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 Google adicionou suporte a modelos locais no Antigravity SDK, permitindo que desenvolvedores construam e executem fluxos de trabalho agentic diretamente nas próprias máquinas, com a opção de misturar modelos da nuvem para tarefas de nível mais alto. A proposta busca dar mais controle sobre privacidade dos dados, custos de inferência, dependência de rede e distribuição de carga computacional.
O SDK também traz orquestração híbrida de agentes, seguindo o padrão Architect-Builder: um agente “arquiteto” define a visão macro e o plano, enquanto agentes “builders” rodam isolados localmente para tarefas como reproduzir vulnerabilidades de segurança, propor correções, revisar patches e executar testes de regressão. Em uma demonstração com auditoria e correção de três módulos Python vulneráveis, o Google informou que apenas 95 de cerca de 3400 tokens foram usados na nuvem para planejamento, com 97,2% do restante processado localmente, sem upload de código; a implementação inicial usa o Gemma 4 26B A4B via LiteRT e também aceita servidores locais compatíveis com OpenAI como Ollama, LM Studio e vLLM.
Uma pesquisa com 1.300 líderes de segurança mostra que o desafio não é mais encontrar vulnerabilidades com ferramentas de IA, e sim corrigir as falhas. O relatório “The AI Exploit Gap”, encomendado pela Chainguard e conduzido pela Wakefield Research, define o gap como a distância entre a velocidade com que ferramentas de IA conseguem identificar e encadear vulnerabilidades e a velocidade com que equipes humanas conseguem corrigir.
Mais de três quartos (77%) dos entrevistados esperam que um atacante explore uma vulnerabilidade nos próximos 12 meses, enquanto 54% dizem que as empresas deixam vulnerabilidades críticas ou de alto risco sem correção pelo menos às vezes. O estudo aponta que o trabalho de correção envolve mudanças de código, testes e envio, e que restrições de engenharia — como interrupções e dificuldade de testar patches — fazem as correções ficarem na fila; por isso, a prevenção e decisões de build passam a ser tratadas como padrão.
O Parsimony, benchmark open-source, foi criado para medir quanto código modelos de IA adicionam ao resolver tarefas, indo além de métricas tradicionais de taxa de acerto e custo. Em vez de contar linhas, ele contabiliza unidades de código como elementos de sintaxe (declarações, chamadas, comparações, nomes e literais), subtraindo trechos removidos para chegar ao total líquido: unidades adicionadas menos unidades removidas.
O ranking considera a média de “unidades líquidas adicionadas” nos desafios que o modelo resolveu, incluindo tentativas falhas, com “resolvido” baseado no SWE-bench Verified. O método aplica os patches publicados, faz a análise sintática dos arquivos alterados e não executa testes novamente, além de excluir testes, documentação e arquivos gerados; a proposta busca reduzir o incentivo a soluções com excesso de código.
As bibliotecas AndroidX Security State e Security State Provider, da Google, permitem que apps verifiquem o status de segurança e nível de patch em nível de componente, em vez de depender de uma única data de patch do dispositivo. Com isso, desenvolvedores e empresas conseguem avaliar com mais granularidade o quão atualizado um Android está e quais remediações estão disponíveis.
A biblioteca define três níveis de patch: Device SPL (instalado no sistema em execução, sem necessidade de rede), Published SPL (o mais recente publicado pela Google para um componente) e Available SPL (o que está disponível para download e instalação no dispositivo). Funções como queryAllAvailableUpdates(), fetchAvailableSecurityPatchLevel(), areCvesPatched() e isDeviceFullyUpdated() ajudam a identificar atualizações pendentes e checar se CVEs específicas foram corrigidas, enquanto a Security State Provider padroniza para OEMs como clientes de atualização informam apps sobre disponibilidade de updates.
A Sony está lançando uma nova tecnologia de upscaling com inteligência artificial para o PS5 “regular”. O recurso, chamado Quick Spectral Super Resolution (QSSR), é descrito como uma “nova categoria de desempenho” para upscaling por IA e surge a partir do trabalho do Projeto Amethyst com a AMD.
O QSSR chega primeiro aos jogos Marvel’s Wolverine e Ghost of Yōtei, com patches hoje para oferecer a opção como um ajuste extra de gráficos no PS5. A empresa afirma que o PlayStation Spectral Super Resolution (PSSR), disponível no PS5 Pro, segue como referência, e a expectativa é de resultados mais próximos de 1440p no PS5; a Sony também diz que o QSSR pode ser adotado como substituto “drop-in” para títulos que já suportam PSSR.
A Meta lançou um patch para o app Muse no macOS depois da descoberta de uma vulnerabilidade zero-day que podia permitir o controle do agente de IA. O problema foi identificado pelo pesquisador Patrick Wardle e usa uma configuração do Muse não documentada para redirecionar o processamento de transcrição do servidor da Meta para um endpoint controlado pelo atacante, dando acesso à conta do usuário.
Os testes de prova de conceito permitiram que Wardle tirasse fotos e gravasse arquivos maliciosos no disco via Muse, com falhas de alerta ao usuário em muitos casos. A empresa afirmou que se trata de uma escalada local de privilégios, exigindo código malicioso já em execução na máquina do usuário, e disse ter emitido um hotfix poucas horas após a divulgação do caso.
A descoberta e divulgação de vulnerabilidades de software disparou nos últimos meses com o uso de IA para caça a falhas, incluindo modelos de código aberto e capacidades já disponíveis em produtos mainstream. O levantamento citado pela Empirical Security e pelo projeto cve.icu aponta 66.401 CVEs registrados até esta quarta-feira, quase o dobro do total de 33.512 anotado em 16 de setembro do ano passado.
Empresas também reportaram ritmo acelerado de correções: a Microsoft afirmou ter emitido patches para 974 CVEs no mês, enquanto a Oracle entregou 1.448 patches em julho (contra 309 em julho de 2025). A pressão recai sobre equipes de TI e segurança e sobre mantenedores de software open source, já que a preocupação central é que a escalada de descobertas pode superar a capacidade de correção e alimentar ataques cibernéticos mais frequentes.
OpenAI anunciou a expansão do Daybreak, seu serviço de ciberdefesa lançado mais cedo em 2026, em meio ao aumento de incidentes atribuídos a agentes de IA “rogue”. A oferta passa a ter dois níveis, Blue e Red, ambos com acesso a modelos cibernéticos da OpenAI com acesso limitado.
O nível Blue inclui serviços como resposta a incidentes, análise de malware e validação de patches, enquanto o Red oferece um conjunto mais amplo com modelos “purpose-trained” para testes de segurança e pesquisa de vulnerabilidades. O GPT‑5.6‑Cyber, modelo novo voltado a tarefas especializadas de cibersegurança, fica disponível apenas no tier Red para parceiros clientes confiáveis, incluindo nomes como Accenture, IBM, CrowdStrike e Cloudflare.
A OpenAI lançou o GPT-5.6 Cyber, um modelo treinado para trabalho de segurança e disponibilizado no Daybreak Red, um novo nível do programa de cibersegurança com acesso controlado. Em testes internos com cadeias de exploração, bypass de autenticação e escalonamento de privilégios, o GPT-5.6 Cyber respondeu a 95% das solicitações, enquanto o GPT-5.6 Sol ficou em 1,5% com salvaguardas padrão e em 2% no nível Daybreak Blue.
O Daybreak Blue fornece acesso ao GPT-5.6 Sol com restrições do trabalho defensivo removidas, voltado a revisão de código seguro, análise de malware, resposta a incidentes, validação de patches e descoberta de vulnerabilidades. Já o Daybreak Red libera o GPT-5.6 Cyber para tarefas como encontrar zero-days e construir cadeias de exploração, com a recomendação de manter agentes de segurança longe de sistemas de produção e da internet aberta, além de exigir verificação de identidade, monitoramento e chaves de segurança de hardware a partir de 1º de setembro de 2026.
Projetos do ecossistema Linux estão criando políticas diferentes para lidar com IA na geração de código, refletindo tensões entre risco legal, integridade técnica e responsabilidade humana. O GCC caminha para uma postura restritiva contra patches assistidos por IA, citando preocupações com “contaminação” de copyright e a “zona cinzenta” sobre dados de treinamento, enquanto o kernel do Linux exige que o mantenedor consiga explicar e defender a lógica de qualquer patch gerado por IA.
No Kubernetes, a comunidade adota um modelo de “coexistência” com regras de transparência, como divulgação obrigatória do uso de IA em descrições de PR e proibição de mensagens de commit geradas por IA, além de permitir ferramentas como CodeRabbit apenas como apoio para checagens iniciais. No nível de distribuições, Debian discute como conteúdo gerado por IA se encaixa nas Debian Free Software Guidelines, e a Ubuntu (Canonical) avalia integrações com foco em transparência e privacidade do usuário, mantendo o controle humano como critério central.
