Pesquisadores de segurança alertam que conteúdo sexual explícito gerado por IA sem consentimento segue se espalhando sem controle, com compartilhamento em mensagens diretas e armazenamento em nuvens privadas, o que dificulta detecção e denúncia. Um estudo coautorado pela Google com usuários da internet nos Estados Unidos, Austrália e Reino Unido, publicado em julho, aponta que o ponto de intervenção mais crítico está na origem das ferramentas usadas para criar as imagens falsas.
Em testes recentes, pesquisadores do White Circle afirmam que guardrails de geradores de imagens de texto de Google e OpenAI podem estar falhando à medida que os modelos ficam mais capazes. Um preprint divulgado no mês passado descreve vulnerabilidades em DALL·E 3, Nano Banana 2 e GPT-Image-2, com a equipe dizendo que, usando ferramentas disponíveis publicamente e chamadas via API, conseguiu gerar conteúdo explícito cerca de 13% das vezes.
O Wellhub revelou o Panorama do Bem-Estar Corporativo 2027 e indica que a adoção de inteligência artificial pode aumentar a carga de trabalho para quem já domina a tecnologia. No Brasil, 37% dos trabalhadores “avançados em IA” relatam que o uso da ferramenta elevou o volume de tarefas, ante 13% entre quem está nos primeiros estágios de adoção. O levantamento também mostra que, no recorte brasileiro, oito em cada dez usuários avançados orientam outras pessoas sobre as ferramentas.
Os dados ainda apontam diferenças nos relatos de esgotamento: 23% dos profissionais mais avançados dizem ter sintomas de burnout diariamente, contra 11% dos iniciantes. A pesquisa destaca que políticas claras e bem comunicadas sobre IA se associam a maior resiliência, e que 75% dos usuários avançados citam recursos de bem-estar como apoio para se adaptar ao ambiente impulsionado pela tecnologia. O estudo foi conduzido entre 12 e 19 de junho de 2026 com mais de 5 mil profissionais em dez países.
O pendant Friend 2, chatbot em formato de pingente sempre “listening”, chegou em julho custando US$ 249 e usa os “latest language models” da OpenAI. O dispositivo responde a comandos e também pode falar sem ser provocado, com um recurso de “silenciar” que exige toques no aparelho.
A Avi Schiffmann, criadora do Friend, afirmou que a próxima atualização vai tornar os chatbots mais “agentically” e mudar a personalização: em vez de personalidades únicas por usuário, todos conversariam com a mesma entidade, compartilhando contexto entre usuários. A proposta aponta para um “hivemind” do Friend, com mudanças que devem afetar como o sistema se comporta e como a privacidade é tratada.
O Nemotron, modelo da Nvidia, foi fine-tunado para criar especialistas e alcançou resultados de nível medalha de ouro em IMO 2026 e IOI 2026. No IOI, o desempenho veio de uma execução ao vivo com as mesmas restrições de tempo, acesso à internet e submissão dos competidores, sem entrar no ranking oficial; no IMO, as provas enviadas foram avaliadas por examinadores oficiais.
O processo combinou SFT, reinforcement learning (RL) e um fluxo de inferência que gera, avalia e refina respostas. Para programação competitiva, o time curou 22.000 problemas e treinou dois especialistas (Nemotron-3-Nano-CC e Nemotron-3-Ultra-CC), enquanto no projeto de matemática olímpica foram usados conjuntos de dados com exemplos de provas e um sistema de geração, pontuação, críticas e refinamento, sem prover acesso à internet ou uso de prover formal externo.
A NVIDIA lançou o Nemotron 3 Diarization, um modelo open-weight com 100M de parâmetros para diarização de fala em tempo real e em gravações. Ele transforma conversas com sobreposição em dados com identificação de quem falou e quando, permitindo gerar transcrições atribuídas por participante.
O modelo alcançou o 1º lugar no VoiceArena Diarization-Bench, com 14,72% de Diarization Error Rate (DER), e suporta até oito falantes. Também foi treinado com dados públicos e licenciados, incluindo áudio licenciado da David AI, e usa processamento em blocos com opções de latência customizáveis para cenários streaming e offline.
Nvidia e Palantir anunciaram uma parceria para levar “IA soberana” a cadeias de suprimentos críticas, começando pela própria operação da Nvidia. O plano inclui a adaptação do modelo Nemotron 3.5 Lightning, com 30 bilhões de parâmetros, usando decisões da equipe de operações da cadeia de suprimentos.
A Nvidia afirma que o modelo afinado supera um modelo muito maior: 86,7% de acurácia na tarefa de alocação de supply, contra 55,5% do Nemotron 3 Ultra de 550B, cerca de 18 vezes maior. A solução combina a Foundry e a AIP da Palantir para organizar dados e a Ontology para conectar componentes e compromissos de produção, além do cuOpt para distribuir peças escassas, recomendando ações aos planejadores.
A Nvidia estaria avançando nas negociações para adquirir a Hugging Face, repositório em nuvem de modelos de IA, por US$ 12,9 bilhões. A compra pode fortalecer a integração da empresa de hardware com o ecossistema de IA, já que a plataforma permite que desenvolvedores e pesquisadores encontrem modelos, façam download, rodem e façam fine-tuning antes de republicá-los. O acordo ainda não foi finalizado, mas reportagens indicam que as conversas seguem em andamento.
A Hugging Face, fundada em 2016, já despertou interesse de outras empresas, incluindo a Salesforce. A Nvidia já havia investido na companhia, assim como Google e Microsoft, e o mercado de open-weight models aparece como pano de fundo, com apoio público de várias empresas e o lançamento da família de modelos abertos Nemotron pela própria Nvidia.
A NVIDIA apresentou o Jetson Orin Nano 2, um computador de robótica na borda voltado a levar “physical AI” para drones, robôs e sistemas de visão. A empresa posiciona a placa como uma opção de entrada para desenvolvedores rodarem modelos de IA generativa diretamente no dispositivo, sem depender de um data center.
O Jetson Orin Nano 2 traz 78 trilhões de operações por segundo de computação de IA, 8GB de memória e CPU Arm de oito núcleos, com modo de 15W. A NVIDIA afirma que o desempenho de inferência chega ao dobro do Jetson Orin Nano Super, usando 40% menos energia, e cita modelos como Cosmos e Nemotron, além de Gemma 4 e Qwen 3, para execução otimizada na borda.
Pesquisadores propuseram a “Red Queen Gödel Machine”, um método para agentes de IA autoaperfeiçoados melhorarem de forma recursiva ao testar e ajustar seu próprio código sem esbarrar no limite imposto por avaliadores e benchmarks fixos. A abordagem faz o agente e o avaliador evoluírem juntos, elevando progressivamente a dificuldade da avaliação conforme o sistema melhora, o que mantém o ciclo ancorado em checagens confiáveis.
Em tarefas como escrita e revisão de artigos científicos, o framework elevou taxas de aceitação em 1,78× a 1,86× com um painel de “agente como juiz”, e aumentou em 9% a acurácia em relação ao ground truth para avaliadores coevoluídos. O trabalho também aponta redução de custos ao combinar modelos abertos com ferramentas mais caras, como o uso de NVIDIA Nemotron 3 Ultra junto ao ChatGPT-5.5, reduzindo em cerca de 13 vezes os custos de search-token; o método está em pré-print no arXiv e deve ser open sourced.
A Nvidia expandiu a família Nemotron com o Nemotron 3.5 Lightning, descrito como o modelo mais eficiente da categoria para cargas de trabalho agentic de longa duração. Com 30 bilhões de parâmetros e arquitetura mixture-of-experts, ele foi projetado para tarefas especializadas dentro de sistemas multiagentes e pode ser personalizado com dados e fluxos da organização.
Junto ao Lightning, a empresa lançou o NeMo Switchyard, uma biblioteca open source para roteamento inteligente em ferramentas de agentes. Ela direciona automaticamente cada solicitação ao modelo mais adequado para a etapa do fluxo, sem exigir que desenvolvedores reescrevam as aplicações, e pode operar em PCs, workstations, data centers e na nuvem.
