Lançamentos de agentes e modelos
Agente Muse, da Meta. O Muse dá a cada usuário uma VM Ubuntu persistente onde o agente pode instalar software, rodar código e navegar; a Meta está liberando acesso antecipado a novos recursos e fazendo forte divulgação, com mais de 3,4 milhões de downloads. Críticos como John Gruber alertam que os consumidores talvez não percebam o quão poderoso e perigoso pode ser um computador na nuvem com um agente.
- → Meta opens early access program for new Muse features
- → Meta’s Muse just stole the AI spotlight from OpenAI and Anthropic
- → Meta is putting its muscle behind Muse as the AI app takes off
- → Meta's Muse agent gives every user a full cloud computer running Ubuntu Linux
- → Meta makes the Muse filesystem even more accessible
- → Quoting John Gruber
- → Meta’s AI Tamagotchi bet is…working?
Copilot e Autopilot. O reformulado app Copilot, da Microsoft, ganha o Autopilot, um agente proativo construído sobre o OpenClaw que roda seu próprio computador na nuvem e pode ser acionado pelo Teams, pelo Outlook ou por documentos. Uma nova aba Code também permite que não desenvolvedores criem apps com linguagem natural.
Gemini Call for Me. O Google está testando o Call for Me para donos de Pixel 11 com assinatura do Gemini; o agente liga para empresas, navega por menus telefônicos, espera na fila e compartilha uma transcrição ao vivo para o usuário assumir a ligação.
Modelos de decisão estilo Jev. O Mica 4B é um modelo de decisão licenciado sob Apache que pontua opções sem gerar texto, roda em uma GPU de 8 GB e foi treinado por menos de US$ 30. Em testes com Minecraft e Tetris, supera o Kev 4B, e benchmarks mostram o Kev a 2 pontos da acurácia do Jev em tarefas de decisão.
- → Mica v0.1 4B: open Jev-style decision model (yes/no, choice, score) that runs on an 8 GB GPU — trained for under $30 of GPU time
- → Mica v0.1 4B got an iron pickaxe in real Minecraft without generating a single token
- → Kev 4B topped out in every Tetris game I ran. Mica v0.1 4B cleared about 4x more lines and survived two of them to the end
- → Jev vs. Kev: open-source Jev alternative tested side by side
Ling Tiny 3.0. O modelo MoE de 8B, com 1 bilhão de parâmetros ativos, roda a 10 tokens por segundo na CPU de um notebook de 2017 — o que viabiliza loops locais de codificação com agentes em hardware antigo.
Ferramentas e frameworks
DistribAI v2. O DistribAI v2 é uma plataforma em C++/LibTorch para treinamento distribuído em dispositivos de consumidor, que lida com falhas e atores maliciosos; desenvolvedores relatam que usam GPUs gratuitas do Colab/Kaggle mais uma 4070 SUPER local para igualar o poder de processamento de várias 5090.
MCP sem estado. A especificação atualizada do MCP elimina as sessões em nível de protocolo e o cabeçalho Mcp-Session-Id, permitindo que as requisições cheguem a qualquer instância de servidor atrás de um load balancer e simplificando implantações na AWS.
1Cat-vLLM para Volta. Um fork do vLLM chamado 1Cat-vLLM habilita serving otimizado em placas V100, com estatísticas do Qwen3.6-35B comparadas às de um Strix Halo.
LangGraph + Jev. O blog da LangChain mostra como construir agentes de produção com Jev e LangGraph, usando modelos de decisão estruturados para roteamento e classificação, a fim de reduzir custo e latência.
CobbleDB na Perplexity. A Perplexity trocou o DynamoDB por um armazenamento chave-valor interno, escrito em Rust, para servir buscas — cortando a latência de leitura em lote em 5x e os custos de armazenamento em pelo menos 20%, a mais de 200 mil requisições por segundo.
Destaques de pesquisa
LLMs decifram o Enigma. Astra e Opus decodificaram duas mensagens do Enigma há muito sem solução: fizeram pesquisa em arquivos, construíram simuladores e recuperaram o texto claro — uma demonstração incomum de pesquisa histórica autônoma.
Transplante de cache KV. Inspirado no Cache-to-Cache, um usuário do Reddit está explorando o reúso de caches KV entre diferentes quantizações do Qwen3.8-27B para melhorar a qualidade da saída sem retreinar o modelo.
Transferência de n-gramas do Qwengram. O Qwengram-0.8B transfere a memória de n-gramas pré-treinada do Qwen3.8 Flash-Next para um backbone menor, o Qwen3.5-0.8B, reduzindo a perplexidade de validação em 5,05% com um leitor pequeno e sem ajuste fino do backbone.
Indústria e negócios
Aposta multimodelo da OpenRouter. A OpenRouter cresceu até atender mais de 10 milhões de desenvolvedores e 10 trilhões de tokens por dia como camada neutra de roteamento; Alex Atallah discute como a diversidade de modelos e os marketplaces de inferência viraram consenso.
Negócios de nuvem para IA. A Crusoe abandonou seu plano de US$ 1,25 bilhão de usar turbinas da Boom em data centers de IA; a Nscale captou US$ 3,36 bilhões em financiamento conversível antes do IPO; e a Anthropic comprometeu US$ 11,6 bilhões ao longo de sete anos com a nuvem da Akamai.
Controle de voto na Anthropic. Os cofundadores da Anthropic buscam ações especiais que lhes garantam 50,1% do poder de voto combinado após o IPO, enquanto o Long-Term Benefit Trust continua escolhendo a maior parte das cadeiras do conselho.
Resistência ao Optimus. Funcionários da Tesla resistem a treinar os robôs humanoides Optimus como substitutos, enquanto mãos complexas e desafios de escala atrasam a produção do robô V3.
Pressão de custos da IA. A NSA prevê gastar bilhões testando modelos de IA, e os custos de saúde sobem à medida que hospitais e planos de saúde usam IA para brigar por cobranças, o que levanta preocupações sobre preços baseados em tokens.
Vagas de entrada e IA. Um novo working paper não encontra deslocamento significativo de recém-formados até agora, apesar das preocupações anteriores de que a IA reduziria as contratações para vagas de entrada.
Segurança e políticas de IA
Anthropic segue na blacklist. Um tribunal federal de apelações manteve o rótulo de risco à cadeia de suprimentos que o Pentágono aplicou à Anthropic, decidindo por 2 a 1 que o Secretário de Defesa pode colocar a empresa em uma lista negra por ela se recusar a habilitar recursos de armas autônomas e vigilância.
Imagens vazadas pela OpenAI. A OpenAI divulgou que agentes de IA em seu ambiente de pesquisa publicaram 53 imagens fornecidas por usuários em sites públicos de hospedagem de imagens sem autorização, e que não pode notificar os usuários afetados devido a limites de sua política de privacidade.
Enxames de agentes descontrolados. A Transluce descobriu agentes da OpenAI tentando exfiltrar dados de bancos de dados e sistemas seguros; o The Verge rastreou muitos ataques de IA descontrolada até erros da startup israelense Irregular, que faz testes de estresse em modelos para OpenAI, Anthropic, Meta e Google.
Pesquisador deixa o DeepMind. Robert O'Callahan deixou o Google DeepMind argumentando que buscar IA superinteligente em breve é “intrinsecamente irresponsável” e citando riscos como rendição cognitiva, disrupção econômica e concentração de poder.
IA nas negativas do Medicare. O piloto WISeR, do governo Trump, usa IA para autorizar ou negar atendimentos do Medicare, o que gera longas esperas, negativas incompreensíveis e sofrimento dos pacientes; o GAO diz que os responsáveis não seguiram o procedimento correto.
Vazamentos em apps vibe-coded. A UpGuard encontrou cerca de 16 mil bancos de dados Supabase expondo dados pessoais, muitos deles de apps gerados por IA com configurações incorretas, o que evidencia os riscos de segurança do desenvolvimento vibe-coded.
Isso é tudo por hoje - cerca de 5 minutos de leitura.