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 programação do GitHub Universe 2026 reúne 10 talks técnicas escolhidas para responder perguntas sobre agentes de IA, validação de código e segurança de dependências. Entre os temas estão como verificar se o código gerado por agentes funciona, o que deve ser lembrado por um agente e quais permissões entram em jogo ao instalar dependências.
As sessões também abordam como o npm lida com bastidores de permissões e processos de publicação, benchmarks para entender quando contexto acumulado prejudica agentes, e como o Copilot realiza avaliações em produção. Há ainda discussões sobre autorização granular para servidores MCP hospedados, arquitetura de agentes que investigam sem “alucinar” e um framework de ameaças para ataques de supply chain em GitHub Actions, além de um CLI open source para gerenciar o toolchain JavaScript e lições de desenvolvimento com baixa conectividade.
O Google está apresentando o HEIR (Homomorphic Encryption Intermediate Representation), um compilador e toolchain open-source para tornar a computação criptografada mais fácil de implantar. A proposta é permitir que modelos de IA pré-treinados, feitos para entradas não criptografadas, sejam compilados para operar sobre dados cifrados.
Com o HEIR, desenvolvedores podem escrever um programa em Python, indicar quais tipos de dados devem ser criptografados e usar a ferramenta para compilar o código para execução homomórfica. A Google afirma ter usado o HEIR para recomendações privadas sem expor dados do usuário, detecção de fraude com proteção de informações financeiras, identificação de intrusões sem revelar pacotes e reconhecimento de hotwords em áudio sem divulgar as gravações; o processo de compilação ainda não é totalmente automatizado e envolve etapas como exportar modelos PyTorch via torch_mlir para MLIR.
O Google argumenta que a popularização de código gerado por IA está mudando os critérios que desenvolvedores usam para avaliar linguagens de programação, com mais peso para legibilidade, verificação e manutenção de longo prazo. A empresa diz que o Go foi pensado para facilitar leitura, testes, manutenção e atualização contínua, em vez de priorizar apenas a velocidade com que o código é escrito.
Com assistentes e agentes que produzem grandes volumes de código rapidamente, o Google afirma que cresce a necessidade de revisão e validação humana, mesmo após a primeira geração. A empresa também destaca recursos do ecossistema do Go, como gofmt para padronização, toolchain para testes e análise, sistema de tipos estático para validações no compilador e ciclos compile-and-correct que podem ser usados por agentes, além do cuidado com dependências e checagens que não substituem testes e revisão.
A Vercel Labs lançou o Zero, uma linguagem experimental de sistemas com foco em “graph-first” e no pressuposto de que o principal leitor das saídas do compilador será um agente de IA. Apresentada por Chris Tate em 15 de maio de 2026, a Zero já chegou à versão v0.3.4, com mais de 5.200 estrelas no GitHub, e compila para binários nativos em Linux, macOS e Windows.
O diferencial está no toolchain: erros e diagnósticos vêm em formatos estáveis e legíveis por máquina (com códigos como NAM003) e o comando pode retornar um “repair plan” em JSON para o agente aceitar, editar ou rejeitar. Além disso, efeitos são explícitos via “capabilities” (World), e o fluxo mudou em v0.3.0 para autoria em grafo, exigindo import/export para quem vem de pacotes text-first — com alertas de mudanças quebrando compatibilidade e recomendação de uso isolado.
