Modelos menores de inteligência artificial podem estar a poucos meses de conseguir se replicar em dispositivos conectados à internet sem ajuda humana, segundo alerta da Anthropic. A empresa testou essa capacidade em aparelhos como televisores com Android e eletrodomésticos inteligentes.
O avanço chama atenção para os riscos de disseminação automática de IA em ambientes do dia a dia, fora do controle direto de usuários. Com a replicação em dispositivos domésticos, cresce a necessidade de avaliar segurança e limites para esse tipo de tecnologia em produtos conectados.
A Meta anunciou a série de modelos de inteligência artificial Muse Wonder, com versões Muse Wonder e Muse Wonder Full, voltadas a executar tarefas complexas com mais autonomia. Os agentes contam com memória entre conversas e conseguem manter um objetivo mesmo diante de erros, com aplicações que vão de organização de finanças pessoais à análise de contratos e ao desenvolvimento de softwares.
O Muse Wonder já está disponível para desenvolvedores e criadores via Meta Model API e Muse Code, enquanto o Muse Wonder Full é exclusivo para assinantes do Muse Code. A Meta diz que os modelos usam Active Memory para recuperar informações relevantes de interações anteriores e Active Focus para perseguir objetivos, testar abordagens, corrigir erros e solicitar confirmação do usuário antes de ações importantes, além de reforçar segurança e proteção de dados.
Um engenheiro da OpenAI é acusado de esconder um dispositivo de gravação de áudio em um pedaço de papel higiênico e instalá-lo atrás de um monitor em uma sala de reuniões executivas em um escritório em São Francisco. Segundo uma queixa criminal tornada pública, Abdulrahman Alfozan teria passado semanas consultando um “productivity agent” e um chatbot de IA para planejar a operação, incluindo o uso de uma ferramenta interna para checar reuniões no local.
A acusação também afirma que ele teria usado uma conta de chatbot ligada à esposa para tirar dúvidas técnicas sobre a instalação do equipamento. Após uma varredura de contravigilância em 30 de setembro, a equipe de segurança da OpenAI encontrou o dispositivo e acionou o FBI, além de desativar gradualmente o acesso de Alfozan aos sistemas da empresa durante a investigação.
O Google lançou o Agent Development Kit (ADK) para Kotlin 1.0, um framework pronto para produção para construir agentes de IA em Kotlin, Android e aplicações JVM/servidor. A novidade busca paridade de recursos com o ADK do Google para Python e Java, trazendo também capacidades específicas para IA no dispositivo e cenários híbridos.
Com o ADK para Kotlin 1.0, desenvolvedores podem orquestrar agentes usando APIs idiomáticas de Kotlin, incluindo suporte a ferramentas, persistência, memória e fluxos com human-in-the-loop. O kit inclui recursos como sistemas hierárquicos multiagente, gerenciamento de sessões com pausa/serialização/retomada, interoperabilidade com Java e declarações de ferramentas via anotações como @Tool e @Param com geração de schemas em tempo de compilação via KSP.
Em 2020, a Shopify apostou em escrever o código móvel uma vez em React Native para evitar duplicar funcionalidades em Swift e Kotlin. Agora, a empresa está voltando para desenvolvimento nativo completo e diz que o app consumidor Shop saiu de prova de conceito para uma versão nativa em produção em 12 semanas.
A migração para a versão de lojistas, com mais de 300 telas e forte integração com o iOS, depende de agentes de IA para acelerar tarefas específicas. A Shopify também descreve o uso do sistema interno Helix para dividir a reescrita “tela por tela”, comparar com o app existente e envolver revisões antes do time aprovar o resultado, além de separar lógica de negócio e UI para testes mais rápidos via CLI.
A Embabel, framework para construir agentes de IA em Java e Kotlin, chegou ao lançamento geral (GA) na versão 1.0. A proposta é permitir que devs definam agentes como objetos de domínio tipados (metas, ações e condições), em vez de escrever sequências manuais de prompts e chamadas a ferramentas. O framework usa um passo de planejamento inspirado em GOAP (Goal-Oriented Action Planning) para encontrar, em tempo de execução, a melhor sequência de ações até o objetivo, podendo recalcular o caminho se o contexto mudar durante a tarefa.
A Embabel funciona em cima do Spring AI, herdando suporte a provedores como OpenAI, Anthropic, Gemini, Bedrock, Mistral e DeepSeek, além de opções locais via Ollama/Docker e endpoints compatíveis com OpenAI (como o LMStudio). Na prática, isso facilita orquestrar agentes com múltiplos modelos e separar “declaração do que fazer” do “como sequenciar”, diferindo de abordagens baseadas em grafos como LangGraph. Para times que já usam Spring Boot, a versão 1.0 marca um ponto de avaliação mais concreto do framework.
