Anthropic disponibiliza os message threads em beta pública, Sakana AI anuncia Sawara, OpenAI lança Grid Protectors

A Anthropic disponibiliza em beta pública os message threads da API Messages, já ativos no Claude Code, onde reduzem em cerca de 35 % o tempo até ao primeiro token nos pedidos mais longos. A Sakana AI anuncia Sawara, os seus primeiros modelos pré-treinados de raiz, enquanto a OpenAI lança Grid Protectors para permitir que os seus campus de computação reduzam o consumo em função das necessidades da rede elétrica e publica LifeVal, um banco de testes de tarefas da vida quotidiana. A Perplexity publica BrowseSafe++ contra a injeção de prompt, a NVIDIA fornece ferramentas de simulação com Cosmos 3 Nano, e Runway, Synthesia e ElevenLabs integram os conteúdos multimédia generativos nos assistentes e nos agentes.

A API Messages disponibiliza os message threads em beta pública, já ativos no Claude Code

2 de novembro — A Anthropic disponibiliza em beta pública os encadeamentos de mensagens (message threads) na API Messages. Até agora, um agente reenviava em cada turno toda a conversa, incluindo os resultados das ferramentas. Com um encadeamento, o primeiro pedido envia a conversa completa, com o prompt de sistema e as ferramentas; os seguintes enviam apenas as novas mensagens e o identificador da resposta anterior, e a API reconstitui o restante antes de chamar o modelo. Basta adicionar o parâmetro thread e o cabeçalho beta message-threads-2026-08-12, que os SDK oficiais gerem com uma função auxiliar dedicada.

We recently integrated message threads in Claude Code. On requests with 500K to 1M tokens, median time to first token is about 35% lower. In long conversations, the median request went from about 800 KB to 1.8 KB.

🇵🇹 Integrámos recentemente os message threads no Claude Code. Nos pedidos de 500 000 a 1 milhão de tokens, o tempo mediano até ao primeiro token é cerca de 35 % inferior. Nas conversas longas, o pedido mediano passou de cerca de 800 Ko para 1,8 Ko. — @ClaudeDevs no X

O ganho diz respeito à latência, não à fatura: o Claude relê toda a conversa em cada turno, pelo que os tokens, os preços e os limites de débito não mudam, e a colocação dos prompts em cache (prompt caching) continua a ter de ser solicitada explicitamente. O encadeamento é conservado na medida do possível (best-effort), em memória cifrada e nunca em disco: expira 5 minutos após o último pedido, e a aplicação mantém a sua própria cópia para reenviar tudo se a API responder com 404. A funcionalidade não é elegível para retenção zero de dados (ZDR) e não funciona com Message Batches, com a compactação a pedido ou em organizações HIPAA. Está disponível na API Claude, Claude Platform on AWS, Claude in Microsoft Foundry e Claude Models on Google Cloud (Anthropic managed).

🔗 O artigo da Anthropic sobre os message threads · A documentação dos message threads

Sakana AI anuncia Sawara, os seus primeiros modelos pré-treinados de raiz, com pesos previstos para a primavera de 2027

2 de novembro — A Sakana AI publica o relato do seu simpósio de 26 de outubro em Tóquio (mais de 400 participantes, palestra de Jürgen Schmidhuber), que contém um anúncio de peso: a start-up japonesa vai pré-treinar os seus próprios modelos de linguagem. Até agora, trabalhava em agentes e no pós-treino de modelos abertos existentes com Namazu. Apresentada pelo seu diretor científico (Chief Scientist), Takuya Akiba, a série Sawara (nome provisório) é construída de raiz, sem partir de um modelo de terceiros, e concebida para utilização por agentes (agent-native): raciocínio com ferramentas, código e tarefas longas. Deverá servir de base aos produtos da Sakana AI e à investigação do RSI Lab sobre o autoaperfeiçoamento recursivo.

We are now preparing for training, and we will start pre-training Sawara Small (provisional name) this December. If everything goes smoothly, we will release the weights next spring.

🇵🇹 Estamos agora a preparar o treino e começaremos o pré-treino de Sawara Small (nome provisório) em dezembro. Se tudo correr bem, publicaremos os pesos na próxima primavera. — Sakana AI, relato do simpósio de 2026

Deverá seguir-se um Sawara Large, também com nome provisório, sem data definida. A Sakana AI não indica o tamanho do modelo, o volume de dados nem o orçamento de computação.

🔗 O anúncio da Sakana AI no X

A energia da computação: OpenAI lança Grid Protectors, uma TPU da Google responde a partir da órbita

OpenAI lança Grid Protectors, até 1 000 MW de redução do consumo elétrico para o seu campus de Effingham

2 de novembro — A OpenAI lança Grid Protectors, um programa nacional para que os seus futuros campus de computação reduzam o consumo quando a rede elétrica estiver sob pressão, durante uma vaga de frio ou de calor. Com os fornecedores de eletricidade, os reguladores e os decisores públicos, a empresa pretende celebrar acordos para cada local, que definirão o volume de consumo que pode ser reduzido, o tempo de resposta e a duração. Consoante as necessidades locais, os campus poderão também recorrer à produção ou ao armazenamento no local e estabilizar a sua procura com baterias.

O projeto-piloto é o campus previsto para o condado de Effingham, na Geórgia, apresentado em julho com o nome Project Camellia. A OpenAI compromete-se a pagar a totalidade dos custos de infraestrutura e de fornecimento de eletricidade nesse local.

Dado anunciado	Valor anunciado	Fonte do dado
Redução flexível do consumo prevista no acordo com Georgia Power	até 1 000 MW	OpenAI
Equivalente em procura média de agregados familiares	cerca de 700 000 agregados familiares	OpenAI
Poupança anual para os clientes da Georgia Power a partir de 2029	cerca de 950 milhões de dólares	Georgia Power
Poupança para um cliente residencial típico que consuma 1 000 kWh	pelo menos 15 dólares por mês	Georgia Power

A projeção da Georgia Power abrange o conjunto dos seus acordos com grandes consumidores e o crescimento esperado, incluindo o Project Camellia: não é um valor específico do programa da OpenAI. A empresa reconhece que a flexibilidade não substitui o investimento em novas capacidades de produção e transporte, e não anuncia outros locais nem um calendário.

🔗 A publicação da OpenAI sobre Grid Protectors

Project Suncatcher: uma TPU em órbita dá a sua primeira resposta, um haiku escrito pelo Gemma 4

30 de outubro — Notícia em atraso: um mês após o lançamento do seu satélite protótipo, a 1 de outubro, o Project Suncatcher, o projeto de investigação da Google sobre computação para IA no espaço, atinge o seu marco «Hello World»: a primeira resposta de IA produzida por uma TPU de classe data center em órbita. Durante uma passagem sobre uma estação terrestre, a equipa pediu ao modelo aberto Gemma 4, instalado a bordo, um haiku sobre a vida no espaço; a resposta foi recebida em terra quando o satélite sobrevoava Svalbard, na Noruega. Seguiram-se limericks e prompts de telemetria, aos quais o modelo responde descrevendo o estado técnico da carga útil.

A fase seguinte centra-se na fiabilidade: testes das TPU sob stress térmico e radiação, antes de um par de satélites interligados em 2027. A publicação não apresenta quaisquer números de desempenho ou consumo.

🔗 A publicação da Google sobre a primeira resposta do satélite

Vida quotidiana e criatividade das interfaces: OpenAI publica LifeVal, Kombai publica Design Creativity Bench

LifeVal: 169 tarefas da vida quotidiana, de 49,3 % para GPT-5.2 a 80,6 % para GPT-6 Astra

2 de novembro — A OpenAI publica LifeVal, uma avaliação dos modelos em tarefas da vida quotidiana: encontrar quem cuide das crianças, aceder aos serviços públicos, elaborar um orçamento, adaptar uma receita ou criar um plano de exercício físico. As tarefas baseiam-se em dois grandes inquéritos sobre a utilização do tempo, o American Time Use Survey e a Multinational Time Use Study, complementados por um inquérito representativo a 3 995 pessoas sobre os domínios em que mais gostariam de receber ajuda. A OpenAI afirma que utiliza esta avaliação há um ano para acompanhar os seus modelos.

Modelo avaliado	Data de lançamento	Recompensa média em 169 tarefas
GPT-5.2	dezembro de 2025	49,3 %
GPT-5.4	março de 2026	73,0 %
GPT-5.5	abril de 2026	77,4 %
GPT-5.6	julho de 2026	80,0 %
GPT-6 Astra (xhigh)	setembro de 2026	80,6 %

Segundo a descrição do gráfico, trata-se de uma média não ponderada das 169 tarefas, e apenas 0,6 ponto separa GPT-5.6 de GPT-6 Astra. O gráfico não inclui GPT-6.1 Sol ou Terra, nem qualquer modelo de outro fornecedor, e a OpenAI não menciona a publicação do conjunto de tarefas.

🔗 A publicação da OpenAI sobre LifeVal

Design Creativity Bench: os modelos convergem para as mesmas interfaces

2 de novembro — A Kombai, fornecedora de ferramentas de IA para desenvolvimento front-end, apresenta no blog da Hugging Face o Design Creativity Bench, um banco de testes que não mede se uma interface funciona, mas se se assemelha às restantes. O estudo abrange 15 modelos de ponta, 160 instruções e 2 400 interfaces HTML, comparadas com maquetes criadas por pessoas.

Métrica do banco de testes	Modelos avaliados	Referência humana
Distinção média perante a mesma instrução	0,592 entre modelos	0,764 entre humanos e modelos
Amplitude criativa média	0,581	0,902
Critérios de aceitação satisfeitos	mais de 90 % para todos (Claude Opus 5.5: 99,2 %)	98,0 %

Os modelos cumprem, portanto, o caderno de encargos, mas assemelham-se entre si. GPT-6 Astra tem o estilo mais distinto do conjunto (0,646 de originalidade), embora varie pouco de um contexto para outro (0,472 de amplitude). A Kombai publica o artigo (arXiv 2610.11539), uma classificação e um subconjunto para reprodução dos resultados, e reconhece as suas limitações: apenas ecrãs de computador e configurações predefinidas das API.

🔗 A publicação da Kombai na Hugging Face

Perplexity publica BrowseSafe++ e os seus detetores BrowseSafe-Guard contra a injeção de prompt

2 de novembro — O Perplexity Secure Intelligence Institute publica BrowseSafe++, sucessor do BrowseSafe (dezembro de 2025), um banco de testes aberto dedicado à injeção indireta de prompt (indirect prompt injection), que visa os agentes capazes de navegar na Web. Reúne 38 675 pares de páginas, uma página atacada e a sua versão sem ataque, dos quais 32 187 foram construídos em torno de injeções efetivamente observadas: o detetor do Comet assinalou 1,15 milhão entre setembro de 2025 e setembro de 2026. Cada página existe em HTML, Markdown, árvore de acessibilidade e captura de ecrã. A partir deste conjunto, a Perplexity desenvolve BrowseSafe-Guard, dois detetores de 0,8B ajustados a partir de Qwen3.5-0.8B, um para texto e outro para capturas.

Resultado publicado	BrowseSafe-Guard	Modelos comparados
F1 nas vistas de texto	cerca de 95 %, primeiro em cada vista	85 a 92 % para os melhores modelos generalistas
F1 nas capturas de ecrã	cerca de 93 %	cerca de 79 % para o melhor outro modelo
Páginas sem ataques assinaladas por engano	cerca de 1 em 20	14,41 % para GPT-6 Astra
Custo por 1 000 páginas	0,18 dólar num H200 alugado	18,95 a 180,61 dólares por API

Detetar não é resistir: cada modelo seguiu injeções que ele próprio tinha identificado, desde 1,64 % das páginas para GPT-6 Astra até 24,73 % para Llama 3.1 8B. Um atacante persistente também acaba por conseguir: no ambiente BrowseSafe-Adapt, que reescreve a injeção após cada falha (1 024 tarefas, até 64 tentativas), a taxa de sucesso passa de, no máximo, 4 % na primeira tentativa para, pelo menos, 79 % contra cinco dos sete agentes testados. Colocado à frente de um agente Gemini 3.5 Flash-Lite, Guard bloqueia 94,5 % das injeções originais, mas o atacante ainda tem êxito em 84,2 % das tarefas. Estão disponíveis o conjunto de dados (com acesso controlado), um SDK sob licença MIT e uma classificação pública; a publicação não remete para quaisquer pesos dos detetores.

🔗 A publicação da Perplexity sobre BrowseSafe++

Conteúdos multimédia generativos: Runway Dev chega ao Claude Code e ao Cursor, Synthesia ao ChatGPT e ao Claude, ElevenLabs quantifica a vantagem da voz

Runway Dev chega ao Claude Code e ao Cursor

2 de novembro — Depois do Codex, apresentado a 28 de outubro, a Runway alarga os seus plugins Runway Dev ao Claude Code e ao Cursor. Uma instalação liga o agente de programação à conta Runway Dev através do servidor MCP da Runway e adiciona-lhe as skills da Runway para desenvolver com a sua API de conteúdos multimédia generativos. O agente começa por consultar a conta (projetos, modelos acessíveis com os respetivos preços e limites, saldo de créditos), recorrendo depois aos SDK oficiais: pode criar um Model Router, que escolhe o modelo adequado a cada pedido, ou um Character para avatares em tempo real, e reutilizar as Recipes (pipelines prontos a utilizar) ou os Workflows publicados como pontos de acesso API. Em caso de falha, consulta os detalhes do erro. A ligação à conta é feita na primeira utilização, sem uma chave API armazenada no plugin, e não é indicado qualquer preço específico.

Agente de programação	Instalação indicada pela Runway
Claude Code	`/plugin install runway-api@claude-plugins-official`
Cursor	`/add-plugin runway-api` no chat Agent, ou na Cursor Marketplace

🔗 A publicação da Runway

Synthesia cria os seus vídeos no ChatGPT e no Claude

2 de novembro — A Synthesia anuncia que os seus vídeos de avatares podem agora ser criados diretamente no ChatGPT e no Claude: o utilizador descreve o vídeo pretendido, vê-o aparecer na conversa, pede ajustes e depois publica-o e partilha-o, sem abrir outra aplicação ou outro separador. O anúncio resume-se a um tweet acompanhado de um vídeo de demonstração; não havia qualquer publicação no blog ou na página inicial da Synthesia no momento da nossa consulta. A Synthesia não especifica o mecanismo de integração, os planos abrangidos nem o preço.

🔗 O anúncio da Synthesia no X

ElevenLabs: a voz tem sucesso 32 % mais vezes do que o chat em conversas com mais de dois minutos

2 de novembro — A ElevenLabs publica um estudo que compara a voz (telefone e WhatsApp) e o chat em agentes ElevenAgents em produção, comparando cada agente consigo próprio nas suas conversas de maio a julho de 2026. O tweet do anúncio refere 469 agentes; o artigo fala de «centenas» de agentes.

The longer the conversation, the higher the success rate for voice agents. We analyzed 469 agents running both voice and chat in production and saw an interesting pattern. When the conversation gets complex, voice is the fastest path to resolution.

🇵🇹 Quanto mais longa é a conversa, maior é a taxa de sucesso dos agentes de voz. Analisámos 469 agentes a funcionar tanto por voz como por chat em produção e observámos uma tendência interessante. Quando a conversa se torna complexa, a voz é o caminho mais rápido para a resolução. — @ElevenLabs no X

Indicador segundo a ElevenLabs	Valor medido
Sucesso da voz em conversas com mais de dois minutos	+10,9 pontos, ou seja, +31,7 %
Conversas com menos de um minuto	chat à frente por cerca de 9 pontos
Duração das conversas longas bem-sucedidas	4,6 minutos por voz, 7 minutos por chat
Mudança para um LLM mais rápido (315 conversas)	latência reduzida em 16 %, sucesso aumentado em 26 %
Preferência pela voz (98 participantes, voo cancelado)	85 %

A duração serve aqui como indicador de complexidade, uma medida que o próprio artigo reconhece ser imperfeita, e o estudo vem do fornecedor, que nele promove os seus agentes de voz.

🔗 O artigo da ElevenLabs

NVIDIA publica receitas de simulação Cosmos 3 Nano para condução, robótica e cirurgia

2 de novembro — A NVIDIA publica no seu blog técnico um guia em duas partes para Cosmos, a sua plataforma de modelos de fundação do mundo (world foundation models) destinada à IA física: receitas de simulação baseadas em novos checkpoints Cosmos 3 Nano, anunciados a 22 de outubro e desta vez identificados e descritos, seguidas de instruções de utilização dos microserviços NIM. Exemplo em destaque: basta alterar o prompt para transformar um percurso diurno numa noite chuvosa, sem alterar o traçado da estrada nem as trajetórias dos veículos.

Checkpoint Cosmos 3	Utilização descrita pela NVIDIA
Cosmos3-Nano-Transfer-Auto	Clips de várias câmaras com LiDAR para condução, até 400 imagens em 480p ou 720p
Cosmos3-Nano-Sim-Auto	Variante causal destilada que gera em streaming para testar uma política de condução em circuito fechado
Cosmos3-Nano-Sim-Transfer	Vídeo de profundidade convertido em vídeo RGB detalhado, para robótica
Cosmos3-Nano-Sim-Bimanual	Observação seguinte de um robô de dois braços a partir da cena e das suas ações
Cosmos3-H-Embodied-Nano e Cosmos3-H-Dreams	Simulação cirúrgica a partir das ações do robô, em tempo real para H-Dreams

Quanto à implementação, a imagem NIM cosmos3:2.0.0 oferece perfis de latência ou débito, e a descodificação especulativa acelera a inferência cerca de 2 a 3 vezes, em média, em H200, segundo a NVIDIA, que anuncia NIM Cosmos certificados em mais de 20 GPU. Na geração, Cosmos3-Nano exige 58 Gio de VRAM em BF16 e 31 Gio em FP8 com offloading. Cosmos Framework ganha pipelines de aprendizagem por reforço (DPO, GRPO, PPO, OPD, DiffusionNFT), e será o tema de uma transmissão em direto na quinta-feira, 5 de novembro.

🔗 O artigo técnico da NVIDIA

Copilot CLI 1.0.106-3, em pré-lançamento: gestão opcional de sessões e 145 correções

2 de novembro — O GitHub publica a versão de pré-lançamento 1.0.106-3 do Copilot CLI, a terceira do ramo 1.0.106. As notas incluem apenas uma novidade: ferramentas de gestão de sessões ativadas por opção (opt-in) e a possibilidade de mencionar com @ as sessões locais que aderiram, sem mais detalhes. Para as contas geridas, os avisos de atualização de políticas passam a incluir as constatações do Policy Helper.

As restantes 145 correções incidem sobretudo na robustez da interface de terminal, e várias têm implicações de segurança:

Correção de segurança	Comportamento anterior à 1.0.106-3
Sequências de escape filtradas	Uma resposta, um nome de ficheiro ou um título de ferramenta MCP podia alterar o estilo da timeline ou ocultar linhas
`/allow-all off`	Seguido de um espaço ideográfico (entrada CJK), o comando ativava Allow All em vez de o desativar
`/session delete`	Uma opção desconhecida colocada antes do identificador eliminava a sessão atual sem pedir confirmação
`copilot -p` e `copilot workflow run`	A saída de texto apresentava os valores de `--secret-env-vars`, que a saída JSON já ocultava

A versão estável mais recente continua a ser a 1.0.105, de 28 de outubro, e o SDK Copilot 1.0.29-preview.2, publicado nessa mesma noite, não contém alterações no SDK.

🔗 As notas de versão do Copilot CLI 1.0.106-3

Breves

Agentes e ferramentas de código

Qwen Code v0.26.6 — Versão estável de 2 de novembro, no dia seguinte à v0.26.5: o Web Shell ganha uma vista da atividade das sessões e apresenta, por modelo, a taxa de sucesso, a velocidade de saída e a latência do primeiro token; os modelos Kimi K3 recebem a sua janela de 1 milhão de tokens. 🔗 fonte
Gemini CLI — Uma correção integrada na noite de 2 de novembro impede que um download interrompido do modelo Whisper seja considerado um modelo instalado, o que bloqueava o modo de voz local até à eliminação manual do ficheiro. Ainda não está incluída em nenhuma versão, e a nightly do dia utiliza o mesmo commit das duas anteriores. 🔗 fonte
CLI mistral 0.16.0 — mistral workflows init e mistral init passam a pedir a chave API de um projeto Workflow, validam-na junto da API Mistral e guardam-na no .env do projeto. 🔗 fonte
Plugin Qodo para Codex — Num estudo de caso publicado pela OpenAI, a Qodo apresenta o seu plugin da marketplace do Codex: o Codex recebe as regras da organização e o histórico das pull requests antes de escrever, e depois a revisão da Qodo na mesma sessão, antes da abertura da pull request. Sem números sobre os resultados. 🔗 fonte
corgi, divulgado pelo Zed — Na noite de 1 de novembro, o Zed divulga o site do corgi, a ferramenta de build Rust de Conrad Irwin, compatível com Cargo: uma única cache por máquina, build.rs e macros em sandbox, testes em cache. Segundo o autor, o código é quase inteiramente escrito por IA. Repositório sob licença MIT. 🔗 fonte

Plataformas de desenvolvimento e API

pull_request_target no GitHub Actions — O bloqueio por predefinição de pull_request_target nos repositórios públicos é adiado de 2 de novembro para 2 de dezembro; duas interrupções programadas, a 9 e 16 de novembro, das 16 h às 18 h UTC, tornarão visíveis os workflows afetados. 🔗 fonte
Avaliações de riscos do GitHub — As avaliações de riscos de segurança do código e dos segredos passam a indicar se cada constatação se encontra num repositório protegido ou não, no GitHub Enterprise Cloud e no GitHub Team. 🔗 fonte
Analytics API da Perplexity — As respostas sobre a utilização dos créditos do Computer omitem, por enquanto, a discriminação por origem dos créditos (Credit Source); o total e a discriminação por modelo continuam a ser fornecidos, e a Perplexity pede que uma discriminação ausente não seja interpretada como utilização nula. 🔗 fonte

Modelos abertos e artigos da comunidade

kniv v7 da Dragonscale — Seis encoders abertos de 55M a 538M de parâmetros (Apache-2.0, ONNX) que extraem entidades, relações e factos segundo um esquema descrito no momento da chamada, sem LLM, para a memória dos agentes; no Re-DocRED, 0,749 na mesma frase e 0,732 com duas frases de distância (variante DeBERTa). 🔗 fonte
Janela deslizante e camada Bifocal — Num artigo da comunidade, Lukas destila o Qwen3-4B-Instruct em quatro modelos alunos com a mesma memória: a janela deslizante é suficiente para respostas curtas, mas, no AIME e no HMMT, a sua camada Bifocal (janela pequena e estado mLSTM) resolve quase o dobro dos problemas da janela isolada, que fica pelos 14 %. Medições do autor. 🔗 fonte
Backdoor bloqueado pelo ViKernel — A VIDRAFT implanta, por ajuste fino, um backdoor no Qwen3-0.6B: a palavra «payroll» num caminho de ficheiro desencadeia o comando malicioso em 98,3 % dos casos em caminhos inéditos, sem que 24 verificações o detetem; no ViKernel, os 290 payloads são recusados antes da execução. Pesos não publicados. 🔗 fonte
Encaminhamento do Beam e fraude nos testes — Um estudo pré-registado de Rairo Mukamuri não consegue prever, através do encaminhamento de especialistas do Beam-1.0-501B-A23B, uma adulteração de teste com 500 tokens de antecedência: AUROC de 0,580 face a um limiar fixado em 0,75, por 9,03 dólares de computação. 🔗 fonte
Saturate — Daniel van Strien volta a processar por OCR 14 483 páginas de arquivos num único GPU do Hugging Face Jobs, por 1,47 dólar e a 8,9 páginas por segundo, com Saturate, a sua biblioteca Apache-2.0 de inferência em lote para qualquer endpoint compatível com a OpenAI. 🔗 fonte

Imagem, vídeo, voz e música

LTX 2.5 numa RTX PRO 6000 — A empresa de aluguer de GPU EcoHash renderiza um vídeo 1080p de 10 segundos com som em 90 segundos, e em 14,8 segundos em 480p, numa única placa de 96 Go; medições do fornecedor no seu próprio serviço. 🔗 fonte
Mobiel AI da KPN — A ElevenLabs detalha o assistente de chamadas da KPN para pequenas empresas neerlandesas (transcrição de mensagens de voz, resumos de chamadas, menu de chamadas); o ajuste fino para neerlandês aumentou a precisão da verificação de cerca de 50 % para 90 %. Sem preços indicados. 🔗 fonte
Suno Studio — Novidade de 29 de outubro, retomada a 2 de novembro: as definições de clip passam para uma barra lateral, a altura do som ajusta-se em semitons e cents, o áudio importado pode ser esticado para acompanhar o tempo do projeto e as pistas podem ser ocultadas com Shift-H. 🔗 fonte
Kling e os Chroma Awards — A Kling torna-se parceira da temporada 2 do concurso, com mais de 450 000 dólares em prémios; candidaturas até 7 de janeiro. 🔗 fonte

Programas, demonstrações e artigos dos laboratórios

Anthropic Residency — A Anthropic abre até 22 de novembro as candidaturas a um programa de investigação remunerado de seis semanas a seis meses, para professores, fundadores técnicos e engenheiros de nível staff, sem pré-requisitos em aprendizagem automática; remuneração equivalente a 350 000 a 500 000 dólares por ano. 🔗 fonte
Data Bot da SpaceXSI — Estudo de caso interno: um Team Bot do Grok Bot que desempenha o papel de data scientist para toda a empresa, a partir de skills mantidos pela equipa de dados, e que terá executado cerca de 70 horas de trabalho numa semana, segundo uma estimativa da SpaceXSI. 🔗 fonte
Le Chonk e a química quântica — A Mistral mostra no X o Mistral Large 4 a escrever de raiz um solver SCF e uma visualização 3D de uma molécula que se rompe, sem publicar código nem números. 🔗 fonte
Retrospetiva de outubro da Google — Nenhum anúncio inédito além da resposta do satélite do Project Suncatcher, abordada acima. 🔗 fonte
Memória dos agentes na Perplexity — Um guia sobre os tipos de memória e a construção de um agente com memória persistente, que remete para Brain, já disponível no Computer. 🔗 fonte
The Knowledge Talk — A Perplexity publica a transcrição do discurso de Aravind Srinivas de 3 de outubro na Cambridge Union Society, sem anúncios. 🔗 fonte

O que isto significa

Os message threads transferem parte do estado da conversa para o servidor sem alterar a fatura: os tokens e as tarifas mantêm-se, apenas diminui o tempo de espera, e o efeito é mais acentuado nas sessões de agentes que acumulam centenas de milhares de tokens. A escolha de um thread efémero, mantido durante 5 minutos em memória encriptada e sem API para o reler, deixa a aplicação no controlo do seu histórico, à custa de exclusões claras: sem ZDR, sem Batches e sem organizações HIPAA. No terminal, a versão de pré-lançamento do Copilot CLI recorda que a própria interface é uma superfície de ataque, quando um nome de ficheiro ou uma resposta do modelo podia alterar o estilo do ecrã.

Grid Protectors e Suncatcher respondem à mesma restrição, a energia da computação, em dois horizontes muito diferentes. A OpenAI propõe tornar o consumo dos seus campus interrompível para conseguir integrar-se numa rede já sob pressão, prometendo pagar os seus próprios custos; a única poupança quantificada para as famílias vem da Georgia Power e diz respeito ao conjunto dos seus grandes clientes. A Google está na fase de pôr uma TPU em órbita a escrever um haiku: um marco de viabilidade, sem dados de desempenho, antes de dois satélites interligados em 2027.

LifeVal, Design Creativity Bench e BrowseSafe++ medem o que os rankings de código e de matemática não captam. LifeVal mostra uma progressão que abranda, 0,6 ponto entre GPT-5.6 e GPT-6 Astra, mas continua a ser um benchmark interno, sem concorrentes nem conjunto de tarefas publicado. A Kombai aponta uma convergência das interfaces que a taxa de sucesso oculta, e BrowseSafe++ separa deteção e resistência: um modelo que identifica uma injeção pode, mesmo assim, segui-la, e um detetor de 0,8B, mais de cem vezes mais barato do que uma chamada de API, não basta perante um atacante que volta a tentar.

A Sakana AI opta por controlar toda a cadeia com Sawara, do pré-treino aos produtos, mas com um calendário condicionado e sem dimensão anunciada. Runway e Synthesia fazem o inverso: integram-se onde os utilizadores já trabalham, no agente de código ou na conversa do ChatGPT e do Claude, em vez de os atrair para a sua própria aplicação. A ElevenLabs fornece o argumento quantitativo a favor da voz nas conversas longas, com um estudo do fornecedor cuja base varia entre o tweet e o artigo, enquanto a NVIDIA fornece ferramentas a quem simula condução, robótica ou cirurgia com Cosmos 3 Nano.