A Mercury está em negociações avançadas para levantar capital com uma avaliação superior a US$ 5 bilhões, um aumento em relação aos US$ 3,5 bilhões de um ano atrás. Paralelamente, a empresa busca aprofundar sua atuação no setor de finanças corporativas ao adquirir a startup de folha de pagamento Central. Este movimento integra uma onda de consolidação de fintechs, exemplificada pela compra da Brex pela Capital One por US$ 5,2 bilhões em janeiro e da plataforma de viagens Juno pela Ramp. Startups estão competindo para oferecer serviços bancários, gestão de despesas e folha de pagamento em uma única plataforma para PMEs.
CEVIU News
As melhores notícias de tecnologia, curadas diariamente para quem vive tech.
17500 notícias encontradas
Plataformas de consumo construíram impérios trilionários ao transformar sinais comportamentais em loops de aprendizado, gerando um crescimento composto. Softwares empresariais nunca tiveram um equivalente, pois as decisões são multi-usuário, fragmentadas e não estruturadas. Contudo, com a inserção de agentes de IA nos workflows, cada intervenção humana se torna um "rastro de decisão" estruturado que pode finalmente ser capturado, consolidado e transformado em inteligência institucional.
Ex-executivos do Walmart inauguraram um laboratório de demonstração de ponto de venda para que varejistas avaliem tecnologias de checkout sem a pressão de fornecedores. A instalação foi projetada para varejistas omnichannel que buscam comparar hardware e software de POS lado a lado, utilizando a experiência dos fundadores em operações de varejo de grande escala para preencher uma lacuna em testes neutros de fornecedores.
A SpaceX apresentou um registro confidencial de IPO à SEC, visando uma avaliação de US$ 1,75 trilhão e uma captação de até US$ 75 bilhões, o que superaria em mais do dobro a estreia recorde de US$ 29 bilhões da Saudi Aramco.
🤖
Gigantes da Tecnologia e Cripto Competem para Criar Infraestrutura de Pagamentos para Agentes de IA
Coinbase, Cloudflare e Stripe estão formando uma organização sem fins lucrativos sob a Linux Foundation para governar o x402, um protocolo de código aberto que permite pagamentos instantâneos máquina a máquina via stablecoins. Com mais de 20 membros, incluindo Microsoft, Google, AWS e Amex, o x402 compete com o Machine Payments Protocol, rival da Stripe e Paradigm, enquanto ambos os grupos correm para construir a infraestrutura de pagamentos padrão para um mundo onde agentes de IA realizam milhões de transações diárias sem intervenção humana.
A Bolt, empresa que já foi avaliada em US$ 11 bilhões, demitiu cerca de um terço de sua força de trabalho. Além disso, a companhia parou de pagar fornecedores, incluindo a AWS, desde janeiro. Para tentar reter os funcionários, a Bolt ofereceu participação acionária com um desconto de 25% em vez de salários. O CEO Ryan Breslow mencionou a IA como justificativa para 'ser mais enxuto', mas a estratégia de virar um 'super app' resultou em apenas 5.000 downloads e avaliações majoritariamente negativas.
O volume de transações com cartões Visa, Mastercard, Amex e Discover emitidos nos EUA aumentou 6,4% em 2025 em comparação com 2024. A adoção de pagamentos digitais foi o principal impulsionador desse crescimento. Os dados indicam uma contínua migração do dinheiro físico para os pagamentos eletrônicos em todo o setor de varejo e bancário.
Este 'arquivo de ideia', projetado para ser copiado e colado em um agente LLM, apresenta um padrão para a construção de bases de conhecimento usando LLMs. Ele permite que os LLMs construam e mantenham incrementalmente uma wiki persistente, expansível conforme o modelo continua aprendendo. Neste framework, o humano curadoria as fontes, direciona a análise, faz perguntas e processa o significado, enquanto o modelo realiza as outras tarefas. O agente edita com base em conversas, e usuários podem navegar pelas alterações em tempo real.
💡
Marc Andreessen reflete sobre A Morte do Navegador, Pi + OpenClaw e Por Que 'Desta Vez É Diferente'
A IA, resultado de um 'sucesso repentino de 80 anos', não é mais um ciclo de hype, mas a culminação de décadas de pesquisa que levaram a avanços significativos em raciocínio, codificação e agentes com capacidade de autoaperfeiçoamento.
A dependência da Apple do Gemini IA do Google para uma Siri reformulada marca uma mudança estratégica, enquanto a empresa busca compensar seu atraso em IA generativa em comparação com seus pares. Essa parceria levanta preocupações sobre a gestão de dados do usuário, ao mesmo tempo em que destaca a aposta da Apple em capacidades de IA integradas diretamente nos dispositivos. À medida que a tecnologia de IA migra para o dispositivo, a Apple pretende usar seus pontos fortes em design e privacidade para recuperar sua competitividade no cenário da IA.
A Meta suspendeu seu trabalho com a Mercor após uma violação de segurança que pode ter exposto dados proprietários de treinamento de IA. O incidente levanta preocupações sobre a segurança de informações estratégicas no setor de inteligência artificial.
A auto-destilação simples (SSD) é um processo em que modelos são submetidos a fine-tuning utilizando amostras de sua própria saída por meio de fine-tuning supervisionado padrão. Este método oferece uma abordagem complementar pós-treinamento para aprimorar a geração de código por LLMs. A SSD pode melhorar a geração de código em modelos usando apenas as saídas brutas. Este estudo investiga os motivos pelos quais um método tão simples pode ser eficaz.
LLMs frequentemente decidem ações antes de gerar tokens de raciocínio, influenciando sua cadeia de pensamento. Uma linear probe pode decodificar essas decisões a partir de ativações pré-geração com alta precisão.
Ambientes de RL (Reinforcement Learning) funcionam como campos de treinamento para agentes LLM. A distribuição de tarefas é crucial, pois define as habilidades que os agentes desenvolvem, enquanto os harnesses controlam a forma como eles interagem. Verificadores são responsáveis por estabelecer o que é considerado um desempenho 'bom', e tanto o estado quanto a configuração do ambiente são determinantes para o realismo e a eficácia do treinamento.
A Anthropic anunciou que os assinantes do Claude Code não poderão mais utilizar os limites de sua assinatura para ferramentas como o OpenClaw, mudando para um modelo de precificação pay-as-you-go separado para integrações de terceiros.
A Anthropic adquiriu a startup de IA de biotecnologia Coefficient Bio por US$ 400 milhões em ações, visando fortalecer suas iniciativas em saúde e ciências da vida. A Coefficient Bio, fundada por ex-pesquisadores da Genentech, utilizava IA para acelerar a descoberta de medicamentos e a pesquisa biológica. A equipe de 10 pessoas será integrada à divisão de saúde e ciências da vida da Anthropic.
O aprendizado em agentes de IA pode ocorrer em três níveis distintos: nas camadas do modelo, do harness ou do contexto. Entender essa diferença é fundamental para a construção de sistemas que aprimoram seu desempenho ao longo do tempo. A camada do modelo diz respeito aos pesos do próprio modelo, enquanto o harness abrange o código, as instruções e as ferramentas que impulsionam o agente. Por fim, o contexto é composto por informações adicionais que residem fora do harness para permitir configurações mais detalhadas. Embora a discussão sobre aprendizado contínuo frequentemente se concentre exclusivamente na camada do modelo, na realidade, um sistema de IA tem a capacidade de aprender e evoluir em todas as três camadas mencionadas.
ActionParty introduz tokens de estado por sujeito com polarização espacial para garantir a atribuição correta de ações a múltiplas entidades em vídeos gerados, resolvendo falhas comuns na vinculação sujeito-ação.
O desempenho de sistemas com Large Language Models (LLMs) depende não apenas dos pesos do modelo, mas também dos seus harnesses. Meta-Harness é um sistema de outer-loop que busca por código de harness para aplicações de LLM. Seus harnesses superam os melhores desenvolvidos manualmente em benchmarks de codificação agentic, demonstrando como um acesso mais rico a experiências prévias pode viabilizar a engenharia automatizada de harnesses.
Um sistema simples de três pastas (raw, wiki e outputs) transforma notas dispersas em uma base de conhecimento estruturada e mantida por IA, utilizando arquivos de texto simples e um schema leve. Essa abordagem permite a conversão de informações fragmentadas em um repositório organizado e acessível. Ferramentas como o agent-browser automatizam a ingestão de conteúdo, enquanto a IA se encarrega de compilar, conectar e atualizar uma wiki pessoal a partir de inputs brutos, eliminando a necessidade de organização manual. O sistema aprimora-se ao longo do tempo, salvando os outputs de volta no processo e executando verificações periódicas de "saúde" para identificar erros e lacunas antes que se acumulem.