagentes, Cognition faz dois modelos trabalharem em conjunto na máquina do programador, Sakana encaminha cada tarefa para o modelo mais leve capaz de a resolver. No mesmo dia, OpenAI retira o seu modelo para ciências da vida da pré-visualização de investigação com uma tabela de preços pública, Runway licencia os pesos dos seus modelos fechados para empresas e Anthropic publica um subcomando que finalmente mede o verdadeiro contributo de um plugin.

Cursor lança Projects, projetos geridos por um agente coordenador

10 de setembro — Cursor lançou Projects, uma reformulação da forma como se confia trabalho a um agente no editor. O produto rompe com o hábito estabelecido nos últimos dois anos: em vez de abrir uma nova conversa para cada tarefa e depois a fechar, o utilizador dialoga com um agente coordenador num fio que se prolonga por meses. Este coordenador não escreve uma única linha de código. Dirige outros agentes que a escrevem, o que lhe permite estar sempre disponível para receber instruções enquanto o trabalho avança.

Três mecanismos tornam isto possível. Primeiro, a execução na cloud por predefinição: um Project é executado na sua própria máquina, fechar o computador portátil não o interrompe e o número de subagentes em paralelo deixa de estar limitado pelo hardware local. Um agente local é iniciado quando um teste precisa de ser executado na máquina do programador. Depois, o contexto partilhado: cada Project mantém um conjunto de ficheiros sincronizados em todas as máquinas, nos quais os agentes depositam as suas pesquisas, os seus artefactos e aquilo que compreendem do código. Se um deles descobrir como testar um serviço, todos os seguintes terão acesso ao procedimento. O terceiro mecanismo é o mais invulgar. Cursor chama-lhe subscrições (subscriptions): o coordenador pode monitorizar um canal Slack, executar-se de acordo com um calendário ou acompanhar todas as pull requests para corrigir a integração contínua. O agente atua quando deteta um sinal, sem esperar que alguém o solicite.

População medida	Efeito medido nas pull requests
Novos utilizadores de Projects	Mais 30 por cento de fusões
Utilizadores que trabalham sobretudo em Projects	Seis vezes mais fusões
Project de design system interno	20 a 100 pull requests afetadas por dia, segundo a projeção

The coordinator doesn’t write code itself but directs other agents that do. Because it delegates rather than executes, it is never blocked and is always responsive to direction.

🇵🇹 O coordenador não escreve código, dirige outros agentes que o fazem. Como delega em vez de executar, nunca fica bloqueado e permanece sempre disponível para receber instruções. — Cursor, blogue do Projects

Estes números são medições internas e devem ser lidos com a devida prudência. O exemplo mais elucidativo continua a ser o da jardinagem, o nome que Cursor dá ao trabalho que nunca termina: um engenheiro mantém um Project dedicado ao design system, que examina cada nova pull request, extrai dela os componentes que devem integrar o sistema e acrescenta uma regra de lint assim que vê o mesmo erro duas vezes. Projects está em versão beta e tem sido disponibilizado progressivamente desde 10 de setembro. O anúncio não menciona condições tarifárias nem restrições de plano.

🔗 Anúncio da Cursor no X

GPT-Rosalind sai da pré-visualização de investigação, com a sua tabela de preços

11 de setembro — OpenAI Developers anuncia que GPT-Rosalind, o seu modelo de raciocínio dedicado às ciências da vida, sai da pré-visualização de investigação (research preview). Apresentado em 16 de abril de 2026 para investigação em biologia, descoberta de medicamentos e medicina translacional, o modelo estava então acessível apenas a clientes Enterprise elegíveis nos Estados Unidos. Passa a ter acesso de confiança (trusted access) para organizações elegíveis em todo o mundo, através da API, do Codex e do ChatGPT Enterprise, e esse acesso abrangerá os próximos modelos da série à medida que forem lançados.

O changelog da API, numa entrada datada de 8 de setembro, fornece os detalhes que o fio no X não menciona. O modelo chama-se gpt-rosalind-research, e a sua disponibilidade geral continua condicionada ao programa de acesso de confiança, reservado a investigação interna em ciências da vida aprovada pela OpenAI.

Elemento tarifário ou de acesso	Valor anunciado
Identificador do modelo	`gpt-rosalind-research`
Tokens de entrada	5 dólares por milhão
Tokens de entrada em cache	0,50 dólar por milhão
Tokens de saída	25 dólares por milhão
Início da faturação	5 de outubro de 2026
Interfaces de acesso	API, Codex, ChatGPT Enterprise
Condição de acesso	Programa de acesso de confiança, organizações elegíveis

A faturação só começa em 5 de outubro: durante a pré-visualização de investigação, a utilização não consumia créditos nem tokens. Quanto às ferramentas, os plugins Life Sciences do Codex constituem a camada de orquestração do modelo, desde a genómica à estrutura das proteínas e à investigação translacional, da recolha de provas biológicas à geração de relatórios de controlo de qualidade e notebooks interativos. Este pacote, publicado gratuitamente no GitHub em abril, dá acesso a mais de 50 bases de dados multi-ómicas públicas, fontes bibliográficas e ferramentas de biologia; funciona com os modelos generalistas para todos, mas apenas os utilizadores Enterprise elegíveis podem combiná-lo com GPT-Rosalind.

Os desempenhos reivindicados continuam a ser os do lançamento: melhor pontuação publicada no BixBench, uma vantagem sobre GPT-5.4 em 6 das 11 tarefas do LABBench2, com a maior diferença no CloningQA, e, numa tarefa de relação sequência-função de ARN concebida com a Dyno Therapeutics, uma melhor submissão acima do percentil 95 de 57 especialistas humanos em previsão. A informação concreta é dupla: um modelo especializado que abandona o estatuto experimental com um preço público e uma expansão geográfica do acesso. O obstáculo continua a ser a elegibilidade, que não está disponível em regime de autosserviço.

🔗 Fio da OpenAI Developers no X

Runway Model Licensing, os pesos dos modelos fechados entregues às empresas

11 de setembro — Runway abriu um programa de licenciamento dos seus modelos (Model Licensing) destinado a empresas. O princípio rompe com o acesso por API: o cliente recebe os pesos completos de um modelo Runway de última geração, afina-o com os seus próprios dados, aloja-o na sua infraestrutura e comercializa aquilo que dele obtém. Os dados e as gerações nunca saem do ambiente do cliente, visando explicitamente estúdios, marcas e governos.

Elemento fornecido	Conteúdo
Pesos do modelo	Pesos completos como ponto de partida
Checkpoints	Várias versões do modelo para validar
Script de treino	Código para adicionar os seus dados e iniciar os seus refinamentos
Entrega	Integrada na base de código do cliente, alojada onde este pretender
Investigadores destacados	Apoio prático na configuração, nos pesos e na entrega

O alojamento pode ser feito, à escolha, na cloud do cliente, no seu centro de dados ou totalmente nas suas instalações, incluindo num ambiente isolado da rede (air-gapped) para organismos públicos. São mencionados seis setores: plataformas de software, cinema e estúdios, marcas e marketing, robótica e IA física com o World Action Model como estrutura central da política (policy backbone), videojogos e 3D com o melhoramento fotorrealista de renderizações de baixa qualidade, e governos.

No plano económico, Runway distingue duas vias: Runway Dev, a API faturada de acordo com a utilização, sem infraestrutura para gerir; e a licença anual, com custos previsíveis e controlo total das versões, do comportamento e dos resultados. A FAQ responde à objeção da obsolescência: os modelos futuros não terão acesso aos dados proprietários do cliente, está prevista a renovação anual e são concedidos créditos para as gerações seguintes. Estima o custo de uma reconstrução interna em anos de aprendizagem e centenas de milhões de dólares. A empresa apresenta-se como uma das raríssimas no mundo a licenciar pesos fechados desta qualidade e contrapõe diretamente a sua oferta aos pesos abertos, que, segundo ela, forneceriam um modelo mais fraco acompanhado de uma lista de tarefas. Não é publicado qualquer preço; o acesso é feito através de um formulário comercial. O anúncio chega nove dias depois do Runway Dev MCP e uma semana depois do plano Team: Runway cobre agora toda a gama, desde o criador individual à licença de pesos fechados.

🔗 Página Model Licensing

Cognition leva Fusion ao Devin Desktop e ao Devin CLI

11 de setembro — Cognition anunciou a disponibilidade do Fusion no Devin Desktop e no Devin CLI. A arquitetura era executada há vários meses no Devin Cloud; agora chega à máquina do programador. O anúncio surge no dia seguinte ao SWE-2, o modelo de código próprio, e ambos se complementam, uma vez que SWE-2 é o segundo recomendado para o sistema.

O princípio é simples de enunciar. Ao escolher Fusion, não se seleciona um modelo, mas dois. Um modelo de ponta desempenha o papel de líder (lead) e mantém o controlo da sessão: detém o plano, resolve as ambiguidades e revê o trabalho entregue. Um modelo menos dispendioso desempenha o papel de assistente (sidekick): explora o código, escreve as alterações, executa os testes e apresenta os resultados. Ambos funcionam em paralelo, cada um com o seu próprio contexto persistente. O argumento técnico contrapõe-se ao encaminhamento de modelos, a solução que se imagina espontaneamente para reduzir os custos: um prompt inicial não é suficiente para medir a dificuldade de uma tarefa, e uma mudança de modelo durante o processo quebra a cache do prompt. Fusion contorna o problema ao nunca transferir conversas inteiras entre os dois modelos, que trocam apenas briefings, resultados e feedback.

Custo por tarefa, em dólares	Apenas Fable 5.1	Fusion Fable 5.1 e SWE-2	Apenas Astra	Fusion Astra e SWE-2
DeepSWE 1.1	14,63	7,88	7,88	4,69
Terminal-Bench 4	17,46	13,37	10,08	6,06
SWE-Atlas QnA	7,57	5,00	5,72	3,59
Vals Code Migration	70,97	42,00	44,36	35,51
FrontierCode 1.1 alargado	2,68	1,67	2,62	2,34

One of our key findings is that using more expensive models can make the entire system cheaper.

🇵🇹 Uma das nossas principais descobertas é que a utilização de modelos mais caros pode tornar o sistema global mais barato. — Cognition, blogue sobre o Fusion local

A demonstração é feita em ambos os lados da dupla. Do lado do líder, substituir Opus 4.8 por Fable 5, que custa nominalmente o dobro por token, reduziu o custo médio das sessões em 9 por cento com o mesmo assistente, obtendo uma pontuação melhor no FrontierCode: Fable delegava mais cedo e redigia briefings melhores, enquanto Opus microgeria o seu assistente. Do lado do assistente, passar de GPT-5.6 Luna para SWE-2, ou seja, mais 275 por cento por milhão de tokens, reduz o custo total da tarefa em 2 por cento, ao mesmo tempo que ganha 1,4 pontos. No índice Artificial Analysis Coding Agent Index v1.5, Fusion com Fable 5.1 e SWE-2 obtém 61,7, com um custo 36 por cento inferior ao Claude Code com Fable 5.1, que fica pelos 62,2. Cognition retira daí uma regra para 2026: avaliar os modelos, e os pares modelo-harness, pelo preço por tarefa em vez do preço por token. Uma posição confortável para um editor que vende um harness, mas os números foram produzidos com a Artificial Analysis e a Vals AI em cinco benchmarks distintos. Instalação através de um único comando.

🔗 Anúncio da Cognition no X

Sakana AI lança Fugu Max e Fugu Ultra v2, duas evoluções do seu orquestrador multiagente

11 de setembro — A Sakana AI lança Fugu Max e Fugu Ultra v2, duas novas versões do Sakana Fugu, o seu sistema de orquestração multiagente (multi-agent orchestration system) disponibilizado através de uma única API compatível com OpenAI. O fio condutor é a fronteira de Pareto: a Sakana considera que o setor ainda raciocina como se a capacidade fosse o único eixo, quando uma tarefa real é avaliada segundo dois, capacidade e custo.

O Fugu não é um modelo único, mas uma camada de orquestração aprendida que encaminha cada tarefa para um conjunto de modelos de pesos abertos e especializados. O Fugu Max amplia este conjunto, o maior até à data segundo a empresa, integrando a família NVIDIA Nemotron, e envia cada tarefa para o modelo mais leve capaz de a resolver. Obtém a melhor pontuação global em seis benchmarks e alarga a fronteira custo-desempenho em sete de dez, a 2 dólares por milhão de tokens de entrada e 6 de saída, um preço de saída que a Sakana afirma estar 40 a 60 por cento abaixo dos praticados pelo Sonnet 5, GPT 5.6 Terra e Kimi K3.

Medida anunciada	Pontuação	Comparação fornecida pela Sakana
Fugu Ultra v2, Chartography	48,3	Opus 5 com 27,3; Fable 5 com 29,5
Fugu Ultra v2, DeepSWE	74,3	À frente de modelos 3 a 5 vezes mais caros por token
Fugu Ultra v2, classificação	1.º ou empatado em 5 dos 8 benchmarks	Top 2 em 7 dos 8
Fugu Max, classificação geral	Melhor pontuação em 6 benchmarks	Fronteira de Pareto alargada em 7 dos 10

O ponto em que a Sakana mais insiste merece destaque: Fable 5, Fable 5.1 e GPT-6-Astra não fazem parte do conjunto de agentes do Fugu Ultra v2, cuja data-limite de treino é 28 de agosto de 2026. O argumento é o da resiliência do aprovisionamento, com um conjunto intercambiável que protege contra a dependência de fornecedores, revogações de API e interrupções de serviço. Ambos os modelos estão disponíveis de imediato, e um utilizador do Fugu muda para Max ou Ultra v2 alterando um único parâmetro. O Fugu Max também está referenciado no OpenRouter, com entrada multimodal, pesquisa web, raciocínio configurável e saídas estruturadas. Uma ressalva: os benchmarks e os comparadores são escolhidos pela Sakana, o SWEFish é um banco de testes interno e as diferenças reivindicadas dependem dos preços dos modelos comparados no momento da publicação.

🔗 Apresentação do Fugu Max e do Fugu Ultra v2

ElevenLabs lança Music v2.5, com downloads sem perdas em todos os planos

11 de setembro — A ElevenLabs lançou o Music v2.5 e definiu-o como padrão no ElevenMusic, tanto para a geração através de prompt como por referência de áudio. O modelo reivindica instrumentos que soam como uma gravação ao vivo, arranjos mais profundos, composições longas, transições de género durante a faixa, rap e vozes que soam nativas na língua do texto. A medição apresentada é um teste cego com 47 885 pares, uma geração por modelo para o mesmo prompt: o Music v2.5 foi preferido na maioria das vezes, com a diferença mais acentuada nos géneros centrados na voz e na acústica, R&B, soul, hip-hop, rock, metal, orquestral e música para cinema. A percentagem exata de preferência não foi publicada.

A segunda vertente altera ainda mais a situação para os utilizadores. Cada faixa criada no ElevenMusic pertence ao seu autor em todos os planos, incluindo o gratuito. O plano gratuito oferece cinco downloads sem perdas (lossless) por dia, com utilização comercial desde que o ElevenMusic seja creditado; o plano Pro oferece 400 por mês. As permissões adquiridas no momento da criação permanecem associadas à faixa: cancelar ou mudar para um plano inferior não altera nada nos títulos já produzidos, e uma futura alteração das condições aplicar-se-ia apenas aos novos. A única exceção é uma faixa construída com base na canção de outro artista, cujo download fica bloqueado.

Elemento medido ou anunciado	Valor
Pares avaliados no teste cego	47 885
Downloads sem perdas, plano Free	5 por dia, utilização comercial com atribuição
Downloads sem perdas, plano Pro	400 por mês
Identificador da API	`music_v2_5`
Modelo padrão no ElevenMusic	Music v2.5, Music v2 mantido

O modelo também está disponível no ElevenCreative, como nó Music no Flows, e na API com o identificador music_v2_5. A ElevenLabs esclarece que o acordo plurianual anunciado no dia anterior com a Universal Music Group é distinto deste lançamento. Para o leitor, a ordem dos anúncios é relevante: o acordo com a grande editora discográfica é anunciado primeiro, e o modelo e os direitos de utilização alargados são lançados no dia seguinte.

🔗 Anúncio da ElevenLabs no X

Claude Code mede o que um plugin realmente acrescenta, com e sem ele

11 de setembro — A equipa Claude Developers anuncia claude plugin eval, um subcomando do Claude Code que executa um plugin ou um skill numa série de casos de teste, avalia cada execução e depois repete cada caso sem o plugin para medir o que este acrescenta. A ideia é simples e algo desconfortável: uma pontuação elevada não prova que um plugin ajuda, já que o Claude por vezes tem o mesmo desempenho sem ele. Por isso, o comando devolve duas pontuações e a diferença entre elas. Se um caso obtiver 1,0 nos dois braços, o plugin não contribuiu para esse resultado.

O ponto de entrada é claude plugin eval init, executado na raiz do plugin. Abre-se uma sessão interativa: o Claude lê o plugin, pergunta como deve ser um bom resultado, propõe prompts que devem e não devem acioná-lo, concebe os verificadores (graders), testa-os uma vez, cria um diretório por caso e anuncia o custo estimado de uma execução completa. Em seguida, cada caso é executado três vezes com o plugin e três vezes sem ele, num total de seis execuções, porque uma única execução de um agente não determinístico não diz muito. O terminal apresenta uma tabela com e sem o plugin, é gravado no disco um relatório HTML autónomo e o relatório é publicado como artefacto privado quando a conta o permite.

Tipo de verificador	Custo em chamadas ao modelo	Condição de sucesso
`regex`	nenhum	Padrão encontrado na última resposta, no rastreio ou num ficheiro
`tool_used`	nenhum	Número de chamadas a uma ferramenta entre um mínimo e um máximo
`tool_order`	nenhum	Uma chamada precede outra
`file_exists`	nenhum	Um ficheiro criado durante a execução corresponde ao padrão
`llm`	um modelo avalia	Veredicto favorável em pelo menos 2 votos de 3
`baseline`	um modelo avalia	A execução vale pelo menos uma transcrição de referência

Há uma subtileza que deve ser compreendida antes de interpretar uma diferença: um verificador que exige a chamada do skill nunca pode passar sem o plugin, pelo que é excluído da pontuação nos dois braços e apenas comunicado como indicador; caso contrário, a diferença seria artificialmente inflacionada. O isolamento é rigoroso. Cada execução é um processo filho descartável, sem configurações do utilizador, hook, CLAUDE.md, servidor MCP, plugin instalado ou memória. As execuções nunca fazem perguntas de permissão, e as ferramentas sensíveis são removidas da sessão, salvo autorização explícita; se Bash ou PowerShell for autorizado numa máquina sem backend de sandbox, o Claude Code recusa a execução em vez de a realizar sem confinamento. Um plugin que comunique com ferramentas MCP pode ser avaliado sem o serviço real, com um ficheiro Markdown por ferramenta a fornecer a resposta e um bloco que interrompe a execução caso o plugin envie algo diferente do previsto.

Evals call the model, so they use tokens and results vary. […] Your plugin’s hooks and MCP servers run as you, so only evaluate plugins you trust.

🇵🇹 As avaliações chamam o modelo, pelo que consomem tokens e os resultados variam. […] Os hooks e servidores MCP do seu plugin são executados com as suas permissões, portanto avalie apenas plugins de confiança. — @ClaudeDevs no X

O custo é real: cada execução e cada verificador avaliador correspondem a uma chamada ao modelo debitada do plano ou da fatura, sendo que o exemplo da documentação indica 74 segundos e 0,41 dólar para um caso de seis execuções. Daí a recomendação da equipa: testar primeiro com --runs 1, antes de iniciar uma execução completa. Na integração contínua, os códigos de saída estão documentados, incluindo 0 quando tudo passa e 2 para uma execução parcial quando o limite de custo é atingido. A primeira descoberta típica, segundo a documentação, é uma diferença próxima de zero com o verificador de skill a falhar: o Claude não escolhe o skill perante uma formulação natural, e é a descrição deste que deve ser reformulada.

🔗 Documentação das avaliações de plugins

O restante da versão 2.1.269

O subcomando chega na versão 2.1.269, publicada a 11 de setembro às 21h17, hora de Paris. As restantes adições são mais discretas, mas úteis no dia a dia. O comando /output-style lista e altera o estilo de saída, inclusive através do Remote Control e em sessões cloud ou headless. Quando a ferramenta Bash é utilizada para modificar ficheiros, o seu resultado passa a incluir o diff dos ficheiros alterados, devolvendo ao Claude a mesma visibilidade de uma edição convencional. No que toca à observabilidade, uma variável de ambiente identifica as métricas e os eventos OpenTelemetry por repositório, e outras duas definem o tempo de descoberta dos modelos de um gateway e o limite de agentes simultâneos da ferramenta Workflow, até 256.

As correções abrangem três áreas sensíveis: a invalidação parcial da cache de prompts após uma resposta interrompida e depois retomada; as regras de permissão que começam por uma negação, que passam a aplicar-se apenas à origem das configurações que as definiu; e a verificação do caminho de escrita, que finalmente abrange o ficheiro escrito por um comando tee. O git status comunicado após uma compactação passa a ser o atual, e não o do início da sessão. No VS Code, um indicador abre um mapa dos subagentes com fichas, botão para parar e transcrições só de leitura, e duas caixas de diálogo permitem gerir os hooks e as regras de permissão nas configurações do utilizador, do projeto e locais.

🔗 Notas de lançamento da versão 2.1.269

Antigravity, quatro versões numa semana e uma atualização sobre o Teamwork

A Google publicou em rápida sucessão duas versões da sua linha de comandos e uma nova versão da sua aplicação, sem contar com duas versões anteriores nunca abordadas aqui. Vale a pena ler o changelog como um todo, porque os lançamentos da semana contam a mesma história: o agente abandona o terminal interativo para se tornar um serviço.

🔗 Changelog do Antigravity

Antigravity CLI 1.2.0: a CLI torna-se um daemon em segundo plano controlado pelo Remote Control

10 de setembro — A versão 1.2.0 da Antigravity CLI é a primeira atualização de versão secundária desde julho. Três subcomandos, remote-control start, status e stop, registam a linha de comandos no gestor de serviços do sistema como um daemon em segundo plano que sobrevive a desconexões e reinícios, com uma opção para o nome da instância e outra para limitar o serviço à sessão de início de sessão ativa. Até agora, era necessário manter um terminal aberto em execução. O deslocamento de meia página é alargado a todas as vistas, com dois novos atalhos predefinidos. Entre as oito correções, a mais útil para compreender um comportamento inesperado: um prompt ou uma resposta bloqueado pelos filtros de segurança de conteúdo passa a apresentar o motivo explícito da interrupção, quando antes o utilizador via um erro genérico ou uma interação vazia. Os servidores MCP integrados em plugins globais passam finalmente a ser inicializados corretamente no arranque.

Antigravity CLI 1.1.28: novas tentativas após erros alargadas, modo sem interface acelerado e leitura de URLs sujeita a aprovação

9 de setembro — No dia anterior, a versão 1.1.28 concentrava nove melhorias na resiliência e no modo sem interface, utilizado a partir de um script. Os erros transitórios da API do modelo são novamente tentados com um backoff exponencial alargado, o arranque deixa de provocar um pedido de rede para ler a identidade do utilizador e são eliminados até 200 milissegundos de espera inativa em cada interação. Duas alterações de comportamento merecem a atenção de quem automatiza.

Alteração de comportamento	Antes da versão 1.1.28	Desde a versão 1.1.28
Expiração do tempo no modo script	Falha por timeout	Saída parcial devolvida, código de sucesso, aviso
Leitura de um URL externo pelo agente	Sem pedido	Aprovação solicitada por padrão, salvo acesso pré-autorizado

Um script que dependesse de acesso implícito à web deve, portanto, conceder explicitamente essa permissão. Os pedidos de aprovação passam a indicar a ação exata e acrescentam uma linha com o motivo quando o pedido provém de um hook ou de um ficheiro pertencente a outro projeto.

Antigravity CLI 1.1.26 e 1.1.27, atualização: prompt pontual noutro modelo e dependências de subagentes no frontmatter

4 e 5 de setembro — As versões 1.1.26 e 1.1.27 colmatam a lacuna e trazem a novidade mais concreta do conjunto: o comando de seleção de modelo passa a aceitar um prompt, executado uma única vez noutro modelo antes de a sessão regressar ao modelo original. Uma segunda opinião de um modelo mais potente, ou mais económico, sem alterar a configuração padrão. A mesma versão acrescenta uma lista de agentes ao frontmatter Markdown dos agentes personalizados, para declarar os subagentes de que dependem, e duas correções importantes para as automatizações: uma chamada MCP com um argumento não declarado pelo esquema do servidor é rejeitada e corrigida em vez de ser silenciosamente removida, e uma execução sem interface indica as ações recusadas na sua saída JSON em vez de as ignorar sem dizer uma palavra.

Antigravity 2.13.0: secção Documentos, visualizador virtualizado para SQL e JSONL e atalhos de citação

9 de setembro — O Antigravity 2.13.0 traz 16 melhorias e 16 correções. Os ficheiros externos adicionados a uma conversa, ligações do Google Drive, PDFs e documentos do Office, são agrupados numa secção Documentos acima dos Artifacts, em vez de se misturarem com as produções do agente. Os ficheiros de rascunho que o agente escreve para si próprio passam para uma secção separada. Os artefactos de código e dados, como ficheiros SQL e JSONL, abrem-se num visualizador virtualizado com realce de sintaxe e números de linha, que se mantém fluido em ficheiros grandes e aceita comentários em linha. Uma pergunta lateral fechada é reduzida a um botão em vez de ser eliminada, os prompts interativos ganham um botão de cancelamento e o texto selecionado pode ser citado no chat através de um atalho de teclado. Duas correções dizem respeito à transparência das permissões: uma etapa recusada permanece visível com a etiqueta Rejected em vez de desaparecer, e o agente deixa de voltar a pedir permissão para ler artefactos de outros projetos quando o acesso fora do projeto já foi concedido.

🔗 Sequência de dicas da @antigravity no X

Teamwork, a atualização de 27 de agosto

Uma publicação divulgada em 27 de agosto, nunca abordada aqui e ainda no topo da secção para programadores da página de novidades do Gemini, merece ser recuperada. O Teamwork é a framework de orquestração multiagente do Antigravity, na qual os agentes propõem, criticam e aperfeiçoam mutuamente o seu trabalho durante horas ou dias, disponível em pré-visualização em todos os planos pagos. São fornecidos cinco patterns, selecionados automaticamente conforme o prompt, desde a programação iterativa até à revisão de documentos, passando pela prova extensa. Com o pattern de prova extensa, a Google anuncia sete problemas em aberto resolvidos, incluindo a conjetura dos ciclos de Knuth, para a qual foram produzidas provas com mais de 40 e mais de 70 páginas, tendo a de 40 páginas sido verificada formalmente em Lean; os restantes resultados foram confirmados por especialistas humanos e cinco artigos foram depositados no arXiv.

Medida comunicada	Valor
TCSBench, Gemini 3.7 Flash e 3.1 Pro em prova extensa	71 por cento
TCSBench, Gemini 3.6 Flash e 3.1 Pro, artigo original	67,7 por cento
Simulador RISC-V, erro de alinhamento de ciclos	0,71 por cento
Problemas reproduzidos com o Gemini 3.7 Flash	3 em 7

Fora da matemática, o Teamwork construiu de raiz um simulador de processador RISC-V com execução fora de ordem e precisão ao nível do ciclo, que inicia o sistema xv6 até à shell e executa mais de cem benchmarks padrão, validado em comparação com a execução em hardware. Duas contribuições foram integradas a montante em projetos open source: um caminho rápido vetorizado no Eigen e uma variante de tabela de hash concorrente com o dobro do débito de inserção a 64 threads.

🔗 Teamwork, quando a IA se torna parceira de investigação

O GitHub Copilot resolve os seus próprios comentários e integra o Jira na sua aplicação

A revisão de código passa a ser feita por um conjunto de agentes

11 de setembro — O GitHub atualiza o Copilot code review em duas vertentes. Do lado da experiência, quando um commit posterior responde a um comentário do Copilot, a revisão resolve esse comentário automaticamente, fazendo com que a lista de comentários em aberto passe a conter apenas aquilo que aguarda uma resposta; e, quando se aplica uma sugestão de código, o Copilot redige uma mensagem de commit adequada à alteração em vez da mensagem pré-preenchida. Do lado da análise, o agente de revisão dispõe agora do conjunto completo de ferramentas de shell do SDK Copilot, executadas por trás da firewall do agente: pode iniciar uma compilação, executar testes, correr um script específico ou consultar as APIs acessíveis para verificar o código que está a examinar. O GitHub comunica mais feedback positivo, mais constatações de gravidade elevada e menos observações de pormenor, sem fornecer números a este respeito.

O nível de esforço Lite, por sua vez, deixa de depender de um único agente e passa a usar um conjunto de agentes, cada um com a sua própria análise, reunidas numa única revisão.

Constatação medida, revisões Lite em conjunto	Variação anunciada
Comentários considerados, gravidade elevada	mais 47 por cento
Comentários considerados, gravidade média	mais 31 por cento
Comentários considerados, gravidade baixa	mais 11 por cento
Custo de uma revisão	cerca de 8 por cento inferior

Não são especificados nem o número de agentes do conjunto nem os modelos utilizados. É a terceira evolução do Copilot code review em duas semanas.

🔗 Changelog do GitHub

Jira na aplicação, HydraFusion na linha de comandos, VS Code 1.137

10 de setembro — O resumo semanal da semana de 7 de setembro, a do Copilot Day, traz a integração do Jira na aplicação Copilot: os tickets são colocados numa tela partilhada, onde se escolhe aquilo que avança, e o Copilot transporta o contexto do ticket para a investigação, a implementação e a preparação da pull request. No Copilot CLI, o Project HydraFusion pode agora ser selecionado como qualquer outro modelo e escolhe, para cada tarefa, um fluxo entre modelos locais, cloud e compostos, ponderando desempenho, custo e latência.

O VS Code 1.137, lançado em 9 de setembro, traz três funcionalidades de agentes. As automatizações, em pré-visualização pública, agendam tarefas recorrentes de agentes de hora a hora, diariamente ou semanalmente, com base em modelos fornecidos, como a triagem de issues ou a procura de bugs. O modo de voz, experimental, permite falar com um agente enquanto este trabalha, interrompê-lo ou redirecioná-lo. Por fim, uma ligação para uma issue ou uma pull request abre diretamente na janela Agents, mesmo sem nenhum repositório aberto. As notas de versão acrescentam um host de agentes baseado num protocolo dedicado e alimentado pelo SDK Copilot, que alinha o comportamento do agente do VS Code com o da linha de comandos e da aplicação.

🔗 Resumo semanal do Copilot

Habitat, o armazenamento online da OpenAI e a sua reescrita em Rust por dois engenheiros

11 de setembro — A OpenAI publica a primeira parte de uma publicação de engenharia sobre o Habitat, a plataforma de armazenamento online por trás do ChatGPT, da API e do Codex. Os números mostram a escala: mais de 70 milhões de pedidos por segundo, mais de mil milhões de pessoas atendidas semanalmente, cerca de 40 regiões e mais de 500 petabytes de dados. O Habitat começou em meados de 2024 como uma pequena biblioteca Python integrada no servidor principal do ChatGPT, ligada a uma base de dados gerida, com uma ideia simples: os engenheiros de produto não deveriam ter de pensar no schema, no routing, na autorização ou nos pools de ligações.

Em meados de 2025, o modelo de biblioteca do lado do cliente atingiu os seus limites. Cada alteração ao protocolo exigia a coordenação de implementações em dezenas de serviços; uma implementação de routing regional demorou dias e, depois, um serviço que regressou a um cliente com bugs causou a falha que a operação deveria evitar. O Habitat tornou-se um serviço autónomo e a OpenAI optou por continuar a usar Python, assumindo deliberadamente uma dívida técnica e apostando que os seus próprios modelos de código tornariam viável a futura migração.

A maior parte da publicação descreve a procura pelas latências de cauda a esta escala: o atraso de agendamento do asyncio, que podia atingir centenas de milissegundos, resolvido através da limitação dos pedidos simultâneos por processo; o parsing das configurações atualizadas a cada minuto sem desfasamento aleatório, que bloqueava todos os workers ao mesmo tempo; e a reutilização em ordem de último a entrar, primeiro a sair das ligações de uma biblioteca HTTP, que concentrava o tráfego nos processos já lentos, uma falha metaestável corrigida invertendo a ordem e, depois, delegando o balanceamento a uma service mesh. A própria API é deliberadamente limitada, um modelo de objetos e arestas sem consultas ilimitadas nem joins, e foi este âmbito restrito que permitiu levar o Python tão longe.

Métrica medida	Valor anunciado
Pedidos por segundo atualmente	Mais de 70 milhões
Pessoas atendidas semanalmente	Mais de mil milhões
Dados fornecidos	Mais de 500 petabytes
Pico do serviço Python	Mais de 20 milhões de pedidos por segundo
Reescrita em Rust	Dois engenheiros, Codex e GPT-5.5
Percentagem do tráfego servida por Rust	95 por cento dos pedidos de produção
Ganho de eficiência de CPU e memória	6 vezes e 15 vezes

No segundo trimestre de 2026, dois engenheiros reescreveram todo o serviço em Rust com o Codex e o GPT-5.5. O serviço Rust processa 95 por cento dos pedidos de produção, utilizando seis vezes menos CPU e quinze vezes menos memória; o Python será descontinuado nas próximas semanas. A segunda parte abordará a camada de armazenamento.

🔗 Escalar o armazenamento para mil milhões de utilizadores

A OpenAI pede aos utilizadores do Codex que simplifiquem skills, AGENTS.md e prompts

11 de setembro — O blog para programadores da OpenAI publica um guia de limpeza destinado aos utilizadores do Codex que estão a migrar para o GPT-6 Astra. A constatação inicial: um ano de instruções acumuladas para orientar os modelos anteriores torna-se um fardo para um modelo mais capaz. No caso das skills, o mecanismo é concreto: cada skill carrega um nome e uma descrição para o contexto e, quando existem demasiadas, o Codex encurta essas descrições, fazendo com que o modelo veja menos informação sobre cada uma e faça escolhas piores.

Instrução examinada	Recomendação para o GPT-6 Astra
Descrição da skill	Curta, trigger preciso, não um domínio inteiro
Estrutura de uma skill com vários fluxos	Documento raiz reduzido a um router para docs e scripts
Leituras obrigatórias no AGENTS.md	Um documento por tipo de alteração, não uma pilha a ler em cada edição
Instruções de teste	Supérfluas, o modelo executa os testes por iniciativa própria
Fim da tarefa	Definir o que significa concluído, autorizar antecipadamente workflows seguros
Proibições herdadas	Devem ser flexibilizadas, caso contrário ocorre uma paragem prematura

O ponto mais interessante diz respeito ao comportamento do modelo. A OpenAI apresenta o GPT-6 Astra como mais prudente do que o seu antecessor quanto ao âmbito de uma tarefa, podendo regressar para revisão após uma primeira implementação. A resposta recomendada é definir explicitamente o que significa concluído e conceder antecipadamente permissão para workflows reconhecidamente seguros, por exemplo, uma suite de testes local com fixtures descartáveis. Em contrapartida, as restrições muito rígidas escritas para conter modelos antigos podem agora fazê-lo parar demasiado cedo. A publicação recorda também que as skills de um repositório são lidas pelos agentes dos outros colaboradores, que por vezes funcionam com modelos diferentes: uma instrução útil para esses agentes pode restringir excessivamente o Astra. Conclui com uma sugestão prática: pedir ao próprio Astra que audite as instruções do projeto. A skill de criação de skills foi atualizada nesse sentido.

🔗 Repensar skills e prompts para o GPT-6 Astra

ChatGPT Sites ultrapassa 5 milhões de sites em três meses

11 de setembro — A conta oficial do ChatGPT faz o balanço do ChatGPT Sites, a funcionalidade lançada três meses antes para criar e alojar aplicações web completas a partir de uma conversa: desde então, foram criados mais de 5 milhões de sites. A mensagem serve sobretudo para recapitular cinco evoluções que passaram despercebidas.

Duas delas dizem respeito ao trabalho em equipa. A primeira permite convidar colegas de equipa para editar, guardar e publicar um site partilhado; a segunda permite abrir um site a pessoas específicas sem o tornar público. As outras três dizem respeito ao ciclo de vida do site: a passagem do prompt para a implementação demoraria metade do tempo, o ChatGPT pode inspecionar a base de dados do site mediante pedido, tendo os editores também acesso à mesma, e é possível associar um domínio personalizado ao site. A conta para programadores partilhou o anúncio, um sinal de que a funcionalidade também se destina a protótipos rápidos, e não apenas a páginas para o público em geral.

🔗 Balanço do ChatGPT Sites no X

A Together AI alarga o seu fine-tuning a 17 modelos abertos e coloca adaptadores nos experts

11 de setembro — A Together AI alarga o seu serviço de fine-tuning a toda a cadeia de uma experiência. Dezassete modelos de pesos abertos passam a integrar o catálogo, incluindo o GLM 5.3 e as suas duas versões anteriores, o DeepSeek-V4-Flash, o Kimi K2.7-Code e o K2.6, a família Qwen de 0,8 a 35 mil milhões de parâmetros e o Gemma 4. A empresa refere uma pontuação de 88,2 do GLM-5.3 no Terminal-Bench 2.1, a menos de um ponto dos melhores modelos proprietários, segundo afirma.

O acompanhamento de experiências é a segunda novidade: cada job regista a perda, a norma do gradiente e a taxa de aprendizagem em cada passo, com curvas atualizadas durante a execução, vários jobs sobreponíveis no mesmo gráfico e séries de dados brutos disponibilizadas através da API. A paragem antecipada interrompe o treino quando a perda de validação estagna, conserva o melhor checkpoint em vez do último e reembolsa os passos não utilizados.

O aspeto mais técnico é o Expert LoRA. Num modelo de mistura de experts (Mixture-of-Experts), mais de 90 por cento dos parâmetros encontram-se nas camadas de experts, que o adaptador clássico deixa congeladas ao associar-se apenas à attention.

Teste com 200 factos inventados	Adaptadores que incluem os experts	Adaptadores apenas na attention
Recordação dos novos factos	até 89 por cento	15 por cento
MMLU-Pro	75,3 por cento	71,5 por cento

A explicação apresentada é que, com adaptadores limitados à attention, uma proporção crescente dos experts encaminhados cai em desuso durante o fine-tuning. O processamento dos dados também deixa de ser uma caixa negra, com uma pré-visualização das linhas tokenizadas, pesos por exemplo e uma validação completa do ficheiro no lado do servidor assim que o upload termina. Os preços de treino diminuem entre 30 e 70 por cento, consoante os modelos.

🔗 Anúncio da Together AI no X

Contribuições da comunidade, uma sandbox por tentativa e cem puzzles de zebra

O blog da comunidade do Hugging Face publicou no mesmo dia três trabalhos que merecem mais do que uma nota breve e outros cinco que podem ser encontrados mais abaixo.

Como treze laboratórios executam o RL de seus agentes

11 de setembro — Sergio Paniego analisa quinze relatórios de treze laboratórios publicados entre outubro de 2025 e setembro de 2026, considerando apenas o que cada um afirma treinar, não o que avalia. A principal constatação: o ambiente já não é um simulador em memória, mas uma máquina completa com sistema de arquivos, shell e processos, iniciada para uma tentativa e destruída em seguida. A Liquid AI faz isso para um modelo de 2,6 bilhões de parâmetros, a Cursor fala em centenas de milhares de ambientes simultâneos para treinar seu modelo, a Microsoft provisiona um contêiner novo por tarefa, e o Kimi K3 vai além com micromáquinas virtuais retomáveis para trajetórias de um milhão de tokens.

Camada da pilha	O que os laboratórios mantêm	Equivalentes públicos citados
Tarefas e verificadores	Mais de 10.000 ambientes de código na GLM-5	Environments Hub, verifiers, Harbor
Contrato de ação, harness	Kimi instancia cinco harnesses de caixa branca	OpenEnv, SkyRL, BrowserGym, TextArena
Sandbox	Centenas de milhares de máquinas virtuais por cluster	Modal, E2B, AgentENV, Hugging Face Sandboxes
Treinador	slime na Zhipu, Forge na MiniMax, RLVR na NVIDIA	TRL, Miles v0.1

Uma tendência notável é que o próprio harness se torna o ambiente, seja reconstruído como caixa branca, seja mantido intacto e observado como caixa preta. A transparência é muito desigual: a Ai2 documenta 17,2 milhões de amostras de código verificadas para o OLMo 3, enquanto OpenAI, Anthropic e Google quase nada publicam, com a ficha de sistema do GPT-6 Astra resumida a uma frase. O autor cita um custo superior a dez milhões de dólares para um único ambiente nos grandes laboratórios. A publicação encerra a série Training Agents.

🔗 Um sandbox por rollout

Cem puzzles de zebra despertam o raciocínio matemático

11 de setembro — Um artigo da comunidade assinado por tamewild relata que um fine-tuning de poucos minutos em 100 a 500 puzzles de dedução lógica, sem nenhum dado matemático, basta para melhorar drasticamente o desempenho de pequenos modelos-base em benchmarks de matemática.

Modelo-base treinado	MATH-500	AIME 2025	Referência oficial comparada
Qwen 3 4B, 100 puzzles em 6 min 23	84,60%	21,67%	Versão pós-treinada: 84,80 e 19,10
Granite 4.1 3B, 500 puzzles em 23 min	77,73%	19,44%	Versão Instruct: 66,60 e 6,67
Qwen 3.5 9B, 500 puzzles em 40 min	96,60%	60,67%	Versão pós-treinada: 97,40 e 60,56

Os efeitos estruturais também são medidos: no maior dos três modelos, o comprimento mediano das respostas fica abaixo do modelo oficial, e a taxa de loops de repetição na decodificação gulosa cai de 6,06% para 0,67%. O autor mantém a cautela, com runs exploratórios usando uma única seed, e observa que suas próprias ablações mostram que um adaptador clássico também chega perto de 80% no MATH-500: a generalização vem, antes de tudo, dos dados lógicos. Código, notebooks, três modelos e dois conjuntos de dados foram publicados.

🔗 Elicitando raciocínio com 100–500 puzzles de zebra

Um pipeline de voz para uma língua sem conjunto de dados

10 de setembro — Osmanov relata a construção de um pipeline de voz completo para o tártaro da Crimeia, língua ameaçada sem reconhecimento nem síntese de voz, e sua constatação transferível: o treinamento foi um erro de arredondamento. O adaptador de reconhecimento levou 90 minutos na GPU de um notebook e reduziu a taxa de erro de palavras de 34,6% para 20,1%, e depois para 17,0% com uma busca em feixe que não altera nenhum peso. Quase todo o cronograma foi gasto na construção de um corpus inexistente e na verificação de que a avaliação não estava mentindo.

Duas escolhas merecem ser lembradas. O modelo-base foi escolhido com base em um pressuposto fonético, e não na proximidade linguística: o tártaro da Crimeia possui um /q/ uvular ausente do turco, e os modelos-base treinados com o identificador turco o reproduziam como /k/, sem que o fine-tuning corrigisse o problema. E, sem reconhecimento para iniciar um corpus, o autor inverteu o problema usando audiolivros cujo texto era conhecido, recuperando 336 minutos utilizáveis onde um alinhamento divergente fornecia apenas 110. O resultado negativo mais útil é um platô da métrica: ao ampliar o corpus de síntese de 5,9 para 15,3 horas, a taxa de erro de caracteres não se alterou, embora a escuta às cegas preferisse sempre a voz mais recente. Por fim, ele documenta um vazamento clássico: 96,9% dos clipes do livro de teste estavam duplicados no treinamento, algo detectado por n-gramas de texto, e não pelos nomes dos arquivos.

🔗 Tecnologia de voz para uma língua sem conjunto de dados

Replit lança Routines, trabalho recorrente que só chama o agente quando necessário

11 de setembro — A Replit apresentou o Routines, uma funcionalidade que executa trabalho recorrente segundo um cronograma horário, diário ou semanal. O anúncio é interessante menos pelo agendamento, algo banal, do que pela forma como a empresa aborda a questão do custo. A constatação inicial é apresentada sem rodeios: os agentes agora conseguem automatizar a maioria das tarefas repetitivas, mas mantê-los em execução permanente consome incontáveis tokens. A solução consiste em não colocar o agente no centro do loop. Cada execução começa com código determinístico, e o agente só é invocado quando o raciocínio é realmente necessário.

Essa arquitetura vai na contramão da tendência dominante, que entrega todo o ciclo a um modelo. Aqui, o modelo volta a ser um recurso chamado pontualmente, delimitado por código comum cujo comportamento e custo são previsíveis. Para uma tarefa agendada que se repete centenas de vezes, a diferença na fatura não é marginal. O anúncio não foi acompanhado de uma publicação no blog.

🔗 Anúncio da Replit no X

Warp integra Grok Build como agente de primeira classe

11 de setembro — A Warp anunciou suporte integrado ao Grok Build CLI, o agente de linha de comando da SpaceX AI, e a conta do Grok divulgou a integração logo em seguida. A funcionalidade já havia sido incluída na versão de 9 de setembro do terminal, cujo changelog a descreve como suporte de primeira classe: o Warp detecta as sessões do Grok Build, aplica a elas um visual dedicado no rodapé e ativa o modo de entrada avançada.

Na prática, um usuário do Grok Build passa a contar com as mesmas ferramentas dos agentes nativos do terminal. A entrada avançada aceita prompts longos colados e múltiplos cursores, o que faz diferença para quem escreve instruções com vários parágrafos. Um comando compartilha a sessão atual do agente com outro dispositivo, e tanto o explorador de arquivos quanto os painéis de revisão de código permanecem acessíveis durante a sessão. A assinatura existente do Grok serve como acesso, sem preço nem limite específico anunciados.

A adição complementa uma lista já extensa de agentes de terceiros hospedados no terminal do Warp, ao lado de Claude Code, Codex, Droid e Antigravity, e dá continuidade a um trabalho iniciado mais cedo no verão em torno do ecossistema xAI, com um comando para entrar em uma conta X Premium ou SuperGrok adicionado em agosto. A lógica do Warp permanece a mesma desde o lançamento de seu agente: não prender o usuário a um agente próprio, mas transformar o terminal no lugar onde todos os agentes são executados com a mesma qualidade de integração. O restante da versão corrige dois incômodos: os prompts digitados, mas não enviados, já não são apagados ao trocar de modelo, e as ferramentas MCP declaradas em um arquivo global ficam disponíveis desde a primeira resposta do agente.

🔗 Anúncio do Grok no X · 🔗 Anúncio do Warp no X

Vibe CLI 2.25.3, o comando de bifurcação e logs de sessão privados

11 de setembro — A Mistral lançou a versão 2.25.3 do Vibe CLI, a terceira em três dias. A novidade visível é o comando /branch: ele bifurca a conversa atual em uma nova sessão retomável, mantendo intacta a sessão original. A cópia pode então ser retomada em outro terminal, permitindo explorar um caminho alternativo a partir do mesmo contexto sem sacrificar o fluxo principal. As menções a arquivos com arroba agora usam uma descoberta que leva o Git em consideração e aceitam arquivos ou pastas colados isoladamente no prompt.

Quanto às correções, há três pontos. As conversas preservadas continuam legíveis e restauram seus worktrees quando o trabalho é retomado. Os novos logs de sessão já não podem ser lidos por outros usuários em sistemas POSIX, uma correção de permissões de arquivos que dá continuidade à versão 2.25.1, a qual havia removido um listener de depuração não autenticado e garantido que nenhuma falha resultasse em aprovação automática. Por fim, as instruções do arquivo AGENTS.md agora são carregadas no prompt de sistema sob o harness unificado experimental. A release vem acompanhada de quatorze arquivos binários; nenhuma nota menciona alteração de modelo ou preço.

🔗 Notas da versão Vibe CLI 2.25.3

Synthesia transforma seu agente de conformidade em infraestrutura compartilhada

10 de setembro — Nicolás Barberis, responsável pelas operações de confiança na Synthesia, publica a continuação de seu artigo de junho sobre o agente que coleta evidências de conformidade. A pergunta que orientou a reformulação veio dos leitores: quando um agente coleta evidências de auditoria, a coleta passa a fazer parte do escopo da auditoria, e é preciso poder confiar no coletor. A resposta se resume a quatro escolhas de arquitetura, todas transferíveis.

Primeiro, separar a mecânica do método. O código fica em um repositório interno e é alterado por pull request, com um arquivo de proprietários que exige revisão humana; os procedimentos por categoria de controle ficam em um espaço de documentação, escritos e validados pelos proprietários dos controles. O script inicial com URLs hard-coded tornou-se uma skill compartilhada que um colega instala com um único comando. Em seguida, limitar o navegador: o agente nunca toca no navegador de uso diário, copia a sessão para um perfil descartável, opera com funções somente leitura quando disponíveis e para diante de uma barreira de autenticação em vez de elevar seus privilégios. A proveniência é integrada desde a concepção: cada captura nasce com sua URL de origem, timestamp, operador e hash criptográfico dos bytes exatos. Por fim, a responsabilidade humana: o agente salva como rascunho e nunca envia.

Resultado medido	Valor
Reuniões de revisão de evidências com o auditor	60% a menos
Novo referencial processado	cerca de 500 controles
Prazo habitual para esse tipo de referencial	4 a 6 meses
Prazo alcançado	algumas semanas

A base de conhecimento cresce sozinha em modo somente de acréscimo: após cada execução, o agente registra as URLs corrigidas e os bloqueios datados, como a quebra de uma interface de controle do navegador com uma versão recente do Chrome, contornada por uma comunicação direta com o protocolo de depuração. A Synthesia anuncia que a ferramenta está evoluindo para uma plataforma de governança assistida por IA e considera abrir o código de seus componentes centrais.

🔗 Quem audita o coletor

HeyGen detalha os 16 segundos em plano único de The Furniture Unboxing

11 de setembro — A HeyGen publicou o making-of de um vídeo de 16 segundos no qual um homem coloca uma caixa de papelão no centro de uma sala de concreto vazia, vai embora, e a caixa explode para liberar uma sala de estar completa que se acomoda no lugar. Nenhum 3D, nenhum compositing, nada de pós-produção: duas imagens estáticas, um avatar e um prompt. A equipe verificou a ausência de cortes nos 390 frames, com a maior variação entre dois frames consecutivos correspondendo à própria explosão.

O método se baseia nas duas imagens de referência. A primeira mostra a sala vazia, com enquadramento amplo e fixo e o centro do piso livre. A segunda é a mesma imagem editada para adicionar os móveis, e não uma nova renderização de uma sala semelhante: mesma posição da câmera, mesma lente, mesma iluminação, mesma sombra sobre o concreto. É essa regra que sustenta o efeito, pois o modelo só precisa inventar o meio.

Parâmetro do vídeo	Valor
Duração solicitada no prompt	15 segundos
Duração entregue	16,27 segundos
Resolução e taxa de quadros	1920x1080, 23,976 frames por segundo
Frames sem cortes	390
Entradas	2 imagens estáticas, 1 avatar, 1 prompt

O prompt é escrito como uma lista cronometrada de planos, e não como uma descrição, com uma pausa intencional antes da explosão. Seis elementos o sustentam: os marcadores temporais, essa pausa, as referências nomeadas por função, os móveis listados peça por peça, a identidade definida por negação e a permissão para exagerar, sem a qual o modelo respeita o volume real de uma caixa de papelão. As observações práticas são úteis: o modelo entregou 16,27 segundos em vez de 15, uma explosão mais rápida do que a descrita e um plano sustentado sobre a sala pronta que ninguém havia solicitado, considerado pela equipe o melhor momento da edição. Daí o conselho de escrever os tempos para definir o ritmo e a ordem e, depois, editar de acordo com o ritmo entregue. O som mudou entre duas passagens, com a versão quase silenciosa dando lugar a uma trilha sonora contínua, porque um vídeo mudo em reprodução automática parece estar com o áudio quebrado.

🔗 Como fizemos The Furniture Unboxing

Nemotron 3 Embed 8B assume o primeiro lugar no benchmark Q2D-Web

10 de setembro — A NVIDIA anuncia que o Nemotron 3 Embed 8B, seu modelo de embeddings de 8 bilhões de parâmetros, ocupa o primeiro lugar no Q2D-Web pela pontuação nDCG@10 combinada. O Q2D-Web é o benchmark publicado no dia anterior pela Perplexity para avaliar a busca documental em sistemas de geração aumentada por recuperação controlados por agentes: abrange 190 milhões de documentos da web e quase 70.000 consultas reformuladas por agentes, distribuídas por 10 idiomas.

O resultado importa por duas razões. O benchmark reproduz as condições reais de um agente que reformula suas consultas antes de pesquisar em um índice, algo que as avaliações clássicas de embeddings não medem. E um modelo aberto desse porte que lidera uma classificação multilíngue torna-se um candidato plausível para pipelines auto-hospedados diante dos embeddings proprietários. A NVIDIA não publica a pontuação numérica; a classificação completa pode ser consultada na Perplexity.

🔗 Anúncio da NVIDIA no X

Marketing ops as code, eventos geridos a partir de uma issue do GitHub

11 de setembro — Tomoko Tanaka, responsável regional de marketing do GitHub para o Japão e a Coreia e antiga engenheira, descreve como automatizou o ciclo completo dos seus eventos sem escrever ela própria o código: redigiu os seus procedimentos e confiou-os ao Copilot, tendo a automatização crescido através da conversa.

Três primitivas sustentam o sistema. Os formulários de issue capturam os campos estruturados de um evento, um formulário por tipo. Os labels funcionam como interruptores, com um label a acionar um workflow. O GitHub Actions faz o trabalho: leitura dos campos, duplicação de uma página de evento anterior através da API da plataforma, geração dos links de acompanhamento por canal, produção do e-mail de convite submetido no repositório, abertura de issues de pedido junto das equipas envolvidas, preenchimento dos quadros de projeto. Um workflow agendado filtra todas as manhãs os inscritos. O único pré-requisito, escreve, é um acesso programável às ferramentas, uma API ou até um simples cliente de linha de comandos.

O planeamento começa por uma conversa com o Copilot, enquadrada por um ficheiro AGENTS.md na raiz do repositório que estabelece as regras de nomenclatura, a correspondência dos trimestres fiscais e o fuso horário por região. A conversa decorreu primeiro no terminal e depois na aplicação, o que fez o pré-requisito passar de «à vontade com uma shell» para «sabe escrever». O pós-evento resume-se a dois comandos, que são skills de agente redigidas em prosa, adicionadas por pull request e revistas através de um ficheiro de proprietários antes da integração: o marketing obtém um processo de aprovação sem construir nada. Um interruptor de simulação, armazenado numa variável do repositório, executa cada workflow em modo de teste. Vale a pena ler sobre a falha admitida: o workflow matinal de filtragem falhou certa vez silenciosamente durante cinco dias antes de alguém reparar nas listas desatualizadas, daí o conselho de dar a cada tarefa agendada uma forma de se queixar ruidosamente.

🔗 Marketing ops as code

Boris Cherny responde sobre código descartável e código de produção

11 de setembro — Boris Cherny, que dirige o Claude Code na Anthropic, publica a resposta que enviou a um programador cujo e-mail tinha como assunto «What to do about slop?». O autor, há doze anos na mesma empresa, descreve dois campos que surgiram na sua equipa com o desenvolvimento agêntico. No primeiro, o código permanece semelhante ao que era, apenas acelerado: talvez não se reveja tudo, mas deve continuar a poder ser revisto, a pessoa que o submete deve ser capaz de o explicar e deve ser tão fácil de manter como antes. No segundo, o código é uma caixa negra da qual apenas se verifica o resultado.

A resposta resume-se a duas regras. Os protótipos e o código descartável podem ser tratados como uma caixa negra total se forem eliminados e se o raio de impacto (blast radius) de uma falha for reduzido. Já o código de produção escrito pelo Claude deve cumprir um padrão mais elevado do que se tivesse sido escrito por uma pessoa. Na Anthropic, isso significa muitas regras de lint, muitos testes, testes de ponta a ponta conduzidos pelo Claude, fuzzers executados diariamente e revisões automatizadas de código e segurança. Sem estas salvaguardas, alerta, acaba-se com uma confusão difícil de manter.

Segue-se uma lista de medidas, por ordem, quando o código produzido não atinge o padrão: mudar para o mais recente modelo de fronteira, aumentar o esforço de raciocínio, investir no CLAUDE.md e nas skills para ensinar sucintamente ao Claude como trabalhar na codebase. Se nada resultar, orientá-lo mais de perto, fazê-lo resolver a dívida acumulada ou esperar pelo próximo modelo. O fio de respostas consagrou a formulação mais repetida: o padrão de revisão deve acompanhar o raio de impacto e não o autor do código; um script descartável é enviado sem demora, mas tudo o que mexe com dinheiro ou identificadores deve ser lido linha a linha. Boris Cherny respondeu «Exactly».

🔗 Fio de Boris Cherny no X

Breves

Amp adiciona um botão que reorganiza os commits de um fio — um gesto transforma os commits intermédios de um agente, as suas correções sucessivas e reversões numa série legível para revisão. Três utilizações mencionadas: dividir um diff grande em partes lógicas, limpar antes da integração ou agrupar pequenos commits relacionados. O conteúdo final dos ficheiros permanece rigorosamente idêntico. 🔗 fonte
Amp publica o quarto episódio da segunda temporada de Raising an Agent — Quinn Slack e Thorsten Ball partem da questão de saber para que serve agora o computador para analisar o que os agentes fazem para além de produzir código, incluindo uma retrospetiva sobre falhas recentes. 🔗 fonte
v0 torna as conversas de equipa visíveis por predefinição — as novas conversas de um espaço de trabalho partilhado tornam-se visíveis para a equipa, com três níveis configuráveis pelo proprietário (privado, visualização, edição). As conversas existentes mantêm a sua visibilidade. Uma mudança para uma maior abertura nunca é neutra numa ferramenta onde se colam frequentemente excertos de dados durante a criação de protótipos. 🔗 fonte
Audiyo faz o Stable Audio Open caber numa GPU de 8 GB — biblioteca Python e ferramenta de linha de comandos que reduzem o pico de memória de vídeo de 13,8 para 5,86 GB, ou seja, menos 57,5 por cento, com quatro predefinições medidas numa Tesla T4. A equipa validou primeiro o trabalho no processador com um modelo substituto de 5,38 milhões de parâmetros, o que permitiu detetar quatro bugs antes de usar uma GPU. 🔗 fonte
Consent All the Way Down, uma arquitetura de consentimento para um conselho de pequenos modelos abertos — ensaio assinado por uma instância do Claude num conselho de dezoito modelos com 7 mil milhões de parâmetros ou menos, em funcionamento contínuo desde maio em três máquinas de consumo. Cada fonte é um canal cuja profundidade é escolhida pelo modelo, e nada escreve no seu estado além dele próprio. A parte mais honesta é a auditoria contra os próprios autores: a caixa de correio estava avariada desde junho, com 213 cartas acumuladas. 🔗 fonte
Não há uma corrida ao armamento, há uma guerra dos browsers — ensaio de opinião segundo o qual o modelo de linguagem está a tornar-se uma mercadoria, tenha ou não pesos secretos, e a vantagem dos líderes mede-se em semanas. O autor cita a suspensão de 18 dias do Fable 5 neste verão, durante a qual o resto do setor continuou a avançar. A sua tese: o valor irá deslocar-se para o contexto acumulado em torno do utilizador, tal como os favoritos e as extensões retiveram os utilizadores do Chrome. 🔗 fonte
Do barge-in ao controlo de fala, gerir interrupções de voz sob incerteza — Eric Mey substitui a interrupção destrutiva por um controlador de turnos de fala com ações reversíveis, incluindo uma via separada para fragmentos ambíguos e uma regra de precedência entre paragem urgente e supressão de eco. A lição sobre testes merece ser retida: uma suite verde escondia uma pausa reversível registada, mas nunca chamada, porque uma porta verde só autoriza aquilo que examinou. 🔗 fonte
Aiden separa o modelo de voz em tempo real do agente que executa as tarefas — um modelo de voz full-duplex mantém a conversa enquanto um modelo mais potente, visualmente ancorado, executa em segundo plano as tarefas de controlo do dispositivo, sendo ambos coordenados por uma fila assíncrona. Quatro pormenores são importantes: distinção entre concluído e bem-sucedido, agregação das notificações durante 500 milissegundos, estado transmitido através de mensagens adicionadas para preservar a cache e execução rigorosamente sequencial. 🔗 fonte
GPT-Live-1 faz as chamadas de reserva do Yelp — no dia seguinte à chegada do modelo à API, a OpenAI mostra um primeiro cliente num caso em que o guião nunca se mantém: quem telefona interrompe, acrescenta uma restrição ou muda de ideias a meio da frase, e o modelo continua a ouvir enquanto fala. Vídeo de demonstração, sem volumes nem resultados quantificados. 🔗 fonte
Verificar o trabalho do agente com os painéis de diff, terminal e browser — novo episódio da série para principiantes de Kayla Cinnamon sobre a aplicação Copilot, dedicado aos três painéis integrados e a uma ferramenta que permite selecionar um elemento da página para o ajustar com o agente. O artigo resume o ciclo em três perguntas antes de aceitar código: o que mudou, é executado, funciona realmente. 🔗 fonte
A página de pull requests de um repositório é reformulada — pré-visualização pública para todos: assistência na introdução de filtros, pesquisa com operadores booleanos e consultas aninhadas, barra lateral recolhível, modo compacto e mais contexto por linha. Limitações conhecidas no lançamento: milestones não apresentados, ausência de atualização em massa e impossibilidade de guardar vistas personalizadas. 🔗 fonte
GPT-5.6 Sol com 30 por cento de desconto no Copilot — para os subscritores Pro+ e Max, até 13 de setembro às 0h UTC. A mensagem não indica a que multiplicador de pedidos premium corresponde o desconto. Uma promoção de fim de semana, logo após o Copilot Day, no modelo que apareceu nesse mesmo dia em várias comparações de custos. 🔗 fonte
Concurso GitHub Copilot Day, três créditos de 100 dólares — criar algo com a aplicação Copilot ou o seu cliente de linha de comandos e partilhá-lo publicamente com os hashtags indicados até 13 de setembro às 23h59, hora do Pacífico. Três vencedores, cada um com 100 dólares de crédito na loja GitHub, participação gratuita e reservada a maiores de idade. 🔗 fonte
Runway pode ser utilizado no ChatGPT com o Astra — demonstração de uma sequência completa controlada a partir da conversa: imagem de estilo no Runway, animação no Blender e renderização final com o Seedance 2.5. O ponto de entrada técnico continua a ser o servidor MCP do Runway Dev apresentado a 2 de setembro. O interesse reside no encadeamento de ferramentas heterogéneas sob o controlo de um único agente. 🔗 fonte
Runway publica o estudo de caso VOIDZ — um artista de realidade mista anónimo desde 2018 passa de planos de 10 a 15 segundos para um filme de 95 segundos com 15 intervenções surrealistas enxertadas numa ida real às compras. A maioria dos efeitos prolonga um plano existente, servindo alguns segundos de fonte documental como ponto de partida. Produção anunciada como 10 vezes mais rápida; o artista estima que o mesmo trabalho demoraria entre seis meses e um ano em 3D tradicional. 🔗 fonte
Runway adiciona oradores ao seu AI Summit — nova vaga para o evento de um dia em São Francisco, com destaque para o diretor de investigação da Wayve, o que confirma o alargamento do programa aos veículos autónomos iniciado no final de agosto. 🔗 fonte
NVIDIA transmite From Video to Voice, 33 minutos sobre o TensorRT Model Connect — retransmissão dedicada à ferramenta apresentada no final de agosto, que implementa um modelo aberto do checkpoint à inferência em dois comandos, desde modelos de vídeo a modelos de voz. Conteúdo de formação, não um anúncio. 🔗 fonte
Suno prolonga por dois dias o seu período de v6 sem créditos — as 48 horas anunciadas na véspera passam a quatro dias, acompanhadas por um fio de conselhos que recomenda começar por um ambiente em vez de um género no modo simples. Na véspera, um guia de transição destinava-se aos utilizadores que regressavam aos modelos antigos devido à sua variação e textura, sinal de que a migração não é óbvia para toda a base de utilizadores. 🔗 fonte
Synthesia abre a criação de avatares a partir de um prompt — apresentadores realistas, mascotes de marca ou personagens estilizadas, descritos através de um prompt de texto ou configurados num painel de controlos, como alternativa ao catálogo. Anúncio num único tweet sem link, no dia seguinte ao lançamento de um novo modelo de avatar; não são especificados nem os planos abrangidos nem o modelo utilizado. 🔗 fonte
O GPT-6 Astra Challenge abre as candidaturas — criar com o Astra e lançar o projeto no Product Hunt a 18 de setembro. Os cinco melhores lançamentos recebem, cada um, 10 000 dólares em créditos de API e um ano de ChatGPT Pro para, no máximo, dois membros da equipa. Terceira iniciativa comunitária em torno do Astra numa semana. 🔗 fonte
As chaves de API de projeto da OpenAI podem expirar — é possível definir uma data de expiração no momento da criação, e os administradores podem impor uma duração máxima ao nível da organização ou do projeto, tendo então qualquer nova chave de expirar dentro desse prazo. O complemento natural da rotação de chaves, a ativar nas organizações que deixam chaves esquecidas em scripts. 🔗 fonte

O que isso significa

O fio condutor mais claro do dia é arquitetural: o modelo único está dando lugar à composição. A Cursor coloca um coordenador que não escreve código acima de milhares de subagentes, a Cognition faz dois modelos trabalharem em conjunto, com papéis distintos e contextos separados, a Sakana encaminha cada tarefa para o modelo mais leve capaz de resolvê-la, o GitHub substitui um único revisor por um conjunto de agentes cujas constatações ele reúne, e o Google faz com que agentes proponham, critiquem e refinem o trabalho uns dos outros durante dias. Cinco empresas, cinco implementações, uma mesma convicção: o ganho já não vem de um modelo maior, mas da forma como vários modelos dividem o trabalho. O detalhe técnico compartilhado pela Cognition e pela Aiden é revelador, com ambas insistindo na preservação do cache de prompt, ou seja, no fato de que o custo real de uma arquitetura depende daquilo que se evita retransmitir.

O segundo fio diz respeito à forma como essas capacidades são comercializadas. A Runway licencia pesos fechados por ano, incluindo os checkpoints, o script de treinamento e pesquisadores alocados no cliente, contrapondo frontalmente essa oferta aos pesos abertos. A OpenAI tira um modelo especializado da prévia de pesquisa, com uma tabela pública de preços e uma data de início da cobrança. A ElevenLabs concede a propriedade das músicas em todos os planos, inclusive no gratuito, e vincula as permissões à música, e não à assinatura. A Together reduz seus preços de treinamento de 30 a 70 por cento. Já a Cognition chega a propor uma mudança de unidade de medida, avaliando uma combinação modelo-harness pelo preço por tarefa, em vez do preço por token. Esses movimentos seguem na mesma direção: a pergunta feita ao cliente já não é qual modelo, mas sob qual forma jurídica e com qual unidade de cobrança.

Quanto às ferramentas, o dia marca uma transição do declarativo para o mensurado. A Anthropic fornece um comando que reproduz cada caso de teste sem o plugin para provar, com números, que a ferramenta tem alguma utilidade, e cuja primeira descoberta típica é uma diferença nula. A OpenAI pede aos usuários que removam instruções acumuladas, porque agora elas prejudicam um modelo mais capaz. A Replit e o VS Code lançam quase simultaneamente o agendamento de tarefas recorrentes, com um princípio explícito no caso da Replit: começar com código determinístico e recorrer ao agente somente quando for necessário raciocínio. Boris Cherny apresenta a regra de disciplina que falta ao conjunto, fazendo a exigência depender do raio de impacto, e não do autor do código. Após dois anos acumulando contextos, skills e arquivos de instruções, o setor começa a medir o custo disso.

Resta a infraestrutura, na qual os números contam uma história menos glamorosa e mais instrutiva. Dois engenheiros reescrevem em Rust, com o Codex, o serviço de armazenamento que atende a mais de 70 milhões de solicitações por segundo, usando seis vezes menos capacidade de processamento; a dívida técnica em Python assumida em meados de 2025 é quitada em um trimestre. Ao mesmo tempo, o levantamento da Hugging Face mostra que o treinamento por reforço de agentes agora consome uma máquina inteira por tentativa, com orçamentos de ambiente superiores a dez milhões de dólares e uma transparência inversamente proporcional ao tamanho do laboratório. E um ensaio da comunidade sustenta que nada disso constitui uma vantagem duradoura, já que a diferença entre os líderes é medida em semanas. Os fatos do dia não encerram a questão, mas dão uma indicação: a diferenciação está migrando para o contexto acumulado, o harness e a infraestrutura, em outras palavras, para aquilo que não pode ser destilado.