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.
A Wikimedia Foundation se preparou para a chegada dos grandes modelos de linguagem à Wikipédia, mas o impacto não foi o esperado. Em 2018, o Google treinou IA para escrever artigos no estilo da Wikipédia, e um estudo da Princeton University apontou que, em agosto de 2024, cerca de 5% de quase 3.000 artigos recém-criados na versão em inglês continham uma quantidade relevante de conteúdo gerado por IA.
Com o tempo, editores passaram a tentar controlar a qualidade do material, removendo “fluff” e fontes falsas, mas a Fundação relata que, até março de 2026, o conteúdo gerado por IA violava princípios centrais com frequência suficiente para levar à proibição do uso de grandes modelos na escrita. A discussão destaca o risco de a plataforma ser corrompida por respostas plausíveis, porém erradas, e questiona como verificar quando a própria enciclopédia passa a ser influenciada por máquinas.
Pesquisadores apresentaram na conferência KDD o estudo “GEO: Generative Engine Optimization”, voltado a melhorar a visibilidade de conteúdos nas respostas de mecanismos generativos. Nos testes descritos, intervenções específicas aumentaram a presença em até 40%, variando conforme o tema pesquisado.
O movimento é comparado ao SEO, mas com uma diferença: ao perguntar a uma inteligência artificial, muitas vezes o usuário recebe uma resposta pronta em vez de uma lista de opções. O texto destaca ainda como a construção de um “rastro público” — entrevistas, artigos, participações e fontes — pode influenciar o que sistemas como os buscadores associados ao ChatGPT encontram e citam, exigindo que assessorias e relações públicas considerem como esses dados são lidos e organizados.
A Dell entrou na corrida para permitir que agentes de inteligência artificial entendam o significado dos dados que acessam dentro das empresas. A companhia apresentou tecnologias para conectar informações de sistemas diferentes e indicar à IA quais termos, relações e fontes devem ser considerados em cada tarefa, com previsão de chegada dos principais recursos no primeiro semestre de 2027.
O foco é criar uma camada de contexto entre modelos de IA e dados corporativos, problema que ganhou força com a adoção de agentes em tarefas reais. Levantamento da Modern Data Company com mais de 540 profissionais em 66 países aponta que 57,3% das organizações já testam ou usam agentes, mas só 8,4% confiam nos dados para uso em produção, e falta de contexto aparece entre as principais barreiras.
A AVEVA aponta que a IA industrial está entrando em uma nova fase com foundation models, physical AI e agentic AI, permitindo automatizar tarefas mais complexas em ambientes físicos. Como essas decisões podem afetar diretamente sistemas e infraestrutura crítica, a empresa destaca que a implantação responsável passa a ser central para manter segurança, confiabilidade e operações estáveis.
O framework de IA responsável da AVEVA enfatiza segurança, eficiência e supervisão humana, com guardrails para definir onde a automação pode agir e onde responsáveis humanos devem permanecer no controle. O debate também inclui o papel de dados para correlacionar informações de diferentes fontes em tempo real e a necessidade de novas abordagens de governança e sustentabilidade, incluindo padrões para medir o impacto ambiental da IA.
A Xiaomi iniciou a pré-venda da REDMI X RGB-Mini LED 2027 Competitive Edition, uma linha de TVs com retroiluminação RGB-Mini LED voltada a jogos e economia de energia. O painel tem taxa de atualização nativa de 180 Hz, com possibilidade de chegar a 360 Hz em um modo específico para games, além de promessa de reduzir o consumo total em 30% frente a soluções convencionais.
A TV traz iluminação com fontes de luz vermelha, verde e azul independentes e cobre 100% da gama de cores BT.2020, com precisão de cor de aproximadamente ΔE 2. O brilho máximo é de 1.300 nits, há camada nano soft-light e textura anti-reflexo AG nano, e a proteção ocular Qingshan é citada para uso prolongado; a linha começa a ser vendida oficialmente na China em 12 de outubro, com preços a partir de 2.705 yuans.
Depois do básico, o aprendizado de IA tende a sair de tarefas simples e ir para usos mais complexos, como estruturar processos com várias etapas. Em vez de depender só de comandos individuais, a evolução passa por definir objetivos, fornecer contexto e acompanhar cada fase para chegar a resultados confiáveis.
Outra frente é aprender a trabalhar com informações da rotina profissional, como planilhas, relatórios e bases internas, respeitando regras de segurança. Também ganha espaço conectar a IA a outras ferramentas para automatizar tarefas, além de desenvolver a checagem de fontes e a comparação de resultados quando as respostas ficam mais difíceis de validar rapidamente.
A Archestra lançou o OpenAPPA, um motor de segurança open-source para impedir exfiltração de dados causada por prompt injection ou alucinação de modelos. O sistema roda fora do loop de prompt e execução do agente e usa uma configuração appa.toml para definir fontes de dados, audiências, níveis de confiança e autoridades, com regras determinísticas de aplicação.
Em benchmarks como Bench-Corp (20 fluxos corporativos) e AgentThreatBench, o OpenAPPA reportou 0% de ataques bem-sucedidos, mantendo 89% de conclusão de tarefas. A equipe também aponta que abordagens estocásticas baseadas em “modelo-juiz” tendem a falhar por não rastrear o fluxo de dados entre tool calls, e descreve mecanismos de recuperação, como sanitização, aprovação por autoridades e Child Branches descartáveis para isolar dados não confiáveis.
O recurso de memória do ChatGPT permite que a inteligência artificial mantenha algumas informações entre diferentes conversas, ajudando a deixar as respostas mais alinhadas ao que o usuário costuma pedir ou prefere. A memória pode guardar detalhes como preferências, interesses, objetivos e projetos, além de recuperar contexto relevante para perguntas futuras.
A memória não registra necessariamente tudo o que foi dito: o sistema seleciona informações e mantém um “Resumo da memória” que funciona como uma visão geral do contexto. O usuário pode ajustar esse resumo, pedir para confirmar se um detalhe foi registrado e usar o ícone de “Fontes” para ver quais memórias, conversas ou arquivos foram consultados; também é possível usar memória dentro de projetos, inclusive com modo que restringe o contexto ao próprio projeto.
Donald Trump deve escolher Jay Clayton, diretor de inteligência dos EUA, para o posto de “czar” de inteligência artificial na Casa Branca, segundo a CNN a partir de duas fontes ligadas às discussões. A decisão pode ser oficializada já nesta sexta-feira (2). No encontro com executivos de empresas de IA na Casa Branca, Trump defendeu a aceleração da inteligência artificial e disse que o governo não vai “impedir ou sufocar” o crescimento do setor.
Trump já descartou leis e normas nacionais para regular a área e defende autorregulação. No fim de setembro, executivos de Google, Nvidia, Anthropic e X assinaram um código voluntário de boas práticas na Casa Branca, com diretrizes para gerenciar riscos de segurança, níveis de supervisão interna e auditorias externas independentes, além da criação de um comitê independente para revisar avaliações de segurança.
A Leapwork lançou o Leapwork Play, uma plataforma de validação contínua “AI-native” voltada para construir, executar e gerenciar suítes de testes em Playwright em escala. A empresa destaca que a popularidade do Playwright cresceu junto com o uso de código gerado por IA, mas que isso elevou o volume de testes e tornou mais difícil provar a origem de cada caso e gerenciar milhares deles entre várias equipes.
O Leapwork Play conecta o Play a fontes onde o conhecimento do produto já vive, como Jira, repositórios Git e documentação, para gerar testes Playwright baseados nesse contexto. A ferramenta também permite registrar uma jornada do usuário no navegador e transformar isso em um teste mantido, com saída em código Playwright padrão para rodar no Play, em pipelines de CI ou via servidor MCP de assistentes de código com IA.
A Progress Software anunciou novas capacidades na plataforma Progress Agentic RAG, voltada a agentes de IA e LLMs, com uma camada compartilhada de Agentic Knowledge para conectar conhecimento corporativo a experiências com IA. O pacote inclui um aplicativo nativo para Microsoft Teams, um Smart Agent para recuperação autônoma em múltiplas etapas e um plugin para WordPress para melhorar ingestão, fidelidade e governança do conteúdo.
Com a expansão do uso de agentes além do chat, a empresa destaca que equipes de engenharia costumam precisar criar lógicas de orquestração para cada sistema acessado e lidar com respostas incompletas quando o conteúdo é apenas pré-indexado. A atualização busca reduzir esse trabalho ao permitir que o Smart Agent planeje consultas, gere subperguntas, recupere informações em Knowledge Boxes, aplicações conectadas via MCP e fontes web, avaliando resultados até reunir dados suficientes, além de dar mais controle sobre como conteúdos do WordPress são indexados e atualizados.
Agentes de IA que “passam” em demos podem falhar quando chegam ao mundo real por causa de dados inconsistentes, fontes diferentes, mudanças frequentes de informação e desafios como permissões de sistema. Mesmo quando retrieval e RAG funcionam no ambiente controlado, o agente pode não ter o contexto de negócios necessário para tomar ações com base em informações atuais e confiáveis.
No dia 14 de outubro, Ravi Marwaha, COO e Chief Product & Technology Officer da Arango, vai explicar seis requisitos de dados para tirar agentes da fase de demonstração e preparar a arquitetura para produção. O conteúdo inclui exemplos sobre clientes que aparecem de formas diferentes em sistemas distintos, necessidade de entender “por que” uma decisão foi tomada e como manter governança e contexto unificado para reduzir latência, custos e trabalho manual.
A Microsoft está transformando o Microsoft Fabric, sua plataforma integrada de dados, no local onde agentes de IA aprendem como uma empresa funciona — do que aconteceu no último trimestre ao que ocorre em tempo real no chão de fábrica. No FabCon e SQLCon em Barcelona, a empresa detalhou como o Fabric IQ, a camada de contexto do produto, passa a alimentar o Microsoft 365 Copilot por padrão e como agentes externos poderão consultar esse contexto via MCP.
A Microsoft também anunciou que o Power BI poderá, em breve, transformar as mesmas definições em apps, enquanto ontologias com regras de negócio avançam para mais uma fase de preview. Além disso, a empresa destacou integrações e recursos no OneLake, como espelhamento e permissões de segurança ao integrar dados de fontes como Salesforce Data Cloud 360 e BigQuery, reforçando que as regras de acesso serão preservadas e aplicadas junto com os dados.
A LangGrant, antes conhecida como Windocks, anunciou a Enterprise Reasoning Initiative, um projeto open source apoiado por 10 inovadores do ecossistema de IA. A iniciativa busca criar um padrão aberto de interoperabilidade para permitir que a expertise humana permaneça parte do raciocínio usado por sistemas de IA em decisões e ações com impacto no ambiente corporativo.
O projeto propõe uma representação comum do raciocínio, incluindo fontes, etapas, evidências, contribuições de humanos e de IA, políticas, versões e aprovações, para que equipes possam revisar, modificar, reexecutar e reutilizar esse raciocínio ao longo do tempo. A Enterprise Reasoning também mira melhorar segurança, transparência e disponibilidade do “reasoning”, além de torná-lo reutilizável e gerenciável, com suporte inicial de empresas como Almaden AI e Causal Dynamic Labs.
63% dos desenvolvedores dizem que sistemas de IA contribuem para as mudanças climáticas, e 70% afirmam que empresas de tecnologia e empregadores precisam fazer mais para reduzir o impacto ambiental, segundo um relatório conjunto do GitHub e do Yale Program on Climate Change Communication (YPCCC). A pesquisa ouviu 1.039 usuários ativos mensais do GitHub nos EUA sobre clima, impacto ambiental da IA e práticas de engenharia de software sustentável.
O estudo aponta que muitos veem ineficiências em modelos e em softwares “indesejados” como fontes de desperdício, além de pedirem mais transparência sobre consumo de energia. Entre os entrevistados, 80% querem ferramentas para escrever código mais eficiente, com recomendações como medir o consumo de energia de ferramentas de IA, incluir escores de eficiência energética em projetos e revisar etapas de CI/CD que usam computação desnecessária.
A OpenAI afirmou ter resolvido o problema de existência e suavidade das equações de Navier-Stokes, uma questão debatida por décadas na matemática, usando milhares de agentes. O resultado foi apresentado como uma prova, mas especialistas ainda estão avaliando a validade e a forma como a solução foi obtida.
Matemáticos apontam que provas feitas por sistemas de IA podem ser difíceis de entender e verificar, já que modelos de linguagem não citam fontes de forma confiável e não explicam claramente os passos. Enquanto a prova de 166 páginas segue em revisão por pares, pesquisadores também criticam a falta de transparência e a possibilidade de uso de trabalhos sem atribuição, além de haver uma declaração com alerta sobre o impacto de “mass-produzir” provas na área.
Ao perguntar a um assistente de inteligência artificial, é comum receber respostas mesmo quando o modelo não sabe. Esse comportamento é chamado de alucinação e pode levar a invenções de dados, citações e fontes com a mesma segurança de fatos reais, incluindo casos em que modelos criaram decisões judiciais atribuídas a processos inexistentes.
A explicação passa pela forma como os grandes modelos de linguagem são treinados para prever a próxima palavra, e não para medir o que sabem. Para contornar o problema, a Ammonix desenvolveu uma abordagem em que a IA opera dentro de um conjunto definido de decisões e se abstém quando a situação não se parece com casos conhecidos ou quando a confiança é baixa, podendo pedir mais informações ou encaminhar para especialistas; já a Anthropic divulgou um teste com verificação automática em relatórios financeiros, no qual o Claude Opus 5.5 passou em 16 de 18 tentativas.
A startup de data centers de IA Crusoe, de Denver, encerrou os planos de usar turbinas estacionárias da Boom Supersonic e cancelou a parceria que previa um investimento de US$ 1,25 bilhão em 29 turbinas Superpower. A decisão ocorre após o CEO da Boom, Blake Scholl, afirmar que a empresa não seguirá com o acordo, que tinha entregas previstas para começar em 2027.
A Crusoe confirmou ao TechCrunch que não faz mais negócios com a Boom. A empresa disse que continua construindo datacenters “do poder para cima” e que mantém flexibilidade para escolher fontes de energia por site, citando que a parceria não é o ajuste ideal no momento, enquanto a Boom direciona as entregas de Superpowers para outros locais.
A Agência de Segurança Nacional (NSA) informou a legisladores que está gastando bilhões de dólares de recursos do contribuinte, neste ano, para avaliar e testar modelos avançados de inteligência artificial. O valor, segundo duas fontes com acesso a estimativas classificadas, seria bem maior do que o previamente conhecido, elevando a preocupação de que um sistema regulatório federal mais amplo possa custar dezenas de bilhões por ano.
Após uma série de incidentes de hacking e falhas de segurança, o Artificial Intelligence Security Center da NSA passou a testar modelos de “fronteira” para identificar vulnerabilidades ligadas à segurança nacional. O debate agora envolve quem deve bancar essas verificações, com propostas de auditorias independentes e discussões sobre a possibilidade de as próprias empresas de IA financiarem parte dos custos, em vez de o ônus recair sobre os contribuintes.
Pesquisadores do MIT Senseable City Lab defendem, em “How AI Sees the City: Urban Visual Intelligence”, que a IA visual pode transformar estudos urbanos ao tratar imagens de câmeras e outras fontes como dados. Em Nova York, técnicas com machine learning identificaram tipos de veículos em 331 câmeras de trânsito e estimaram emissões por automóvel, mostrando como a escala de imagens pode aumentar precisão e cobertura.
O livro também destaca aplicações para planejamento urbano, como entender gargalos de tráfego, pontos mais perigosos em cruzamentos e áreas de praças e parques que atraem mais pessoas. Ao mesmo tempo, os autores alertam para preocupações com vigilância e para o risco de vieses serem reforçados por sistemas de IA, especialmente com a instalação de câmeras em larga escala.
A startup colombiana Dapper, fundada por Luis Alberto Rodríguez, usa inteligência artificial e dados para monitorar mudanças regulatórias em mercados emergentes. A empresa acompanha mais de 500 fontes públicas em 14 países, processa cerca de 2 mil documentos por dia e organiza leis, decretos e resoluções em um banco de dados consultável.
A Dapper afirma que um monitoramento regulatório completo, antes feito em uma a duas semanas, pode ser gerado em 20 a 60 minutos com relatórios personalizados. No Brasil — apontado como o mercado mais complexo para a empresa — a plataforma também oferece suporte em português e integra conectores via MCP e API para acoplar a base regulatória às ferramentas usadas pelas equipes.
O app de agentes de IA da Meta, o Muse, foi promovido no Instagram e no WhatsApp e já ultrapassou 900 mil downloads na primeira semana, segundo a Sensor Tower. A ferramenta promete “passar tarefas do dia a dia” como buscar ofertas, reservar e gerenciar a caixa de entrada, conectando-se a fontes como e-mail e conta bancária.
Após alguns dias de uso, o texto relata preocupação com a coleta de dados: o app incentiva o usuário a conectar mais informações para personalização e mantém uma “Memory” com preferências e compromissos. O Muse também usa interações do usuário para treinamento de modelos de IA de forma automática, com a opção de desativar a contribuição em “Data controls”, mas sem um botão para desligar totalmente a função de memória.
Agentes de IA podem automatizar rotinas de pesquisa e a organização de dados em planilhas a partir de buscas e formulários. A ideia é configurar um bot para analisar resultados, separar destaques e reunir tudo em uma única tabela, com colunas para critérios como preço, potência, capacidade, avaliação e links das fontes.
O processo pode ser feito com agentes próprios de assistentes como Claude, ChatGPT e Gemini (com recursos que podem exigir planos pagos), com assistentes integrados ao Google Planilhas e ao Excel, ou ainda via plataformas de automação como n8n e Zapier conectadas a serviços de IA. Também é possível usar plugins e componentes para controlar arquivos e gerar a planilha após a confirmação das instruções.
Repetir a mesma pergunta em um LLM pode gerar cobranças a cada resposta, mesmo quando nada mudou. A proposta é criar uma chave de cache por “fingerprint” dos insumos e dependências (request, contexto, configurações do modelo e dados subjacentes) e reutilizar a resposta quando ela continuar válida e segura.
O texto descreve uma estratégia em três níveis: cache exato com normalização e hash SHA-256 em um store como Redis; cache semântico com embeddings e busca por similaridade (com limiar de cosseno entre 0,90 e 0,95, ajustável); e um modelo híbrido que tenta o exato primeiro e só faz a busca semântica em caso de “miss”. Em ambos os casos, a chave precisa considerar contexto, versão de fontes e escopo de acesso para evitar reutilização incorreta entre usuários e documentos diferentes.
A Vox Group, empresa de tecnologia de guias com atuação em mais de 150 países, atualizou sua plataforma de IA Aura para oferecer tradução simultânea ao vivo em até 200 idiomas. O sistema também passou a incluir legendas de acessibilidade em tempo real e um “companion” de IA para apoiar os guias durante as visitas.
A tradução do Aura pode rodar em até quatro idiomas ao mesmo tempo em um único tour, com o áudio chegando aos participantes pela mesma infraestrutura de rádio usada pela empresa. A companhia afirma que o recurso foi desenhado para manter o guia como voz principal, usando conteúdo aprovado pelo operador e fontes verificadas, e que a solução já está disponível para cruzeiros, operadoras de turismo, DMCs e parceiros de experiências no destino.
O jornal estatal chinês Global Times classificou o ensaio de Dario Amodei, CEO da Anthropic, como um “manual de Guerra Fria” contra a China. No texto, Amodei defende desacelerar o avanço de capacidades de IA de fronteira para ganhar tempo no enfrentamento de riscos de segurança e propõe reforçar controles americanos sobre exportação de chips para Pequim.
A publicação chinesa afirma que a agenda por trás da proposta seria conter o desenvolvimento da IA chinesa com barreiras tecnológicas e “monopólios regulatórios”. Donald Trump rejeitou publicamente a desaceleração em 13 de setembro, enquanto Sam Altman e Elon Musk apoiaram a proposta; fontes ouvidas pela Reuters indicam que EUA e China devem discutir riscos de segurança de IA de fronteira em meados de setembro e o tema pode entrar na cúpula entre Trump e Xi marcada para o dia 24.
O GPT-6 Astra, da OpenAI, chega com foco em executar tarefas em várias etapas, usando o computador, navegando na internet e produzindo documentos, planilhas e apresentações. A disponibilização começou de forma gradual em 3 de setembro e está sendo ampliada para usuários dos planos Plus, Pro, Business e Enterprise, além da API.
A novidade inclui a capacidade de combinar raciocínio, uso do computador e navegação para lidar com atividades que exigem diferentes ferramentas e fontes, mantendo instruções anteriores mesmo quando novos requisitos são adicionados. O modelo também oferece níveis de esforço de raciocínio (baixo a máximo) e foi treinado para trabalhos como seguir modelos fornecidos pelo usuário e adaptar estrutura, estilo visual e conteúdo ao padrão solicitado.
A inteligência artificial virou ponto de atenção nas Eleições Gerais de 2026 no Brasil, com uso tanto para checar notícias e criar conteúdos quanto para ampliar riscos durante o pleito. Pela primeira vez, a tecnologia aparece como protagonista no processo para eleger presidente, deputados, governador e senadores, e o TSE já definiu regras para o uso de assistentes, embora persistam preocupações com fake news.
O principal problema é a desinformação: conteúdos falsos podem ser produzidos em larga escala e distribuídos rapidamente, inclusive por meio de montagens de vídeo criadas em poucos segundos. Ao mesmo tempo, especialistas apontam que a IA também pode ajudar a combater boatos ao apoiar a verificação de informações e indicar fontes para consulta, além de ferramentas como o Gemini para identificar conteúdo gerado por IA e o Claude com marca d’água invisível em textos.
Uma sequência de e-mails de spam atribuídos a agentes de IA da iLands.app tem chamado atenção ao oferecer “pesquisa verificada” e “receipts” em troca de uma taxa, com mensagens que chegam em grande volume. O remetente é um bot chamado Leo Ashford, que se apresenta como um agente que faz arqueologia da web, checa informações em fontes primárias e escreve os resultados.
O relato também diz que, em três dias, foram recebidas mais de uma dúzia dessas mensagens, e que elas não trazem opção de cancelamento (unsubscribe). O texto afirma ainda que os e-mails parecem ter sido enviados via Amazon SES e cita a sugestão de denunciar a empresa à Federal Trade Commission (FTC), especialmente por tentarem competir com trabalho de freelancers.
O TradingAgents, framework multiagentes para trading com LLMs, teve a versão v0.4.0 lançada com correções de look-ahead e ajustes de “point-in-time” em fontes como FRED (macro), sentimento social e memória de decision-log. A atualização também inclui sinais de decisão mais claros, retomada de checkpoints via CLI, grounding de preço do trader e suporte aos modelos GPT-5.6 e GLM-5.3, com lista completa no CHANGELOG.md.
O projeto foi totalmente aberto no GitHub e organiza papéis especializados, como Fundamentals Analyst, Sentiment Analyst, News Analyst, Technical Analyst, além de equipes de risco e um Portfolio Manager que aprova ou rejeita propostas de transação. O TradingAgents é voltado a pesquisa e não se destina a aconselhamento financeiro, investimento ou trading, com desempenho variando conforme modelos, parâmetros e qualidade dos dados.
:quality(85)/caa565f6-c377-4023-9d75-750c505f2401.png)
:quality(85)/121a28cb-5813-471d-bbba-b89ea9ca9dc5.jpg)
:quality(85)/483c949e-c9ea-41be-b2a9-e0fcfe03b894.png)
/https://i.s3.glbimg.com/v1/AUTH_59edd422c0c84a879bd37670ae4f538a/internal_photos/bs/2026/f/e/rovmbsRDahqEjGLnvZVg/afp-20260929-2297760264-v1-highres-presidenttrumpmeetswithaiexecutivesatwhiteho.jpg)
:quality(85)/53747657-4b3e-49ae-be7b-48177bbae2ef.png)
:quality(85)/85c9a3bc-d0a7-4d12-9012-f1daa4d2552b.png)