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.
Um acelerador de IA open-source chamado openTPU foi apresentado como um projeto que usa “auto-arch-tournament” para testar até onde agentes de IA conseguem ir no design de hardware e se podem construir o chip que executa a própria inferência. O projeto reúne, em um monorepo, desde o hardware em SystemVerilog até a linguagem de kernel, o compilador e o software host que controla uma placa real via PCIe.
O openTPU roda dez modelos com pesos reais em uma placa Inspur YPCB-00338 (Xilinx Kintex-7 xc7k480t, com dois canais DDR3) e afirma produzir os mesmos tokens do simulador, bit a bit. Medidas em diferentes datas de 2026-09-29 a 2026-10-01 indicam ganhos de desempenho em “decode” e “prefill”, além de rotas para lidar com modelos maiores via streaming de especialistas pela memória do host.
Em 25 de julho de 2026, a equipe HacktronAI afirmou ter encadeado duas vulnerabilidades para comprometer contas de funcionários da OpenAI no ChatGPT e, a partir delas, acessar repositórios internos da empresa. O ataque teria explorado uma falha de heap overflow em libheif ligada ao pipeline de upload de imagens do community.openai.com, além de uma configuração incorreta de SSO na infraestrutura de identidade da OpenAI.
O grupo disse que conseguiu demonstrar o acesso por meio de uma PR no monorepo interno da OpenAI e que todo o processo, da descoberta ao acesso, ocorreu em menos de 72 horas. A HacktronAI relata que comunicou os problemas à OpenAI e ao Discourse, recebeu correções em cerca de 14 horas após a submissão e foi recompensada com US$ 6.500 em bounty, com detalhes de mitigação para quem hospeda o Discourse.
A evolução do coding assistido tem chegado perto do “prompt-to-PR”, mas a manutenção de código existente em grandes repositórios segue como um problema pouco resolvido. O texto aponta que, mesmo com novos modelos, mudanças em monorepos continuam difíceis e a diferença no código gerado nem sempre é perceptível.
A proposta para o próximo salto é uma “codebase autônoma”, baseada em gatilhos e funções de agentes que investigam e corrigem falhas antes de alguém abrir uma janela de prompt. A abordagem depende de contexto do repositório e de um fluxo mais determinístico, com agentes específicos acionados por eventos e capazes de executar tarefas como análises, notificações e criação de PRs.
