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.
Talorys é um assistente de IA pessoal open-source e gratuito que roda inteiramente dentro da conta do usuário na Cloudflare. Ele oferece chat com streaming, memória editável e gerenciável, além de recursos como tarefas, notas e projetos com CRUD pela interface e também via comandos no chat.
O projeto ainda inclui automações com lembretes únicos e recorrentes, digests diários e rotinas opcionais, entregues em um centro de notificações no app. O sistema usa um Worker privado com Durable Object para armazenar dados em SQLite e aciona o Workers AI para inferência, enquanto o restante (tarefas, notas, memórias e lembretes) continua funcionando mesmo se o Workers AI estiver indisponível ou se a cota gratuita for atingida.
Durante a “Birthday Week”, a Cloudflare anunciou a Clef, uma linha de modelos open-weight voltados a escolher entre opções pré-definidas em vez de gerar texto. Foram lançados modelos com 9B e 27B parâmetros, incluindo uma Clef multimodal de 27B que recebe um estado e um esquema de perguntas tipadas e devolve decisões com probabilidades para cada opção permitida.
A proposta é permitir que agentes usem o resultado para decidir como agir, como roteamento de solicitações de suporte, escalonamento ou adiamento para um humano. A empresa também lançou a Clef-Flash (9B), com latência mediana de 38,8 ms nos benchmarks da Cloudflare, e disponibilizou a tecnologia via Workers AI e pesos para download no Hugging Face, além de planejar fine-tuning para casos como triagem de suporte e classificação de bots.
A Cloudflare lançou dois modelos de decisão, Clef e Clef-flash, treinados pela empresa e hospedados no Workers AI. A proposta é entregar saídas estruturadas e tipadas de forma determinística, para serem usadas em fluxos que exigem decisões programáticas, com compatibilidade via Jev-API. A empresa também disponibilizou os modelos no Hugging Face sob licença Apache 2.0 para rodar localmente.
Além do uso direto nos modelos hospedados, a Cloudflare anunciou um produto de reinforcement learning (RL) para permitir que clientes façam fine-tuning do Clef para seus casos de uso. Em testes internos com Threat Intelligence, a classificação de domínios levou 2,2s usando Clef, enquanto um LLM geral (gpt-oss-120b) levou 4,7s e retornou apenas duas classificações, com a empresa destacando ganhos de latência e mais resultados para decisões rápidas.
