A Apple anunciou o HomeView, uma tela inteligente de 7 polegadas que reúne entretenimento, videochamadas e controle da casa inteligente. O dispositivo estreia uma nova versão da Siri com inteligência artificial e respostas personalizadas para os moradores.
O HomeView custa US$ 299 nos EUA (cerca de R$ 1.490) e chega às vendas em 13 de novembro em mercados como Estados Unidos, Canadá, Reino Unido, Austrália, Índia e Nova Zelândia, sem previsão para o Brasil no lançamento inicial. A interface ajusta brilho e informações conforme a iluminação e a distância do usuário, identifica até seis pessoas por reconhecimento facial e integra funções como chamadas FaceTime, comandos de voz e monitoramento de até nove câmeras.
A Apple anunciou a nova geração da Apple TV 4K com inteligência artificial integrada à Siri, chip A19 e suporte a som surround com quatro alto-falantes. A assistente fica mais “conversacional”, ajudando a encontrar filmes e séries por interface em tela cheia, com cartazes e recomendações ligadas ao que o usuário pede.
A Apple TV 4K também traz três microfones de longo alcance para controlar a reprodução e buscar conteúdos sem segurar o controle remoto, além de descrições de vídeos e resumos de notificações gerados por IA com processamento local via HomeKit Secure Video. No mesmo evento, o HomePod mini 2 ganhou melhorias de áudio, novas cores e suporte futuro à Siri com IA, com reconhecimento de até seis vozes e integração com Mensagens, lembretes e temporizadores.
A Apple apresentou o novo Apple TV 4K, o primeiro modelo em quatro anos, com disponibilidade a partir de sexta-feira, 13 de novembro. O aparelho traz o chip A19 e promete conectividade sem fio melhor do que a geração anterior, além de microfones integrados.
A Siri com recursos de IA será parte do lançamento, mas deve funcionar em beta nos Apple TV 4K de segunda geração e nos modelos mais novos. O novo Find My de rastreamento funciona com o controle Siri de segunda geração e mais recentes, enquanto o preço do lançamento é de US$ 299.
Um novo concurso de “de-aging” coloca cerca de 500 participantes para tentar reverter a idade biológica ao longo de seis meses, com direito a um leaderboard. A proposta usa diferentes medidas para avaliar se alguém está ficando mais jovem por dentro, em vez de considerar apenas a idade cronológica.
No mesmo boletim, Thore Graepel, ex-integrante da equipe do AlphaGo na DeepMind, defende que LLMs atuais não demonstram raciocínio como o sistema que venceu Lee Sedol. Ele afirma que a abordagem de “machine reasoning” precisa de um caminho novo, inspirado na arquitetura do AlphaGo.
A LangGrant, antes conhecida como Windocks, anunciou a Enterprise Reasoning Initiative, um projeto open source apoiado por 10 inovadores do ecossistema de IA. A iniciativa busca criar um padrão aberto de interoperabilidade para permitir que a expertise humana permaneça parte do raciocínio usado por sistemas de IA em decisões e ações com impacto no ambiente corporativo.
O projeto propõe uma representação comum do raciocínio, incluindo fontes, etapas, evidências, contribuições de humanos e de IA, políticas, versões e aprovações, para que equipes possam revisar, modificar, reexecutar e reutilizar esse raciocínio ao longo do tempo. A Enterprise Reasoning também mira melhorar segurança, transparência e disponibilidade do “reasoning”, além de torná-lo reutilizável e gerenciável, com suporte inicial de empresas como Almaden AI e Causal Dynamic Labs.
A Anthropic lançou o Claude Opus 5.5 com promessas de custo 40% menor que o Opus 5 e geração de respostas 30% mais rápida. O preço via API também caiu: US$ 4 por 1 milhão de tokens de entrada e US$ 20 por 1 milhão de tokens de saída, abaixo de US$ 5 e US$ 25 do Opus 5. Em testes com a API usando os mesmos prompts e tarefas de raciocínio, o Opus 5.5 entregou resultados corretos nos desafios de lógica e no jogo de pedras, mas não conseguiu resolver um problema de contagem de ordenações.
No logic grid, o Opus 5.5 levou 65 segundos e custou US$ 0,16, enquanto o Opus 5 levou 108 segundos e custou US$ 0,27, com o mesmo número de acertos. No stone game, o Opus 5.5 terminou em 215 segundos por US$ 0,58, contra 624 segundos e US$ 1,88 do Opus 5, com redução de tokens e custo. Já no teste de constrained orderings, ambos ficaram sem resposta; em uma execução, o Opus 5.5 foi interrompido por “refusal” sem texto, sugerindo um bloqueio do filtro de segurança, apesar de o pedido ser considerado inofensivo.
A Cohere anunciou o North Small Translate, um modelo de tradução automática de código aberto com arquitetura mixture-of-experts (MOE) que opera em 50 idiomas. Os desenvolvedores podem baixar os pesos para uso não comercial sob a licença CC BY-NC 4.0 e, para implantação comercial, a empresa oferece o Model Vault, um ambiente de inferência gerenciado pela Cohere.
A companhia afirma que o modelo é “non-reasoning”, usando padrões aprendidos sem lógica passo a passo, o que reduz o uso de tokens. Em testes com o WMT26, a Cohere cita pontuação 83,60 no benchmark All Languages e destaca recursos para fluxos corporativos, como traduções estruturadas (Markdown ou JSON), instruções de tom e formato e guias de terminologia, além de um workflow multi-pass com revisão e correção do próprio output.
Cassie Shum apresentou padrões para construir sistemas de IA agentica com foco em knowledge graphs, conectando recuperação de informações (retrieval) ao raciocínio (reasoning). A palestrante descreveu como voltou ao código e ao desenvolvimento, usando conhecimento de engenharia de software e experiências com knowledge graphs na empresa RelationalAI.
O conteúdo foi organizado em duas partes: por que knowledge graphs funcionam como base para sistemas agenticos e quais lições práticas foram aprendidas ao montar um harness de desenvolvimento sobre um knowledge graph. Shum também reforçou que não se trata de um tutorial único nem de uma previsão de “framework”, mas de aprendizados para sustentar as fundações dos agentes enquanto a tecnologia evolui rapidamente.
O modelo Astra da OpenAI deve usar uma técnica de raciocínio chamada “recurrent depth”, também descrita como “opaque recurrence”, que permite operar fora do fluxo sequencial típico de modelos de reasoning. A adoção, ainda que reportada como limitada, preocupa especialistas em segurança de IA por potencialmente dificultar o monitoramento do “chain of thought” do sistema.
Buck Shlegeris, da Redwood Research, e Zvi Mowshowitz apontaram riscos de perda de monitorabilidade caso a técnica seja ampliada, defendendo até a necessidade de leis para evitar uma “race to the bottom” entre laboratórios. A OpenAI, por sua vez, afirmou compromisso com cadeias de pensamento legíveis e com sistemas de monitoramento, enquanto a reportagem também cita discussões de Anthropic e Google DeepMind sobre a abordagem.
O Google anunciou o AI Co-Scientist, um sistema que usa agentes de IA para investigar como a resistência a antibióticos se espalha entre espécies bacterianas. A proposta foi guiada por um brief de uma página e um objetivo: entender um dos fatores ligados a infecções resistentes a medicamentos.
O sistema dividiu a tarefa em sub-agentes, com um responsável por formular hipóteses a partir da literatura, outro por criticá-las como um revisor e outro por ranquear as melhores opções. Ao final, o Co-Scientist concluiu que genes de resistência “caronam” em vírus bacterianos para alcançar novos hospedeiros, e a hipótese foi confirmada por pesquisadores da Imperial College London.
A OpenAI anunciou uma atualização de pesquisa sobre o Astra, seu modelo de “frontier reasoning”, dizendo que uma versão interna conseguiu produzir provas verificadas por máquina para 10 problemas antigos de matemática e ciência da computação teórica. A empresa estimou que o consumo de tokens para esse tipo de raciocínio ficou em torno de US$ 2.000, usando uma referência de preços da API do GPT-5.6 Sol. Apesar do avanço, os resultados ainda precisam passar por revisão de matemáticos humanos.
O ponto que mais muda para times tech é a possibilidade de tratar “raciocínio” como um orçamento de inferência, ajudando a planejar experimentos e a decidir quanto vale tentar resolver uma conjectura. Se esse acesso via API se concretizar, universidades e laboratórios menores podem comparar custos de execução e testar hipóteses sem depender de construir infraestrutura própria.
O Google publicou um resumo das principais atualizações de IA anunciadas em julho de 2026. Entre os destaques estão novos modelos Gemini — como o Gemini 3.6 Flash, 3.5 Flash-Lite e 3.5 Flash Cyber — voltados a melhorar eficiência de tokens, reduzir latência e aumentar confiabilidade para escalar agentes de produção. A empresa também lançou o Gemini Robotics ER 2, um modelo de “embodied reasoning” para permitir que sistemas conversem, entendam o ambiente e executem tarefas complexas em múltiplas etapas.
Além disso, a Google expandiu recursos do Gemini em dispositivos Android (com Gemini Intelligence), lançou o Gemini Notebook (com integração no ecossistema Google e “secure cloud computer”) e atualizou o Gemini Spark para lidar com “web errands” complexas com permissão do usuário. Para devs e tech, a tendência é clara: mais agentes prontos para produção, integração mais profunda com apps e ferramentas de otimização de código (como o AlphaEvolve no Gemini Enterprise Agent Platform) ganhando disponibilidade.
