Google Jules é rebrandada como plataforma de desenvolvimento de produtos agentic ponta a ponta e abre lista de espera para nova versão

Bancos de Taiwan se unem para criar uma IA local! Grandes modelos de linguagem financeiros devem entrar no ar até o fim do ano

As 16 instituições financeiras lideradas pela China CITIC Financial Holdings anunciaram o início do projeto de 'modelo financeiro de grande linguagem FinLLM'. A primeira versão do modelo bancário está prevista para ser lançada em agosto, e no 1º trimestre de 2026 serão apresentados agentes de IA baseados no FinLLM. O treinamento começou em maio, com orçamento de cerca de 40–70 milhões de RMB. Devido às exigências regulatórias e às necessidades de localização, o treinamento com base em dados locais é o foco, fortalecendo a IA soberana, construindo uma infraestrutura compartilhada e expandindo para a inclusão financeira. O plano já foi incluído no plano nacional de desenvolvimento de IA e recebeu apoio de vários ministérios e órgãos.

CEO do Google: Capex de 2026 chega a US$ 185 bilhões, aumento de investimentos na era dos agentes de IA

O CEO do Google, Sundar Pichai, anunciou em 22 de abril, durante a conferência Google Cloud Next em Las Vegas, que o Google planeja investir de US$ 175 bilhões a US$ 185 bilhões em gastos de capital em 2026, para construir a infraestrutura necessária para agentes de IA (AI Agent) autônomos, um aumento em relação aos US$ 31 bilhões em 2022.

O Google Jules divulga uma lista de possíveis nomes do novo lançamento aberto e a reposiciona como uma plataforma de desenvolvimento de produtos ponta a ponta

De acordo com um anúncio oficial da equipe do Google Jules em 23 de abril, o posicionamento do produto da Jules foi atualizado de um agente de codificação assíncrona para uma “plataforma de desenvolvimento de produtos agentic ponta a ponta”. A nova versão consegue ler todo o contexto do produto, determinar de forma autônoma a próxima direção de construção e enviar PR. A empresa também anunciou, em simultâneo, a abertura de uma lista de candidatos para a nova versão.

A Perplexity revela método de pós-treinamento de agente de busca na web; modelo baseado em Qwen3.5 supera GPT-5.4 em acurácia e custo

A Perplexity usa SFT seguida de RL com modelos Qwen3.5, aproveitando um conjunto de dados de QA multi-hop e verificações por rubrica para aumentar a precisão e a eficiência da busca, alcançando desempenho FRAMES de nível superior. Resumo: O fluxo de trabalho de pós-treinamento da Perplexity para agentes de busca na web combina fine-tuning supervisionado (SFT) para impor aderência a instruções e consistência de linguagem com aprendizado por reforço online (RL) via o algoritmo GRPO. A etapa de RL usa um conjunto de dados proprietários de QA verificável multi-hop e dados conversacionais baseados em rubricas para evitar deriva do SFT, com agregação filtrada por recompensa e penalidades de eficiência dentro do grupo. A avaliação mostra que o Qwen3.5-397B-SFT-RL alcança o melhor desempenho em FRAMES, com 57,3% de acurácia com uma única chamada de ferramenta e 73,9% com quatro chamadas a US$ 0,02 por consulta, superando GPT-5.4 e Claude Sonnet 4.6 nessas métricas. A precificação é baseada em API e exclui caching.

Equipe da OpenAI Codex Corrige Bug de Autenticação da OpenClaw e Melhora Significativamente o Comportamento do Agente

OpenClaw muda de um harness de Pi para um harness de Codex para corrigir uma falha silenciosa de autenticação, com dois PRs tratando a ponte e o fallback; após o ajuste, o agente deixa de fazer polling superficial de heartbeat e passa a um ciclo completo de trabalho, permitindo avanço. Resumo: a otimização do harness Codex da OpenClaw abordou uma falha crítica de autenticação que fazia o sistema voltar silenciosamente ao harness de Pi quando o Codex era usado com modelos da OpenAI. Dois pull requests corrigem a ponte de autenticação e impedem o fallback silencioso, alterando o adaptador de runtime. Como resultado, o comportamento do agente evolui de polling superficial de heartbeat para um ciclo completo de trabalho que lê o contexto, analisa tarefas, edita repositórios e verifica o progresso, melhorando a continuidade e a visibilidade entre heartbeats.

Agentes do ChatGPT Workspace da OpenAI: movidos por Codex, compartilhamento em equipe, integração com o Slack

A OpenAI lançou o Workspace Agents no ChatGPT Business/Enterprise/Edu/Teachers em 22 de abril, impulsionados pelo Codex, com execução em nuvem por longos períodos, compartilhamento em equipe e capacidade de funcionar offline. Eles conseguem responder proativamente no Slack e criar faturas, executar fluxos de trabalho com várias etapas e também oferecer suporte a agendamento. A prévia de pesquisa é gratuita até 6 de maio; depois, será cobrada com base em créditos, com preços a serem divulgados. Eles competem lado a lado com o GoogleGeminiEnterpriseAgentPlatform e o AnthropicClaudeCowork, com as três empresas focando em agentes de nível empresarial, mas com posicionamentos diferentes.