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.
O Airbnb lançou nesta semana sua nova busca com inteligência artificial como parte da atualização de outono do aplicativo. Brian Chesky, cofundador e CEO, afirmou que interfaces baseadas apenas em chatbot não são adequadas para descoberta e planejamento de viagens, mas disse que a busca atual deve evoluir ao longo do tempo.
Nos próximos 3 a 6 meses, a empresa quer explorar interfaces “multiplayer”, com IA que várias pessoas possam usar ao mesmo tempo para planejar uma viagem em grupo. Chesky também defendeu que o setor ainda não tem um “sistema operacional” de IA, citando a necessidade de uma infraestrutura e de um kit robusto para que agentes e funcionalidades do app funcionem melhor e possam interagir entre si, inclusive via MCP.
A Expedia Group open-sourçou o mockql-rs, uma CLI em Rust que gera respostas mock de GraphQL a partir de um LLM em tempo de requisição. A ferramenta fica entre cliente e servidor, usa anotações @mock nos campos e valida as operações contra o schema via apollo-compiler antes de montar a resposta final.
No exemplo descrito, o backend resolve campos como property e o LLM preenche recomendações com base no contexto da operação e em um subconjunto do schema. A iniciativa se soma a outras tentativas recentes envolvendo diretivas @generateMock e um RFC da GraphQL Foundation, mas com abordagens diferentes sobre onde a diretiva atua, como os mocks são armazenados e como a validação e a repetibilidade para testes são tratadas.
Uma apresentação do lead engineer Dumanshu Goyal, da Airbnb, usa a história do programa do Ônibus Espacial da NASA para defender “design para eficiência” e aplicar a mesma lógica a sistemas modernos de IA. O ponto central é que, na prática, requisitos pouco revisados podem inflar custos e complexidade — como ocorreu com as milhares de telhas de sílica no Ônibus Espacial — enquanto uma análise rigorosa de requisitos e trade-offs leva a soluções mais simples e eficientes.
No contexto de IA, o talk conecta essa mentalidade ao uso de OSS Valkey e a padrões de arquitetura voltados a reduzir latência e melhorar throughput, especialmente quando a meta deixa de ser milissegundos e passa a ser microsegundos. Para devs, isso reforça a importância de projetar camadas de dados e cache com observabilidade e decisões de engenharia orientadas por desempenho real, que impacta diretamente aplicações de IA em tempo quase real.
