Agentes
-
Agentes
Cursor leva a execução dos agentes para o cliente, mas mantém a inferência na nuvem
Self-Hosted Machines leva a execução das ferramentas para o cliente, mas mantém inferência e planeamento na nuvem da Cursor.
-
Investigação
HarnessDev mostra porque agentes autoaperfeiçoáveis precisam de critérios de lançamento
O HarnessDev mostra porque estruturas de agentes evolutivas exigem validação oculta, testes de executor, evidência em execução e reversão.
-
Agentes
Falcon Guardian leva a segurança dos agentes de IA para a execução
O Falcon Guardian liga prompts e chamadas a ferramentas às ações nos equipamentos e acrescenta controlos em tempo de execução para agentes de IA.
-
Novos modelos
A Pipecat lança o PhoneLLM, um modelo com 3.5B parâmetros ativos para agentes de voz
O PhoneLLM Alpha 1 é um modelo aberto de 30B do tipo mistura de especialistas, com 3.5B parâmetros ativos, feito para agentes de voz telefónicos e avaliado com o novo PhoneBench.
-
Agentes
A OpenAI fixa novembro como prazo para os seus modelos no Cursor
Após a aquisição do Cursor pela SpaceX, a OpenAI encerra o contrato de fornecimento de modelos, com data proposta de 12 de novembro de 2026 para as equipas migrarem.
-
Investigação
O Gemini Co-Scientist fecha o ciclo da hipótese à experiência e a afirmações verificadas
A Google DeepMind alarga o Co-Scientist da geração de hipóteses a uma investigação fundada na execução: planeamento experimental, código autónomo, equipamento de laboratório e verificação de afirmações.
-
⚙️ A camada de regras executáveis: porque a governação de IA falha antes da execução (4/10)
Como decisões tomadas durante a execução, pontos de controlo, regras sensíveis ao estado e evidências transformam a governação de IA em controlo operacional.
-
🏗️ Porque é que a maioria das equipas fica pelos controlos de ação: os sistemas ocultos da verdadeira governação de agentes (3/10)
Porque a identidade e as aprovações não chegam, e como os sistemas de conhecimento, execução e avaliação tornam operacional a governação de agentes.
-
🧭 As cinco camadas da governação de agentes e porque a maioria das equipas ainda só tem duas (2/10)
Um modelo prático de cinco camadas para governar agentes de IA através da identidade, ação, resultado, mudança e efeitos obtidos na engenharia de software nativa de IA.
-
Pensa que tem governação de IA? Não tem.
Porque os controlos de acesso e a aprovação humana não chegam, e o que exige uma verdadeira governação de agentes na entrega de software.