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.
A Uber refez partes importantes do pipeline de busca do Uber Eats e relata uma redução de 50% na latência fim a fim. As mudanças atravessam recuperação (retrieval), hidratação de features, ranking, caminho de anúncios, apresentação e infraestrutura, com uso de um fluxo de coding agentic para identificar, benchmarkar e validar otimizações adicionais.
A empresa também trocou o foco do indicador principal: em vez de medir o tempo de resposta de APIs, passou a acompanhar o Above-the-Fold completion, tempo até a primeira tela de resultados com imagens. Com paginação e cache no servidor, renderização assíncrona e ajustes como descarte de candidatos de baixo valor, embeddings de produto e separação entre hidratação de ranking e apresentação, a Uber diz ter melhorado o Above-the-Fold em mais de 200 ms e cortado etapas específicas em dezenas de milissegundos, além de redesenhar o caminho de anúncios e reduzir overhead de infraestrutura.
A Alibaba abriu o código do OpenCodeReview, um CLI de code review com IA que combina pipelines determinísticas para seleção de arquivos, empacotamento e correspondência de regras com um agente baseado em LLM para análise dinâmica. A ferramenta inclui verificações embutidas para problemas como null-pointer exceptions, thread safety, XSS e SQL injection.
O OpenCodeReview foi publicado sob licença Apache-2.0 e é um CLI em Go que evita usar IA para decisões que podem ser tratadas de forma determinística, como escolher arquivos e validar comentários contra o diff. A empresa afirma que, em um benchmark interno com 200 pull requests em 10 linguagens, o OpenCodeReview teve maior precisão e F1 do que Claude Code usando cerca de um nono dos tokens, e o projeto pode revisar diffs, branches ou arquivos inteiros, funcionando com modelos compatíveis com OpenAI e Anthropic.
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.
