Briefing diário
18 de novembro de 2026 · 5 historias
🔥 Em destaque
1Tencent abre os pesos do Hy4 flash: a licença deixa-nos trabalhar
Os pesos do modelo Hy4 flash da Tencent estão finalmente disponíveis: o repositório tem 148 ficheiros de pesos e podem ser descarregados. A parte interessante não é técnica, é o contrato. A licença lida dentro do repositório não é a licença livre habitual: acrescenta dois limiares. Acima de 50 milhões de dólares de receita mundial, ou acima de 100 milhões de utilizadores ativos mensais, é preciso obter uma autorização escrita do fornecedor. Abaixo do limiar, a utilização é livre, e a Noruega não aparece em nenhuma cláusula de exclusão, ao contrário de vários modelos chineses recentes. O modelo tem 220 mil milhões de parâmetros no total, dos quais 11,3 mil milhões trabalham em cada palavra. De forma simples: é um aluguer com dois escalões de preço, e quem fica abaixo do limiar paga a tarifa normal. Source : https://huggingface.co/tencent/Hy4-flash
2OpenAI baixa o preço do texto já lido, e o trabalho em equipa passa a ser nativo
A OpenAI atualizou os seus dois modelos, Astra para tarefas difíceis e Sol para o dia a dia. O número que muda a fatura das sessões longas: o texto já lido passa a custar 0,40 dólares em vez de 1, ou seja 60 % menos. É exatamente o que se paga quando um agente relê o mesmo ficheiro vezes e vezes. A outra novidade é mais discreta: a interface oficial já pode entregar partes do trabalho a agentes auxiliares, sem arranjos caseiros. O modelo mais potente desce para 8 dólares por milhão de palavras lidas, antes eram 10. Para um serviço que vende um resultado acabado e não fichas, é essa a linha que conta. Source : https://platform.openai.com/docs/models/gpt-6.2-astra
3Anthropic deixa a sua aplicação cobrar ao cliente final
Pela primeira vez, uma aplicação pode cobrar o uso do Claude diretamente na conta do seu próprio cliente. O cliente liga a sua conta, a aplicação decide em cada chamada quem paga e o cliente define um limite mensal. Se a cobrança falhar, o pedido é recusado em vez de ser faturado ao programador. Dois limites a conhecer: só beneficiam os clientes que pagam a Anthropic diretamente, e as garantias de confidencialidade do cliente deixam de se aplicar a esses pedidos. A imagem é simples: é o talão da caixa do fornecedor de acesso, mas pertence ao cliente. Source : https://docs.anthropic.com/en/release-notes/api
4Um estudo põe um preço à divisão do trabalho: menos conflitos detetados
Quando se reparte uma investigação por vários agentes, devolvem mais afirmações contraditórias: 50,2 % contra 68,7 %. Mas detetam menos: 16,2 % contra 13,2 %. O resultado parece paradoxal e não é: a deteção é melhor quando um só agente viu as duas afirmações e pior quando estão repartidas. Ou seja, o problema não é o número de agentes, é a separação da informação. Os autores concluem que a passagem de informação do trabalhador para o chefe é o alvo prioritário. Para nós, a regra é simples: pôr as duas versões lado a lado à frente de quem as viu a ambas. Source : https://arxiv.org/abs/2611.22245
5Model ML angaria 250 milhões de dólares com agentes a 2 % do preço
A empresa londrina Model ML angaria 250 milhões de dólares, para uma avaliação de 1,5 mil milhões. Automatiza o trabalho repetitivo dos banqueiros de investimento: modelos financeiros, apresentações, relatórios. O seu argumento económico é um número: os seus agentes correm sobre modelos abertos e funcionam, segundo a empresa, a cerca de 2 % do custo dos modelos de topo, sem medição independente. O resto é uma questão de modelo de negócio: o agente não vende fichas, vende trabalho acabado. É a diferença entre cobrar pelo consumo e cobrar por um resultado. Source : https://techcrunch.com/2026/11/17/model-ml-raises-250m-to-automate-investment-banking-grunt-work/
📡 A vigiar
Microsoft prepara o contexto da empresa para todos os agentes
A Microsoft apresenta o IQ, uma camada que reúne o trabalho das pessoas, os dados da empresa, os documentos de referência e a web, com mais de 350 conectores de terceiros. O ponto interessante: um módulo de empresa preparado na Microsoft pode ser reutilizado por outros assistentes, incluindo os da OpenAI e da Anthropic. Prepare o contexto uma vez, use-o em todo o lado. Source : https://azure.microsoft.com/en-us/blog/introducing-the-new-microsoft-iq-putting-your-organizations-intelligence-to-work-in-every-agent/
NVIDIA deixa de vender chips à China e vigia as suas exportações
Dois anúncios no mesmo dia. A direção disse na conferência que a empresa já não envia chips de centro de dados para a China, mesmo que Washington o autorizasse: tinham sido vendidos 2,4 mil milhões de dólares no trimestre anterior e não está previsto nenhum para o seguinte. Em paralelo, o conselho cria uma comissão permanente de segurança nacional e controlo de exportações, que se reúne pelo menos uma vez por trimestre. Source : https://nvidianews.nvidia.com/news/nvidia-board-of-directors-establishes-national-security-and-export-control-oversight-committee
Liquid AI mede o erro de confiança com 0,8 pontos de precisão
Estes modelos não escrevem texto: devolvem uma probabilidade para cada resposta possível e já aceitam áudio. O erro de calibração é de 0,8 pontos em treze bancos de ensaio, contra 3,7 do equivalente da Perplexity e 7,2 de um modelo de topo. Se o modelo diz 80 %, tem razão 80 % das vezes, pelo que se pode definir um limiar a partir do qual entra uma pessoa. Source : https://www.liquid.ai/blog/d1-2
Datadog liga os testes em produção à fatura dos agentes
Pode repartir o tráfego ao acaso entre duas versões de um agente e medir o que muda mesmo: o custo, a velocidade, os erros. O exemplo publicado: mudar de modelo baixou o custo estimado em 44,3 % sem perda de qualidade, e as chamadas a ferramentas que falharam serviram para corrigir o agente antes da publicação. Source : https://www.infoq.com/news/2026/11/datadog-ai-agent-observability/
📊 Tendência
As notícias de hoje contam uma só história: os agentes saem do laboratório e entram nas organizações, com consequências que se podem medir. Um fornecedor chinês publica os pesos do seu modelo com uma licença que permite às pequenas empresas usá-lo. Outro baixa o preço do texto já lido, porque é aí que se esconde a fatura de uma sessão longa. Um terceiro deixa que seja a aplicação a cobrar ao cliente final, o que muda a forma de vender um agente. E um estudo põe um número naquilo que já suspeitávamos sem medir: dividir o trabalho por vários agentes traz mais contradições e deteta menos. Na prática, para você: os seus agentes custam menos a funcionar, mas exigem atenção à forma como a informação é partilhada entre eles.