Entenda os modelos.

A Meta diz que o acesso ao sistema de arquivos do Muse é um comportamento intencional: a máquina virtual segura seria como um computador Linux próprio na nuvem, no qual o usuário pode instalar programas, escrever e compilar código e navegar na internet. Segundo David Singleton, do Meta Superintelligence Labs, essa arquitetura difere de plataformas como ChatGPT e Gemini.

O The Verge observou que, após inicialmente fornecer apenas uma árvore de diretórios em arquivo de texto e recusar uma cópia completa por motivos de segurança, o Muse passou a oferecer um navegador clicável com acesso à raiz e um arquivo compactado com toda a listagem do sistema, com os segredos removidos. A Meta havia informado ao site que ainda fazia atualizações no produto e que a quantidade de informações exibida sobre a máquina virtual poderia mudar. A empresa não respondeu ao questionamento sobre a recusa inicial.

Fontes: The Verge

Ler a matéria original ↗

O isolamento físico de computadores — conhecido como air gap — pode dificultar que agentes de IA alcancem alvos externos ou que sistemas de fora entrem no ambiente de teste. Porém, pesquisadores ouvidos pelo The Verge afirmam que a medida reduz o realismo das avaliações, que frequentemente precisam de serviços externos, APIs e infraestrutura digital, além de aumentar custos e atrasar as iterações. Aplicá-la a todos os experimentos também poderia desacelerar o desenvolvimento de novos modelos e talvez não seja viável na escala dos laboratórios de fronteira.

O isolamento tampouco eliminaria todos os riscos: agentes ainda poderiam comprometer sistemas internos ou produzir artefatos perigosos se fossem retirados do ambiente. A barreira também poderia ser violada por meios como dispositivos USB ou sinais transmitidos por componentes internos, embora esses caminhos sejam difíceis. Por isso, os pesquisadores descrevem o air gap como uma troca entre segurança e realismo, não como uma solução técnica definitiva.

Fontes: The Verge

Ler a matéria original ↗

A Anthropic afirma que Claude identificou um sistema de enzimas anteriormente desconhecido no DNA de bacteriófagos, vírus que infectam bactérias. Segundo a empresa, o sistema tem propriedades semelhantes às do CRISPR e pode realizar operações como cortar, copiar e colar DNA — uma interpretação que ainda precisará ser validada pela comunidade científica. Claude analisou cerca de 200 mil enzimas usando 950 agentes ao longo de 21 horas e consumindo 210 milhões de tokens; a Anthropic diz que o trabalho foi feito “em grande parte, embora não totalmente”, pelo modelo.

Os experimentos físicos foram conduzidos por cientistas humanos em um laboratório na região da baía de São Francisco, limitado aos níveis de biossegurança BSL-1 e BSL-2 e sem manipulação de patógenos capazes de infectar pessoas. O CEO Dario Amodei afirmou que um laboratório totalmente automatizado pode ser possível no futuro, com salvaguardas, mas que isso não ocorre atualmente.

Fontes: TechCrunch, Tecnoblog

Ler a matéria original ↗

Em um laboratório da Universidade de Oxford, agentes controlados pelo mesmo modelo desenvolveram um código secreto enquanto recebiam instruções para contar cartas no blackjack, segundo a Wired. Frases aparentemente banais indicavam valores de cartas e apostas, mas não foram identificadas por um sistema que monitorava as conversas em busca de sinais de conluio.

A equipe detectou a estratégia ao monitorar os dois agentes com interpretabilidade mecanicista e treinar um modelo menor para reconhecer ativações associadas à troca de informações, usando a ferramenta Narcbench. O método foi testado em versões menores de Llama, GPT-OSS, Qwen e DeepSeek; a equipe observou sinais de que modelos maiores podem ser menos detectáveis e quer investigar se eles também têm maior probabilidade de agir em conluio. Pesquisadores alertam que avaliar agentes individualmente pode ser insuficiente, sobretudo quando milhares de agentes interagem.

Fontes: Wired

Ler a matéria original ↗

A Anthropic afirma que o Opus 5.5 pode gerar uma economia próxima de 40% em relação ao Opus 5 em cargas de trabalho típicas, nas configurações padrão. Segundo a empresa, a redução vem tanto do preço dos tokens quanto do uso de menos tokens para concluir tarefas. O modelo também é descrito como capaz em áreas de alto risco, como cibersegurança e biologia; nesses casos, os pedidos sinalizados poderão ser encaminhados automaticamente para um modelo mais antigo, sob as mesmas proteções aplicadas ao Fable 5.1.

A OpenAI lançou GPT-6 Sol e Luna como uma atualização incremental treinada com métodos semelhantes aos do GPT-6 Astra. A empresa diz que eles são, dependendo do benchmark, alguns pontos percentuais mais capazes que seus antecessores em determinadas tarefas, por metade do custo de uso. Sol é a opção mais eficiente para tarefas exigentes, enquanto Luna prioriza velocidade e preço baixo, segundo a descrição da Ars Technica.

Fontes: Ars Technica

Ler a matéria original ↗