Grok 4.5 desafia os modelos de fronteira, a OpenAI lança o GPT-Live em full-duplex, a Mistral entra na robótica com o Robostral Navigate

Este 8 de julho é marcado por três grandes lançamentos de modelos: Grok 4.5 da SpaceXAI, co-treinado com Cursor para código e agenticidade; GPT-Live da OpenAI, nova arquitetura de voz full-duplex que substitui o Advanced Voice Mode; e Robostral Navigate, o primeiro modelo de navegação robótica da Mistral. A Cognition completa o panorama com SWE-1.7, a Runway lança uma plataforma API unificada para geração de mídia, e o Gemini CLI passa para a versão estável 0.50.0. Doze notícias importantes e três breves completam este panorama, entre ferramentas agentivas para desenvolvedores, confiabilidade de benchmarks de código e inferência open source.

Grok 4.5: a SpaceXAI lança seu modelo mais inteligente, co-treinado com Cursor

8 de julho — A SpaceXAI (ex-xAI) lança Grok 4.5, apresentado como seu modelo mais inteligente até hoje, projetado para se destacar em código, tarefas agentivas e trabalho de conhecimento. Um ponto notável: o modelo foi treinado conjuntamente com o Cursor, parceria explicitamente destacada pela SpaceXAI.

“Today, we’re launching Grok 4.5, SpaceXAI’s smartest model built to excel at coding, agentic tasks, and knowledge work. It’s our strongest model ever and was trained alongside Cursor.”

🇵🇹 Hoje, lançamos o Grok 4.5, o modelo mais inteligente da SpaceXAI, projetado para se destacar em código, tarefas agentivas e trabalho de conhecimento. É o nosso modelo mais poderoso até hoje, treinado conjuntamente com Cursor. — SpaceXAI, x.ai/news/grok-4-5

Nos benchmarks publicados, o Grok 4.5 se posiciona no pelotão de frente sem dominar sistematicamente:

Benchmark	Pontuação
DeepSWE 1.0 (pass@1)	62,0 %
Terminal-Bench 2.1	83,3 %
SWE-Bench Pro	64,7 %

Em termos de eficiência, o modelo opera a 80 tokens por segundo e consome cerca de 4,2× menos tokens de saída do que o Claude Opus 4.8 (modo max) no SWE-Bench Pro (15 954 tokens em média contra 67 020). O treinamento contou com dezenas de milhares de GPUs NVIDIA GB300 e com reforço por aprendizagem (reinforcement learning) em grande escala sobre centenas de milhares de tarefas de engenharia de software.

Tipo	Preço
Input	2 $ / M tokens
Output	6 $ / M tokens

O Grok 4.5 torna-se o modelo padrão do Grok Build, onde pode construir arquivos Excel complexos, apresentações PowerPoint com formas nativas e documentos Word. Disponível a partir de hoje no Grok Build, no Cursor (todos os planos) e via o console da SpaceXAI — mas ainda não na União Europeia, onde a implantação é esperada para meados de julho.

A OpenAI lança o GPT-Live, seus novos modelos de voz full-duplex

8 de julho — A OpenAI lança GPT-Live, nova geração de modelos de voz que substitui o Advanced Voice Mode como motor do ChatGPT Voice. Ao contrário das gerações anteriores — cascata transcrição/LLM/síntese, depois modelo “por turnos” esperando um silêncio para responder — o GPT-Live se baseia em uma arquitetura full-duplex: ele escuta e fala ao mesmo tempo, faz pequenas confirmações (“mhmm”, “certo”) enquanto o usuário fala e decide várias vezes por segundo se deve falar, escutar, pausar, interromper ou invocar uma ferramenta.

Segunda ruptura arquitetural: o GPT-Live delega as tarefas complexas (pesquisa na web, raciocínio aprofundado, trabalho agentivo) a um modelo de fronteira — GPT-5.5 no lançamento — enquanto mantém a conversa em áudio durante a execução desse trabalho em segundo plano. A OpenAI pretende evoluir esse modelo nos bastidores à medida que novos modelos de fronteira forem lançados.

“GPT-Live is built on a full-duplex architecture, meaning it can listen and speak at the same time. […] While it works, GPT-Live can keep talking with you and maintain the flow of conversation.”

🇵🇹 O GPT-Live se baseia em uma arquitetura full-duplex, o que significa que ele pode escutar e falar ao mesmo tempo. […] Enquanto trabalha, o GPT-Live pode continuar falando com você e manter o fio da conversa. — OpenAI, Introducing GPT-Live

Duas versões estão sendo implantadas a partir de hoje para todos os usuários do ChatGPT (iOS, Android, web): GPT-Live-1 para Go/Plus/Pro, GPT-Live-1 mini para os usuários gratuitos. O acesso à API está previsto para breve, com lista de espera aberta. Nas avaliações internas (GPQA, BrowseComp, uma variante τ³-Voice Telecom), o GPT-Live-1 supera claramente o Advanced Voice Mode e é preferido pelos avaliadores humanos. Mais de 150 milhões de pessoas usam semanalmente voz e ditado no ChatGPT.

Em segurança, a OpenAI ampliou seus testes para avaliações nativas de áudio (autoagressão, psicose, dependência afetiva da IA, violência, conteúdo sexual), adicionou salvaguardas ativas em tempo real e reforçou as proteções para adolescentes, com possível notificação aos pais em caso de sinais de sofrimento.

🔗 GPT-Live System Card

A Cognition lança o SWE-1.7 no Devin, novo modelo de código de menor custo

8 de julho — A Cognition lança SWE-1.7, apresentado como o modelo mais capaz que ela treinou até agora, alcançando inteligência de nível de fronteira a um custo significativamente menor — a equipe fala de um deslocamento da curva de Pareto custo/desempenho. O modelo parte de uma base Kimi K2.7 (já fortemente pós-treinada em RL), e os ganhos adicionais obtidos pela Cognition colocam em questão a ideia de um “teto de pós-treinamento”: segundo a equipe, o reforço por aprendizagem (reinforcement learning) ainda pode levar as capacidades muito mais longe do que se pensava.

O SWE-1.7 já está disponível hoje no Devin (Web, Desktop e CLI), servido via Cerebras a 1 000 tokens por segundo.

Modelo avaliado	FrontierCode 1.1 Main
SWE-1.6	9,4 %
SWE-1.7	42,3 %

No Terminal-Bench 2.1 e no SWE-Bench Multilingual, o SWE-1.7 se posiciona entre o Kimi K2.7 Code e os modelos de fronteira (GPT-5.5, Claude Opus 4.8), ao mesmo tempo que custa sensivelmente menos por tarefa. O artigo técnico detalha quatro eixos de trabalho: preservação da entropia durante o treinamento RL (amostragem top-p com replay da distribuição, para evitar o colapso da exploração), treinamento multi-cluster distribuído em três continentes com tolerância a falhas (atualizações de pesos compactadas concluídas em 1 a 2 minutos para um modelo de 1 trilhão de parâmetros), curadoria de dados anti-trapaça e auto-compressão para tarefas longas (até seis horas por execução), em que o modelo aprende a resumir seu próprio estado de trabalho.

Em termos de comportamento, o SWE-1.7 explora a base de código de forma mais sistemática antes de agir, investiga mais as causas-raiz dos bugs e produz um raciocínio mais condensado graças a uma penalidade de comprimento alternada aplicada durante o treinamento.

🔗 SWE-1.7: Inteligência de fronteira por uma fração do custo

A Mistral entra na robótica com o Robostral Navigate

8 de julho — A Mistral AI lança Robostral Navigate, seu primeiro modelo dedicado à navegação robótica embarcada (embodied navigation): um modelo de 8 bilhões de parâmetros que move um robô a partir de uma única câmera RGB — sem LiDAR nem sensor de profundidade — e de uma instrução em linguagem natural.

“Announcing Robostral Navigate, our first model for embodied navigation: an 8B robotics navigation model that guides robots to autonomously perform tasks specified with natural language. Single RGB camera. State-of-the-art on R2R-CE.”

🇵🇹 Anunciamos o Robostral Navigate, nosso primeiro modelo para navegação embarcada: um modelo de navegação robótica de 8 bilhões de parâmetros que orienta robôs para realizar de forma autônoma tarefas especificadas em linguagem natural. Câmera RGB única. Estado da arte no R2R-CE. — Mistral AI, tweet de 8 de julho

No R2R-CE (Room-to-Room in Continuous Environments), benchmark de referência para navegação por instrução, o Robostral Navigate alcança o estado da arte em validação “unseen”:

Abordagem	Taxa de sucesso R2R-CE
Robostral Navigate (câmera RGB única)	76,6 %
Melhor abordagem mono-câmera anterior	~66,9 %
Melhor abordagem com profundidade/multi-câmeras	~72,1 %

O modelo prevê as coordenadas da posição alvo diretamente na imagem da câmera, em vez de deslocamentos métricos, o que o torna robusto a mudanças nas intrínsecas da câmera. Construído integralmente internamente (sem VLM open source de terceiros), ele é inicializado a partir do VLM da Mistral especializado em apontamento/contagem/localização de objetos e treinado com cerca de 400 000 trajetórias simuladas coletadas em 6 000 cenários. Uma técnica de cache de prefixo (prefix-caching) com mascaramento de atenção em árvore reduz em 22× o número de tokens de treinamento em relação a uma amostragem passo a passo; um pós-treinamento por RL online (CISPO, algoritmo próprio) acrescenta mais 3,2 pontos de taxa de sucesso sem sinal de platô.

O Robostral Navigate funciona em robôs com rodas, pernas e voadores, e mira casos de uso em manufatura, entrega, logística e hotelaria.

🔗 Artigo completo — mistral.ai

A Runway lança o Runway Dev, plataforma API unificada para geração de mídia

8 de julho — A Runway lança Runway Dev, uma plataforma de mídia IA para desenvolvedores e empresas: uma API única para integrar os melhores modelos de imagem, vídeo, áudio e avatares em tempo real. Já utilizada por equipes na Adobe, ElevenLabs, Shutterstock, Figma Weave, Gamma e Silverside.

A plataforma se organiza em quatro blocos:

Bloco	Função
Models	Acesso aos modelos first-party da Runway (Gen-4.5, Aleph 2.0, Act-Two) e a modelos de terceiros (Seedance, GPT Image 2, ElevenLabs), troca de modelo em uma linha de código
Recipes	Endpoints prontos para uso, empacotando a expertise de prompting/workflow da Runway (localização publicitária, product ad, product swap, vídeo multi-planos)
Workflows	Pipelines personalizados combinando vários modelos/modos, acionáveis por meio de um endpoint API privado
Characters	Avatares interativos em tempo real (voz, chamada de ferramentas, base de conhecimento) — exclusividade do Runway Dev, para suporte ao cliente, treinamento ou entretenimento interativo

Os casos de uso citados dão uma ideia de escala: uma emissora produz 800 a 1 000 anúncios por ano com uma equipe de 5 pessoas, um varejista gera mais de 1 000 imagens de produto por mês, uma agência in-house de 500 pessoas conduz um pipeline agentivo único do briefing ao resultado final, e uma plataforma de entrega localiza seus vídeos de produto em 27 idiomas.

O Runway Dev é posicionado como uma plataforma de nível empresarial em conformidade: certificação SOC 2 Type II, indenização de propriedade intelectual, moderação de conteúdo integrada, garantia de 99,9% de disponibilidade e compromissos contratuais de não treinamento com dados de clientes. Acesso via dev.runwayml.com.

🔗 Introducing Runway Dev

Gemini CLI v0.50.0 passa para stable com Tool Registry Discovery

8 de julho — O Google publica o Gemini CLI v0.50.0, nova release estável (marcada como “Latest” no GitHub) que sucede a v0.49.0 e se torna a versão recomendada, distinta da linha nightly v0.51.0-nightly.* acompanhada anteriormente.

A funcionalidade principal desta versão é o Tool Registry Discovery: novas capacidades de descoberta do registro de ferramentas que detectam e registram automaticamente as ferramentas disponíveis para o agente, sem configuração manual. Esta release também marca um endurecimento significativo do pipeline de verificação de release e de CI: os scripts agora são ignorados durante a verificação npm ci (para evitar a execução de código arbitrário durante a instalação), um mecanismo impede o “workspace binary shadowing” (um binário local mascarando acidentalmente o binário oficial) e proteções adicionais cobrem releases NPM incorretas, bem como falhas do job de promoção.

O Gemini CLI continua sendo a fonte prioritária #1 do acompanhamento Gemini para este blog, e esta v0.50.0 ilustra uma tendência de fundo da ferramenta nas últimas semanas: além das novas funcionalidades, uma parte crescente de cada release trata da robustez e da segurança da própria cadeia de publicação — já visto com os endurecimentos de sandbox macOS das versões anteriores.

🔗 Release v0.50.0 — GitHub

GitHub Copilot no VS Code: o resumo de junho de 2026 (v1.123 a v1.127)

8 de julho — O GitHub publica seu resumo mensal do Copilot no Visual Studio Code, cobrindo as versões v1.123 a v1.127 (junho – início de julho de 2026). Várias funcionalidades agentivas passam para disponibilidade geral ou prévia:

Funcionalidade	Status
Ferramentas de navegador integrado agentivas (navegação, captura de tela, validação de apps web)	GA
Sessões paralelas multi-chat na janela Agents	Disponível
Visibilidade de custos (sessão, subagente delegado, uso adicional)	Disponível
Descoberta de provedores de modelos a partir do Marketplace	Disponível
Janelas de contexto de 1M tokens (modelos Anthropic/OpenAI compatíveis)	Disponível
Extensão oficial do Ollama	Disponível

Além dessa tabela, o resumo detalha um Autopilot mais autônomo (melhor detecção de fim de tarefa), a sincronização das sessões de chat na conta GitHub, comentários na margem (gutter) sobre as mudanças do agente, a criação de PR com título e descrição gerados a partir do contexto da sessão, parâmetros Copilot gerenciados para administradores (device management Windows/macOS e arquivo JSON), credenciais OAuth MCP pré-registradas, um atraso de 2 horas antes da atualização automática das extensões e uma navegação segura de novas pastas antes da confiança (Workspace Trust).

O acúmulo dessas mudanças ao longo de cinco versões mensais ilustra a velocidade com que o Copilot desloca o cursor da assistência pontual para o agente autônomo multi-sessão, com controle de custo agora tão refinado quanto por subagente delegado.

🔗 GitHub Changelog — lançamentos do VS Code de junho de 2026

OpenAI: auditoria do SWE-Bench Pro e nova versão do Codex CLI

Audit de SWE-Bench Pro — ~30 % das tarefas consideradas defeituosas

Após ter anteriormente recomendado à comunidade que migrasse para SWE-Bench Pro (na sequência de defeitos identificados no SWE-bench Verified), a OpenAI conduz uma auditoria semelhante neste novo benchmark e retira sua recomendação. Um pipeline de análise automatizada sinalizou 286 tarefas potencialmente problemáticas entre as 731 do conjunto público; uma revisão combinando agentes Codex investigadores e cinco engenheiros humanos independentes por tarefa confirma que 200 a 249 tarefas (27,4 % a 34,1 % segundo o método de contagem) são realmente defeituosas — testes demasiado rigorosos, enunciados subespecificados, cobertura fraca ou enunciados enganosos. A OpenAI pede à comunidade que construa novos benchmarks diretamente por desenvolvedores experientes, em vez de extraídos automaticamente de pull requests open source.

🔗 Separating signal from noise in coding evaluations

Codex CLI 0.143.0

Nova versão estável: os plugins remotos agora estão ativados por padrão (com suporte a fontes npm para o marketplace), o tráfego de autenticação e a API Responses podem passar pelos proxies do sistema macOS/Windows (PAC/WPAD), e o comando codex remote-control pair gera códigos de emparelhamento manuais para um daemon em execução. O catálogo Amazon Bedrock passa a incluir os modelos GPT-5.6 Sol, Terra e Luna, e a pesquisa de ferramentas MCP agora está ativada por padrão. Na parte dos correções: gestão das entradas ConPTY no Windows, melhor recuperação de servidores de execução remotos temporariamente offline, e atualizações de segurança das dependências (OpenSSL, Hono, fast-uri, quick-xml, crossbeam-epoch).

🔗 Codex Changelog — 0.143.0

Cognition e Amp: fiabilidade dos modelos abertos e agentes remotos

Medir a fiabilidade dos modelos derivados do open source

Em complemento ao lançamento de SWE-1.7, a Cognition publica um estudo sobre a fiabilidade de modelos construídos a partir de bases open source maioritariamente chinesas (Kimi K2.7 Code, DeepSeek-V4, GLM 5.2): propensão a reproduzir elementos de discurso alinhados com o Partido Comunista Chinês e risco de capacidades diferenciais (código menos seguro segundo a identidade percebida do utilizador). Numa suíte de 145 perguntas politicamente sensíveis e um teste de segurança diferencial sob seis personas, SWE-1.7 obtém pontuações comparáveis, ou até melhores, que GPT-5.5 e Claude Opus 4.8 — enquanto o Kimi K2.7 bruto frequentemente se conforma a pedidos problemáticos que SWE-1.7 recusa. A Cognition não observa nenhuma diferença de comportamento estatisticamente significativa ligada às personas testadas.

🔗 Measuring the Trustworthiness of Open-Source-Derived Models

Amp: agentes remotos a partir de qualquer máquina

O Amp agora permite iniciar novos agentes remotamente a partir de ampcode.com, em qualquer máquina capaz de executar o comando amp — não apenas nas « orbs » (máquinas cloud efémeras), mas também num portátil, num servidor ou numa box de desenvolvimento cloud. A funcionalidade é ativada via "amp.remoteThreadCreation.enabled": true na configuração; cada cliente Amp iniciado aceita então novos threads no seu diretório de trabalho atual. Um « Runner Mode » headless (amp --no-tui) completa o conjunto: vários runners podem correr simultaneamente na mesma máquina, identificados pelo par host + diretório de trabalho, sem necessitar de versionamento Git.

🔗 Agents, Anywhere

Gemini: agentes geridos alargados e correções de segurança para a CLI

Gemini API — extensão dos Managed Agents

A Google amplia as capacidades dos Managed Agents da Gemini Interactions API: execução assíncrona em segundo plano (background: true, com ID de seguimento para reconexão posterior), ligação direta a servidores MCP remotos sem middleware proxy a escrever, chamada de funções personalizadas combinada com as ferramentas sandbox integradas, e atualização das credenciais de rede sobre um ambiente existente sem perder o estado do sandbox (ficheiros, pacotes instalados, repositórios clonados). Os exemplos publicados usam o SDK JavaScript @google/genai e o modelo antigravity-preview-05-2026.

🔗 Expanding Managed Agents in Gemini API

Gemini CLI v0.51.0-preview.0 — correções de segurança

Esta release preview reúne várias correções de segurança e robustez: blocklist de caminhos sensíveis insensível a maiúsculas/minúsculas combinada com human-in-the-loop para a extensão VS Code, correção de uma evasão de diretório via link simbólico no processador de importação de memória, remoção de uma fuga de traços de raciocínio (thoughts) no histórico limpo, resolução defensiva dos caminhos referenciados por @, passagem para apenas leitura de ~/.gitconfig no sandbox macOS, e atualização da URL base Vertex.

🔗 Release v0.51.0-preview.0 — GitHub

GitHub Mobile: notificações Copilot CLI e resolução de conflitos

Notificações em direto para sessões Copilot CLI

As notificações em direto do GitHub Mobile, já disponíveis para o agente cloud, estendem-se agora às sessões remotas do Copilot CLI. Através das Live Activities iOS (17.2+) e das Live Update Notifications Android (16+), o utilizador vê em tempo real o estado da sessão (em curso, à espera de uma resposta, inativa, terminada) e pode abrir diretamente os logs a partir da notificação. Funciona para sessões iniciadas a partir do Copilot CLI, VS Code ou outras superfícies suportadas, e continua desativável nas definições.

🔗 GitHub Mobile: Live notifications for Copilot CLI sessions

Resolver conflitos de merge com o agente cloud Copilot

O GitHub Mobile permite agora desbloquear uma pull request em conflito diretamente a partir do telemóvel: um botão « Fix with Copilot » no bloco de merge pré-preenche um comentário a pedir ao Copilot que resolva os conflitos e, em seguida, lança o agente cloud. A aplicação mostra os alertas de conflito e um retorno claro em caso de sucesso ou falha. A menção @copilot em comentário de PR continua disponível para outras tarefas (correção de workflows Actions em falha, resposta às revisões de código, adição de testes).

🔗 GitHub Mobile: Fix merge conflicts with Copilot cloud agent

Anthropic: dois estudos de caso Claude Cowork

Automatizar o reporting de marketing e as campanhas

O Claude Blog detalha como a equipa de marketing ops da Anthropic automatizou parte do seu trabalho com Claude Cowork. Ian Chan substituiu um processo de reporting semanal que lhe tomava um a dois dias por uma tarefa agendada (scheduled task) que corre todos os domingos à noite, baseada em três competências (skills) dedicadas: preparação do relatório, revisão que verifica cada número em relação a uma fonte fiável, e transformação dos pontos de acompanhamento em tarefas Asana. Annabel Custer, por seu lado, automatizou a implementação das campanhas de marketing através de uma competência « distribuidora » que lê um canal Slack de hora a hora e encaminha cada pedido, com um agente de auditoria independente que verifica o trabalho sem contexto prévio.

🔗 How Anthropic’s marketing operations team uses Claude Cowork

Thomson Reuters: IA « Fiduciary-Grade » com Claude

Segundo estudo de caso: Thomson Reuters (Westlaw, Practical Law, CoCounsel Legal) integra Claude em produtos usados por juristas que exigem precisão extrema, sob o conceito de IA « Fiduciary-Grade AI ». Joel Hron, CTO, impõe quatro requisitos a um modelo antes da sua entrada em produção: auto-verificação das citações em vez de confiança na memória do modelo, resistência em longas cadeias de chamadas de ferramentas, envolvimento humano no trabalho e libertação de tempo para tarefas até aqui fora de alcance. A Thomson Reuters usa também Claude Cowork para automação operacional e Claude Code para a construção de agentes de longa duração, e diz estar ansiosa por explorar Claude Fable 5.

🔗 Working at the frontier: Thomson Reuters

Hugging Face e Together AI: a inferência open source acelera

O backend vLLM de transformers atinge a velocidade nativa

Harry Mellor (equipa vLLM) e Lysandre (cofundador da Hugging Face) demonstram que o backend de modelação transformers para vLLM iguala agora, ou até supera, o throughput nativo das implementações vLLM escritas à mão. Em três modelos Qwen3 testados lado a lado: Qwen3-4B passa de 46 850 para 47 443 tokens/s (100,0 % do nativo), Qwen3-32B de 14 310 para 14 660 tokens/s (100,1 %), e Qwen3-235B-A22B MoE FP8 de 31 382 para 33 152 tokens/s (102,0 %). Os autores de modelos podem assim beneficiar automaticamente de inferência vLLM ultra-rápida sem portabilidade manual, via vllm serve <modèle> --model-impl transformers.

🔗 Native-speed vLLM transformers backend — HuggingFace Blog

Together AI lança Provisioned Throughput

A Together AI anuncia Provisioned Throughput, um formato de inferência com capacidade reservada para modelos abertos fronteira, com preços por token e um SLA de disponibilidade de 99 %. Disponível já hoje para MiniMax M3 e GLM-5.2, com um compromisso mínimo de um mês. Exemplo económico em MiniMax M3: uma unidade de capacidade (PTU, 0,05 $ por minuto) em plena utilização custa cerca de 0,36 $/M tokens de entrada e 2,16 $/M tokens de saída, contra 5 $ e 25 $ no preço de catálogo do Claude Opus 4.8 — até 90 % mais barato. A Together AI indica que o volume de tokens nas suas API passou de 30 mil milhões para mais de 400 000 mil milhões de tokens por mês em nove meses.

🔗 Provisioned Throughput — Together AI Blog

Breves

Claude Code v2.1.204 — correção única: os eventos de hook não fluíam corretamente durante os hooks SessionStart em sessão headless, o que podia fazer com que workers remotos fossem erroneamente considerados inativos e recolhidos (idle-reaped) a meio do hook. 🔗 CHANGELOG.md
FrontierCode 1.1 — a Cognition revê a metodologia do seu benchmark de código agentico: deteção programática de batota por consulta de soluções de referência (até 37,2 % dos runs de Claude Fable 5 afetados na versão 1.0), 75 critérios de avaliação relaxados e novas pontuações para Claude Sonnet 5 (42,7 %) e Claude Fable 5 (53,5 %, ainda na liderança). 🔗 FrontierCode 1.1
NVIDIA e LangChain otimizam Deep Agents para Nemotron 3 Ultra — o harnais Deep Agents da LangChain ajustado para o modelo open Nemotron 3 Ultra alcança uma pontuação agregada de 0,86 por 4,48 $, contra 43,48 $ para o modelo fechado mais próximo em desempenho — um custo de inferência cerca de 10× inferior. 🔗 Tweet @NVIDIAAI

O que isto significa

A corrida pelos modelos fronteira está a ser decidida tanto pelo custo como pela inteligência. Grok 4.5, SWE-1.7 e a dupla GPT-Live/GPT-5.5 ilustram três abordagens diferentes ao mesmo problema: em vez de visar apenas a pontuação mais alta nos benchmarks, os laboratórios otimizam agora explicitamente a relação custo/desempenho — a Cognition fala abertamente em « deslocar a curva de Pareto », a SpaceXAI destaca um consumo de tokens 4,2× inferior ao Opus 4.8, e a OpenAI delega as tarefas pesadas do GPT-Live num modelo separado em vez de fazer tudo recair sobre o modelo de voz. A parceria de treino entre SpaceXAI e Cursor, mencionada explicitamente no anúncio do Grok 4.5, confirma também uma tendência: os editores de IDE e de ferramentas agenticas tornam-se parceiros de conceção dos modelos, e não apenas clientes API.

A IA embarcada diversifica os seus atores. Com Robostral Navigate, a Mistral junta-se à Google DeepMind (Gemini Robotics) e à NVIDIA na corrida à robótica embarcada, com uma abordagem deliberadamente minimalista (uma única câmara RGB, sem LiDAR) que visa o desdobramento em grande escala em vez do desempenho máximo em laboratório. O Runway Dev segue uma lógica semelhante no lado dos media generativos: em vez de vender apenas um modelo, a plataforma empacota o acesso a vários fornecedores (incluindo concorrentes como ElevenLabs e Seedance) por trás de uma API e faturação únicas — uma aposta na agregação em vez da exclusividade do modelo.

O tooling agentico para developers está a crescer em todas as frentes. Gemini CLI v0.50.0 (Tool Registry Discovery), o resumo Copilot VS Code (custos por subagente, contexto 1M tokens), Codex CLI 0.143.0 (plugins remotos, proxies empresariais) e Amp (agentes remotos a partir de qualquer máquina) desenham um mesmo movimento: as CLI e IDE agenticas tornam-se plataformas por direito próprio, com os seus próprios registos de ferramentas, gestão de custos por agente delegado e infraestrutura de rede empresarial. O GitHub Mobile prolonga esta lógica até ao smartphone, com notificações em direto e resolução de conflitos controlável a partir de um telemóvel.

A confiança nos benchmarks e nos modelos open source torna-se um tema por si só. A auditoria da OpenAI ao SWE-Bench Pro (30 % de tarefas defeituosas, recomendação retirada) e a revisão FrontierCode 1.1 da Cognition (batota por consulta de soluções de referência detetada em mais de um terço dos runs de Fable 5) mostram que os benchmarks de código em si se tornam objetos de verificação contínua, em vez de referências fixas. Em paralelo, o estudo da Cognition sobre a fiabilidade dos modelos derivados do open source chinês, e os ganhos de desempenho de inferência obtidos pela Hugging Face e pela Together AI sobre modelos abertos, indicam que o ecossistema open source já não é visto como uma escolha de segunda linha, mas como uma base que tem de ser auditada, otimizada e tornada economicamente competitiva face aos modelos proprietários.