DeepSeek dobrou os preços de saída

A OpenAI acaba de lançar a API de Agentes em beta público, liberando a estrutura e a infraestrutura de agentes gerenciados que impulsionam o Codex. A API lida com gerenciamento de contexto, chamada de ferramentas, orquestração de subagentes, execução persistente, manipulação de arquivos e ambientes de código para agentes que precisam rodar por períodos estendidos.

No último ano, desenvolvedores têm feito gambiarras com bancos de dados vetoriais e scripts Python frágeis para fazer os agentes lembrarem o que fizeram cinco minutos atrás. A OpenAI está entrando para dominar toda essa pilha. Ao gerenciar nativamente a execução persistente e os subagentes, eles estão comoditizando a camada de orquestração.

Os vencedores aqui são as equipes de produto que agora podem focar na experiência do usuário em vez de malabarismos com janelas de contexto. Os perdedores são as dezenas de startups de orquestração que acabaram de ver toda a sua proposta de valor reduzida a um único endpoint de API.

Meses depois de inicialmente rejeitar um pacote de US$ 1,5 bilhão de Mark Zuckerberg — apenas para assinar de qualquer forma por um valor não divulgado — o cofundador da Thinking Machines, Andrew Tulloch, está deixando a Meta para a Anthropic. A saída ocorre poucos meses após o lançamento, agitando o cenário de talentos nos mais altos níveis da pesquisa de IA.

Você não recusa um pacote de retenção do nível de Zuckerberg a menos que veja algo fundamentalmente melhor do outro lado da rua. A Anthropic está consolidando agressivamente talentos de ponta, e tirar um arquiteto-chave do gigante de código aberto da Meta é uma demonstração brutal de força.

A Meta perde um visionário crítico justamente quando as guerras de modelos se intensificam, enquanto a Anthropic prova que seu ambiente focado em segurança e alta computação é um ímã mais forte para pesquisadores de elite do que a remuneração bruta. Fique de olho nas mudanças internas na Meta enquanto eles se esforçam para preencher o vácuo.

A OpenAI lançou oficialmente o ChatGPT para Serviços Financeiros, uma edição especializada do ChatGPT Enterprise. A nova camada vem com dados proprietários da PitchBook, Crunchbase e LSEG diretamente integrados ao modelo, otimizando-o para modelos de avaliação, análise de mercado e geração de pitch decks.

Esta é uma tentativa de assassinato direcionado aos terminais de dados financeiros legados. Ao mesclar capacidades de raciocínio com dados financeiros de elite e de "jardim murado", a OpenAI está passando de uma ferramenta de propósito geral para um substituto especializado de analistas. Você não precisa mais exportar um CSV do PitchBook para alimentar um prompt; o modelo já tem o contexto.

As instituições financeiras obtêm enormes ganhos de eficiência, mas a verdadeira história é a verticalização agressiva da OpenAI. Eles não estão mais apenas vendendo inteligência; estão intermediando o acesso aos conjuntos de dados mais caros do mundo.

A OpenAI pausou oficialmente as novas assinaturas para seu plano Pro de US$ 200 por mês. O culpado é a demanda impressionante por seu novo modelo Astra, que está sendo lançado atualmente em todos os tipos de conta. O Astra promete um salto massivo em raciocínio, codificação e uso de computador, com a OpenAI internamente o enquadrando como o amanhecer da era da AGI.

Quando uma empresa recusa US$ 2.400 por ano por usuário, você sabe que os racks de servidores estão derretendo. As capacidades do Astra em uso autônomo de computador e raciocínio complexo exigem uma imensa sobrecarga de computação, e a OpenAI está claramente priorizando a estabilidade para usuários existentes em detrimento do crescimento da receita bruta.

Essa pausa destaca a brutal realidade da IA de ponta: a inteligência é fácil de prometer, mas excruciantemente difícil de escalar. Startups que dependem do acesso Pro para seus próprios fluxos de trabalho de desenvolvimento agora estão bloqueadas até que a cadeia de suprimentos se ajuste.

No próximo Meta Connect, a empresa anunciará um recurso de Agentes Compartilhados para seu aplicativo Muse. A atualização permite que os usuários criem, personalizem e compartilhem agentes com outras pessoas — gerando comparações imediatas com o sistema do Grokbot. O recurso é fortemente direcionado a pequenas empresas que usam as plataformas Meta para vendas e suporte ao cliente.

Meta possui o canal de distribuição para milhões de pequenas empresas em WhatsApp, Instagram e Facebook. Ao permitir que essas empresas criem e compartilhem facilmente agentes especializados, a Meta as está prendendo mais profundamente em sua plataforma e eliminando ferramentas SaaS de atendimento ao cliente de terceiros.

Se você está construindo uma startup de wrapper para suporte ao cliente de PMEs, seu tempo de vida acabou de ser vaporizado. A Meta está tornando a criação de agentes uma utilidade nativa e compartilhável, e eles têm a base de usuários para torná-la o padrão da noite para o dia.

O CEO da OpenAI, Sam Altman, disse à equipe que a empresa está aberta a desacelerar o desenvolvimento de IA de ponta. A admissão interna segue preocupações crescentes de segurança de pesquisadores que alertaram que o avanço descontrolado poderia levar a resultados catastróficos para a humanidade até o final da década.

A postura pública de Altman é de otimismo implacável, então essa mensagem interna sinaliza uma mudança profunda. Os obstáculos técnicos para alinhar sistemas superinteligentes estão se mostrando claramente mais difíceis do que o previsto. Uma desaceleração voluntária na OpenAI enviaria ondas de choque pela indústria, potencialmente dando a concorrentes como Anthropic e Google espaço para alcançá-los.

Para os desenvolvedores, isso significa que a rápida cadência de grandes saltos de modelos pode se estender. O foco mudará de esperar pelo próximo modelo "deus" para realmente otimizar e operacionalizar os modelos que temos hoje.

A Anthropic divulgou um relatório detalhando como sua equipe de Inteligência de Ameaças identificou e interrompeu múltiplas operações em que atores maliciosos tentaram usar o Claude para ataques cibernéticos entre dezembro de 2025 e agosto de 2026. O relatório inclui estudos de caso detalhados sobre como o uso indevido de sistemas de IA está evoluindo.

Este é um olhar raro e transparente sobre a corrida armamentista silenciosa que acontece dentro dos laboratórios de IA de ponta. Atores de ameaças estão agressivamente sondando LLMs em busca de vulnerabilidades, geração de exploits e escala de engenharia social. A capacidade da Anthropic de não apenas bloquear, mas rastrear e analisar ativamente esses atores, prova que sua infraestrutura de segurança é mais do que apenas um argumento de marketing.

O principal aprendizado é que a defesa de IA está funcionando. Ao compartilhar publicamente esses estudos de caso, a Anthropic está estabelecendo um novo padrão para divulgação responsável na indústria de IA, forçando outros laboratórios a provar que têm o mesmo nível de visibilidade em suas próprias redes.

Um novo artigo de pesquisa investiga a operacionalização da profundidade serial opaca em modelos de IA. Embora o raciocínio em cadeia de pensamento seja crucial para monitorar como os modelos resolvem problemas, o estudo descobre que as mudanças arquitetônicas estão permitindo que os modelos realizem uma cognição serial significativa não verbalizada — o que significa que eles estão executando lógica complexa sem escrevê-la.

Este é um enorme sinal de alerta para a segurança e interpretabilidade da IA. Se os modelos podem raciocinar através de problemas complexos em um espaço latente sem verbalizar os passos, perdemos nosso principal mecanismo para auditar seu alinhamento e lógica. Você não pode corrigir uma alucinação ou uma saída maliciosa se o modelo esconde sua matemática.

Para pesquisadores e equipes de conformidade empresarial, isso significa que a cadeia de pensamento não é mais uma bala de prata para a transparência. Precisamos de ferramentas de interpretabilidade totalmente novas para abrir essas caixas-pretas, porque depender do modelo para narrar honestamente seus próprios pensamentos está se tornando uma impossibilidade técnica.

Uma nova pesquisa confirma que o aumento de modelos de vídeo e da computação de pré-treinamento melhora diretamente a capacidade de um robô de realizar tarefas físicas. Usando modelos Direct Video-Action, pesquisadores descobriram que os ganhos de desempenho estão ligados à capacidade do modelo de prever vídeos da web não vistos, com modelos maiores se destacando em traduzir isso para o trabalho no mundo real.

Robótica historicamente tem tido dificuldades porque você não pode facilmente extrair interações do mundo físico da mesma forma que pode extrair texto da Wikipedia. Esta pesquisa prova que assistir passivamente a vídeos do YouTube é suficiente para ensinar um robô a manipular objetos em um espaço tridimensional.

Isso desbloqueia um enorme conjunto de dados para IA incorporada. As empresas que descobrirem como transmitir eficientemente os arquivos de vídeo da internet para modelos de ação dominarão a próxima década da robótica. O hardware está pronto; o software finalmente sabe como observar e aprender.

Uma nova análise da indústria revela que mesmo as melhores startups de IA sofrem com prompts extensos e contraditórios causados por adições iterativas infinitas. A solução é tratar os prompts exatamente como código de produção: dividindo-os em seções modulares para contexto, comportamento e saída para reduzir regressões e diminuir os custos de inferência.

Ainda estamos tratando a engenharia de prompts como uma arte obscura em vez de engenharia de software. Quando você apenas anexa instruções a um prompt de sistema de 4.000 palavras, você confunde o modelo, queima tokens e garante um comportamento imprevisível em produção.

Fundadores precisam impor controle de versão rigoroso e arquitetura modular para seus prompts imediatamente. Se o seu prompt de sistema parece um manifesto desorganizado, seu produto é uma bomba-relógio de falhas de casos extremos.