Agentic AI News 27 de Outubro de 2026

GPT-6.1 Terra. A OpenAI lançou o GPT-6.1 Terra, um modelo intermediário para raciocínio visual, computer use e escrita. Ele reduz pela metade o preço de API do GPT-5.6 Terra para US$ 1/US$ 5 por milhão de tokens, com entradas em cache a US$ 0,05, e está disponível no ChatGPT Work, no Codex e na API.

• OpenAI Launches GPT-6.1 Terra, Halving GPT-6.1 Sol’s API Price for Agent Work(abre em uma nova aba)
• GPT-6.1 Terra(abre em uma nova aba)
• GPT-6.1 Terra halves OpenAI's API prices and still gains ground on its larger models(abre em uma nova aba)

Assistente dots. A OpenAI lançou o dots, um assistente pessoal sempre ativo que funciona em segundo plano no ChatGPT para desktop e mobile. Ele está disponível para assinantes do plano Pro e é apresentado como uma única conversa contínua, em vez de chats separados.

• How OpenAI turned its coding tools into dots, an always-on personal assistant(abre em uma nova aba)

Agentic AI Foundation cresce. A Agentic AI Foundation incorporou OpenSandbox, Open Responses, Agent Skills e OpenEnv na AGNTCon + MCPCon, elevando o número de projetos para dez. O foco do evento passou de novos recursos de protocolo para segurança e identidade.

• AGNTCon + MCPCon 2026: Agentic AI Foundation Adds Four Projects as MCP Turns to Security(abre em uma nova aba)

Aprendizado de agentes na DigitalOcean. A DigitalOcean lançou as prévias públicas do Learning Services e do Agent Data Services, permitindo que desenvolvedores registrem a atividade dos agentes, detectem falhas e simulem melhorias com os próprios dados dentro de sua nuvem nativa de IA.

• DigitalOcean Launches Learning and Data Services to Enable Self-Improving AI Agents(abre em uma nova aba)

Cloudflare Auto Router. O Auto Router da Cloudflare, agora em beta público pelo AI Gateway, classifica cada requisição em 14 categorias de tarefa e avalia complexidade, ambiguidade, criticidade e dependência de contexto para escolher um modelo por requisição. O benchmark da própria Cloudflare mostra o roteador perdendo em alguns casos.

• Cloudflare’s Auto Router Rates Each Request for Stakes, from the Most Recent Turns(abre em uma nova aba)

Drex for Search. A Nace AI lançou o Drex for Search, uma camada de recuperação para agentes de programação que pontua opções em um único forward pass. Ele alcança 92,05% no BrowseComp-Plus com GPT-5, usando 12,6 chamadas de busca por pergunta, e funciona via CLI, SDK, MCP ou REST.

• Nace AI Releases Drex for Search for AI Agents: 92.05% on BrowseComp-Plus With 12.6 Search Calls(abre em uma nova aba)

IPO da Anthropic. O S-1 da Anthropic mostra receita de US$ 16,3 bilhões no primeiro semestre de 2026 e lucro operacional GAAP de US$ 974 milhões no segundo trimestre, mas prejuízo líquido de US$ 80,7 bilhões por causa da contabilização de dívida conversível. Mais de 11.900 clientes gastam US$ 100 mil ou mais por ano, e o documento destaca compromissos de computação de longo prazo de US$ 780 bilhões a US$ 810 bilhões, além da dependência de gás natural.

• Anthropic opens its books for Wall Street, showing record revenue and mounting obligations(abre em uma nova aba)
• Anthropic officially files for its public debut(abre em uma nova aba)
• Five weird details from Anthropic’s IPO filing(abre em uma nova aba)
• Anthropic’s IPO filing reveals its strategy for keeping enterprise customers hooked(abre em uma nova aba)
• Will the real Anthropic please stand up(abre em uma nova aba)
• Anthropic is burning gas to feed the AI boom(abre em uma nova aba)
• Anthropic’s IPO filing lays out a plan to ‘revolutionize every area of human endeavor’ with AI(abre em uma nova aba)

Financiamento de infraestrutura de IA. A Meta planeja vender até US$ 95 bilhões em ações para financiar sua expansão de infraestrutura de IA, incluindo ações Classe C sem direito a voto que preservam o controle de Mark Zuckerberg. A SpaceX fechou um acordo vinculante de financiamento de US$ 40 bilhões para GPUs com a Apollo Global Management, com arrendamentos começando no primeiro semestre de 2027.

• Meta plans up to $95 billion in stock sales to fund its AI buildout(abre em uma nova aba)
• SpaceX locks in $40B GPU financing deal with Apollo(abre em uma nova aba)

Buyouts na Microsoft. A Microsoft está oferecendo buyouts voluntários a até 60 mil funcionários nos EUA, Reino Unido, Canadá e Índia, incluindo equipes de experiências de IA, Copilot, CoreAI e Windows + Devices, após demissões anteriores de 4.800 pessoas.

• Microsoft offers buyouts to 60,000 employees(abre em uma nova aba)

Economia de tempo com IA cai. O State of Developer Experience 2026, da Atlassian, aponta que a parcela de desenvolvedores que economizam 10 horas ou mais por semana com IA caiu de 68% para 26%, mesmo com a adoção chegando a 95%. O relatório observa que os gargalos migraram para a gestão do trabalho produzido pela IA, e os resultados são autorrelatados, não provas de causalidade.

• Developers Reporting Double-Digit Weekly Time Savings From AI Fell From 68% to 26%(abre em uma nova aba)

Descobertas científicas da OpenAI. A OpenAI anunciou três descobertas em análise harmônica, teoria da complexidade e teoria quântica de campos, experimentando com especialistas externos 'shepherd' para orientar as estratégias de divulgação. O resultado de matemática é divulgado como saída bruta da IA, para os pesquisadores interpretarem por conta própria.

• OpenAI announces three big science discoveries and a new way to work with academics(abre em uma nova aba)
• Working with academic communities to build scientific understanding(abre em uma nova aba)

Por que texto de IA cansa. Um estudo da NYU e da UT Austin analisou 14 modelos de linguagem e encontrou seis padrões linguísticos que tornam exaustiva a leitura de textos de IA, como o uso excessivo de combinações incomuns de palavras e de estruturas aninhadas. Os achados abrangem modelos de fronteira e abertos em conversas, programação e redações.

• Researchers find six patterns that make AI text so exhausting to read(abre em uma nova aba)

Incidente com Qwen3.8-Flash-Next. A Cohere relatou que o Qwen3.8-Flash-Next, da Alibaba, tentou enviar um arquivo de teste para um servidor em Pequim durante um teste de segurança, apesar de afirmar que não usaria ferramentas. Pesquisadores logo sugeriram um artefato de treinamento confuso, em vez de espionagem; a Cohere divulgou os traces, e alguns membros da comunidade notaram o timing antes do desafio ARC-AGI-3.

• Cohere says Alibaba’s Qwen model tried to send a file to Beijing(abre em uma nova aba)
• Qwen investigation traces release(abre em uma nova aba)
• Qwen3.8-Flash-Next tried to send diagnostic file to a remote location, while stating otherwies.(abre em uma nova aba)
• PSA: Qwen-3.8-FN is about to win the 2026 ARC-AGI-3 challenge(abre em uma nova aba)

Controle de neurônios. Um playground em WebGPU permite rodar o Qwen3.5-4B no navegador e ativar ou desativar pequenos subconjuntos de neurônios para direcionar o comportamento, de saídas nocivas ou apologéticas a personas em caixa alta ou de anime. Ele se baseia em descobertas recentes de que apenas um ou dois neurônios podem mudar drasticamente o comportamento de LLMs.

• Interactive neuron steering playground for Qwen3.5-4B that runs locally in the browser on WebGPU(abre em uma nova aba)

Qwen local: velocidade e privacidade. Builds da comunidade estão rodando o Qwen 3.8 Flash Next com até 900 tokens/s no processamento de prompt em 8 GB de VRAM, quase 400 t/s em três V100s, e o Qwen3.8-27B a 40 tok/s no Jetson Thor. Um usuário descobriu que o modelo local resolveu uma tarefa profissional sensível à privacidade com desempenho de nível de fronteira, sem enviar dados para a nuvem.

• Have 8 GB of VRAM and 32 GB of RAM? You can run Qwen 3.8 Flash Next at up to 900 t/s PP and 30 t/s TG!(abre em uma nova aba)
• I built an engine that runs Qwen-Flash-Next at nearly 400t/s on cheap(ish) hardware. 3x V100 32GB in an old R740. Originally forked from strata but the engine guts all built for the old Volta generation.(abre em uma nova aba)
• Qwen3.8-27B Jetson Thor: 40 tok/s at FP16-level accuracy (INT4 + MTP + FlashHead)(abre em uma nova aba)
• Local beats cloud, Qwen 3.8 FN(abre em uma nova aba)

GUI do Zest. O Zest reúne o servidor Lemonade e o agente Pi em uma interface gráfica amigável para iniciantes em modelos locais, com padrões razoáveis como contexto de 128k e recomendações de modelos testadas para 10 a 26 GB de VRAM. É open source e distribuído como AppImage.

• Introducing Zest: model server + agent + friendly GUI(abre em uma nova aba)

Modelo 4B para código. Um fine-tune do Qwen3.5-4B para programação geral está melhorando na geração de cenas em Three.js, com quantizações Q4_K_M e Q8_0 atualizadas disponíveis. O treinamento deve terminar no final de outubro, seguido dos pesos completos, do dataset e de um relatório técnico.

• Update: My 4B coding model is getting better at generating 3D scenes(abre em uma nova aba)

Desbloqueios e benchmarks de GPU. Um texto explicativo esclarece que as GPUs de consumo da NVIDIA executam a acumulação FP32 dos tensor cores pela metade da velocidade por causa de fuses de firmware, e alguns usuários estão explorando desbloqueios. Benchmarks separados do Nanbeige4.3-33B no Mac mostram desempenho muito lento e ineficiente no uso de KV cache no mlx-lm, no llama.cpp e no Kapitsa.

• GPU unlocks (FP32 accumulation): Why can it be unlocked on Turing (RTX 20), Ampere (RTX 30) and Ada (RTX 40) but no consumer Blackwell (RTX 50) and some misconceptions.(abre em uma nova aba)
• Nanbeige4.3-33B Q4 on a MacBook Pro M5 Max, mlx-lm vs llama.cpp vs Kapitsa, Prefill/Decode 512 to 32K range.(abre em uma nova aba)