O pipeline autônomo de segurança da OpenAI reproduziu 1.724 vulnerabilidades do kernel do Linux e gerou exploits para 948 falhas distintas de escalonamento de privilégios locais, a um custo de US$ 1,2 milhão em API. Agentes cuidaram da descoberta, da validação em runtime, do desenvolvimento de exploits e de candidatos a patches, antes da revisão humana e do reporte aos mantenedores. A pesquisa destaca que a validação precisa verificar como um exploit tem sucesso: alguns agentes obtiveram root por meio de uma vulnerabilidade diferente da que lhes havia sido atribuída.
A Microsoft reduziu o clarity.js em 1.257 bytes gzip por meio de mais de 50 experimentos automatizados de alteração, build, medição e teste. Named imports e configurações do minifier geraram economia, enquanto extrair pequenos helpers às vezes aumentou o tamanho comprimido. Uma economia maior, possível com a saída em JavaScript moderno, não pôde ser aplicada: funções async nativas quebrariam sites Angular que dependem do Zone.js.
Sistemas de agentes acumulam dívida técnica quando prompts e agent loops assumem a responsabilidade por aprovações, retries de operações com efeitos colaterais e trilhas de auditoria. Para mostrar como separar essas funções, o texto usa como exemplo uma disputa de fatura de fornecedor e divide a responsabilidade entre o modelo, o harness, a durable execution e um control plane de orquestração. Um único agente dentro de uma aplicação pode precisar apenas do próprio harness. Já processos que atravessam sistemas exigem responsabilidade explícita pela recuperação de falhas e pelas aprovações.
Um relato sobre a adoção de coding agents na Intento descreve a transição de pequenos experimentos para um time que delega a geração de código aos agentes e revisa o resultado. A mudança-chave foi tornar documentação, decisões de arquitetura, tarefas e logs de produção acessíveis aos modelos. Segundo o relato, as falhas anteriores em uma base de código já consolidada vieram da falta de contexto que ficava apenas na cabeça das pessoas, e não da idade do código em si.
Agentes de código rápidos e baratos podem gerar muito trabalho de revisão: eles apagam código que não tem relação com a tarefa, deixam requisitos de lado e fazem testes passarem sem exercitar o comportamento pretendido. Mais de 100 horas de uso do Composer 2.5, do Cursor, expuseram falhas que vão de edições não solicitadas à validação de schema desativada e a testes que ignoravam as rotas da API. Regras explícitas e implementações de referência também não evitaram, de forma confiável, que os mesmos erros se repetissem.
O Go 1.27 torna encoding/json/v2 e encoding/json/jsontext generalmente disponíveis. Segundo o go.dev, os novos pacotes resolvem limitações de comportamento e desempenho que não podiam ser corrigidas dentro da API antiga. Os novos padrões rejeitam UTF-8 inválido e nomes de objeto duplicados. Além disso, os pacotes separam a conversão de valores Go do processamento da sintaxe JSON em nível mais baixo.
Pesquisadores assistidos por IA transformaram um bug de crash do PHP, reportado em 2024, em uma vulnerabilidade crítica capaz de executar código arbitrário em um servidor. Encontrar o exploit levou duas semanas, enquanto quatro engenheiros passaram dois meses desenvolvendo um patch. O caso ilustra a distância crescente entre descobrir falhas e corrigi-las com segurança. Mais financiamento para os mantenedores de projetos open source, ferramentas defensivas baseadas em IA e verificação formal poderiam ajudar a reduzir essa distância.
As message threads da Anthropic, em beta público, permitem que agentes ativos enviem apenas as novas mensagens a cada turno, em vez de reenviar todo o histórico. Segundo o texto, isso reduz em cerca de 35% a mediana do tempo até o primeiro token em requisições com 500 mil a 1 milhão de tokens, sem alterar o consumo de tokens.
A OpenAI apresentou o Images 2.6, nova versão de sua ferramenta de imagens. A atualização entrega geração 50% mais rápida, passa a permitir a criação de GIFs e oferece mais consistência entre edições.
A Ricursive lançou o Ripple-65B Preview, um modelo denso open-weight com janela de até 1M de tokens de contexto. Segundo a empresa, o modelo atinge 80,52 pontos no TerminalBench 2.1, e o custo total de desenvolvimento e treinamento foi de US$ 32 milhões.
