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.
O Google lançou o Agent Development Kit (ADK) para Kotlin 1.0, um framework pronto para produção para construir agentes de IA em Kotlin, Android e aplicações JVM/servidor. A novidade busca paridade de recursos com o ADK do Google para Python e Java, trazendo também capacidades específicas para IA no dispositivo e cenários híbridos.
Com o ADK para Kotlin 1.0, desenvolvedores podem orquestrar agentes usando APIs idiomáticas de Kotlin, incluindo suporte a ferramentas, persistência, memória e fluxos com human-in-the-loop. O kit inclui recursos como sistemas hierárquicos multiagente, gerenciamento de sessões com pausa/serialização/retomada, interoperabilidade com Java e declarações de ferramentas via anotações como @Tool e @Param com geração de schemas em tempo de compilação via KSP.
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.
O Google atualizou a documentação do Chrome e informou que a IA local exige cerca de 20 GB de espaço livre para baixar e ativar modelos que rodam no próprio computador. O Gemini Nano, por exemplo, fica em torno de 4 GB após a instalação, mas o navegador precisa de uma reserva maior para concluir o processo. A mudança veio após reclamações de usuários sobre downloads automáticos em segundo plano, como o arquivo weights.bin, associado ao Gemini Nano.
Além do armazenamento, o Google diz que o recurso depende de hardware compatível, desempenho adequado e conexão sem limite de dados, e que a disponibilidade pode variar. Para devs e equipes de TI, o ponto prático é que a gestão deve ser feita pelo menu do Chrome (On-device AI), que remove os modelos ao desativar e evita novos downloads; e, para desenvolvedores, o Chrome também testa uma API de IA local para embeddings sem envio de dados à nuvem.
:quality(85)/0178f6ae-ed74-450a-ba0a-5251de1b0158.png)