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.
A Grab padronizou mais de 500 serviços internos de agentes de IA usando o LLM-Kit, um framework interno que já entrega o “agent loop” básico com avaliação, tracing, tratamento de segredos e conexões com tool-servers. Com isso, novos serviços passam a descobrir ferramentas em tempo de execução a partir de mais de 50 servidores MCP e acessam modelos por um gateway único, permitindo adicionar capacidades e provedores via registro ou configuração, sem redeploy.
Integrar um novo agente em produção na Grab passou a levar cerca de uma hora, antes eram duas semanas ou mais. A empresa atribui a economia principalmente ao “wrapper” de produção — segredos, tracing, service discovery e avaliação — e descreve um fluxo em que um engenheiro preenche um formulário e recebe um repositório GitLab com um serviço FastAPI pronto, módulos LangGraph, OpenTelemetry, Vault e endpoint de avaliação já no primeiro commit.
A Amazon Web Services (AWS) lançou o Pizza Bot, um aplicativo open-source que oferece uma “caixa de entrada” no estilo de e-mail para gerenciar agentes de IA que rodam em segundo plano. A proposta é substituir a interface de chat, já que o trabalho do agente pode continuar mesmo quando o usuário sai para almoço ou dorme, com tarefas concluídas chegando como threads “não lidas” e itens que exigem decisão humana sendo destacados para ação.
O Pizza Bot inclui um painel de atividades com jobs repassados a agentes especialistas, mostrando uso de ferramentas e progresso. O projeto é independente da AWS e pode ser self-hosted, com app para macOS, Windows e Linux e clientes via navegador e terminal, além de suporte a modelos como Anthropic, Amazon Bedrock, Google Gemini, OpenAI, OpenRouter e Ollama, usando LangGraph para persistência e retomada de execuções.
A Diagrid lançou o Catalyst 2.0 em 28 de julho de 2026, trazendo recuperação de falhas e verificação criptográfica para agentes construídos com frameworks como LangGraph, Microsoft Agent Framework, Google ADK e Dapr Agents. A atualização inclui integrações com LangGraph Deep Agents, AWS Strands, OpenAI Agents SDK, Claude Managed Agents, CrewAI e Pydantic AI.
Com o Catalyst, desenvolvedores adicionam um pacote a aplicações de agentes existentes para transformar chamadas de modelo e de ferramentas em atividades duráveis de workflow, permitindo retomar execuções interrompidas sem repetir trabalho já concluído. A verificação usa o Dapr 1.18 para assinar e encadear hashes do histórico do workflow, com checagem ao carregar o estado e validação fora da aplicação que gerou o histórico, embora o recurso de assinatura dependa de feature flag e mTLS.
A Amazon Web Services adicionou runtime instances ao Bedrock AgentCore, criando uma segunda opção de computação para executar agentes em instâncias gerenciadas do Amazon EC2 na conta do cliente. A novidade mantém as APIs do AgentCore e o modelo de identidade e observabilidade, mas mira equipes cujos agentes não se encaixam no limite de oito horas das microVMs.
Com sessões persistentes que podem durar até 14 dias, o runtime oferece sistema de arquivos compartilhado, tipos de instância com aceleração por GPU e suporte a Python e imagens de contêiner. Vários agentes podem ser implantados no mesmo runtime para colaborar no mesmo diretório de trabalho, usando frameworks como CrewAI, LangGraph, LlamaIndex e Strands via um decorator @app.entrypoint, sem mudar o modelo de empacotamento.
A Embabel, framework para construir agentes de IA em Java e Kotlin, chegou ao lançamento geral (GA) na versão 1.0. A proposta é permitir que devs definam agentes como objetos de domínio tipados (metas, ações e condições), em vez de escrever sequências manuais de prompts e chamadas a ferramentas. O framework usa um passo de planejamento inspirado em GOAP (Goal-Oriented Action Planning) para encontrar, em tempo de execução, a melhor sequência de ações até o objetivo, podendo recalcular o caminho se o contexto mudar durante a tarefa.
A Embabel funciona em cima do Spring AI, herdando suporte a provedores como OpenAI, Anthropic, Gemini, Bedrock, Mistral e DeepSeek, além de opções locais via Ollama/Docker e endpoints compatíveis com OpenAI (como o LMStudio). Na prática, isso facilita orquestrar agentes com múltiplos modelos e separar “declaração do que fazer” do “como sequenciar”, diferindo de abordagens baseadas em grafos como LangGraph. Para times que já usam Spring Boot, a versão 1.0 marca um ponto de avaliação mais concreto do framework.
