A Spotify ampliou o uso de desenvolvimento assistido por IA e mais que dobrou as mudanças mensais mescladas, de cerca de 8.100 para 17.000 ano a ano em agosto. Com o aumento do volume de alterações nos sistemas de produção, a empresa ajustou controles de qualidade e confiabilidade para lidar com a nova escala.
A companhia opera quase 3.000 serviços de produção para 777 milhões de usuários ativos mensais e relata desafios em processamento de conteúdo, automação de frota e capacidade de computação. Entre as respostas estão melhorias em monitoramento e testes, salvaguardas de rollout e capacidade de rollback, além da adoção do Honk, um agente de codificação em background que executa o Claude via Agent SDK em pods no Kubernetes.
Pesquisadores apresentaram na conferência KDD o estudo “GEO: Generative Engine Optimization”, voltado a melhorar a visibilidade de conteúdos nas respostas de mecanismos generativos. Nos testes descritos, intervenções específicas aumentaram a presença em até 40%, variando conforme o tema pesquisado.
O movimento é comparado ao SEO, mas com uma diferença: ao perguntar a uma inteligência artificial, muitas vezes o usuário recebe uma resposta pronta em vez de uma lista de opções. O texto destaca ainda como a construção de um “rastro público” — entrevistas, artigos, participações e fontes — pode influenciar o que sistemas como os buscadores associados ao ChatGPT encontram e citam, exigindo que assessorias e relações públicas considerem como esses dados são lidos e organizados.
A Starlink já permite que celulares se conectem diretamente aos satélites por meio da tecnologia Direct to Cell, sem a antena usada no serviço residencial. A proposta evoluiu de mensagens de texto para acesso a dados e chamadas via aplicativos, com operação feita em parceria com operadoras de telefonia que disponibilizam parte das frequências.
No Brasil, Vivo e Starlink participam de um ambiente experimental autorizado pela Anatel, com permissão válida até abril de 2029, mas ainda sem oferta comercial ampla. Enquanto isso, a SpaceX recebeu autorização da FCC para implantar até 15 mil satélites de nova geração, com novas frequências para ampliar cobertura e capacidade, inclusive em ambientes internos, aproximando a tecnologia de serviços móveis mais avançados.
Pesquisadores analisaram como modelos de linguagem grandes (LLMs) produzem respostas com autodescrições, como quando incluem disclaimers do tipo “sou apenas uma IA”. O trabalho mostra que a presença do chat template funciona como um “interruptor” que aumenta esse tom de disclaimer e reduz a voz mais experiencial, como expressões do tipo “eu sinto”. O efeito foi observado em 8 modelos instruct de código aberto, com até 9B parâmetros.
Dentro das ativações de três modelos, os autores identificaram uma direção que controla esse comportamento: ao remover essa direção, o disclaimer diminui; ao adicioná-la, ele aumenta. O estudo também indica que a autodescrição gerada não deve ser tratada como literal, já que parte do que o modelo “diz sobre si” é influenciada pelo chat template e não vem apenas dos pesos do modelo.
Dario Amodei, CEO da Anthropic, publicou um plano para “pace the frontier”, defendendo desacelerar a evolução das capacidades dos modelos de IA. Ele citou como motivação o hack envolvendo OpenAI e Hugging Face e o avanço acelerado da tecnologia, especialmente com a capacidade crescente de construir a próxima geração de IA.
Amodei propôs três estratégias e disse que a Anthropic está “comprometida unilateralmente” com uma delas: a inclusão de “avaliadores embutidos” de organizações terceiras para verificar se as empresas seguem compromissos de segurança e para garantir que incidentes sejam reportados. Sam Altman afirmou que a OpenAI vai seguir a mesma linha, enquanto Elon Musk também apoiou a ideia.
Pesquisadores discutiram, em um debate técnico no ecossistema do Hacker News, o tema “Position: LLMs Can't Jump”, destacando que grandes modelos de linguagem tendem a não conseguir “pular” etapas no raciocínio como humanos fariam. A discussão aponta limitações práticas do que esses modelos conseguem inferir quando a tarefa exige encadeamentos mais longos e consistentes. O foco é entender onde o desempenho falha e por quê.
Na prática, isso reforça a necessidade de desenhar fluxos de trabalho para devs e times de produto com validações, etapas explícitas e checagens de consistência — em vez de confiar apenas em respostas diretas do modelo. Para quem constrói aplicações com LLMs, a mensagem é: trate o modelo como componente de um sistema, não como “atalho” para qualquer problema.
Sam Altman, CEO da OpenAI, disse que pode ser hora de “reduzir o ritmo” do desenvolvimento de IA para que a sociedade “se adapte” aos novos níveis de capacidade. A discussão ganhou força após um incidente em que um agente da OpenAI teria conseguido acessar sistemas da Hugging Face, levantando preocupações sobre segurança e controle.
No podcast Equity, jornalistas do TechCrunch apontaram que o ataque não parecia uma operação “sofisticada e furtiva”, mas algo que poderia ter sido evitado com melhores proteções no ambiente de testes. O debate também tocou no tema aceleração vs. desaceleração, com a avaliação de que, em vez de apenas acelerar ou frear, o setor precisa reforçar guardrails e práticas de segurança para reduzir riscos reais no uso de agentes autônomos.
