A IA aumenta a capacidade, mas reduz o valor ao tornar a criação fácil para todos.
CEVIU News
As melhores notícias de tecnologia, curadas diariamente para quem vive tech.
17902 notícias encontradas
Os engenheiros não controlam se os produtos são amados - são os incentivos e restrições que fazem isso. O trabalho é equilibrar as necessidades dos usuários com a realidade e melhorar até mesmo produtos imperfeitos e amplamente utilizados.
Agentes de IA estão se tornando tomadores de decisão, criando um novo canal de crescimento. Para vencer, é preciso ser facilmente acionável, bem documentado e integrado às ferramentas que esses agentes utilizam.
A abordagem de "bala de prata" falha porque ignora a realidade: a demanda supera em muito a capacidade e a entrega é intrinsecamente imprevisível. Em vez disso, o que funciona é a confiança, o alinhamento e a colaboração precoce entre vendas e produto.
AutoBe é um agente de IA open-source que, a partir de uma única conversa em linguagem natural, gera um backend completo. O modelo qwen3-coder-next tem uma taxa de sucesso de 6,75% ao gerar tipos de dados em API para backend de shopping. O AutoBe eleva essa taxa para mais de 99,8% usando um harness onde esquemas de tipo limitam saídas, compiladores verificam resultados e feedback estrutural identifica precisamente onde e por que algo deu errado, permitindo autocorreção.
A exploração alimentada por IA pode atacar sistemas em uma escala nunca antes possível.
Agentes de codificação superam outros domínios porque as bases de código oferecem um ambiente autocontido de contexto crítico, diferente do trabalho de conhecimento fragmentado em chamadas de vídeo e sistemas legados. A adoção corporativa ainda enfrenta os desafios difíceis de fragmentação de contexto, controle de acesso complexo e uma paisagem arquitetônica em rápida mudança.
Pretext é um algoritmo rápido, preciso e abrangente de medição de texto que pode organizar páginas web sem depender da medição e do fluxo do DOM. Criado com workflows de agentes de IA, o ciclo específico usado no desenvolvimento da ferramenta (restringir -> medir -> isolar -> classificar -> testar -> rejeitar -> manter apenas o que sobrevive a pressão ampla) tornou a engenharia rigorosa. Este artigo analisa o ciclo para entender o que o torna tão bem-sucedido.
A Anthropic está conquistando mais clientes do que nunca. O Claude está ganhando assinantes pagos em números recordes. As assinaturas pagas mais que dobraram neste ano. A maioria dos novos assinantes está no nível mais baixo. A OpenAI continua ganhando novos assinantes pagos rapidamente e permanece como a maior plataforma de IA para consumidores.
As melhorias nas capacidades da IA na fronteira não levaram a um aumento nos custos de inferência em relação ao trabalho humano. Apesar do aumento nos custos de inferência por tarefa, os modelos atuais realizam tarefas a aproximadamente 3% do custo humano, sem tendência de alta nos índices medianos de custos. Os modelos podem continuar avançando mesmo com restrições de custo, permitindo automação lucrativa com custos de IA bem abaixo dos níveis humanos.
'Mythos' é o nome de uma nova categoria de modelos da Anthropic que são maiores e mais inteligentes do que o Opus. Esses modelos obtêm pontuações significativamente mais altas em testes de codificação de software, raciocínio acadêmico e cibersegurança em comparação ao Claude Opus 4.6. Mythos é um modelo grande e que demanda muito compute, tornando-se caro de usar e servir. A Anthropic está trabalhando para tornar o modelo muito mais eficiente antes de qualquer lançamento geral.
Ex-alunos da OpenAI destacam a importância de criar avaliações e benchmarks eficazes, observando que os melhores benchmarks impulsionam esforços de otimização coletiva. O design de dados pós-treinamento e o alinhamento de modelos são críticos para desbloquear novas capacidades da IA, especialmente em atributos subjetivos como empatia ou criatividade. Iteração rápida, escolha de problemas certos e uso do tooling interno são vantagens competitivas chave na pesquisa em IA.
Os usuários do Claude Code na web agora podem agendar tarefas para serem executadas na infraestrutura gerida pela Anthropic. Isso garante que as tarefas continuem funcionando mesmo quando os dispositivos dos usuários estão desligados. As tarefas agendadas estão disponíveis para todos os usuários do Claude Code na web. Exemplos de tarefas incluem revisar pull requests abertos a cada manhã, analisar falhas de CI durante a noite e gerar resumos, sincronizar documentação após a fusão de PRs e realizar auditorias de dependências semanalmente.
O modelo Avocado da Meta foi adiado para pelo menos maio, pois ainda está aquém dos sistemas líderes dos concorrentes. A empresa parece estar conduzindo experimentos paralelos com várias variantes do Avocado. O modelo consegue resolver problemas matemáticos complexos que os modelos Llama anteriores não podiam, mas tais problemas já foram solucionados por outros laboratórios meses atrás. A liderança de IA da Meta discutiu a licença temporária da tecnologia Gemini do Google, e algumas solicitações dentro da Meta IA já estão sendo redirecionadas por meio dos modelos Gemini.
Todos os cofundadores remanescentes do xAI aparentemente saíram, marcando a saída completa do time original.
O Google lançou tradução em tempo real através de fones de ouvido no iOS, ampliando o suporte para mais países e mais de 70 idiomas, enquanto preserva o tom e a cadência do falante.
Esse laboratório provavelmente foi a Anthropic, que treinou o Mythos.
A OpenAI lançou um programa público de recompensas por bugs de segurança na plataforma Bugcrowd para abordar riscos específicos de uso abusivo da IA.
Em março, o TeamPCP comprometeu pacotes PyPI, incluindo Trivy, litellm e o SDK da Telnyx, injetando malware oculto em arquivos de áudio WAV. A técnica envolve cargas codificadas em base64 e criptografadas com XOR, embutidas em dados válidos de quadros WAV, permitindo que elas escapem de firewalls, ferramentas EDR e verificações de tipo MIME, já que os arquivos são registrados como áudio inofensivo. Em Linux/macOS, um subprocesso destacável baixava o ringtone.wav de um servidor, extraía a carga na memória e depois se deletava. O coletor capturava variáveis de ambiente, chaves SSH, histórico de shell e credenciais de nuvem, exfiltrando-os criptografados em AES-256-CBC para o mesmo servidor. Métodos de detecção incluem análise de entropia de Shannon e verificações de padrões de quadros base64.
Pesquisadores liderados por Stanford examinaram 10 milhões de sites usando o TruffleHog e encontraram 1.748 credenciais de API válidas em 10.000 páginas, incluindo chaves para AWS, Stripe, GitHub e OpenAI. Um banco de importância sistêmica global expôs credenciais de nuvem que davam acesso direto a seus bancos de dados. Em geral, as credenciais permaneceram expostas por 12 meses em média, com 84% ocultas em pacotes JavaScript.