A Spotify ampliou o uso de desenvolvimento assistido por IA e mais que dobrou as mudanças mensais mescladas, de cerca de 8.100 para 17.000 ano a ano em agosto. Com o aumento do volume de alterações nos sistemas de produção, a empresa ajustou controles de qualidade e confiabilidade para lidar com a nova escala.
A companhia opera quase 3.000 serviços de produção para 777 milhões de usuários ativos mensais e relata desafios em processamento de conteúdo, automação de frota e capacidade de computação. Entre as respostas estão melhorias em monitoramento e testes, salvaguardas de rollout e capacidade de rollback, além da adoção do Honk, um agente de codificação em background que executa o Claude via Agent SDK em pods no Kubernetes.
Pesquisadores apresentaram na conferência KDD o estudo “GEO: Generative Engine Optimization”, voltado a melhorar a visibilidade de conteúdos nas respostas de mecanismos generativos. Nos testes descritos, intervenções específicas aumentaram a presença em até 40%, variando conforme o tema pesquisado.
O movimento é comparado ao SEO, mas com uma diferença: ao perguntar a uma inteligência artificial, muitas vezes o usuário recebe uma resposta pronta em vez de uma lista de opções. O texto destaca ainda como a construção de um “rastro público” — entrevistas, artigos, participações e fontes — pode influenciar o que sistemas como os buscadores associados ao ChatGPT encontram e citam, exigindo que assessorias e relações públicas considerem como esses dados são lidos e organizados.
A Starlink já permite que celulares se conectem diretamente aos satélites por meio da tecnologia Direct to Cell, sem a antena usada no serviço residencial. A proposta evoluiu de mensagens de texto para acesso a dados e chamadas via aplicativos, com operação feita em parceria com operadoras de telefonia que disponibilizam parte das frequências.
No Brasil, Vivo e Starlink participam de um ambiente experimental autorizado pela Anatel, com permissão válida até abril de 2029, mas ainda sem oferta comercial ampla. Enquanto isso, a SpaceX recebeu autorização da FCC para implantar até 15 mil satélites de nova geração, com novas frequências para ampliar cobertura e capacidade, inclusive em ambientes internos, aproximando a tecnologia de serviços móveis mais avançados.
Pesquisadores apresentaram na conferência KDD o estudo “GEO: Generative Engine Optimization”, voltado a melhorar a visibilidade de conteúdos nas respostas de mecanismos generativos. Nos testes descritos, intervenções específicas aumentaram a presença em até 40%, variando conforme o tema pesquisado.
O movimento é comparado ao SEO, mas com uma diferença: ao perguntar a uma inteligência artificial, muitas vezes o usuário recebe uma resposta pronta em vez de uma lista de opções. O texto destaca ainda como a construção de um “rastro público” — entrevistas, artigos, participações e fontes — pode influenciar o que sistemas como os buscadores associados ao ChatGPT encontram e citam, exigindo que assessorias e relações públicas considerem como esses dados são lidos e organizados.
A Dell entrou na corrida para permitir que agentes de inteligência artificial entendam o significado dos dados que acessam dentro das empresas. A companhia apresentou tecnologias para conectar informações de sistemas diferentes e indicar à IA quais termos, relações e fontes devem ser considerados em cada tarefa, com previsão de chegada dos principais recursos no primeiro semestre de 2027.
O foco é criar uma camada de contexto entre modelos de IA e dados corporativos, problema que ganhou força com a adoção de agentes em tarefas reais. Levantamento da Modern Data Company com mais de 540 profissionais em 66 países aponta que 57,3% das organizações já testam ou usam agentes, mas só 8,4% confiam nos dados para uso em produção, e falta de contexto aparece entre as principais barreiras.
A AVEVA aponta que a IA industrial está entrando em uma nova fase com foundation models, physical AI e agentic AI, permitindo automatizar tarefas mais complexas em ambientes físicos. Como essas decisões podem afetar diretamente sistemas e infraestrutura crítica, a empresa destaca que a implantação responsável passa a ser central para manter segurança, confiabilidade e operações estáveis.
O framework de IA responsável da AVEVA enfatiza segurança, eficiência e supervisão humana, com guardrails para definir onde a automação pode agir e onde responsáveis humanos devem permanecer no controle. O debate também inclui o papel de dados para correlacionar informações de diferentes fontes em tempo real e a necessidade de novas abordagens de governança e sustentabilidade, incluindo padrões para medir o impacto ambiental da IA.
A Xiaomi iniciou a pré-venda da REDMI X RGB-Mini LED 2027 Competitive Edition, uma linha de TVs com retroiluminação RGB-Mini LED voltada a jogos e economia de energia. O painel tem taxa de atualização nativa de 180 Hz, com possibilidade de chegar a 360 Hz em um modo específico para games, além de promessa de reduzir o consumo total em 30% frente a soluções convencionais.
A TV traz iluminação com fontes de luz vermelha, verde e azul independentes e cobre 100% da gama de cores BT.2020, com precisão de cor de aproximadamente ΔE 2. O brilho máximo é de 1.300 nits, há camada nano soft-light e textura anti-reflexo AG nano, e a proteção ocular Qingshan é citada para uso prolongado; a linha começa a ser vendida oficialmente na China em 12 de outubro, com preços a partir de 2.705 yuans.
Depois do básico, o aprendizado de IA tende a sair de tarefas simples e ir para usos mais complexos, como estruturar processos com várias etapas. Em vez de depender só de comandos individuais, a evolução passa por definir objetivos, fornecer contexto e acompanhar cada fase para chegar a resultados confiáveis.
Outra frente é aprender a trabalhar com informações da rotina profissional, como planilhas, relatórios e bases internas, respeitando regras de segurança. Também ganha espaço conectar a IA a outras ferramentas para automatizar tarefas, além de desenvolver a checagem de fontes e a comparação de resultados quando as respostas ficam mais difíceis de validar rapidamente.
A Archestra lançou o OpenAPPA, um motor de segurança open-source para impedir exfiltração de dados causada por prompt injection ou alucinação de modelos. O sistema roda fora do loop de prompt e execução do agente e usa uma configuração appa.toml para definir fontes de dados, audiências, níveis de confiança e autoridades, com regras determinísticas de aplicação.
Em benchmarks como Bench-Corp (20 fluxos corporativos) e AgentThreatBench, o OpenAPPA reportou 0% de ataques bem-sucedidos, mantendo 89% de conclusão de tarefas. A equipe também aponta que abordagens estocásticas baseadas em “modelo-juiz” tendem a falhar por não rastrear o fluxo de dados entre tool calls, e descreve mecanismos de recuperação, como sanitização, aprovação por autoridades e Child Branches descartáveis para isolar dados não confiáveis.
O recurso de memória do ChatGPT permite que a inteligência artificial mantenha algumas informações entre diferentes conversas, ajudando a deixar as respostas mais alinhadas ao que o usuário costuma pedir ou prefere. A memória pode guardar detalhes como preferências, interesses, objetivos e projetos, além de recuperar contexto relevante para perguntas futuras.
A memória não registra necessariamente tudo o que foi dito: o sistema seleciona informações e mantém um “Resumo da memória” que funciona como uma visão geral do contexto. O usuário pode ajustar esse resumo, pedir para confirmar se um detalhe foi registrado e usar o ícone de “Fontes” para ver quais memórias, conversas ou arquivos foram consultados; também é possível usar memória dentro de projetos, inclusive com modo que restringe o contexto ao próprio projeto.
Donald Trump deve escolher Jay Clayton, diretor de inteligência dos EUA, para o posto de “czar” de inteligência artificial na Casa Branca, segundo a CNN a partir de duas fontes ligadas às discussões. A decisão pode ser oficializada já nesta sexta-feira (2). No encontro com executivos de empresas de IA na Casa Branca, Trump defendeu a aceleração da inteligência artificial e disse que o governo não vai “impedir ou sufocar” o crescimento do setor.
Trump já descartou leis e normas nacionais para regular a área e defende autorregulação. No fim de setembro, executivos de Google, Nvidia, Anthropic e X assinaram um código voluntário de boas práticas na Casa Branca, com diretrizes para gerenciar riscos de segurança, níveis de supervisão interna e auditorias externas independentes, além da criação de um comitê independente para revisar avaliações de segurança.
A Leapwork lançou o Leapwork Play, uma plataforma de validação contínua “AI-native” voltada para construir, executar e gerenciar suítes de testes em Playwright em escala. A empresa destaca que a popularidade do Playwright cresceu junto com o uso de código gerado por IA, mas que isso elevou o volume de testes e tornou mais difícil provar a origem de cada caso e gerenciar milhares deles entre várias equipes.
O Leapwork Play conecta o Play a fontes onde o conhecimento do produto já vive, como Jira, repositórios Git e documentação, para gerar testes Playwright baseados nesse contexto. A ferramenta também permite registrar uma jornada do usuário no navegador e transformar isso em um teste mantido, com saída em código Playwright padrão para rodar no Play, em pipelines de CI ou via servidor MCP de assistentes de código com IA.
A Progress Software anunciou novas capacidades na plataforma Progress Agentic RAG, voltada a agentes de IA e LLMs, com uma camada compartilhada de Agentic Knowledge para conectar conhecimento corporativo a experiências com IA. O pacote inclui um aplicativo nativo para Microsoft Teams, um Smart Agent para recuperação autônoma em múltiplas etapas e um plugin para WordPress para melhorar ingestão, fidelidade e governança do conteúdo.
Com a expansão do uso de agentes além do chat, a empresa destaca que equipes de engenharia costumam precisar criar lógicas de orquestração para cada sistema acessado e lidar com respostas incompletas quando o conteúdo é apenas pré-indexado. A atualização busca reduzir esse trabalho ao permitir que o Smart Agent planeje consultas, gere subperguntas, recupere informações em Knowledge Boxes, aplicações conectadas via MCP e fontes web, avaliando resultados até reunir dados suficientes, além de dar mais controle sobre como conteúdos do WordPress são indexados e atualizados.
Agentes de IA que “passam” em demos podem falhar quando chegam ao mundo real por causa de dados inconsistentes, fontes diferentes, mudanças frequentes de informação e desafios como permissões de sistema. Mesmo quando retrieval e RAG funcionam no ambiente controlado, o agente pode não ter o contexto de negócios necessário para tomar ações com base em informações atuais e confiáveis.
No dia 14 de outubro, Ravi Marwaha, COO e Chief Product & Technology Officer da Arango, vai explicar seis requisitos de dados para tirar agentes da fase de demonstração e preparar a arquitetura para produção. O conteúdo inclui exemplos sobre clientes que aparecem de formas diferentes em sistemas distintos, necessidade de entender “por que” uma decisão foi tomada e como manter governança e contexto unificado para reduzir latência, custos e trabalho manual.
A Microsoft está transformando o Microsoft Fabric, sua plataforma integrada de dados, no local onde agentes de IA aprendem como uma empresa funciona — do que aconteceu no último trimestre ao que ocorre em tempo real no chão de fábrica. No FabCon e SQLCon em Barcelona, a empresa detalhou como o Fabric IQ, a camada de contexto do produto, passa a alimentar o Microsoft 365 Copilot por padrão e como agentes externos poderão consultar esse contexto via MCP.
A Microsoft também anunciou que o Power BI poderá, em breve, transformar as mesmas definições em apps, enquanto ontologias com regras de negócio avançam para mais uma fase de preview. Além disso, a empresa destacou integrações e recursos no OneLake, como espelhamento e permissões de segurança ao integrar dados de fontes como Salesforce Data Cloud 360 e BigQuery, reforçando que as regras de acesso serão preservadas e aplicadas junto com os dados.
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.
63% dos desenvolvedores dizem que sistemas de IA contribuem para as mudanças climáticas, e 70% afirmam que empresas de tecnologia e empregadores precisam fazer mais para reduzir o impacto ambiental, segundo um relatório conjunto do GitHub e do Yale Program on Climate Change Communication (YPCCC). A pesquisa ouviu 1.039 usuários ativos mensais do GitHub nos EUA sobre clima, impacto ambiental da IA e práticas de engenharia de software sustentável.
O estudo aponta que muitos veem ineficiências em modelos e em softwares “indesejados” como fontes de desperdício, além de pedirem mais transparência sobre consumo de energia. Entre os entrevistados, 80% querem ferramentas para escrever código mais eficiente, com recomendações como medir o consumo de energia de ferramentas de IA, incluir escores de eficiência energética em projetos e revisar etapas de CI/CD que usam computação desnecessária.
A OpenAI afirmou ter resolvido o problema de existência e suavidade das equações de Navier-Stokes, uma questão debatida por décadas na matemática, usando milhares de agentes. O resultado foi apresentado como uma prova, mas especialistas ainda estão avaliando a validade e a forma como a solução foi obtida.
Matemáticos apontam que provas feitas por sistemas de IA podem ser difíceis de entender e verificar, já que modelos de linguagem não citam fontes de forma confiável e não explicam claramente os passos. Enquanto a prova de 166 páginas segue em revisão por pares, pesquisadores também criticam a falta de transparência e a possibilidade de uso de trabalhos sem atribuição, além de haver uma declaração com alerta sobre o impacto de “mass-produzir” provas na área.
Ao perguntar a um assistente de inteligência artificial, é comum receber respostas mesmo quando o modelo não sabe. Esse comportamento é chamado de alucinação e pode levar a invenções de dados, citações e fontes com a mesma segurança de fatos reais, incluindo casos em que modelos criaram decisões judiciais atribuídas a processos inexistentes.
A explicação passa pela forma como os grandes modelos de linguagem são treinados para prever a próxima palavra, e não para medir o que sabem. Para contornar o problema, a Ammonix desenvolveu uma abordagem em que a IA opera dentro de um conjunto definido de decisões e se abstém quando a situação não se parece com casos conhecidos ou quando a confiança é baixa, podendo pedir mais informações ou encaminhar para especialistas; já a Anthropic divulgou um teste com verificação automática em relatórios financeiros, no qual o Claude Opus 5.5 passou em 16 de 18 tentativas.
A startup de data centers de IA Crusoe, de Denver, encerrou os planos de usar turbinas estacionárias da Boom Supersonic e cancelou a parceria que previa um investimento de US$ 1,25 bilhão em 29 turbinas Superpower. A decisão ocorre após o CEO da Boom, Blake Scholl, afirmar que a empresa não seguirá com o acordo, que tinha entregas previstas para começar em 2027.
A Crusoe confirmou ao TechCrunch que não faz mais negócios com a Boom. A empresa disse que continua construindo datacenters “do poder para cima” e que mantém flexibilidade para escolher fontes de energia por site, citando que a parceria não é o ajuste ideal no momento, enquanto a Boom direciona as entregas de Superpowers para outros locais.
A Agência de Segurança Nacional (NSA) informou a legisladores que está gastando bilhões de dólares de recursos do contribuinte, neste ano, para avaliar e testar modelos avançados de inteligência artificial. O valor, segundo duas fontes com acesso a estimativas classificadas, seria bem maior do que o previamente conhecido, elevando a preocupação de que um sistema regulatório federal mais amplo possa custar dezenas de bilhões por ano.
Após uma série de incidentes de hacking e falhas de segurança, o Artificial Intelligence Security Center da NSA passou a testar modelos de “fronteira” para identificar vulnerabilidades ligadas à segurança nacional. O debate agora envolve quem deve bancar essas verificações, com propostas de auditorias independentes e discussões sobre a possibilidade de as próprias empresas de IA financiarem parte dos custos, em vez de o ônus recair sobre os contribuintes.
Pesquisadores do MIT Senseable City Lab defendem, em “How AI Sees the City: Urban Visual Intelligence”, que a IA visual pode transformar estudos urbanos ao tratar imagens de câmeras e outras fontes como dados. Em Nova York, técnicas com machine learning identificaram tipos de veículos em 331 câmeras de trânsito e estimaram emissões por automóvel, mostrando como a escala de imagens pode aumentar precisão e cobertura.
O livro também destaca aplicações para planejamento urbano, como entender gargalos de tráfego, pontos mais perigosos em cruzamentos e áreas de praças e parques que atraem mais pessoas. Ao mesmo tempo, os autores alertam para preocupações com vigilância e para o risco de vieses serem reforçados por sistemas de IA, especialmente com a instalação de câmeras em larga escala.
A startup colombiana Dapper, fundada por Luis Alberto Rodríguez, usa inteligência artificial e dados para monitorar mudanças regulatórias em mercados emergentes. A empresa acompanha mais de 500 fontes públicas em 14 países, processa cerca de 2 mil documentos por dia e organiza leis, decretos e resoluções em um banco de dados consultável.
A Dapper afirma que um monitoramento regulatório completo, antes feito em uma a duas semanas, pode ser gerado em 20 a 60 minutos com relatórios personalizados. No Brasil — apontado como o mercado mais complexo para a empresa — a plataforma também oferece suporte em português e integra conectores via MCP e API para acoplar a base regulatória às ferramentas usadas pelas equipes.
O app de agentes de IA da Meta, o Muse, foi promovido no Instagram e no WhatsApp e já ultrapassou 900 mil downloads na primeira semana, segundo a Sensor Tower. A ferramenta promete “passar tarefas do dia a dia” como buscar ofertas, reservar e gerenciar a caixa de entrada, conectando-se a fontes como e-mail e conta bancária.
Após alguns dias de uso, o texto relata preocupação com a coleta de dados: o app incentiva o usuário a conectar mais informações para personalização e mantém uma “Memory” com preferências e compromissos. O Muse também usa interações do usuário para treinamento de modelos de IA de forma automática, com a opção de desativar a contribuição em “Data controls”, mas sem um botão para desligar totalmente a função de memória.
Agentes de IA podem automatizar rotinas de pesquisa e a organização de dados em planilhas a partir de buscas e formulários. A ideia é configurar um bot para analisar resultados, separar destaques e reunir tudo em uma única tabela, com colunas para critérios como preço, potência, capacidade, avaliação e links das fontes.
O processo pode ser feito com agentes próprios de assistentes como Claude, ChatGPT e Gemini (com recursos que podem exigir planos pagos), com assistentes integrados ao Google Planilhas e ao Excel, ou ainda via plataformas de automação como n8n e Zapier conectadas a serviços de IA. Também é possível usar plugins e componentes para controlar arquivos e gerar a planilha após a confirmação das instruções.
Repetir a mesma pergunta em um LLM pode gerar cobranças a cada resposta, mesmo quando nada mudou. A proposta é criar uma chave de cache por “fingerprint” dos insumos e dependências (request, contexto, configurações do modelo e dados subjacentes) e reutilizar a resposta quando ela continuar válida e segura.
O texto descreve uma estratégia em três níveis: cache exato com normalização e hash SHA-256 em um store como Redis; cache semântico com embeddings e busca por similaridade (com limiar de cosseno entre 0,90 e 0,95, ajustável); e um modelo híbrido que tenta o exato primeiro e só faz a busca semântica em caso de “miss”. Em ambos os casos, a chave precisa considerar contexto, versão de fontes e escopo de acesso para evitar reutilização incorreta entre usuários e documentos diferentes.
A Vox Group, empresa de tecnologia de guias com atuação em mais de 150 países, atualizou sua plataforma de IA Aura para oferecer tradução simultânea ao vivo em até 200 idiomas. O sistema também passou a incluir legendas de acessibilidade em tempo real e um “companion” de IA para apoiar os guias durante as visitas.
A tradução do Aura pode rodar em até quatro idiomas ao mesmo tempo em um único tour, com o áudio chegando aos participantes pela mesma infraestrutura de rádio usada pela empresa. A companhia afirma que o recurso foi desenhado para manter o guia como voz principal, usando conteúdo aprovado pelo operador e fontes verificadas, e que a solução já está disponível para cruzeiros, operadoras de turismo, DMCs e parceiros de experiências no destino.
O jornal estatal chinês Global Times classificou o ensaio de Dario Amodei, CEO da Anthropic, como um “manual de Guerra Fria” contra a China. No texto, Amodei defende desacelerar o avanço de capacidades de IA de fronteira para ganhar tempo no enfrentamento de riscos de segurança e propõe reforçar controles americanos sobre exportação de chips para Pequim.
A publicação chinesa afirma que a agenda por trás da proposta seria conter o desenvolvimento da IA chinesa com barreiras tecnológicas e “monopólios regulatórios”. Donald Trump rejeitou publicamente a desaceleração em 13 de setembro, enquanto Sam Altman e Elon Musk apoiaram a proposta; fontes ouvidas pela Reuters indicam que EUA e China devem discutir riscos de segurança de IA de fronteira em meados de setembro e o tema pode entrar na cúpula entre Trump e Xi marcada para o dia 24.
O GPT-6 Astra, da OpenAI, chega com foco em executar tarefas em várias etapas, usando o computador, navegando na internet e produzindo documentos, planilhas e apresentações. A disponibilização começou de forma gradual em 3 de setembro e está sendo ampliada para usuários dos planos Plus, Pro, Business e Enterprise, além da API.
A novidade inclui a capacidade de combinar raciocínio, uso do computador e navegação para lidar com atividades que exigem diferentes ferramentas e fontes, mantendo instruções anteriores mesmo quando novos requisitos são adicionados. O modelo também oferece níveis de esforço de raciocínio (baixo a máximo) e foi treinado para trabalhos como seguir modelos fornecidos pelo usuário e adaptar estrutura, estilo visual e conteúdo ao padrão solicitado.
A inteligência artificial virou ponto de atenção nas Eleições Gerais de 2026 no Brasil, com uso tanto para checar notícias e criar conteúdos quanto para ampliar riscos durante o pleito. Pela primeira vez, a tecnologia aparece como protagonista no processo para eleger presidente, deputados, governador e senadores, e o TSE já definiu regras para o uso de assistentes, embora persistam preocupações com fake news.
O principal problema é a desinformação: conteúdos falsos podem ser produzidos em larga escala e distribuídos rapidamente, inclusive por meio de montagens de vídeo criadas em poucos segundos. Ao mesmo tempo, especialistas apontam que a IA também pode ajudar a combater boatos ao apoiar a verificação de informações e indicar fontes para consulta, além de ferramentas como o Gemini para identificar conteúdo gerado por IA e o Claude com marca d’água invisível em textos.
Uma sequência de e-mails de spam atribuídos a agentes de IA da iLands.app tem chamado atenção ao oferecer “pesquisa verificada” e “receipts” em troca de uma taxa, com mensagens que chegam em grande volume. O remetente é um bot chamado Leo Ashford, que se apresenta como um agente que faz arqueologia da web, checa informações em fontes primárias e escreve os resultados.
O relato também diz que, em três dias, foram recebidas mais de uma dúzia dessas mensagens, e que elas não trazem opção de cancelamento (unsubscribe). O texto afirma ainda que os e-mails parecem ter sido enviados via Amazon SES e cita a sugestão de denunciar a empresa à Federal Trade Commission (FTC), especialmente por tentarem competir com trabalho de freelancers.
O TradingAgents, framework multiagentes para trading com LLMs, teve a versão v0.4.0 lançada com correções de look-ahead e ajustes de “point-in-time” em fontes como FRED (macro), sentimento social e memória de decision-log. A atualização também inclui sinais de decisão mais claros, retomada de checkpoints via CLI, grounding de preço do trader e suporte aos modelos GPT-5.6 e GLM-5.3, com lista completa no CHANGELOG.md.
O projeto foi totalmente aberto no GitHub e organiza papéis especializados, como Fundamentals Analyst, Sentiment Analyst, News Analyst, Technical Analyst, além de equipes de risco e um Portfolio Manager que aprova ou rejeita propostas de transação. O TradingAgents é voltado a pesquisa e não se destina a aconselhamento financeiro, investimento ou trading, com desempenho variando conforme modelos, parâmetros e qualidade dos dados.
O Google open-souceou o Mantis, um framework de agentes de IA para automatizar o ciclo de vida de vulnerabilidades em software. A proposta é ir além da varredura tradicional, que costuma gerar falsos positivos e até “vulnerabilidades alucinadas”, elevando a taxa de achados verdadeiros. O Mantis identifica e valida vulnerabilidades, reproduz falhas em sandbox e apoia correções no código.
O framework analisa histórico do repositório, correções anteriores, arquitetura e modelos de ameaça, em vez de fazer varredura bruta de arquivos. Ele usa agentes critic e reviewer para filtrar e priorizar resultados, além de um estrategista para avaliar estrutura do código, threat models e grafos de dependências; também há agentes de pesquisa para examinar fontes com busca interna. O Mantis ainda reduz o uso de tokens ao resumir arquivos em uma árvore hierárquica com contexto de diretório e repositório, e está disponível no GitHub.
:quality(85)/caa565f6-c377-4023-9d75-750c505f2401.png)
:quality(85)/121a28cb-5813-471d-bbba-b89ea9ca9dc5.jpg)
:quality(85)/483c949e-c9ea-41be-b2a9-e0fcfe03b894.png)
/https://i.s3.glbimg.com/v1/AUTH_59edd422c0c84a879bd37670ae4f538a/internal_photos/bs/2026/f/e/rovmbsRDahqEjGLnvZVg/afp-20260929-2297760264-v1-highres-presidenttrumpmeetswithaiexecutivesatwhiteho.jpg)
:quality(85)/53747657-4b3e-49ae-be7b-48177bbae2ef.png)
:quality(85)/85c9a3bc-d0a7-4d12-9012-f1daa4d2552b.png)
