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.
O Google DeepMind e o Google Research lançaram o WeatherNext 3, um modelo de previsão meteorológica com inteligência artificial que atualiza a cada hora e prevê velocidade do vento a 100 metros de altura, além de cobertura de nuvens e radiação que chega à superfície. O sistema também gera previsões globais a cada hora com resolução de até 5 quilômetros para variáveis como temperatura e umidade.
A proposta é atender o mercado de energia, ajudando operadores de rede e desenvolvedores de parques eólicos e solares a estimar a geração e compará-la com a demanda. O WeatherNext 3 também passa a alimentar resultados no Google Search, no app Gemini e no Google Maps, além de estar disponível via BigQuery, Earth Engine e download em massa no Google Cloud Storage.
A Google reuniu em um roundup as principais atualizações de inteligência artificial anunciadas em agosto de 2026, destacando avanços em produtos e infraestrutura para levar IA ao dia a dia. Entre os destaques estão o Gemini 3.7 Flash para coding e agentes, a expansão do Gemini no Chrome para Android e ferramentas de voz sem uso das mãos no Google Workspace e no Gemini Live.
A empresa também citou a chegada do Gemini em uma nova linha Pixel 11 com o chip Google Tensor G6, a marca de 1 bilhão de usuários mensais do app Gemini e novos recursos de aprendizado no Search. No campo de pesquisa, a Google mencionou o Gemma para desenvolvedores em ambientes offline e resultados do WeatherNext 2 em artigo na Nature sobre previsão de ciclones.
A DeepMind e a Google Research apresentaram, em um artigo na Nature, resultados do modelo WeatherNext, usado para prever ciclones. Em um caso de 2025 no Caribe, o sistema previu cinco dias antes da chegada que a tempestade atingiria a Jamaica como furacão categoria 5, com 80% de confiança, enquanto outros modelos divergiam sobre a trajetória. O trabalho indica que, em média, o WeatherNext oferece cerca de um dia a mais de antecedência do que modelos existentes.
Na prática, esse tempo extra pode mudar decisões críticas, como evacuações e logística de resposta, que dependem de janelas curtas. Os pesquisadores destacam também o desafio de treinar IA para eventos extremos — raros — e dizem que o modelo foi ajustado para aprender tanto padrões meteorológicos gerais quanto características específicas de ciclones, usando o que há de dados disponíveis.
A DeepMind anunciou que o modelo WeatherNext, baseado em Functional Generative Networks (FGNs), conseguiu um avanço na previsão de ciclones ao gerar previsões com até 15 dias de antecedência em menos de um minuto em uma TPU. O sistema foi escalado de 50 previsões por rodada para um ensemble com 1.000 membros, melhorando a captura de cenários raros, como intensificação rápida observada no furacão Melissa (2025). Além disso, o modelo trabalha com dados bem menos detalhados (28x28 km), enquanto uma versão menor (WeatherNext 2-mini) usa 111x111 km.
A novidade importa porque reduz a dependência de alta resolução para estimar intensidade e riscos extremos, acelerando a avaliação de probabilidades por meteorologistas. Ao abrir código e pesos e disponibilizar versões como o 2-mini em notebook público, a DeepMind pretende impulsionar pesquisas e operações em agências e projetos que precisam de previsões mais rápidas para proteger vidas e infraestrutura.
A DeepMind (Google) e pesquisadores do Google Research apresentaram na revista Nature o WeatherNext, um modelo de IA para prever ciclones. Em um teste com um sistema que se formou no Caribe em outubro de 2025, a IA apontou com 80% de confiança que o furacão atingiria a Jamaica como categoria 5, cinco dias antes da chegada à costa. Em média, o WeatherNext oferece cerca de um dia a mais de lead time do que modelos tradicionais, deixando previsões de três dias tão precisas quanto as anteriores em dois dias.
A diferença prática é tempo para decisões críticas, como evacuações e logística de resposta, já que “algumas horas” podem mudar o impacto. O trabalho também destaca que o modelo consegue estimar intensidade usando dados atmosféricos de resolução mais baixa, gera múltiplos cenários (de 50 para 1.000) e deve ser usado como ferramenta complementar aos modelos numéricos e ao julgamento de especialistas. A DeepMind ainda anunciou a abertura do WeatherNext para a comunidade de pesquisa.
