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.
Ataques impulsionados por inteligência artificial estão acelerando a criação de exploits, enquanto o tempo para explorá-los diminui e a descoberta de vulnerabilidades ganha velocidade. Com isso, cresce a distância entre o que as equipes de segurança conseguem identificar e o que conseguem investigar e corrigir de forma efetiva.
O texto destaca que “severidade” não é “risco”: uma mesma CVE pode representar ameaças muito diferentes dependendo de exposição, execução de código e caminhos de ataque. Para reduzir esse descompasso, a recomendação é trocar a pergunta “quantas CVEs temos?” por “quais geram risco relevante no ambiente”, com processos mais contínuos e automatizados, além de foco em reduzir a superfície antes do deploy e escanear o que realmente está rodando em produção.
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.
Na RSA Conference, um painel sobre segurança de código com GenAI destacou que o “security debt” acumulado pode estar chegando ao limite ao mesmo tempo em que a geração de código por IA acelera o desenvolvimento. Dave Aitel, da OpenAI, afirmou que a indústria está diante de um “vulnpocalypse”, com décadas de dívida técnica em segurança se acumulando e “vindo à tona” de uma vez.
O debate também apontou que o ritmo do chamado “vibe coding” — em que equipes escrevem prompts e aceitam o que a IA gera — comprime descobertas de falhas que antes levariam anos. Pesquisas citadas no painel indicam que 82% das organizações carregam security debt em 2026, e as equipes que lidam melhor com o problema investem antes, embutindo testes e feedback rápido no fluxo de desenvolvimento para corrigir vulnerabilidades em minutos.
IBM e Red Hat anunciaram a expansão do projeto open source Lightwell com novas ofertas comerciais para ajudar organizações a estabelecer cadeias de suprimento de software confiáveis e verificáveis na era de desenvolvimento assistido por IA. A iniciativa busca simplificar assinatura de software, geração de proveniência, verificação de artefatos e aplicação de políticas, permitindo confiar em códigos gerados por humanos e por IA ao longo do ciclo de entrega.
Com a aceleração da criação de software por IA, o desafio passa a ser provar origem, forma de construção, eventuais modificações e conformidade com políticas de segurança antes de chegar à produção. O Lightwell integra padrões como Sigstore, in-toto, SLSA e SBOM em uma plataforma para operacionalizar controles de segurança de forma consistente, incluindo capacidades de assinatura, validação de políticas e gestão do ciclo de vida.
