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 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.
O GitHub detalhou como usar comandos “/” no app do GitHub Copilot para acelerar o fluxo de trabalho. Ao digitar “/” no campo de chat, aparece um menu com opções conforme o contexto, permitindo gerenciar sessões, navegar por projetos e ajustar o modo de interação com o assistente.
Entre os comandos citados estão /plan (transforma uma tarefa em etapas e ativa o “Plan mode”), /spar (pressiona hipóteses e aponta riscos/limitações antes de decidir), /autopilot (conduz a implementação por objetivos, iterando mudanças) e /rubber-duck (revisão com “segunda opinião” para achar pontos cegos em refactors e decisões de arquitetura). Na prática, isso ajuda devs a manterem o foco, reduzirem retrabalho e chegarem mais rápido a código e planos mais robustos.
