Pesquisadores de segurança alertam que conteúdo sexual explícito gerado por IA sem consentimento segue se espalhando sem controle, com compartilhamento em mensagens diretas e armazenamento em nuvens privadas, o que dificulta detecção e denúncia. Um estudo coautorado pela Google com usuários da internet nos Estados Unidos, Austrália e Reino Unido, publicado em julho, aponta que o ponto de intervenção mais crítico está na origem das ferramentas usadas para criar as imagens falsas.
Em testes recentes, pesquisadores do White Circle afirmam que guardrails de geradores de imagens de texto de Google e OpenAI podem estar falhando à medida que os modelos ficam mais capazes. Um preprint divulgado no mês passado descreve vulnerabilidades em DALL·E 3, Nano Banana 2 e GPT-Image-2, com a equipe dizendo que, usando ferramentas disponíveis publicamente e chamadas via API, conseguiu gerar conteúdo explícito cerca de 13% das vezes.
O Wellhub revelou o Panorama do Bem-Estar Corporativo 2027 e indica que a adoção de inteligência artificial pode aumentar a carga de trabalho para quem já domina a tecnologia. No Brasil, 37% dos trabalhadores “avançados em IA” relatam que o uso da ferramenta elevou o volume de tarefas, ante 13% entre quem está nos primeiros estágios de adoção. O levantamento também mostra que, no recorte brasileiro, oito em cada dez usuários avançados orientam outras pessoas sobre as ferramentas.
Os dados ainda apontam diferenças nos relatos de esgotamento: 23% dos profissionais mais avançados dizem ter sintomas de burnout diariamente, contra 11% dos iniciantes. A pesquisa destaca que políticas claras e bem comunicadas sobre IA se associam a maior resiliência, e que 75% dos usuários avançados citam recursos de bem-estar como apoio para se adaptar ao ambiente impulsionado pela tecnologia. O estudo foi conduzido entre 12 e 19 de junho de 2026 com mais de 5 mil profissionais em dez países.
O pendant Friend 2, chatbot em formato de pingente sempre “listening”, chegou em julho custando US$ 249 e usa os “latest language models” da OpenAI. O dispositivo responde a comandos e também pode falar sem ser provocado, com um recurso de “silenciar” que exige toques no aparelho.
A Avi Schiffmann, criadora do Friend, afirmou que a próxima atualização vai tornar os chatbots mais “agentically” e mudar a personalização: em vez de personalidades únicas por usuário, todos conversariam com a mesma entidade, compartilhando contexto entre usuários. A proposta aponta para um “hivemind” do Friend, com mudanças que devem afetar como o sistema se comporta e como a privacidade é tratada.
A categoria de PCs com Windows “Copilot+ PCs” foi lançada em 2024 por Microsoft e Qualcomm para impulsionar uma nova geração de computadores “AI-first”, com recursos exclusivos e requisitos mínimos de sistema. O lançamento, porém, enfrentou reação imediata de pesquisadores de segurança após apontarem falhas na segurança do recurso Recall, levando a Microsoft a adiar o Recall e a colocar a categoria no mercado sem a principal experiência de IA.
Com o tempo, OEMs passaram a retirar o termo “Copilot+ PC” das campanhas e dos nomes de produtos, e até a Microsoft reduziu as menções. Em 2026, PCs Surface não trazem mais o moniker no nome, embora sigam a “bar” anterior de requisitos; a Qualcomm também indica que a intenção original era definir uma categoria por métricas como NPU (ex.: 45 TOPS), mas agora as experiências continuam sem necessariamente usar o mesmo nome.
Desde 2024, a Microsoft vinha promovendo a marca “Copilot+ PC” para indicar quais PCs Windows seriam aprovados para rodar cargas de trabalho com IA acelerada localmente. Nos novos Surface anunciados nesta semana, porém, a identificação “Copilot+ PC” não aparece.
Brett Ostrum, VP corporativo de Surface, afirmou que os modelos atendem aos requisitos anteriores, mas não são chamados de “Copilot+ PCs”. Para a categoria, eram exigidos 16 GB de RAM, 256 GB de armazenamento e uma NPU integrada com desempenho de 40 TOPS ou mais; os Surface Pro de 12 polegadas (2ª edição) e Surface Laptop de 13 polegadas (2ª edição), com lançamento em 13 de outubro, usam Snapdragon X2 Plus e NPU Qualcomm Hexagon de 80 TOPS.
A Qualcomm anunciou o Snapdragon 8 Elite Gen 6 e o Snapdragon 8 Elite Extreme Gen 6 para smartphones Android durante o Snapdragon Summit 2026. Os chips são fabricados em processo de 2 nm e usam a nova CPU Oryon, com dois núcleos de alto desempenho de até 5 GHz e seis núcleos de performance chegando a 4 GHz.
A empresa também reforçou a aposta em IA no próprio aparelho, com nova versão da Hexagon NPU e o Hexagon Element Accelerator para acelerar cargas de trabalho de IA. No Extreme, a memória compartilhada da NPU é 50% maior e há suporte a modelos maiores, incluindo MoE com mais de 30 bilhões de parâmetros, além de recursos de IA no pipeline gráfico e gravação em 8K a 60 fps; os primeiros celulares anunciados para usar os chips incluem Motorola Signature 27 e Xiaomi 18 Pro Max no Extreme, e Xiaomi 18 Pro no Gen 6.
Um desenvolvedor retomou o reverse-engineering do driver do Apple Neural Engine (ANE) no chip M1 após três anos, dizendo que antes havia concluído que o bloco não era tão útil. Ele afirma que a arquitetura do ANE é “opinionada” demais para virar uma plataforma genérica e que um driver Linux não ampliaria a variedade de cargas de trabalho. Mesmo no macOS, o ANE é usado com frequência apenas para gerar prévias com upsampling no Finder.
Com a chegada do M5 (2025) e a proposta de “performance de LLM”, o autor aponta que as cores do ANE foram incorporadas às do GPU, sinalizando o fim do NPU standalone. Agora, o objetivo passa a ser mapear a arquitetura interna do ANE no M1 — incluindo compute, datapath, scheduler, memória e modelo de execução — para entender quais suposições sobre workloads de ML a Apple colocou em silício desde o A11 Bionic (2017) e como isso se conecta à mudança de NPUs focadas em CNN para GPUs executando transformers.
Serviços como ChatGPT, Claude e Gemini popularizaram o uso de IA via navegador, mas o processamento em data centers faz com que qualquer PC dependa da internet para resumir textos, gerar códigos e criar imagens. Com isso, a indústria passou a apostar nos AI PCs, máquinas com componentes dedicados para acelerar tarefas de IA no próprio dispositivo.
A proposta mira três pontos: manter dados sensíveis no armazenamento local, reduzir a dependência de conexão com latência praticamente zero e melhorar eficiência energética com a NPU (Unidade de Processamento Neural). Para cargas mais pesadas, GPUs dedicadas também ganham destaque, enquanto o modelo híbrido aponta a nuvem para tarefas ultra complexas e o PC para o que exige privacidade e resposta imediata.
O Gerenciador de Tarefas do Windows 11 vai passar a exibir informações sobre o uso de NPU (Unidade de Processamento Neural) por processo e também sobre o acelerador neural da GPU, de forma semelhante ao que já acontece com CPU, disco e memória. A mudança mira a identificação de como apps e processos ligados a IA estão consumindo recursos dedicados no computador.
A Microsoft afirma que o recurso será útil para profissionais de TI e desenvolvedores que precisem diagnosticar desempenho e verificar se modelos estão usando o hardware correto, além de ajudar usuários avançados a entender e melhorar bateria e performance. O anúncio foi feito no Windows IT Pro Blog, mas não há data nem build confirmadas, apenas a indicação de que chegará a alguns dispositivos mais novos.
O notebook Asus Vivobook S14 S3407CA-LY121 está em oferta relâmpago na Amazon por R$ 5.799, com desconto de 17% sobre o preço original de R$ 6.999. A compra pode ser parcelada em até 12x sem juros, e a loja informa que 32% do estoque já está reservado no momento da publicação.
O modelo traz Intel Core Ultra 7 Série 2 e NPU Intel AI Boost para processar tarefas de inteligência artificial localmente, com foco em eficiência e respostas rápidas do Copilot. Ele vem com 16 GB de RAM DDR5 e SSD de 512 GB, além de tela de 14 polegadas WUXGA (16:10), e a oferta destaca a possibilidade de expansão de RAM até 32 GB.
O Google negou rumores sobre uma possível revelação pública dos novos Googlebooks no dia 15 de setembro, após um convite para um evento em Nova York. Em comunicado, a empresa afirmou que o encontro sob embargo é apenas para a imprensa e garantiu que “nada será anunciado no dia 15 de setembro; essa é apenas a data do evento sob embargo”.
Enquanto a estreia oficial não tem data confirmada, vazamentos apontam para especificações de modelos como o Acer Googlebook 14, com Intel Core Ultra 5 325, 16 GB de RAM, SSD de 256 GB e tela OLED 2.8K de 120 Hz, além de Glow Bar e NPU para IA local. Também surgem registros sobre um possível Dell XPS 13 com chip Qualcomm Snapdragon X Elite, 32 GB de RAM e tela OLED de 13,4 polegadas com toque.
A Meta AI Research lançou o Muse Glimmer, um modelo open-weight de 30 bilhões de parâmetros sob licença Apache 2.0. Projetado para execução local “always-on”, ele permite que desenvolvedores rodem agentes autônomos, invocação complexa de ferramentas, execução de código e avaliações “LLM-as-a-judge” diretamente em GPUs e workstations, sem depender de APIs em nuvem.
Para caber em orçamentos de memória de hardware comum, o Muse Glimmer usa quantização dinâmica 4-bit para reduzir o tamanho para cerca de 17 GB a 20 GB e combina um “drafter” DFlash para validar blocos com múltiplos tokens em paralelo, com ganhos de throughput reportados de até 3,1x. O modelo também inclui um encoder de percepção de 1,8B para inputs multimodais e foi treinado para diagnosticar falhas (como erros de chamadas de API ou comandos no terminal) e tentar caminhos alternativos, com suporte a frameworks como OpenClaw.
Líderes de TI no Brasil estão mudando a pergunta sobre IA: em vez de decidir se vão adotar, agora precisam definir como estruturar onde a IA vai rodar, com impacto direto em custo, segurança, produtividade e conformidade com privacidade. Uma pesquisa da IDC publicada em abril de 2026 aponta que 60% das organizações já implantam ou testam AI PCs e que 70% esperam influência da IA agêntica no trabalho das equipes nos próximos dois anos.
A execução local pode reduzir a dependência de nuvem para tarefas como transcrições, análise de documentos, assistentes de escrita e geração de conteúdo, evitando custos recorrentes por uso de tokens. O texto também destaca que conectividade, privacidade e requisitos regulatórios pesam na estratégia, e cita processadores AMD Ryzen AI PRO 400 Series com NPU e recursos de segurança integrados, além do modelo híbrido que separa tarefas no dispositivo e cargas maiores na nuvem.
O Google lançou o Angular v22, trazendo a estabilização de Signal Forms, Angular Aria e APIs assíncronas de reatividade, além de novas melhorias de template e tooling. Signal Forms reúne garantias tipadas de formulários reativos com a ergonomia de formulários orientados a templates, agora com documentação completa e suporte a Angular Material e Angular Aria. Também foram declarados estáveis resource, rxResource e httpResource, com suporte a chain() para requisições dependentes e cache de recursos para server-side rendering.
A mudança mais ampla ocorre no change detection: OnPush passa a ser a estratégia padrão para componentes, enquanto o comportamento anterior foi renomeado para Eager. O Angular ainda adiciona @Service() para substituir o padrão @Injectable({providedIn: 'root'}) em singletons globais e inclui injectAsync para permitir carregamento lazy e code splitting, com prefetch opcional quando o navegador estiver ocioso. No lado de IA, a versão inclui suporte experimental a WebMCP, expondo ferramentas da aplicação e de Signal Forms para agentes in-browser, além de Angular Agent Skills e um dev server de MCP com suporte estável.
O projeto open-source Ponytail, que define regras para agentes de coding “agirem como o dev mais preguiçoso da sala”, ultrapassou 82 mil estrelas no GitHub desde seu lançamento em 12 de junho. A iniciativa ganhou força ao atacar um problema comum: agentes que entregam soluções superdimensionadas (ex.: criam biblioteca, wrapper e CSS quando bastaria um <input type="date">). Após críticas, o benchmark original (que falava em 80% a 94% de redução de código) foi revisado: um estudo apontou que a comparação era inflada por um baseline “chatty” e que o ganho real, em média, ficou em cerca de 54%, chegando a 94% apenas nos casos em que o agente realmente over-build.
Na prática, Ponytail funciona como um conjunto de guardrails no contexto do agente, impondo uma “escada” de decisão antes de escrever código mínimo e suficiente. O projeto também reforça limites de segurança e qualidade (validação em trust boundaries, tratamento de erros, acessibilidade) e exige marcação quando houver simplificações. Para devs, a mensagem é clara: além de prompts e skills, começa a ganhar valor a avaliação justa e reproduzível do que esses agentes realmente melhoram no dia a dia.
:quality(85)/a92b9d2a-21e2-418b-a2bb-f22d0155f62b.jpeg)
:quality(85)/d4c779c4-af1d-40a9-9d83-b26de3214a32.png)
:quality(85)/74b5ff7d-0208-491f-836f-069afbcbfbe4.png)
