A Apple anunciou o HomeView, uma tela inteligente de 7 polegadas que reúne entretenimento, videochamadas e controle da casa inteligente. O dispositivo estreia uma nova versão da Siri com inteligência artificial e respostas personalizadas para os moradores.
O HomeView custa US$ 299 nos EUA (cerca de R$ 1.490) e chega às vendas em 13 de novembro em mercados como Estados Unidos, Canadá, Reino Unido, Austrália, Índia e Nova Zelândia, sem previsão para o Brasil no lançamento inicial. A interface ajusta brilho e informações conforme a iluminação e a distância do usuário, identifica até seis pessoas por reconhecimento facial e integra funções como chamadas FaceTime, comandos de voz e monitoramento de até nove câmeras.
A Apple anunciou a nova geração da Apple TV 4K com inteligência artificial integrada à Siri, chip A19 e suporte a som surround com quatro alto-falantes. A assistente fica mais “conversacional”, ajudando a encontrar filmes e séries por interface em tela cheia, com cartazes e recomendações ligadas ao que o usuário pede.
A Apple TV 4K também traz três microfones de longo alcance para controlar a reprodução e buscar conteúdos sem segurar o controle remoto, além de descrições de vídeos e resumos de notificações gerados por IA com processamento local via HomeKit Secure Video. No mesmo evento, o HomePod mini 2 ganhou melhorias de áudio, novas cores e suporte futuro à Siri com IA, com reconhecimento de até seis vozes e integração com Mensagens, lembretes e temporizadores.
A Apple apresentou o novo Apple TV 4K, o primeiro modelo em quatro anos, com disponibilidade a partir de sexta-feira, 13 de novembro. O aparelho traz o chip A19 e promete conectividade sem fio melhor do que a geração anterior, além de microfones integrados.
A Siri com recursos de IA será parte do lançamento, mas deve funcionar em beta nos Apple TV 4K de segunda geração e nos modelos mais novos. O novo Find My de rastreamento funciona com o controle Siri de segunda geração e mais recentes, enquanto o preço do lançamento é de US$ 299.
A Apple anunciou o HomePod mini 2, nova geração da caixa de som inteligente, com suporte à Siri com inteligência artificial (IA). O dispositivo chega com cinco opções de cores e recursos de áudio que permitem montar um sistema de som surround com quatro caixas ao ser combinado à Apple TV 4K de quarta geração.
A empresa também promete uma Siri mais conversacional, capaz de usar contexto pessoal e informações atualizadas da internet para executar tarefas. O recurso, chamado Siri AI, será disponibilizado por atualização futura e poderá reconhecer até seis pessoas pela voz; o processamento pode ocorrer no dispositivo ou via Private Cloud Compute, com a Apple afirmando que, na nuvem privada, os dados não ficam armazenados nem acessíveis à empresa ou a terceiros.
A Apple anunciou o HomeView, novo dispositivo para casa inteligente que mira a linha Echo Show da Amazon. O aparelho traz tela de 7 polegadas, reconhecimento facial para até seis pessoas e uma versão reformulada da Siri com recursos de inteligência artificial.
O HomeView permite controlar acessórios de automação residencial, participar de chamadas pelo FaceTime e acompanhar câmeras de segurança, além de exibir até nove câmeras simultaneamente com reconhecimento via HomeKit. O dispositivo chega ao mercado internacional em 13 de novembro por US$ 299 e inclui a Siri AI inicialmente em beta, com suporte ao inglês, enquanto funções que dependem de contexto pessoal exigem iPhone ou iPad compatível com Apple Intelligence.
A QCon AI New York 2026 confirmou sessões com engenheiros sêniores que enfrentaram desafios de IA em produção, como revisão de código, aumento de custos por tokens, necessidade de evals confiáveis e definição de permissões e guardrails para agentes. O evento acontece em 15 e 16 de dezembro, no The Westin Jersey City Newport, com foco em decisões técnicas para IA em sistemas reais.
As palestras incluem abordagens para identidade e autorização de agentes em produção, com controles como rate limits e aprovações para mudanças, além de um “eval loop” para conectar resultados simulados ao que acontece em produção. Também há discussões sobre compressão e caching para reduzir custos de contexto de LLM, revisão de código assistida por IA em escala e como avaliar maturidade de IA além de métricas de adoção.
A startup Ambi, fundada por Peter Mo, levantou US$ 26 milhões em múltiplas rodadas de investimento para criar um aplicativo com IA que fornece inteligência e insights em tempo real ao “ouvir” o usuário continuamente. O objetivo é capturar contexto durante reuniões e oferecer sugestões proativas com base no calendário, nas reuniões, na base de conhecimento e em dados da web.
A Ambi está lançando apps para iPhone, Mac e Apple Watch que funcionam como capturadores de anotações de reunião, com opção de manter a escuta ativa para registrar contexto ao longo do dia. A empresa também planeja um app de desktop capaz de observar o trabalho do usuário e armazenar partes na memória para sugestões mais personalizadas, além de um dispositivo próprio com tela, alto-falante, câmera e microfones para capturar contexto, em meio a preocupações de privacidade e segurança.
O CTO e fundador da CloudZero, Erik Peterson, afirmou em apresentação que a “conta” de custos de IA no cloud virou um problema: ele diz que não consegue confiar totalmente no próprio bill e que os dados de despesas vindos de provedores de nuvem e de IA estão “bagunçados”. Peterson relaciona o aumento de gastos ao uso de LLMs no dia a dia, em que cada decisão e até cada pensamento passam a ser monetizados pelo custo de consultas e geração.
Ele também citou a escalada de métricas como “tokenmaxxing” e estimou que o fenômeno pode representar um custo de cerca de US$ 5 bilhões a US$ 15 bilhões. No mesmo contexto, Peterson defendeu que a produtividade pode até crescer, mas a medição ainda é imprecisa, enquanto o gasto com IA já triplicou e segue subindo.
A Microsoft anunciou o Azure Maia 300, nova geração de seu chip próprio de inteligência artificial, que deve virar a principal plataforma de processamento de IA dos produtos e sistemas da companhia a partir de 2027. A empresa posiciona o Maia 300 como um sistema completo para executar tarefas de agentes, indo além das respostas típicas de um chatbot.
O chip promete mais de 40% de ganho em tokens por megawatt na comparação com sistemas líderes baseados em GPUs, medindo eficiência entre conteúdo processado e energia consumida. A estratégia combina chip, software, redes e data centers para otimizar inferência e lidar com contextos extensos e tarefas que exigem muita memória, com foco em agentes que raciocinam, agem e colaboram em várias etapas.
Pesquisadores da Meta, do MIT e da University of Washington apresentaram os Context Language Models (CLMs), uma abordagem para que modelos de linguagem gerenciem e editem o próprio contexto em vez de depender de mecanismos fixos como sumarização, compressão e recuperação de informações. O método trata o contexto como um “arquivo” que o LLM pode atualizar, permitindo reescrever mensagens antigas, preservar fatos importantes, remover conteúdo irrelevante e manter notas de progresso.
Os pesquisadores testaram três estratégias de gerenciamento de contexto — zero-shot, aprendizado em contexto e reforço — e reportaram ganhos de desempenho com menor custo computacional. Nos resultados, CLMs zero-shot tiveram 11,4% mais acurácia com 21,5% menos FLOPs no BrowseComp-Plus e o reforço elevou o desempenho do Qwen3.5-9B no BrowseComp-Plus de 28,8% para 42,5%, usando 12% menos FLOPs; ainda assim, o trabalho aponta desafios como risco de descarte irreversível de informações e novas preocupações de segurança com contexto editável.
A Microsoft lançou o Microsoft-Decision-1 no Foundry, três dias depois de a OpenAI abrir sua Decisions API para beta público. O modelo foi “post-trained” com base no Alibaba Qwen3.5-9B, com a empresa dizendo que pretende fazer um rebasing para seus próprios modelos MAI e também para a OpenAI. O preço informado é de US$ 0,042 por milhão de tokens de entrada, com saída gratuita, e o modelo aceita até 32.768 tokens de texto, retornando JSON.
A Microsoft afirma que o Decision-1 é usado internamente em tarefas como triagem de feedback de jogadores no Xbox Research, avaliação de respostas do Copilot e apoio a engenheiros em incidentes ao puxar contexto. A empresa também destaca o foco em decisões em “ambiente seguro e confiável”, mas não anunciou suporte a imagens e orienta clientes a validarem a calibração das probabilidades nos próprios dados, especialmente sob entradas adversariais.
Agentes de inteligência artificial estão sendo integrados a mensagens como iMessage, SMS e apps como WhatsApp e Telegram, permitindo que usuários peçam tarefas diretamente pelo texto. Em vez de baixar um aplicativo separado, esses agentes podem lembrar contexto, conectar-se a serviços já usados e executar ações como agendar compromissos, organizar calendários, pesquisar viagens, enviar e-mails, fazer reservas e até compras online.
Entre as opções citadas estão Caddy, em beta público desde abril de 2026, e Comma, que gerencia tarefas e mantém contexto entre dispositivos, além de Fambot, voltado para rotinas familiares com resumos diários enviados à noite. A lista também inclui Instinct, com ações por texto ou voz e integração com e-mail e calendário, além de Iris (com Hermes Agent) e Martin, que oferece assistente geral com acesso por SMS, WhatsApp, Slack e e-mail.
A recusa de respostas em modelos de IA virou um pilar da segurança, mas o texto destaca que “dizer não” não é algo natural para as máquinas. Em vez disso, empresas treinam e refinam sistemas para recusar prompts considerados perigosos, usando recompensas por negar e punições por recusar demais, além de camadas extras para bloquear solicitações. Mesmo assim, a recusa é probabilística e pode falhar, deixando passar pedidos ligados a violência e outras condutas nocivas.
O debate também aponta que existe uma linha difícil para definir o que a IA deve obedecer ou desobedecer, e que essa decisão fica, por enquanto, nas mãos das próprias empresas. Com governos podendo criar regras próprias, a recusa pode acabar sendo usada tanto para bloquear atos realmente maliciosos quanto para restringir fala legítima, inclusive em contextos de repressão. O texto ainda lembra que, quando a recusa falha, os impactos podem ser graves.
A Zoox prepara a Ontology, plataforma de IA voltada a preservar o contexto das decisões dentro das empresas. A ferramenta reúne registros de reuniões, mensagens e sistemas corporativos para permitir consultas sobre como e por que uma decisão foi tomada, com lançamento previsto para 17 de novembro, no evento Zoox Data Revolution, em São Paulo.
A companhia afirma que, na prática, contratos e apresentações costumam registrar o resultado, mas não o caminho que levou à escolha. Com a Ontology, a empresa busca recuperar esse histórico a partir das conversas registradas e materiais internos, usando IA para entender os conteúdos e aplicar filtros para separar informações relevantes de conversas informais.
A SleekFlow, plataforma global de IA para conversas com foco em geração de receita, captou US$ 23,5 milhões e planeja acelerar a expansão na América Latina. Fundada em 2019, a empresa atende mais de 7 mil empresas em 70 países e processa mais de 57 milhões de mensagens por mês.
A estratégia combina agentes de IA com comunicação omnichannel e automação de vendas e atendimento, conectando conversas a dados e sistemas como CRM e e-commerce. O AgentFlow permite criar agentes que identificam intenção, entendem contexto, acessam informações integradas, executam ações e encaminham interações para humanos quando necessário, com integrações como Shopify, HubSpot e VTEX e canais como WhatsApp Business API, Instagram e Telegram.
APIs compatíveis com OpenAI estão sendo usadas para permitir conversas multi-turn com agentes, mas escalar esse tipo de fluxo exige cuidados com estado e roteamento entre réplicas. O texto descreve um endpoint mínimo compatível com /v1/chat/completions que falha de forma “silenciosa” quando o tráfego é distribuído: o modelo pode responder sem o contexto correto se cada turno cair em uma máquina que não tem o histórico da conversa.
Para resolver, a proposta retoma princípios de microservices e padrões como bulkheads, movendo o estado da conversa para um armazenamento compartilhado para que qualquer réplica possa atender qualquer turno. A discussão também destaca como “agent traffic” difere do tráfego web por ser mais longo, mais imprevisível em tool calls e mais sujeito a rajadas, exigindo desenho de API que absorva essas características.
A Dell entrou na corrida para permitir que agentes de inteligência artificial entendam o significado dos dados que acessam dentro das empresas. A companhia apresentou tecnologias para conectar informações de sistemas diferentes e indicar à IA quais termos, relações e fontes devem ser considerados em cada tarefa, com previsão de chegada dos principais recursos no primeiro semestre de 2027.
O foco é criar uma camada de contexto entre modelos de IA e dados corporativos, problema que ganhou força com a adoção de agentes em tarefas reais. Levantamento da Modern Data Company com mais de 540 profissionais em 66 países aponta que 57,3% das organizações já testam ou usam agentes, mas só 8,4% confiam nos dados para uso em produção, e falta de contexto aparece entre as principais barreiras.
A Musubi anunciou o PolicyLM-1.7B, um modelo leve de decision model para moderação de conteúdo em tempo real, lançado com pesos abertos. A proposta é aplicar políticas escritas em linguagem natural a mensagens em menos de 50 milissegundos, com foco em custo e velocidade semelhantes aos classificadores usados por plataformas sociais.
O PolicyLM-1.7B foi desenhado para lidar com políticas complexas sem exigir novo treinamento quando as regras mudarem, permitindo que equipes humanas iterem a moderação. A empresa também posiciona o modelo como uma forma de rotular conteúdo de maneira escalável e customizável, em um contexto de crescente interesse por decision models após o Jev da TypeSafe AI e iniciativas de OpenAI e Amazon.
Centros de operações de segurança (SOCs) têm enfrentado dificuldades com o volume de alertas há anos, e agentes de IA passam a ser testados para reunir sinais de diferentes sistemas, investigar atividades suspeitas e sugerir próximos passos para humanos no loop. A discussão central agora é o quanto as organizações estão dispostas a entregar de autonomia para essas máquinas, especialmente em ações que podem impactar diretamente o negócio.
A diferença fica clara entre pedir que a IA investigue um login suspeito e permitir que ela desative a conta responsável ou isole um endpoint. O debate também envolve confiança operacional: entender o que o agente faz, em que momento o humano decide e se é possível desfazer uma ação ruim, com limites de autonomia e uma camada de controle para governar o que pode e o que não pode ser feito. A The New Stack realiza em 8 de outubro uma sessão ao vivo com demonstração prática de triagem, construção de contexto e resolução de casos, mostrando onde o humano permanece no processo.
Donald Trump anunciou a criação da Super Intelligence Force (SIF), uma força-tarefa para coordenar ações do governo dos EUA ligadas ao desenvolvimento de inteligência artificial. O anúncio foi feito após a reunião com líderes de grandes empresas de IA e ocorre em meio à pressão por mecanismos de segurança para a tecnologia.
A SIF será liderada pelo diretor de Inteligência Nacional dos Estados Unidos, Jay Clayton, que também deve assumir o papel de “czar de IA”. No mesmo contexto, Trump determinou que o governo use “superinteligência” no lugar de “inteligência artificial”.
Depois do básico, o aprendizado de IA tende a sair de tarefas simples e ir para usos mais complexos, como estruturar processos com várias etapas. Em vez de depender só de comandos individuais, a evolução passa por definir objetivos, fornecer contexto e acompanhar cada fase para chegar a resultados confiáveis.
Outra frente é aprender a trabalhar com informações da rotina profissional, como planilhas, relatórios e bases internas, respeitando regras de segurança. Também ganha espaço conectar a IA a outras ferramentas para automatizar tarefas, além de desenvolver a checagem de fontes e a comparação de resultados quando as respostas ficam mais difíceis de validar rapidamente.
Times como os da Anthropic e da Linear relataram que agentes de IA aumentaram drasticamente o volume de jobs no CI e fizeram as suítes de testes crescerem rapidamente. A Anthropic atribuiu o ganho de eficiência a uma abordagem de test impact analysis, rodando apenas testes afetados por mudanças; a Linear, por sua vez, reestruturou o pipeline para acompanhar o crescimento da demanda. Já o CEO da Depot defendeu que o futuro passa por agentes validando código para manter a confiança durante o trabalho.
O ponto central é que tornar o CI mais rápido não resolve o problema de verificação em sistemas distribuídos, porque o pipeline normalmente valida um repositório, não o comportamento entre serviços. A análise argumenta que a checagem precisa “fechar o loop” contra o sistema real antes do PR, com agentes executando e testando em ambientes que simulem mais fielmente o contexto, evitando que falhas apareçam apenas quando a mudança chega ao staging e cruza fronteiras entre serviços.
Empresas que acessam a mesma inteligência artificial podem começar com um ponto de partida semelhante: fazem perguntas parecidas e recebem respostas geradas pela mesma tecnologia. A diferença aparece quando essas respostas precisam virar ações no mundo real, exigindo dados do negócio, processos internos e decisões humanas.
Com a popularização da IA generativa, a disputa deixa de ser apenas ter acesso à ferramenta e passa a ser quem consegue gerar resultado. Enquanto uma empresa pode fornecer informações próprias e histórico de clientes, outra pode usar a IA apenas para tarefas genéricas como resumir documentos e produzir textos, e a qualidade final depende do contexto e da forma de incorporação à rotina.
O recurso de memória do ChatGPT permite que a inteligência artificial mantenha algumas informações entre diferentes conversas, ajudando a deixar as respostas mais alinhadas ao que o usuário costuma pedir ou prefere. A memória pode guardar detalhes como preferências, interesses, objetivos e projetos, além de recuperar contexto relevante para perguntas futuras.
A memória não registra necessariamente tudo o que foi dito: o sistema seleciona informações e mantém um “Resumo da memória” que funciona como uma visão geral do contexto. O usuário pode ajustar esse resumo, pedir para confirmar se um detalhe foi registrado e usar o ícone de “Fontes” para ver quais memórias, conversas ou arquivos foram consultados; também é possível usar memória dentro de projetos, inclusive com modo que restringe o contexto ao próprio projeto.
Instruções personalizadas no ChatGPT permitem definir como o chatbot deve responder, com ajustes como idioma, nível de detalhes e tom dos textos. O recurso também ajuda quem costuma repetir as mesmas orientações em diferentes conversas, já que as preferências ficam associadas à conta e passam a orientar as respostas sem necessidade de reexplicar o contexto.
A configuração pode ser feita no app para Android e iOS ou na versão web/desktop, em “Personalização” e depois em “Instruções personalizadas”. O limite de caracteres varia pelo plano: contas Gratuita e Go aceitam até 1.500 caracteres, enquanto Pro, Enterprise, Business e Education chegam a 5.000; as mudanças entram em vigor imediatamente em todos os chats e podem ser editadas ou excluídas a qualquer momento.
Uma nova leva de agentes de IA permite que tarefas sejam feitas diretamente por mensagens, sem a necessidade de baixar um aplicativo. Usuários enviam comandos por iMessage, SMS ou apps como WhatsApp e Telegram, e os agentes conseguem manter contexto, conectar-se a serviços já usados e executar atividades como agendar compromissos, organizar calendários, pesquisar viagens, enviar e-mails, fazer reservas e até fazer compras online.
Entre as opções citadas estão o Caddy (em beta público desde abril de 2026), que funciona no iMessage e no RCS e adiciona eventos e lembretes ao calendário; o Fambot, voltado para famílias e com resumo diário enviado à noite; e o Instinct, que após rodadas que o levaram a US$ 10 bilhões de valuation passou a oferecer endereços de e-mail dedicados para que o agente gerencie contas e trate solicitações sem lotar a caixa de entrada do usuário.
A Anthropic lançou uma atualização do Claude que incorpora o Cowork, recurso que executa tarefas agendadas mesmo depois que o usuário fecha o laptop. A mudança chega como parte do app principal do Claude, unificando a função de jobs de longa duração em um fluxo já usado por quem trabalha com o assistente.
A atualização também entra no contexto da corrida por agentes sempre ativos: OpenAI apresentou os Dots no DevDay, Meta lançou o Muse e o xAI colocou o Grok Bot em circulação. Com isso, a Anthropic tenta aumentar o uso recorrente do Claude entre desenvolvedores e equipes que já usam a ferramenta para tarefas contínuas.
O Anthropic lançou os “Claude Mods”, permitindo que desenvolvedores alterem o look e o comportamento do Claude Code com funções em JavaScript ou TypeScript que “encaixam” em eventos do produto. Com os mods, é possível reescrever prompts antes do modelo, bloquear ou ajustar chamadas de ferramentas, tratar pedidos de permissão e até substituir partes da interface, além de adicionar novas funcionalidades.
Os mods já estão habilitados por padrão no Claude Code 2.1.287 e versões posteriores, e permanecem ativos durante a sessão para manter contexto entre eventos. A empresa também recomenda inspecionar o código por segurança, já que o mod executa localmente no computador do desenvolvedor; para times, recursos de proteção podem impedir que mods instalados contornem regras de negação de permissões.
A Google reuniu em um balanço as principais novidades de IA anunciadas em setembro de 2026, com destaque para o Gemini 4 Argon, modelo de fronteira voltado a raciocínio avançado e janela de contexto de 1 milhão de tokens. A empresa afirma que o Argon foi desenhado para lidar com desafios complexos, especialmente em defesa cibernética, e que o lançamento segue uma abordagem em fases, com rollout inicial para defensores confiáveis no Fairwind Program.
O pacote de atualizações também inclui o Gemini 3.8 Flash e 3.8 Flash Cyber, além dos modelos de áudio Gemini 3.8 Live e Gemini 3.8 Live Extended Thinking, com disponibilidade para desenvolvedores no Google AI Studio e Gemini API e para usuários em Search Live, Gemini Live e Google Workspace. A Google ainda detalhou novos recursos como Connected Apps no Gemini, modelos de música Lyria 3.5, ferramentas do Gemini Notebook e a expansão do CC em Google Labs para um agente colaborativo com controles de privacidade.
A Audible, empresa de audiolivros da Amazon, lançou uma ferramenta de inteligência artificial que permite que ouvintes conversem com personagens de livros. A novidade estreia em “Drácula”, com interações com Renfield, servo do Conde Drácula, e faz parte de uma linha de recursos para deixar a experiência mais interativa.
Nas “Histórias Interativas”, o personagem inicia a conversa com papel, objetivo e contexto, enquanto o ouvinte responde com as próprias palavras e a IA gera a reação em tempo real. A empresa também anunciou um Guia de Personagens e um recurso com imagens e detalhes de locais citados nas obras, com lançamento inicial em títulos selecionados e disponível para participantes de um teste beta.
A Leapwork lançou o Leapwork Play, uma plataforma de validação contínua “AI-native” voltada para construir, executar e gerenciar suítes de testes em Playwright em escala. A empresa destaca que a popularidade do Playwright cresceu junto com o uso de código gerado por IA, mas que isso elevou o volume de testes e tornou mais difícil provar a origem de cada caso e gerenciar milhares deles entre várias equipes.
O Leapwork Play conecta o Play a fontes onde o conhecimento do produto já vive, como Jira, repositórios Git e documentação, para gerar testes Playwright baseados nesse contexto. A ferramenta também permite registrar uma jornada do usuário no navegador e transformar isso em um teste mantido, com saída em código Playwright padrão para rodar no Play, em pipelines de CI ou via servidor MCP de assistentes de código com IA.
A programação do GitHub Universe 2026 reúne 10 talks técnicas escolhidas para responder perguntas sobre agentes de IA, validação de código e segurança de dependências. Entre os temas estão como verificar se o código gerado por agentes funciona, o que deve ser lembrado por um agente e quais permissões entram em jogo ao instalar dependências.
As sessões também abordam como o npm lida com bastidores de permissões e processos de publicação, benchmarks para entender quando contexto acumulado prejudica agentes, e como o Copilot realiza avaliações em produção. Há ainda discussões sobre autorização granular para servidores MCP hospedados, arquitetura de agentes que investigam sem “alucinar” e um framework de ameaças para ataques de supply chain em GitHub Actions, além de um CLI open source para gerenciar o toolchain JavaScript e lições de desenvolvimento com baixa conectividade.
A InfoQ vai realizar duas turmas de certificação online de cinco semanas em outubro de 2026: AI Security & Privacy Engineering, com início em 26 de outubro, e AI-Assisted Engineering, começando em 19 de outubro. O primeiro grupo foca em proteger dados sensíveis e testar controles de segurança em produtos de IA, usando threat modeling e red teaming. Já o segundo prepara verificações para coding agents que alteram um código existente, com criação de contexto, limitação de permissões e testes antes de levar as checagens para o CI.
As turmas incluem capstones em que os participantes avaliam uma arquitetura de produto de IA e explicam riscos, controles e como seriam testados, além de apresentarem um harness para validar mudanças feitas por agentes. A metodologia também prevê comparação de resultados registrados ao longo das cinco semanas com previsões iniciais, com grupos de pares para discutir decisões e a eficácia das checagens no fluxo de engenharia.
:quality(85)/560a9e14-777c-4b77-9555-99b04f552f77.png)
:quality(85)/caa565f6-c377-4023-9d75-750c505f2401.png)
:quality(85)/483c949e-c9ea-41be-b2a9-e0fcfe03b894.png)
:quality(85)/fcabefb8-32c9-4c83-8447-3eec7881f698.jpg)
:quality(85)/e9b66cd0-f4bf-4341-bcd5-ed58e1839657.jpg)
