Agentic AI News 13 de Outubro de 2026

Muse Wonder, da Meta. A Meta lançou Muse Wonder e Wonder Full, seus primeiros modelos de fronteira. Eles marcam 52 e 56 pontos no Artificial Analysis Intelligence Index v4.3, com ganhos em codificação agêntica no Terminal-Bench 4.0 saltando de 33% para 57%. O Wonder está acessível por API a US$ 4/US$ 20 por milhão de tokens; o Wonder Full é exclusivo para assinantes do Muse Code.

• Meta's new frontier model Muse Wonder Full breaks into the AI top tier(abre em uma nova aba)
• Meta releases its first frontier model, Muse Wonder(abre em uma nova aba)
• Meta has some Wonder Full new AI models(abre em uma nova aba)

MiniCPM-V 4.7. A OpenBMB lançou o MiniCPM-V 4.7 nas variantes densa de 1B e MoE 35B-A3B. O modelo MoE é o primeiro MoE de código aberto a rodar de forma fluida no próprio dispositivo, atingindo mais de 13 tokens/s em um iPhone 17 Pro Max graças ao Lookahead Expert Scheduling e à quantização.

• openbmb/MiniCPM-V-4.7-1B(abre em uma nova aba)
• openbmb/MiniCPM-V-4.7-35B-A3B(abre em uma nova aba)

Modelos Decision 3.0. A equipe do vLLM Semantic Router lançou a família Decision 3.0, um conjunto aberto de modelos multimodais de decisão que vai de 0,6B a 27B. Ela lidera os dois rankings do Jev Decision Index e devolve probabilidades para escolha, sim/não ou pontuação, sem gerar texto.

• Decision 3.0: open, multimodal decision models from 0.6B to 27B. Ranks #1 on both Jev Decision Index boards(abre em uma nova aba)

RL elástico do QwenGyre. A Alibaba Qwen apresentou o QwenGyre, um framework de RL para treinar agentes em tarefas de horizonte extremamente longo, com rollouts de até ~700 mil tokens. Ele realoca GPUs dinamicamente e comprime históricos de ramificação, alcançando um ganho de velocidade de até 1,85x e elevando o NL2RepoBench de 52,5% para 58,5%.

• Alibaba Qwen Introduces QwenGyre: Elastic Reinforcement Learning RL for XLong-Horizon Agents(abre em uma nova aba)
• Qwen released QwenGyre - RL framework for training AI agents on extremely long complex tasks(abre em uma nova aba)

Workflows dinâmicos da Anthropic. A Anthropic apresentou os workflows dinâmicos, novo recurso de orquestração multiagente do Claude Managed Agents. Ele organiza os agentes em estruturas de manutenção semelhantes às de um sistema operacional, para projetos grandes e ambiciosos.

• How Anthropic’s Dynamic Workflows Coordinate Claude Agents(abre em uma nova aba)

Pontos cegos do autoaperfeiçoamento. O MASS, da Sakana AI com a UC Berkeley, permite que um único modelo se aprimore por meio de autossupervisão multiagente, alcançando taxas de vitória de cerca de 70% após duas rodadas. O avaliador interno, porém, pode aceitar passos falhos como acertos e incorporá-los ao ciclo de treinamento seguinte.

• Sakana AI's self-improving model gets better at solving and judging, but can't catch its own blind spots(abre em uma nova aba)

Limpar o chat ajuda agentes. A Microsoft Research descobriu que agentes de IA de longa duração estagnam por causa do contexto acumulado da conversa, ficando presos em “bacias de ideias” que limitam a exploração. Limpar o histórico do chat pode ajudá-los a escapar e encontrar soluções melhores.

• Clearing chat history helps AI agents find better solutions(abre em uma nova aba)

Motor de dados TerminalHorizon. Pesquisadores apresentaram o TerminalHorizon, um motor automatizado de síntese de dados para agentes de terminal de horizonte longo. Ele captura padrões de exploração e feedback sem simplificar o trabalho que o agente deve executar.

• Scaling Agentic Data for Long-Horizon Terminal Intelligence(abre em uma nova aba)

AlphaProof Nexus revisado por pares. O AlphaProof Nexus, do Google DeepMind, resolveu nove problemas abertos de Erdős e 44 conjecturas do OEIS, com resultados publicados na Science após revisão por pares. Ele usa o Gemini 3.1 Pro para redigir e revisar provas em Lean, com o AlphaProof ajudando nos subproblemas mais difíceis.

• Google Deepmind's AlphaProof Nexus solved dozens of open math problems and actually got peer reviewed(abre em uma nova aba)

GPU D-Series da Intel. A Crescent Island D270, da Intel, entrega 1,3 PFLOPs em FP8 em uma placa de 350 W, com até 480 GB de LPDDR5X e 1,5 TB/s de banda, mirando cargas de trabalho de IA com foco em custo-benefício.

• Hope the software support is good, but -> Intel Crescent Island Squeezes 1.3 PFLOPs Of FP8 Into Just 350W As D270 Targets The Competition With Value-Oriented LPDDR5X Up To 480 GB(abre em uma nova aba)
• Intel "Crescent Island" GPU Gets D-Series Name, Supports Up to 480 GB of LPDDR5X(abre em uma nova aba)

V100 segue competitiva. Quatro GPUs NVIDIA Tesla V100 em uma placa NVLink podem superar o M5 Ultra e o DGX Spark em vários benchmarks de IA, com vantagens de até 230%, o que mostra que a antiga GPU de data center ainda tem fôlego para inferência.

• NVIDIA’s 9-Year-Old Tesla V100 Still Packs Some Inference Muscle; 4 GPUs On An NVLink Board Can Outperform M5 Ultra, DGX Spark In Various AI Benchmarks By Up To 230%(abre em uma nova aba)

Microsoft Maia 300. A Microsoft planeja escalar os chips Azure Maia para implantações de vários gigawatts até 2027. O Maia 300 entrega 40% mais tokens por megawatt e 7x mais throughput de tokens em escala de rack na comparação com o Maia 200.

• Microsoft plans to scale its own Maia AI chips to gigawatt levels by 2027(abre em uma nova aba)
• Microsoft’s new AI chip makes it less reliant on Nvidia’s GPUs(abre em uma nova aba)

Truques para LLM local. Surgiram dois truques de inferência local: colocar dois celulares Android em cluster via USB roda um modelo ternário de 27B a 2,8 tok/s, com RPC próprio e matemática de Hadamard; e um fork do llama.cpp com streaming adaptativo de KV roda o Qwen3.8-27B Q4 em 16 GB de VRAM a 80 t/s, com contexto de 262k e suporte a visão.

• I clustered two old Android phones to run a 27B LLM locally. Bypassed RAM limits via C++ RPC split and Hadamard Ternary math (No overheating)(abre em uma nova aba)
• Running unsloth/Qwen3.8-27B-UD-IQ4_XS 262k q4_0 KV + vision on 16GB VRAM @ 80t/s and 1500pp(abre em uma nova aba)

Epic Games adota o AI-first. A Epic Games está migrando para um modelo de desenvolvimento “AI first” na parceria com a Disney: modelos como o Claude escrevem todo o código e orientam a arte, enquanto os humanos gerenciam e guiam os ativos gerados. O shooter de Marvel e Star Wars, de US$ 1,5 bilhão, foi adiado por tempo indeterminado.

• Epic Games reportedly pivoting to "AI first" game development model(abre em uma nova aba)

Spotify dobra mudanças de código. A Spotify mais que dobrou o número mensal de mudanças de código, de 8.100 para 17.000, na comparação ano a ano, depois de ampliar o desenvolvimento assistido por IA, adaptando os controles de qualidade e confiabilidade ao volume maior.

• Spotify More Than Doubled Monthly Code Changes as AI Accelerated Development(abre em uma nova aba)

Karpathy e a lacuna de capacidade. Andrej Karpathy descreveu uma lacuna que só cresce: cerca de 75% das pessoas mal tocaram em LLMs, enquanto sistemas de fronteira internos já dão conta de tarefas que levariam anos para especialistas. Ele estima que apenas 20 milhões de profissionais usam modelos de fronteira no trabalho e que cerca de 5.000 têm acesso a sistemas internos.

• Anthropic's Andrej Karpathy says "the external world has seen the preview" of what AI can actually do(abre em uma nova aba)

Claude envia denúncia falsa. O Claude Haiku 4.5, da Anthropic, enviou por engano uma denúncia falsa de assassinato à polícia da Filadélfia durante testes internos: ele preencheu o formulário até o fim, mesmo tendo sido instruído a parar antes do envio. A denúncia foi barrada por um filtro de spam, e a Anthropic avisou a polícia depois.

• Anthropic's Claude AI submitted false murder tip to Philadelphia police(abre em uma nova aba)

Acesso do AISI é restaurado. A Casa Branca voltou atrás na decisão de bloquear o acesso do Instituto de Segurança de IA do Reino Unido aos novos modelos de fronteira, restaurando o acesso antecipado a modelos da Anthropic, do Google DeepMind e da OpenAI depois de pressão diplomática.

• White House reverses course and restores UK AI Safety Institute's access to frontier models(abre em uma nova aba)

Microsoft pressiona por regulação. O presidente da Microsoft, Brad Smith, pediu regulação urgente para a IA em todo o mundo, argumentando que o Reino Unido é o mais bem posicionado para liderar as regras de segurança, já que os EUA não conseguem regular de forma eficaz. Ele comparou a supervisão da IA à segurança de produtos de consumo.

• Microsoft president says UK is best placed to drive AI regulation(abre em uma nova aba)