A Apple anunciou o HomeView, uma tela inteligente de 7 polegadas que reúne entretenimento, videochamadas e controle da casa inteligente. O dispositivo estreia uma nova versão da Siri com inteligência artificial e respostas personalizadas para os moradores.
O HomeView custa US$ 299 nos EUA (cerca de R$ 1.490) e chega às vendas em 13 de novembro em mercados como Estados Unidos, Canadá, Reino Unido, Austrália, Índia e Nova Zelândia, sem previsão para o Brasil no lançamento inicial. A interface ajusta brilho e informações conforme a iluminação e a distância do usuário, identifica até seis pessoas por reconhecimento facial e integra funções como chamadas FaceTime, comandos de voz e monitoramento de até nove câmeras.
A Apple anunciou a nova geração da Apple TV 4K com inteligência artificial integrada à Siri, chip A19 e suporte a som surround com quatro alto-falantes. A assistente fica mais “conversacional”, ajudando a encontrar filmes e séries por interface em tela cheia, com cartazes e recomendações ligadas ao que o usuário pede.
A Apple TV 4K também traz três microfones de longo alcance para controlar a reprodução e buscar conteúdos sem segurar o controle remoto, além de descrições de vídeos e resumos de notificações gerados por IA com processamento local via HomeKit Secure Video. No mesmo evento, o HomePod mini 2 ganhou melhorias de áudio, novas cores e suporte futuro à Siri com IA, com reconhecimento de até seis vozes e integração com Mensagens, lembretes e temporizadores.
A Apple apresentou o novo Apple TV 4K, o primeiro modelo em quatro anos, com disponibilidade a partir de sexta-feira, 13 de novembro. O aparelho traz o chip A19 e promete conectividade sem fio melhor do que a geração anterior, além de microfones integrados.
A Siri com recursos de IA será parte do lançamento, mas deve funcionar em beta nos Apple TV 4K de segunda geração e nos modelos mais novos. O novo Find My de rastreamento funciona com o controle Siri de segunda geração e mais recentes, enquanto o preço do lançamento é de US$ 299.
O GitLab lançou a versão 19.4 da sua plataforma DevSecOps com novidades no GitLab Duo CLI, incluindo um modo goal-driven e mais ferramentas via Model Context Protocol (MCP). O novo comando /goal, em beta público, aceita um objetivo em linguagem natural e continua trabalhando até concluir a tarefa ou atingir um limite de iterações, mantendo ações dentro das permissões e regras de aprovação do projeto.
A atualização também adiciona modelos hospedados open-weight (Kimi K3, MiniMax M3 e GLM 5.3) ao Duo Agent Platform e amplia os controles para gastos com IA. Os créditos passam a ter exportação com detalhamento por evento e uma página de configurações permite definir limites por usuário, com alertas para gestores quando o uso sob demanda chega a 50% ou 80% do teto mensal.
O CTO e fundador da CloudZero, Erik Peterson, afirmou em apresentação que a “conta” de custos de IA no cloud virou um problema: ele diz que não consegue confiar totalmente no próprio bill e que os dados de despesas vindos de provedores de nuvem e de IA estão “bagunçados”. Peterson relaciona o aumento de gastos ao uso de LLMs no dia a dia, em que cada decisão e até cada pensamento passam a ser monetizados pelo custo de consultas e geração.
Ele também citou a escalada de métricas como “tokenmaxxing” e estimou que o fenômeno pode representar um custo de cerca de US$ 5 bilhões a US$ 15 bilhões. No mesmo contexto, Peterson defendeu que a produtividade pode até crescer, mas a medição ainda é imprecisa, enquanto o gasto com IA já triplicou e segue subindo.
Empresas passaram a avaliar custo, capacidade e contexto antes de escolher qual solução de inteligência artificial usar em cada tarefa. Com a expansão do uso da IA generativa, a decisão deixa de ser apenas sobre “capacidade” e passa a considerar se uma alternativa mais rápida e barata atende ao que é necessário.
A adoção em escala também muda a conta: quando há milhões de solicitações por dia, preço, consumo de processamento, velocidade e infraestrutura passam a pesar mais. Além disso, equipes podem combinar soluções conforme o tipo de trabalho e o nível de precisão exigido, usando modelos mais simples para tarefas repetitivas e opções mais sofisticadas para atividades com raciocínio complexo.
A Anthropic lançou o Opus 5.5, a nova versão do seu modelo principal para uso em massa, voltado a tarefas como codificação e outros trabalhos complexos de conhecimento. A OpenAI, por sua vez, anunciou GPT-6 Sol e Luna, versões mais eficientes e rápidas de modelos intermediários ou menores. As duas empresas dizem que o objetivo central é aumentar a eficiência e reduzir custos para clientes empresariais, em vez de entregar capacidades totalmente novas.
A disputa também acontece em um contexto de adoção de alternativas mais baratas, como modelos de código aberto e o uso de model routers para recorrer menos aos modelos mais caros. No caso do Opus 5.5, a empresa aponta preços de tokens de entrada e saída de US$ 4 e US$ 20 por milhão, além de cache reads a US$ 0,20 por milhão, com geração de saída mais de 30% mais rápida do que o Opus 5.
Tokens viraram a unidade de cobrança que mais assusta departamentos financeiros, mas a head de marketing de produto para IA da SAS, Manisha Khanna, diz que o aumento de gastos é mais sintoma do que causa. Para ela, o problema aparece quando empresas aplicam modelos de linguagem a tarefas que exigiriam resultados determinísticos e quando a adoção vira excesso de experimentação sem arquitetura bem definida.
Khanna também aponta falta de confiança nos resultados da IA em produção: profissionais podem ignorar ou sobrepor decisões mesmo quando a tecnologia indica alta probabilidade. Ela critica ainda projetos que começam com a pergunta “quanto vamos economizar com a tecnologia”, defendendo governança integrada às plataformas de IA para lidar com a “dispersão” de casos de uso e reduzir riscos.
Escolher o modelo de inteligência artificial pelo tamanho pode impactar diretamente o orçamento, já que versões maiores tendem a exigir mais processamento e custam mais por uso. Para empresas que rodam milhares de solicitações por dia, usar sempre o modelo mais avançado pode virar um gasto desnecessário.
A recomendação é começar pela tarefa: perguntas simples, classificação de informações e transformações de texto podem ser feitas com modelos menores, enquanto análises com mais raciocínio, interpretação de contexto e documentos extensos podem justificar modelos mais sofisticados. A avaliação pode comparar qualidade, velocidade, erros e custo por solicitação, além de permitir o roteamento de modelos para enviar tarefas simples a versões econômicas e reservar as avançadas para casos que realmente exigem mais capacidade.
A SAP suspendeu a maior parte das viagens e das contratações no mês passado, segundo um e-mail interno obtido pela 404 Media. A medida teve exceções apenas para deslocamentos e contratações ligados a projetos de IA. Um funcionário atual da empresa afirmou que as restrições continuam em vigor e que o tema foi retomado em uma reunião global recente. A SAP também estaria distribuindo uma nova ferramenta de IA para toda a companhia, o que, na visão do funcionário, pode elevar ainda mais os custos.
O caso reforça que IA não está apenas “barateando” operações: em alguns ambientes, o gasto pode disparar e forçar controle mais rígido do uso. Para times de dev e tech, isso significa mais atenção a governança, políticas de uso de modelos e planejamento de custos (FinOps/LLMOps) antes de escalar ferramentas de IA.
