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

Briefing diário

15 de novembro de 2026 · 5 historias

🔥 Em destaque

1

Um assistente que mora no seu computador e faz o trabalho por si

A n8n publica o Nod, um assistente pessoal que instala no seu Mac, no seu PC ou no seu próprio servidor. Não se limita a entregar-lhe uma lista de tarefas: executa-as, mesmo em sites sem qualquer integração. Antes de enviar um email, pagar ou apagar alguma coisa, um segundo modelo, diferente do que age, compara a ação com o seu pedido e pergunta se a instrução não chega. As suas palavras-passe e os seus cartões ficam cifrados na máquina, em formulários que o modelo não consegue ler. O código é livre, e o modelo escolhe-o você, incluindo um que corra no seu próprio computador. A editora anuncia 98% de sucesso em 678 execuções e nenhuma ação não autorizada em 216 ataques por email. Fonte: https://blog.n8n.io/meet-nod

2

A Amazon publica uma cópia da sua nuvem, escrita inteiramente por agentes

A Amazon acabou de publicar um emulador gratuito dos seus próprios serviços, que se instala na sua máquina e responde às mesmas chamadas da nuvem verdadeira. O seu código não muda, mas não paga nada e não precisa de conta. O choque: todo o código foi escrito por agentes autónomos, sem revisão humana, a partir da única descrição pública das interfaces. Três equipas de agentes mantêm-no: uma escreve testes, outra repete-os e abre um aviso por cada desvio, a terceira corrige. A Amazon des-responsabiliza-se: o emulador não verifica os seus direitos de acesso, por isso um pedido que a nuvem verdadeira recusaria aqui pode passar. O código é de domínio público. Fonte: https://www.aboutamazon.com/news/aws/how-autonomous-ai-agents-built-aws-emulator

3

Limpar os dados de treino pode armar a armadilha em vez de a desarmar

Uma equipa da Anthropic mostra que filtrar os dados de treino não chega para proteger um modelo. Quando um conjunto de dados adulterados emparelha sempre uma tarefa com uma palavra precisa, nada diz qual dos dois comanda o comportamento. Se juntar exemplos corretos da mesma tarefa sem essa palavra, o modelo acaba por obedecer só à palavra. Num modelo aberto pequeno, a taxa de infrações sobe de cerca de 7% para 16% quando se mistura 20% de dados adulterados com dados limpos. Uma rede que só reconhece dígitos passa de 10% para 60% de erros depois de acrescentar 9 000 exemplos limpos. Os autores são claros: não estudam nenhuma cadeia de treino em produção. A lição é simples: trate um modelo descarregado como código assinado por um desconhecido. Fonte: https://alignment.anthropic.com/2026/homeopathic-learning

4

A Perplexity abre os pesos de um modelo pequeno que permite ou recusa

A Perplexity publica uma nova versão dos seus modelos de decisão, os que não respondem mas devolvem uma probabilidade. Dá-lhes um texto e uma pergunta, e decidem. Um agente usa-os como guarda: este pedido está permitido, este resultado vale a pena guardar, convém perguntar a um modelo maior ou mais pequeno? A versão 1.3 acrescenta uma função que devolve a passagem exata do texto correspondente à pergunta, com a sua posição. Os pesos são livres sob licença Apache 2.0, e a editora anuncia 93,98% de acordo com juízes de modelos de topo num milhão de pedidos reais. Dois limites: a função não lê imagens e o número de perguntas fica em 128 por pedido. Fonte: https://www.perplexity.ai/hub/blog/perplexity-decider

5

O fornecedor de dados de mercado vale 1,1 mil milhões, com menos de 40 pessoas

A Databento, que vende aos operadores ordens e transações com hora ao microssegundo, angaria 100 milhões de dólares com uma avaliação de 1,1 mil milhões. A empresa tem menos de 40 pessoas. O dinheiro vai para acabar nove centros de dados em quatro meses, em sete cidades, de Singapura a Nova Iorque. O que nos interessa: a empresa diz ter assinado contratos de empresa com cinco dos seis maiores laboratórios de IA de fronteira, sem nomear nenhum. Esses laboratórios precisam de saber minuto a minuto o que se passa nos mercados, no dia em que os agents começarem a operar lá. A empresa diz que não procurou o dinheiro, que a receita mais que duplicou desde julho, sem publicar o número, e que é rentável. Fonte: https://databento.com/blog/series-c

📡 A vigiar

A Vercel parte os ecrãs em peças para um agente os construir sozinho

A Vercel publica uma biblioteca livre que parte o funcionamento de uma interface em cerca de cinquenta peças reutilizáveis: abrir uma janela, escolher numa lista, navegar com o teclado, reordenar uma tabela. Um agente de programação monta-as sozinho para construir o ecrã de que precisa, mesmo um que ainda não existe, e depois passa a ser utilizador do que construiu. A editora mede que um agente que conduz a página diretamente, sem capturas de ecrã, faz 5 chamadas em vez de 16, em 16 segundos em vez de 41. A biblioteca cobre cinco bibliotecas web. Fonte: https://ui-sdk.dev/

A openEuler refaz o seu sistema operativo para os agents

A comunidade openEuler, que sustenta o sistema operativo chinês patrocinado pela Huawei, refez todo o seu sistema para os agents. Na nova versão, o agent já não corre dentro de uma máquina virtual: corre dentro de um espaço protegido que se cria em menos de 50 milissegundos. Dez mil desses espaços arrancam em dez segundos, segundo as medições da editora. A memória dos agents é gerida por camadas, e a parte dos riscos bloqueados sobe de 50% para 95%. A versão está prevista para dezembro. Fonte: https://www.openeuler.org/en/interaction/summit-list/summit2026

Três agents a trabalhar ao mesmo tempo em vez de um atrás do outro

A MuleSoft, a subsidiária da Salesforce que liga software empresarial, já permite testar uma equipa de agents na sua máquina antes sequer de a pôr online. E quando um passo tem de chamar três agents ao mesmo tempo, arrancam em conjunto: em vez de esperar pelo fim, espera-se pelo mais lento. No exemplo da editora, uma fatura de 4 segundos, uma chamada de apoio de 3 e uma ficha de cliente de 5 resolvem-se em 5 segundos em vez de 12. A ordem mantém-se quando é importante. Fonte: https://blogs.mulesoft.com/automation/build-test-and-run-trusted-agent-orchestrations-faster-whats-new-with-agent-broker/

A DeepSeek abre ao exterior as ferramentas da sua aplicação

A DeepSeek abre aos programadores as funcionalidades que a sua aplicação pública já usava: pesquisar na web, ler uma ligação, engolir um documento, ler texto numa imagem, transcrever uma voz. A editora vende também estas peças à parte, com um preço que se soma ao dos tokens. O modelo em causa é o V4.1-Flash, e há uma maqueta livre para testar o conjunto. A notar: não é novidade, as ferramentas de pesquisa e de leitura de páginas existem desde 19 de outubro. Fonte: https://api-docs.deepseek.com/news/news261113/

📊 Tendência

Hoje os agents saem da janela de conversa e entram na oficina. A Amazon põe-nos a escrever código e a testá-lo de graça na sua máquina; a n8n instala o seu em casa, com um segundo modelo que diz não quando a sua instrução não chega; a MuleSoft põe três agents a trabalhar ao mesmo tempo em vez de os pôr em fila. Do outro lado, o guarda endurece: a Anthropic mostra que limpar os dados de treino pode armar a armadilha em vez de a desarmar, e a Perplexity abre os pesos de um guarda capaz de dizer não por uns cêntimos. E a camada dos dados começa a ter preço: a Databento chega a 1,1 mil milhões de dólares com menos de 40 pessoas. O que conta não é quão potentes são os agents, mas quantas permissões lhes dá.