Ir para o conteúdo

News

  • 3 min de leitura

Claude encontra falhas inéditas em algoritmos criptográficos e amplia debate sobre o uso de IA na segurança digital

A Anthropic revelou que o Claude Mythos Preview conseguiu descobrir novas formas de atacar algoritmos criptográficos utilizados como referência em pesquisas de segurança digital. Os resultados representam avanços importantes para a área de criptografia, embora não afetem sistemas em produção nem coloquem em risco a segurança atual da internet.

Os experimentos mostram que o modelo foi capaz de identificar vulnerabilidades matemáticas nos próprios algoritmos, indo além da descoberta de falhas de implementação em bibliotecas de software. O trabalho resultou em melhorias em ataques contra o esquema de assinatura digital HAWK, candidato à criptografia pós-quântica, e contra uma versão reduzida do AES, um dos padrões de criptografia mais utilizados no mundo.

Como funcionam as descobertas

O primeiro resultado envolve o HAWK, um esquema de assinatura digital desenvolvido para resistir a futuros computadores quânticos. Durante cerca de 60 horas de pesquisa, o Claude Mythos Preview encontrou uma nova abordagem que reduz pela metade a força efetiva das chaves originalmente propostas pelo algoritmo.

A técnica explora uma simetria matemática até então não utilizada, permitindo acelerar um ataque conhecido. Apesar do avanço, o método continua exigindo tempo exponencial para ser executado e não compromete outros candidatos à criptografia pós-quântica analisados pelo NIST.

O segundo estudo se concentra no AES, padrão de criptografia simétrica adotado em 2001. Nesse caso, o modelo encontrou uma maneira de acelerar entre 200 e 800 vezes o melhor ataque conhecido contra uma versão reduzida de sete rodadas do algoritmo.

Como o AES completo utiliza dez rodadas, a descoberta não representa uma quebra prática da criptografia empregada atualmente. O objetivo desse tipo de pesquisa é compreender melhor os limites de segurança do algoritmo por meio da análise de versões simplificadas.

Processo de pesquisa

Os experimentos foram conduzidos em ambientes controlados, nos quais o Claude trabalhou de forma amplamente autônoma, utilizando ferramentas de programação, experimentos matemáticos e revisão de literatura científica.

No caso do HAWK, pesquisadores acompanharam o desenvolvimento da descoberta oferecendo apenas orientações pontuais sobre organização do trabalho e verificação computacional. Já na pesquisa sobre o AES, o modelo gerou centenas de milhões de tokens ao longo de vários dias até chegar à técnica que recebeu o nome de "Möbius Bridge".

Após as descobertas, pesquisadores passaram centenas de horas validando os resultados antes da divulgação pública.

Outras pesquisas

Além dos dois trabalhos principais, a Anthropic informou que o Claude também encontrou avanços em ataques contra versões reduzidas de outros algoritmos criptográficos, como LEA e Serpent, além de melhorias mais modestas envolvendo Salsa20, Poseidon e SHA-1.

A empresa também anunciou o CryptanalysisBench, um benchmark desenvolvido em parceria com pesquisadores da ETH Zurich, Universidade de Tel Aviv e Universidade de Haifa para avaliar a capacidade de modelos de linguagem em pesquisas de criptografia.

As descobertas não exigem mudanças nos sistemas atuais nem indicam que a criptografia utilizada na internet esteja comprometida. O principal impacto está na demonstração de que modelos de inteligência artificial já conseguem participar de pesquisas altamente especializadas em criptografia, identificando vulnerabilidades que passaram anos sem serem encontradas por especialistas.

Esse avanço pode acelerar o desenvolvimento de algoritmos mais seguros e fortalecer o processo de revisão de novos padrões criptográficos. Ao mesmo tempo, amplia o debate sobre como governos, indústria e comunidade acadêmica devem lidar com a possibilidade de futuras IAs identificarem vulnerabilidades com impacto direto em sistemas amplamente utilizados.

  • 3 min de leitura

Anthropic esclarece sua posição sobre modelos com pesos abertos

A Anthropic voltou ao centro do debate sobre inteligência artificial de código aberto após o CEO, Dario Amodei, publicar um posicionamento detalhando a visão da empresa sobre modelos com pesos abertos (open weights). O texto surge em meio às discussões nos Estados Unidos sobre possíveis restrições a modelos chineses e após a ausência da empresa entre os signatários da carta "Open Weights and American AI Leadership".

Amodei rebateu a percepção de que a Anthropic seria favorável à proibição desse tipo de modelo. Segundo ele, a empresa nunca defendeu um banimento geral e considera que modelos com pesos abertos, quando não apresentam capacidades perigosas, representam um benefício para desenvolvedores, pesquisadores e empresas.

O que motivou o posicionamento

Nos últimos dias, autoridades americanas passaram a discutir possíveis restrições ao uso de modelos de IA com pesos abertos desenvolvidos na China. Em resposta, diversas empresas do setor assinaram uma carta pública em defesa desse modelo de distribuição.

O documento, liderado pela Nvidia, já reúne cerca de 50 signatários — o dobro da lista original — incluindo OpenAI e Google. A ausência da Anthropic alimentou especulações sobre sua posição, levando Amodei a publicar o esclarecimento.

O que a Anthropic defende

Embora rejeite uma proibição ampla de modelos open weights, a Anthropic afirma apoiar três medidas para reduzir riscos ligados ao avanço da inteligência artificial.

  • A primeira é o fortalecimento dos controles sobre a exportação de chips avançados e equipamentos de fabricação para a China, além do combate ao contrabando dessas tecnologias.
  • A segunda envolve ações contra operações de destilação em larga escala, técnica que permite criar modelos mais eficientes utilizando o conhecimento de sistemas já existentes. Para Amodei, esse processo pode reduzir a vantagem tecnológica dos Estados Unidos quando realizado em escala industrial.
  • A terceira proposta prevê testes obrigatórios de segurança para todos os modelos suficientemente avançados, independentemente de serem abertos ou fechados. As avaliações deveriam medir riscos relacionados a ataques cibernéticos, ameaças biológicas e problemas de alinhamento antes do lançamento.

Divergências sobre modelos abertos

Amodei afirmou concordar com boa parte dos argumentos apresentados na carta em defesa dos modelos open weights, incluindo o fato de que eles ampliam o acesso à economia da IA, estimulam a concorrência em diversos segmentos e oferecem maior controle aos usuários.

No entanto, ele discorda da ideia de que a abertura dos pesos necessariamente fortalece os mecanismos de segurança ou favorece mais os defensores do que os atacantes.

Como exemplo, o executivo citou riscos ligados à biotecnologia, argumentando que modelos altamente capazes poderiam facilitar o desenvolvimento de ameaças biológicas, enquanto a criação de mecanismos de defesa costuma exigir muito mais tempo e recursos.

Segurança acima da abertura

O CEO reforçou que o principal risco, na visão da Anthropic, não está na existência de modelos com pesos abertos, mas no acesso de governos autoritários a infraestrutura computacional de ponta e em técnicas que aceleram o desenvolvimento de modelos avançados.

Por isso, a empresa defende políticas direcionadas ao controle de chips de alto desempenho, à limitação da destilação em escala industrial e à adoção de padrões internacionais para testes de segurança, em vez de proibições abrangentes sobre modelos abertos.

O posicionamento ajuda a esclarecer uma das principais divergências atuais da indústria de inteligência artificial. Enquanto parte do setor defende que modelos com pesos abertos aceleram a inovação e democratizam o acesso à tecnologia, cresce também a discussão sobre como equilibrar transparência, competitividade e segurança.

Ao rejeitar um banimento amplo, mas defender controles sobre infraestrutura, destilação e avaliações obrigatórias de risco, a Anthropic sinaliza que o debate tende a se concentrar menos na abertura dos modelos e mais nas políticas capazes de limitar usos considerados de alto impacto para a segurança nacional e para o desenvolvimento da IA.

  • 3 min de leitura

Microsoft lança modelo de IA para cibersegurança que identifica vulnerabilidades com metade do custo

A Microsoft apresentou o MAI-Cyber-1-Flash, seu primeiro modelo de inteligência artificial desenvolvido especificamente para tarefas de cibersegurança. A tecnologia foi integrada ao MDASH, sistema multiagente da empresa voltado para identificação e correção de vulnerabilidades em softwares.

O lançamento busca responder ao crescimento das ameaças digitais impulsionadas pela própria IA, oferecendo uma solução capaz de encontrar falhas em grandes bases de código com menor custo operacional. A estratégia combina um modelo compacto para a maior parte das análises e reserva modelos mais robustos apenas para os casos mais complexos.

Como funciona

O MAI-Cyber-1-Flash foi projetado para analisar códigos extensos e localizar vulnerabilidades de software. Integrado ao MDASH, o modelo atua em conjunto com uma arquitetura composta por mais de 100 agentes especializados em localizar, validar e corrigir falhas de segurança.

A proposta é que o modelo execute cerca de 90% das tarefas de rotina, enquanto modelos maiores, como o GPT-5.4, sejam acionados apenas para aproximadamente 10% dos casos considerados mais difíceis.

Desempenho e redução de custos

De acordo com a Microsoft, a combinação entre MAI-Cyber-1-Flash e MDASH alcançou 95,95% de desempenho no benchmark CyberGym, arredondado para 96%, superando em cerca de 12 pontos o resultado obtido pelo modelo Mythos.

A empresa também afirma que a nova arquitetura reduz em aproximadamente 50% os custos em comparação com a configuração anterior do MDASH, que utilizava apenas modelos de maior porte para executar as mesmas tarefas.

Project Perception amplia automação

Além do novo modelo, a Microsoft anunciou o Project Perception, um sistema baseado em equipes de agentes de IA capazes de executar diferentes fluxos de trabalho de segurança.

Esses agentes podem monitorar continuamente ambientes, simular ataques, investigar ameaças, identificar vulnerabilidades e realizar correções de forma automatizada. A expectativa é que o MAI-Cyber-1-Flash passe a ser utilizado em diversas dessas atividades, expandindo seu papel além da análise de código.

Dados e treinamento

O modelo faz parte da família MAI-Thinking-1 e foi desenvolvido internamente pela Microsoft com foco em código e segurança.

Para seu treinamento e evolução, a companhia utiliza décadas de histórico em operações de cibersegurança, incluindo registros de vulnerabilidades, incidentes, correções e mais de 100 trilhões de sinais de segurança processados diariamente, além da experiência obtida junto a cerca de 1,6 milhão de clientes.

Esse conjunto de dados alimenta um ciclo contínuo de aprendizado baseado nos resultados obtidos em operações reais de defesa contra ataques.

Segurança desde o desenvolvimento

A Microsoft informou que o MAI-Cyber-1-Flash passou por avaliações conduzidas pela AI Red Team da empresa, testes automatizados e revisões realizadas por especialistas, além de uma avaliação independente conduzida por terceiros.

No ambiente corporativo, o modelo também conta com recursos como controle de acesso por função, isolamento entre clientes, criptografia, auditoria e execução em ambientes isolados, sem acesso direto à internet.

O lançamento reforça uma tendência crescente de utilização de modelos de IA especializados para cibersegurança. Em vez de depender exclusivamente de modelos de propósito geral, empresas começam a adotar sistemas treinados especificamente para identificar vulnerabilidades, automatizar correções e reduzir custos operacionais.

  • 3 min de leitura

Modelo aberto de 2,8 trilhões de parâmetros chega para desafiar gigantes da IA: Kimi K3

A chinesa Moonshot AI disponibilizou oficialmente os pesos do Kimi K3, seu maior modelo de inteligência artificial até agora. Além do modelo, a empresa publicou um relatório técnico completo, bibliotecas de alto desempenho para inferência e componentes da infraestrutura utilizada para treinar e executar agentes de IA em larga escala.

O lançamento marca um dos maiores movimentos recentes em direção aos chamados modelos open weight. Embora os pesos possam ser baixados e utilizados por pesquisadores e desenvolvedores, a licença impõe algumas restrições para uso comercial, diferenciando o Kimi K3 de projetos totalmente open source.

Como é o Kimi K3

O Kimi K3 é um modelo Mixture of Experts (MoE) com 2,8 trilhões de parâmetros, tornando-se o primeiro modelo aberto da chamada classe "3T". Apesar do tamanho, apenas 104 bilhões de parâmetros são ativados durante cada inferência, graças à arquitetura esparsa que seleciona 16 especialistas entre 896 disponíveis.

O modelo também oferece:

  • Janela de contexto de 1 milhão de tokens;
  • Compreensão nativa de texto e imagens;
  • Encoder visual MoonViT-V2;
  • Quantização otimizada para reduzir custos de inferência.

Nova arquitetura promete mais eficiência

Um dos principais destaques do K3 é a introdução do Kimi Delta Attention (KDA), uma nova arquitetura de atenção criada para acelerar o processamento de contextos extremamente longos.

Segundo a Moonshot AI, o KDA trabalha em conjunto com duas outras técnicas inéditas — Attention Residuals e Stable LatentMoE — permitindo converter poder computacional em desempenho de forma mais eficiente. A empresa afirma que essa combinação entrega cerca de 2,5 vezes mais inteligência por unidade de computação em comparação com a geração anterior, o Kimi K2.

Além do modelo, a companhia também abriu o código de kernels de atenção de alto desempenho, uma biblioteca de comunicação para arquiteturas MoE e parte da infraestrutura usada para executar agentes autônomos em larga escala.

Desempenho nos benchmarks

Nos resultados divulgados pela Moonshot, o Kimi K3 aparece entre os modelos mais capazes atualmente.

O modelo alcança aproximadamente 57 pontos no Intelligence Index, ficando próximo dos principais modelos proprietários. Também apresenta resultados competitivos em benchmarks de programação, recuperação de informação e tarefas agenticas, incluindo BrowseComp, Program Bench, Terminal Bench e OfficeQA Pro. Parte dessas métricas utiliza avaliações independentes, enquanto outras foram produzidas pela própria Moonshot e devem ser interpretadas nesse contexto.

Licença e disponibilidade

Os pesos do modelo já estão disponíveis para download juntamente com o relatório técnico.

A distribuição ocorre sob a Kimi K3 License, baseada em uma licença do tipo MIT modificada. Ela permite pesquisa, desenvolvimento e diversos usos, mas estabelece regras específicas para aplicações comerciais de maior escala.

Empresas parceiras, como a Fireworks AI, já oferecem serviços de inferência acelerada para o modelo, facilitando sua adoção por desenvolvedores que não possuem infraestrutura suficiente para executar localmente um modelo desse porte.

O impacto para o mercado

A abertura dos pesos do Kimi K3 amplia a competição entre modelos abertos e proprietários em um momento de forte disputa tecnológica entre China e Estados Unidos. O lançamento reforça a estratégia das empresas chinesas de disponibilizar modelos de alto desempenho para impulsionar pesquisas, acelerar a adoção por desenvolvedores e fortalecer seu ecossistema global de IA.

Ao mesmo tempo, a Moonshot AI enfrenta crescente escrutínio geopolítico. Autoridades americanas discutem possíveis investigações e restrições relacionadas à empresa, acusações que a Moonshot nega, evidenciando que a corrida pela liderança em IA passou a envolver não apenas avanços técnicos, mas também questões regulatórias e estratégicas.

  • 3 min de leitura

X lança plataforma financeira com rendimento de até 6% ao ano nos EUA

O X iniciou a expansão do X Money para assinantes Premium e Premium+ nos Estados Unidos, reforçando a estratégia de Elon Musk de transformar a rede social em um aplicativo que reúne comunicação e serviços financeiros. A novidade integra carteira digital, conta remunerada, cartão de débito e transferências entre usuários em um único aplicativo.

O lançamento acontece de forma gradual e, por enquanto, é restrito ao mercado americano. A plataforma oferece rendimento anual de até 6% (APY) sobre o saldo, além de pagamentos instantâneos entre usuários do X e benefícios exclusivos para assinantes da plataforma.

Como funciona

O X Money permite enviar e receber dinheiro diretamente pelo aplicativo usando o nome de usuário da plataforma. Também é possível realizar depósitos, receber pagamentos e utilizar um cartão de débito Visa vinculado à conta. O serviço é operado em parceria com a Visa e com o Cross River Bank, responsável pela infraestrutura bancária.

Os assinantes Premium+ recebem imediatamente acesso ao rendimento máximo de 6% ao ano sobre o saldo elegível. Já usuários do plano Premium podem desbloquear essa taxa ao configurar um depósito direto (direct deposit) de pelo menos US$ 1.000 dentro do período exigido pelo programa.

Principais benefícios

Além da conta remunerada, o X Money reúne diversos recursos financeiros em uma única plataforma. Entre eles estão:

  • rendimento de até 6% APY sobre o saldo;
  • transferências instantâneas entre usuários do X;
  • 3% de cashback em compras elegíveis realizadas com o X Card;
  • depósitos salariais antecipados;
  • saques internacionais sem cobrança de tarifas da plataforma;
  • cartão de débito Visa integrado ao aplicativo.

Proteção dos depósitos

O dinheiro mantido no X Money é distribuído entre bancos parceiros por meio de um programa de cash sweep. Dessa forma, a cobertura do seguro da FDIC pode chegar a US$ 10 milhões por usuário, acima do limite tradicional de US$ 250 mil por instituição financeira. O Cross River Bank está entre os principais parceiros da operação.

Lançamento acontece em etapas

O serviço ainda não está disponível para todos os usuários dos Estados Unidos. A distribuição ocorre gradualmente e, segundo relatos dos primeiros usuários, algumas regiões permanecem fora da fase inicial por questões regulatórias.

Quem já recebeu acesso relata configuração simples, transferências praticamente instantâneas e cashback creditado logo após as compras.

Caso a expansão seja bem-sucedida, a plataforma poderá disputar espaço com serviços como PayPal, Venmo e Cash App, oferecendo uma experiência integrada para comunicação e movimentação de dinheiro. Ao mesmo tempo, o modelo ainda precisará enfrentar desafios regulatórios e demonstrar que benefícios como o rendimento de até 6% ao ano são sustentáveis no longo prazo.

  • 3 min de leitura

Meta AI ganha recursos autônomos para planejar tarefas, pesquisar e criar apresentações

A Meta anunciou uma nova geração de recursos para o Meta AI que transforma o assistente em um agente capaz de executar tarefas de forma mais autônoma. Com as novidades, a inteligência artificial passa a planejar atividades, realizar pesquisas, criar apresentações, organizar cronogramas e interagir com aplicativos conectados, como e-mail e calendário.

As funcionalidades são impulsionadas pelo modelo Muse Spark 1.1, apresentado no início do mês. A proposta é fazer com que o Meta AI não apenas responda perguntas, mas também acompanhe tarefas do início ao fim, reduzindo a necessidade de novos comandos do usuário.

Como funciona

O Meta AI agora consegue compreender objetivos mais amplos e executar diferentes etapas para concluí-los. Ao informar, por exemplo, que está reformando a cozinha, o assistente pode identificar preferências de estilo, pesquisar móveis e acessórios dentro do orçamento no Marketplace e montar um painel visual com sugestões.

Em outro exemplo, quem deseja treinar para uma meia maratona pode pedir um plano de preparação. O sistema cria um cronograma semanal, adapta os treinos à disponibilidade do usuário e envia automaticamente um resumo das atividades previstas para cada semana.

O assistente também pode ajudar na organização de eventos, sugerindo restaurantes para um jantar de aniversário após consultar a agenda e identificar datas disponíveis.

Briefings automáticos e tarefas recorrentes

Outra novidade é a criação de briefings diários personalizados. O Meta AI reúne compromissos do calendário, identifica possíveis conflitos de agenda ou mudanças nos planos e entrega um resumo no horário definido pelo usuário.

Além disso, passa a oferecer suporte para tarefas recorrentes configuradas apenas uma vez. Entre os exemplos apresentados estão planos semanais de refeições, alertas sobre lançamentos de tênis e atualizações periódicas sobre temas de interesse.

Pesquisa e criação de apresentações

O Meta AI também amplia suas capacidades de pesquisa. O assistente consegue reunir informações de diferentes fontes da internet, incluindo artigos científicos, conteúdos publicados por criadores e discussões nas plataformas da Meta, produzindo um resumo sobre determinado assunto em poucos minutos.

Depois da pesquisa, o conteúdo pode ser transformado automaticamente em uma apresentação de slides, reduzindo o trabalho de organização das informações.

Durante a geração de relatórios, apresentações ou planejamentos, o usuário também pode fazer ajustes em tempo real. É possível pedir mudanças de foco, alterar o tom do texto ou remover seções antes da conclusão do trabalho.

Todo o conteúdo produzido pelo Meta AI, como apresentações, cronogramas e painéis visuais, passa a ficar armazenado em uma biblioteca para consulta, edição e compartilhamento.

Disponibilidade

Os novos recursos começam a ser distribuídos em mercados selecionados por meio do aplicativo Meta AI e da plataforma meta.ai. A Meta informou que a expansão para mais países e serviçõs, incluindo o WhatsApp, acontecerá nas próximas semanas.

O serviço continua oferecendo diferentes modos de uso, desde respostas rápidas até conversas mais contextualizadas, além do modo Anônimo para interações privadas. Ao integrar planejamento, pesquisa, automação e criação de conteúdo em uma única experiência, a Meta amplia a concorrência no segmento de assistentes inteligentes e reforça a disputa entre empresas que buscam oferecer IAs cada vez mais úteis para o trabalho e para a rotina dos usuários.

  • 4 min de leitura

Setor de IA se une para defender modelos abertos nos Estados Unidos

A discussão sobre o futuro da inteligência artificial nos Estados Unidos ganhou um novo capítulo com a divulgação da carta aberta "Open Weights and American AI Leadership", publicada em 24 de julho de 2026. O documento reúne dezenas de empresas de tecnologia, investidores e organizações do setor para defender que o governo americano não imponha restrições amplas aos modelos de IA de pesos abertos (open-weight).

A iniciativa foi apresentada inicialmente pelo CEO da Nvidia, Jensen Huang, em sua primeira publicação na rede social X. A carta estreou com cerca de 25 signatários e, em pouco mais de um dia, dobrou de tamanho, recebendo o apoio de empresas como OpenAI, Google, AMD e Cisco. Entre as principais ausências estão Anthropic e Amazon.

Debate ocorre em meio a preocupações sobre segurança

A mobilização acontece enquanto Washington discute possíveis regras para limitar modelos de IA de pesos abertos, especialmente após o lançamento do Kimi K3, da chinesa Moonshot AI, em julho de 2026. O debate também ganhou força por causa das acusações de que laboratórios chineses teriam utilizado técnicas de destilação (distillation) para extrair conhecimento de modelos desenvolvidos por empresas americanas, incluindo o Fable, da Anthropic.

Embora a carta não cite a China diretamente, o texto argumenta que restrições impostas de forma antecipada podem concentrar o desenvolvimento da IA nas mãos de poucos laboratórios que mantêm modelos fechados, além de incentivar que a inovação migre para outros países.

Open-weight não é o mesmo que open source

Os signatários defendem especificamente os modelos de pesos abertos (open-weight), que permitem que pesquisadores e empresas executem, estudem e personalizem os modelos localmente. Embora nem todos sejam licenciados como software open source, esse formato amplia o acesso à tecnologia e reduz barreiras para seu uso em diferentes aplicações.

A carta traça um paralelo com o movimento de software livre e de código aberto iniciado nas décadas de 1980 e 1990. Assim como o open source se tornou a base da internet, da computação em nuvem e de sistemas utilizados por governos e forças armadas, os defensores afirmam que os modelos open-weight podem fortalecer a soberania tecnológica de empresas, universidades e instituições públicas.

Competição e acesso são os principais argumentos

O documento sustenta que restringir modelos abertos reduziria a concorrência no mercado de inteligência artificial. Para os signatários, startups, universidades e pequenas empresas conseguem utilizar modelos avançados sem precisar investir bilhões de dólares no treinamento de sistemas próprios ou pagar continuamente pelo acesso a modelos de fronteira.

Outro argumento é que os modelos open-weight diminuem o chamado vendor lock-in, quando organizações ficam dependentes de um único fornecedor de tecnologia. Com acesso aos pesos do modelo, empresas podem manter seus dados sob controle, personalizar aplicações e preservar o valor criado internamente.

Segurança também faz parte da defesa

Um dos principais pontos da carta é que abertura e segurança não são objetivos incompatíveis. O texto afirma que modelos de pesos abertos permitem auditorias independentes, testes de segurança (red teaming) e pesquisas capazes de identificar vulnerabilidades antes que elas sejam exploradas.

Os signatários argumentam que modelos fechados não são necessariamente mais seguros e podem criar pontos únicos de falha caso apresentem problemas ou sejam comprometidos. Nesse contexto, a carta afirma que a abertura pode ser um dos caminhos mais importantes para fortalecer a segurança e a confiabilidade da inteligência artificial.

Distilação não deve ser tratada como apropriação indevida

O documento também aborda a técnica conhecida como distillation, utilizada para treinar ou aprimorar um modelo a partir das respostas produzidas por outro sistema de IA.

A carta diferencia esse processo — amplamente utilizado na pesquisa e no desenvolvimento de modelos — de práticas ilegais de extração de propriedade intelectual. Em vez de proibir a técnica de forma ampla, os signatários defendem a criação de regras específicas para lidar com eventuais abusos.

O que o grupo pede ao governo

Além de rejeitar restrições generalizadas aos modelos open-weight, a carta propõe uma série de medidas para fortalecer a liderança americana em inteligência artificial. Entre elas estão a ampliação do acesso à capacidade computacional para startups e pesquisadores, investimentos em conjuntos de dados, ferramentas e frameworks compartilhados e a preservação de um ecossistema que combine modelos fechados de fronteira com alternativas abertas.

Quem assinou

Entre os primeiros signatários estavam Nvidia, Microsoft, Meta, IBM, Hugging Face, Mistral AI, Mozilla, Dell Technologies, Palantir, Perplexity, Replit, ServiceNow, Box, CrowdStrike, Y Combinator, Andreessen Horowitz e The Linux Foundation.

Nas horas seguintes, a lista cresceu com a adesão de OpenAI, Google, AMD, Cisco, Cloudflare, GitHub, Block, Cohere, Ollama, Fireworks AI, Palo Alto Networks, Nous Research, Prime Intellect, Sakana AI, SpaceX, Vercel, LangChain, Modal, AI21 e diversas outras empresas do setor.

As ausências de Anthropic e Amazon chamaram atenção. O CEO da Anthropic, Dario Amodei, já havia manifestado anteriormente preocupações sobre a ampla disponibilização de modelos de IA, defendendo que a abertura dos pesos pode dificultar mecanismos de controle e segurança. Já o CEO da OpenAI, Sam Altman, declarou apoio à iniciativa e afirmou que os Estados Unidos devem liderar tanto o desenvolvimento de modelos abertos quanto de modelos proprietários.

O impacto para o mercado

A carta evidencia uma mudança importante no debate sobre inteligência artificial. Em vez de uma divisão entre empresas favoráveis ou contrárias à abertura, o setor passa a discutir qual equilíbrio regulatório permitirá preservar a inovação sem comprometer segurança e propriedade intelectual.

O posicionamento conjunto de algumas das maiores empresas de tecnologia mostra que o futuro dos modelos open-weight poderá influenciar não apenas o desenvolvimento da IA nos Estados Unidos, mas também a competitividade global do setor, a velocidade da inovação e o acesso de startups, pesquisadores e governos às próximas gerações de inteligência artificial.

  • 3 min de leitura

ChatGPT ganha integração com Apple Health e prontuários médicos

A OpenAI anunciou o lançamento do Health no ChatGPT, um recurso que permite conectar prontuários médicos compatíveis e informações do Apple Health para oferecer conversas mais personalizadas sobre saúde. A novidade começa a ser disponibilizada para usuários maiores de 18 anos nos Estados Unidos, nas versões web e iOS, incluindo os planos Free, Go, Plus e Pro.

A integração permite que o ChatGPT utilize, com autorização do usuário, informações como resultados de exames, medicamentos, consultas, atividades físicas e dados de sono para contextualizar respostas, acompanhar mudanças ao longo do tempo e ajudar na preparação para consultas médicas. A proposta é facilitar o entendimento das informações de saúde sem substituir a orientação de profissionais.

Como funciona

Após conectar o Apple Health ou prontuários médicos compatíveis, o ChatGPT pode comparar exames recentes com resultados anteriores, resumir alterações desde a última consulta e identificar relações entre hábitos, como exercícios e sono, e a rotina do usuário.

O recurso também pode utilizar esse contexto em outras conversas. Ao sugerir refeições, por exemplo, pode considerar restrições alimentares, enquanto recomendações de atividades físicas podem levar em conta lesões recentes ou o nível de atividade registrado.

O que mudou

Nos testes iniciais, a OpenAI havia disponibilizado uma área dedicada exclusivamente para conversas sobre saúde. O retorno dos usuários mostrou que a maioria das perguntas surgia naturalmente durante conversas sobre outros temas.

Com a atualização, o contexto de saúde pode ser utilizado em qualquer conversa, desde que o usuário conceda permissão. Ainda assim, a área Health continua disponível como espaço para gerenciar conexões, visualizar dados sincronizados e acessar conversas anteriores relacionadas à saúde.

Inteligência para conversas sobre saúde

A OpenAI informou que seus modelos receberam treinamento específico para lidar melhor com informações médicas. O GPT-5.5 Instant ampliou a capacidade de reconhecer situações que exigem atendimento médico, solicitar contexto adicional e explicar informações de forma mais clara.

Já o GPT-5.6 Sol foi desenvolvido para lidar com questões mais complexas, como interpretar a evolução de exames ao longo do tempo, explicar registros médicos em linguagem acessível e ajudar usuários a preparar perguntas para consultas. Apesar desses avanços, a companhia reforça que o ChatGPT pode cometer erros e não substitui médicos ou outros profissionais de saúde.

Privacidade e controle dos dados

As informações conectadas ao Health recebem camadas adicionais de criptografia e não são utilizadas para treinar os modelos da OpenAI nem para direcionamento de anúncios.

Os usuários podem decidir quando o ChatGPT poderá acessar seus dados de saúde, alterar essa configuração a qualquer momento e desconectar contas sempre que desejarem. Após a desconexão, os dados sincronizados são removidos dos sistemas da OpenAI em até 30 dias, enquanto conversas já existentes permanecem até serem excluídas pelo usuário.

  • 2 min de leitura

Google lança login por vídeo de selfie para facilitar recuperação de contas

O Google anunciou um novo método de autenticação que permite acessar a conta por meio de um vídeo de selfie. O recurso amplia as opções de login para usuários que perderam acesso ao celular, computador ou a outros métodos tradicionais de verificação.

A novidade funciona como uma alternativa de recuperação de conta. Após gravar previamente um vídeo de selfie, o usuário pode utilizar uma nova gravação para comprovar sua identidade caso tenha dificuldades para fazer login.

Como funciona

A configuração é feita diretamente na conta do Google. Durante o processo, o usuário olha para a câmera do dispositivo e segue instruções para realizar pequenos movimentos com a cabeça, permitindo capturar diferentes ângulos do rosto.

Se for necessário recuperar o acesso no futuro, basta gravar um novo vídeo. O sistema compara essa gravação com o vídeo armazenado anteriormente para verificar se a pessoa é realmente a titular da conta.

Segurança e privacidade

O Google informa que o vídeo de selfie é armazenado de forma criptografada e somente com o consentimento do usuário. O arquivo pode ser excluído a qualquer momento nas configurações da conta.

O vídeo é utilizado exclusivamente para autenticação, a menos que o usuário autorize seu uso para outras finalidades.

Para reduzir tentativas de fraude, incluindo o uso de fotos, vídeos manipulados e deepfakes, o sistema combina diferentes camadas de proteção. Além da comparação entre os vídeos, o usuário precisa executar movimentos simples durante a gravação para comprovar que se trata de uma captura ao vivo. O Google também aplica seus mecanismos tradicionais de detecção de atividades suspeitas durante o processo de login.

Disponibilidade

O recurso já começou a ser disponibilizado para contas elegíveis. Os usuários podem verificar se têm acesso à novidade e configurar o vídeo de selfie na página dedicada do Google para autenticação.

  • 4 min de leitura

Uso de IA já alcança 68% das profissões nos EUA, mas automatiza poucas tarefas

O uso de inteligência artificial no ambiente de trabalho já está presente em 68% das ocupações detalhadas dos Estados Unidos, mas ainda participa de apenas cerca de 21% das tarefas realizadas em um emprego típico. Os dados fazem parte do primeiro relatório do projeto ATLAS (Activity, Task, Landscape, and Adoption Study), divulgado pelo Google.

O estudo oferece um retrato diferente da narrativa de substituição em massa de trabalhadores por IA. Em vez de automatizar funções inteiras, as ferramentas são utilizadas principalmente como apoio para pesquisa, escrita, análise, aprendizado e geração de ideias.

O que revelou o estudo

O estudo foi desenvolvido a partir da análise de 15 milhões de interações anônimas realizadas entre 6 e 19 de abril de 2026. Os dados foram coletados no aplicativo Gemini, no AI Mode da Pesquisa Google e na API do Gemini, abrangendo mais de 150 países, 140 idiomas, cerca de 800 ocupações e aproximadamente 4 mil tarefas.

Segundo o Google, o objetivo do ATLAS é acompanhar como a inteligência artificial está sendo incorporada ao cotidiano das pessoas e criar uma base de dados recorrente sobre seu impacto na economia.

Apesar da ampla presença da IA no mercado de trabalho, o uso permanece limitado dentro de cada profissão. Em média, os trabalhadores recorrem às ferramentas em apenas cerca de um quinto das atividades que desempenham.

IA auxilia mais do que substitui

Um dos principais resultados do levantamento mostra que a automação completa ainda é incomum.

Menos de 10% das interações relacionadas ao trabalho resultam na execução integral de uma tarefa pela inteligência artificial. Na maioria dos casos, a tecnologia funciona como uma assistente, ajudando na elaboração de textos, pesquisas, aprendizado, brainstorming e outras atividades cognitivas.

O estudo também revela que a inteligência artificial é utilizada com muito mais frequência em tarefas classificadas como cognitivas não rotineiras.

São atividades que envolvem interpretação, criatividade, análise, planejamento e resolução de problemas.

Embora esse tipo de trabalho represente aproximadamente 35% das tarefas existentes na economia, ele corresponde a 65% de todas as interações profissionais registradas pelo Google.

Isso sugere que as ferramentas atuais apresentam maior valor em trabalhos baseados em conhecimento do que em atividades altamente repetitivas ou operacionais.

Uso vai além dos profissionais de escritório

O levantamento também identificou adoção da IA em profissões técnicas e operacionais.

Mecânicos industriais, técnicos automotivos e outros trabalhadores utilizam assistentes conversacionais para diagnóstico e solução de problemas em tempo real.

Segundo o Google, esses trabalhadores têm o dobro de probabilidade de utilizar imagens durante a interação com a IA quando comparados à média dos usuários profissionais.

A maior parte do uso ainda acontece fora do trabalho

Apesar do foco no ambiente profissional, o relatório mostra que a utilização da IA ainda é predominantemente pessoal.

Mais de 86% das interações analisadas ocorreram fora do contexto de trabalho. Entre os principais usos estão:

  • pesquisas para compras;
  • organização doméstica;
  • auxílio em documentos;
  • serviços governamentais;
  • impostos;
  • licenciamento;
  • planejamento de viagens;
  • educação;
  • dúvidas do cotidiano.

Esse dado ajuda a explicar por que o percentual de tarefas profissionais assistidas por IA ainda permanece relativamente baixo. No entanto, o próprio Google destaca algumas limitações importantes do levantamento.

Os dados analisados dizem respeito apenas aos produtos voltados ao consumidor e a desenvolvedores independentes.

Ficaram de fora soluções corporativas como:

  • Gemini Enterprise;
  • Gemini para Google Cloud;
  • Gemini no Google Workspace;
  • AI Overviews da Pesquisa Google.

Isso significa que o estudo não retrata necessariamente o comportamento de grandes empresas que utilizam IA integrada aos seus processos internos.

Adoção acompanha o desenvolvimento econômico

O Google também observou uma relação entre o nível de desenvolvimento econômico e o uso da inteligência artificial.

Segundo o estudo, um aumento de 1% no PIB per capita está associado a um crescimento aproximado de 0,9% na adoção da IA. Ainda assim, alguns países de renda média, especialmente na América do Sul e no Oriente Médio, apresentam níveis de utilização próximos aos de economias mais desenvolvidas.

O relatório também mostra que o inglês representa apenas cerca de um terço das conversas registradas, indicando uma expansão significativa do uso em outros idiomas.

O impacto para o mercado

Os dados do ATLAS reforçam que a inteligência artificial está sendo incorporada ao cotidiano profissional de forma ampla, mas ainda atua principalmente como ferramenta de apoio. Em vez de substituir trabalhadores, os sistemas atuais aumentam a produtividade em tarefas específicas, especialmente aquelas que exigem análise, criatividade e produção de conteúdo.

O estudo também sugere que a adoção corporativa pode ser diferente da observada entre usuários comuns, já que as plataformas empresariais ficaram de fora da pesquisa. Mesmo assim, o levantamento oferece uma das visões mais abrangentes já divulgadas sobre como a IA está sendo utilizada no trabalho e indica que a transição para processos totalmente automatizados ainda deve ocorrer de forma gradual.