The Agent Watch
Briefing · Artigos · Ferramentas · Sobre EN FR DE ES 中文 IT PT SV FI DA

Briefing diário

5 de novembro de 2026 · 5 historias

🔥 Em destaque

1

Os pesos do Kimi K3.1 Pro já estão disponíveis, e acima de 20 milhões de dólares há que pagar

Finalmente pode baixar o Kimi K3.1 Pro: o primeiro pedaço de pesos, 2,3 gigabytes, veio sem senha e sem criar conta. O modelo é enorme, com 2 800 mil milhões de parâmetros no total e apenas 104 ativos por palavra, e empata com os melhores quando trabalha no computador. Mas a verdadeira surpresa está na licença. Pode usá-lo, copiá-lo, revendê-lo e até treinar os seus próprios modelos a partir dele. Exceto que, acima de 20 milhões de dólares de faturação em doze meses, tem de assinar um contrato comercial separado com oeditor, e acima de 100 milhões de utilizadores ativos por mês o nome dele tem de aparecer no ecrã. O uso interno, esse, continua livre de condições. É um pouco como uma máquina de café que pode copiar para todas as cozinhas: a partir de certo número de chávenas por dia, é preciso um acordo com o fabricante. Fonte: o repositório da Moonshot AI no Hugging Face.

2

Cinco pessoas e 32 milhões de dólares: um modelo aberto bate gigantes de 800 mil milhões

Uma empresa americana de cinco pessoas publica um modelo cujos pesos qualquer pessoa pode baixar. O Ripple-65B tem 65 mil milhões de parâmetros, treinado do zero com 12 000 mil milhões de palavras de texto e código. No teste de trabalho na linha de comandos, passa à frente de modelos muito maiores: 80,5 pontos, contra 80,1 de um modelo de 501 mil milhões e 76,4 de um de 816 mil milhões. O que mais surpreende é que cabe na memória de uma única máquina de secretária. A editora diz que o desenvolveu e treinou por 32 milhões de dólares, quando o mesmo trabalho teria custado mais de 100 milhões há três anos. Acrescenta que o conseguiu com 70 vezes menos tentativas de treino. É como se cinco pessoas construíssem um avião de linhas num garage enquanto as companhias aéreas competem com as suas próprias fábricas. Fonte: o repositório da Ricursive no Hugging Face.

3

Um agente da OpenAI encontrou e corrigiu 948 falhas do núcleo do Linux em dez dias

A OpenAI descreve uma cadeia de produção inteiramente automática: localizar o código que toca na segurança, reproduzir a falha, verificar se permite tomar o controlo, escrever a correção e pedir a um investigador humano que reveja tudo. Durante dez dias de outubro de 2026, a máquina esmiuçou 2 308 falhas possíveis, reproduziu 1 724 e produziu 948 correções, cada uma com a sua prova de exploração. A fatura de acesso aos modelos deu 1,21 milhões de dólares, cerca de 1 279 dólares por falha corrigida. E as recompensas por caçar este tipo de problemas contam-se em dezenas de milhares de dólares cada. O modelo usado ainda não é público. Na prática, isto diz respeito à própria máquina onde este sítio corre. É como uma equipa de serrelheiros robóticos que testa todas as fechaduras de um edifício, marca as que cedem e fabrica uma chave nova. Fonte: a publicação de investigação da OpenAI.

4

A Anthropic compra o seu primeiro conteúdo: resultados da Associated Press dentro do Claude

Na noite das eleições americanas, o Claude exibia resultados «fornecidos e atribuídos à Associated Press». É a primeira vez que a Anthropic paga a um jornal para poder usar o seu conteúdo. Nem o preço, nem a duração, nem a extensão são públicos: ninguém sabe se o acordo abrange todo o catálogo ou apenas os resultados eleitorais. A editora muda de campo depois de ter defendido durante muito tempo que reutilizar conteúdos em linha pertence ao domínio público. Faltam-lhe umas semanas para a entrada na bolsa, e acabou de assinar. É como um apresentador de televisão que compra as notícias ao jornal em vez de ir copiá-las. Fonte: uma investigação da Adweek, retomada pelo The Verge.

5

Pequim bloqueia a compra da ABB pela SoftBank: os dados dos robôs viram assunto de Estado

Pequim proibiu a SoftBank de comprar a divisão de robótica do suíço ABB, uma operação de 5,4 mil milhões de dólares que tornaria o japonês um ator de peso na inteligência artificial física. O motivo é novo: os dados de utilização dos robôs da ABB, se saíssem do país, poderiam servir para treinar modelos, inclusive os da OpenAI, de que a SoftBank é investidora. É a primeira vez que uma operação é recusada invocando explicitamente a proteção dos dados de treino. Nem a SoftBank, nem a ABB, nem as autoridades chinesas quiseram comentar. É como se se recusasse vender uma quinta de robôs a um país vizinho por medo de que o uso dessas máquinas treinasse a sua inteligência artificial. Fonte: uma investigação do Financial Times, relatada pela Reuters.

📡 A vigiar

A marca de água do Claude contorna-se mudando um ajuste

A Anthropic está a adicionar a sua marca de água invisível no texto aos modelos Claude mais antigos, antes do prazo de dezembro das regras europeias sobre inteligência artificial. Em alguns modelos a marca só aparece se as definições de geração se mantiverem nos valores por omissão: mude a temperatura, ou top_p, ou top_k, ainda que pouco, e ela desaparece. A Anthropic avisa os clientes que dependem dela para cumprir a norma que não mexam nessas definições. A empresa diz que a marca está dentro do modelo, por isso aplica-se em todas as plataformas e os clientes não a podem desligar. Fonte: The Decoder.

A OpenAI compra a Pierre para o Git acompanhar os agentes de código

A OpenAI adquire a Pierre Computer, a empresa por trás do Code Storage e de várias ferramentas de programação livres. As bibliotecas da Pierre já fazem funcionar o agente de código Codex: Trees percorre depressa os ficheiros de um projeto, Diffs mostra o que mudou e deixa corrigir uma linha mesmo onde se vê o problema, Highlights colore o código enquanto se escreve ou enquanto um agente escreve. A OpenAI diz que a aquisição serve para o Git funcionar quando pessoas e agentes escrevem código lado a lado. Os projetos livres continuam livres, e a operação ainda espera a aprovação das autoridades. Fonte: o anúncio da OpenAI.

Um teste público diz onde os agentes travam na nuvem

O CloudOpsBench é um novo teste livre que mede o quanto bem os agentes lidam com as tarefas administrativas de rotina na nuvem da Amazon: reparar um serviço, remover um recurso, restringir um direito de acesso, lançar uma atualização. A versão 1.0 tem 45 tarefas reais, construídas por engenheiros de operações com experiência. O melhor modelo, Claude Fable 5.1, resolve 60 por cento e o GPT-6 Astra 53. Cerca de 80 por cento das falhas vêm de uma estimativa errada do âmbito da tarefa, de um serviço não verificado ou de uma paragem demasiado cedo, e cerca de 20 por cento são ações erradas, algumas com efeitos duradouros na infraestrutura. Fonte: o projeto CloudOpsBench.

Uber: quatro viagens marcadas por agentes, em 320 milhões

A Uber disse durante a apresentação de resultados que, na sua semana mais cheia do trimestre, a semana do Halloween, foram marcadas apenas quatro viagens e quinhentos pedidos de comida por um agente, num total de cerca de 320 milhões de viagens e pedidos. O diretor-gerente falou de uma penetração «muito, muito precoce e muito limitada». Uma razão provável: a aplicação da Uber já marca uma viagem em cinquenta segundos e repete a comida favorita em noventa segundos. A DoorDash registou apenas algumas centenas de pedidos vindos de agentes. A teia agêntica continua minúscula. Fonte: TechCrunch.

📊 Tendência

Um fio atravessa as notícias do dia: as perguntas já não são técnicas, são contratuais. A Moonshot fixa o limiar a partir do qual é preciso assinar. A Anthropic paga a um jornal pelo direito de o citar. Um governo recusa uma venda porque os dados de um robô poderiam treinar um modelo. E a OpenAI dá um preço à segurança: 1 279 dólares por falha corrigida, quando os prémios por esse tipo de problemas são dez vezes maiores. Ao mesmo tempo, o agente passa de promessa a serviço do dia a dia: um modelo que lê dentro da nuvem, uma ferramenta de código que se prepara para a revisão, uma plataforma que conta as viagens marcadas por agentes. A batalha desloca-se para os contratos, as faturas e as garantias, e é aí que se vai decidir.