A linha do dia vai dos novos modelos técnicos de um laboratório à ampliação da família de aceleradores de oitava geração de um provedor de nuvem, a um modelo de fundação robótica voltado à manipulação destreza, a um modelo leve pensado para a execução por agentes e a uma mudança no canal de compra das empresas: a Anthropic publicou em 9 de novembro o Claude Fable 5.2 e o Claude Mythos 5.2, o mesmo modelo subjacente, com melhorias em programação, raciocínio e visão, saídas até cerca de 30% mais rápidas do que o 5.1 e um preço inferior ao da geração anterior. O Google, no mesmo dia, em um texto de Amin Vahdat, apresentou o TPU 8tx e o TPU 8i Max, ampliando a linha TPU de oitava geração para quatro sistemas em um único ano. A NVIDIA revelou na Conference on Robot Learning (CoRL) o GR00T 2, um modelo aberto de ação sobre o mundo de fronteira construído sobre o Cosmos, e falou de ferramentas de simulação e avaliação, entre elas o Isaac Lab 3.0. A Meta lançou o Muse Ember, seu menor e mais eficiente modelo Muse, para chamadas a ferramentas, subtarefas de programação, roteamento, extração e análise de documentos longos. A OpenAI listou o ChatGPT Enterprise no AWS Marketplace, permitindo que organizações comprem e gerenciem o produto pela relação existente de compra e faturamento da AWS.

1. Anthropic lança Claude Fable 5.2 e Claude Mythos 5.2

Em 9 de novembro de 2026, a Anthropic publicou o Claude Fable 5.2 e o Claude Mythos 5.2, descrevendo os modelos como concebidos para enfrentar os desafios técnicos mais árduos. A empresa escreveu que são o mesmo modelo subjacente: o Fable tem salvaguardas fortes de cibersegurança e biologia, o que lhe permite disponibilizá-lo a todos os usuários; organizações que buscam aplicações benéficas em cibersegurança ou pesquisa biomédica podem solicitar o Mythos pelos programas de verificação de ciências da vida e de cibersegurança, recentemente ampliados.

A Anthropic disse que o Fable 5.2 e o Mythos 5.2 mostram melhorias em áreas como programação, raciocínio e visão, geram saídas até cerca de 30% mais rápidas do que o Claude Fable 5.1 e o Claude Mythos 5.1 e estão disponíveis a um preço mais baixo: US$ 8 por milhão de tokens de entrada e US$ 40 por milhão de tokens de saída. Um modo rápido opcional acelera a geração de tokens até cerca de 2,5 vezes e custa US$ 16 por milhão de tokens de entrada e US$ 80 por milhão de tokens de saída.

Nos testes pré-lançamento, a Anthropic citou exemplos apresentados como ilustração das capacidades dos modelos: engenheiros os usaram para concluir migrações de software que de outro modo teriam sido inviáveis; os modelos projetaram do zero três dispositivos eletrônicos que funcionam; resolveram dois problemas abertos da física de buracos negros; avançaram de forma substancial em avaliações de robótica; e uma equipe de cerca de 1.000 agentes Fable 5.2 formalizou a prova do último teorema de Fermat em 30 horas com intervenção humana mínima. No mesmo arranjo, o Opus 5.5 havia concluído cerca de 26% da formalização às 18 horas.

Os resultados comunicados pela Anthropic — com salvaguardas ativas salvo indicação em contrário — incluem FrontierCode 2.0 em esforço Xhigh com 49,1%, que a empresa disse ser a pontuação mais alta de qualquer modelo publicado que tenha testado; FrontierSWE v2 com 69,9%; AutomationBench com 51,4%; Terminal-Bench-Science 0.1 com 74,6% para o Fable e 75,3% para o Mythos; CyScenarioBench com 76,3% para o Mythos; CVE Rediscovery com 89,6% para o Mythos; OSWorld 2.1 (parcial) com 89,3%; RoboDojo Sim com 64,9%; Humanity’s Last Exam com ferramentas com 74,2%; e Remote Labor Index em esforço High com 41,3%.

A Anthropic recomendou começar pelo Claude Opus 5.5, seu motor cotidiano mais sólido, para a maior parte do trabalho de programação e de conhecimento, e subir para o Fable ou o Mythos — ou descer para o Claude Sonnet 5.5 ou o Claude Haiku 5.5 — conforme o alcance e a complexidade da tarefa. O Fable 5.2 também pode atuar como Advisor, consultado por modelos menores em problemas mais difíceis, ou como Orchestrator, que delega tarefas mais simples a modelos menores.

Em segurança, a empresa disse ter aplicado suas proteções mais fortes até agora contra ataques de destilação e que os dados coletados por destiladores foram reduzidos de 90% a 99%; o preserved thinking agora se aplica a todas as contas. Durante o treinamento, a Anthropic limitou deliberadamente avanços em capacidades de pesquisa que mais diretamente poderiam acelerar o desenvolvimento da inteligência artificial — inclusive a otimização de núcleos de aceleradores e melhorias em arquiteturas de grandes modelos de linguagem — a cerca do nível do Opus 5.5, deixando intactas capacidades relacionadas como programação agêntica, desenvolvimento de hardware e pesquisa em interpretabilidade. O Enterprise Frontier Safeguards está agora em beta privada com clientes como Bridgewater, Salesforce e Stripe.

O Claude Fable 5.2 está disponível hoje em plataformas que incluem Amazon Web Services, Google Cloud e Microsoft Azure, com o identificador claude-fable-5-2. O Mythos é oferecido pelos programas de verificação; clientes do Claude Enterprise também podem usar o Claude Security, agora impulsionado em parte pelo Mythos 5.2.

Takeaway: A Anthropic dividiu um mesmo modelo subjacente em Fable para uso geral e Mythos para organizações verificadas, uniu um preço mais baixo e uma saída mais rápida ao trabalho técnico mais difícil e manteve perto do nível do Opus 5.5 as capacidades mais suscetíveis de acelerar o próprio desenvolvimento da inteligência artificial, ao mesmo tempo em que continua a recomendar o Opus 5.5 como escolha cotidiana.

2. Google apresenta TPU 8tx e TPU 8i Max e amplia a oitava geração para quatro sistemas em um ano

Em 9 de novembro de 2026, Amin Vahdat, vice-presidente sênior e tecnólogo-chefe de inteligência artificial e infraestrutura do Google, escreveu que a empresa apresenta o TPU 8tx e o TPU 8i Max e amplia o portfólio TPU de oitava geração para quatro sistemas em um único ano: 8t para treinamento em larga escala, 8i para raciocínio em tempo real, o novo 8tx para inferência confidencial e segura além de treinamento em pequena escala, e 8i Max para janelas de contexto massivas e o que o Google chamou de maior densidade de computação por rack. Vahdat escreveu que as TPUs já têm quase 100 clientes externos, incluindo laboratórios de fronteira, firmas de negociação, varejistas e universidades. The Verge informou no mesmo dia sobre o posicionamento dos dois novos sistemas. O texto também mencionou uma transmissão às 9 da manhã, horário do Pacífico, naquele dia.

Sobre o TPU 8tx, o Google disse que o sistema incorpora computação confidencial na camada de hardware e mantém protegidos e isolados os dados sensíveis e os pesos do modelo mesmo durante o uso. É construído sobre o mesmo silício do 8t, combina-se com hosts AMD EPYC de quinta geração e adota a rede Boardfly criada para o raciocínio em tempo real, oferecendo até cerca de 2 vezes menos latência que o 8t com uma penalidade de desempenho quase nula. A empresa disse que organizações podem ajustar modelos com dados privados, destilar modelos grandes em outros menores e treinar agentes com aprendizado por reforço em um único sistema, sem migrar dados sensíveis entre clusters separados.

Sobre o TPU 8i Max, o Google disse ter combinado dois chips TPU 8i de baixa latência em um encapsulamento, duplicando a computação, a SRAM e a largura de banda da memória de alta largura de banda (HBM) em relação ao TPU 8i, de modo que os data centers possam implantar mais poder de cálculo por área e por watt e que janelas de contexto grandes não parem diante do muro da memória.

Em software, o Google disse ter aberto o TorchTPU para que o código PyTorch e os modelos Hugging Face rodem de forma nativa em TPUs; um conjunto de agentes TPU está em prévia; apresentou o XLA Serving Engine e o Agent Compute Engine; e está abrindo o TPU Sync, descrito como a camada de estado do modelo para clusters TPU. O Cloud Pathways já está geralmente disponível no Google Kubernetes Engine, assim como o fatiamento dinâmico do GKE.

Takeaway: Em vez de esperar a próxima geração de silício, o Google recortou dois sistemas novos a partir dos mesmos chips de oitava geração: um ao envolver com computação confidencial a inferência e o treinamento em pequena escala, e outro ao encapsular dois chips juntos para perseguir o contexto longo e a densidade do rack.

3. NVIDIA revela na CoRL o GR00T 2, um modelo aberto de ação sobre o mundo construído sobre o Cosmos

Em 9 de novembro de 2026, a NVIDIA apresentou o GR00T 2 na Conference on Robot Learning (CoRL) em Austin, Texas. O blog da empresa o descreveu como um modelo aberto de ação sobre o mundo de fronteira construído sobre o NVIDIA Cosmos, capaz de prever juntos o vídeo futuro e as ações do robô. A página de pesquisa disse que o modelo foi treinado com dados diversos de robôs e de pessoas; a mistura de pré-treinamento inclui 402.730 horas de vídeo humano egocêntrico, 10.184 horas de demonstrações com garra portátil em 2.897 tarefas e 23.500 horas de teleoperação robótica, com 100.000 horas de dados humanos egocêntricos de código aberto publicadas como Human-1M-100K.

As métricas citadas pela NVIDIA incluem concluir 40 das 50 tarefas avaliadas pelo menos uma vez sem demonstrações específicas da tarefa, e uma taxa média de sucesso de 71% com uma demonstração por tarefa, que sobe a 95% com cinco. A página de pesquisa também apontou 40% de sucesso médio em um cenário sem exemplos e disse que agentes podem usar uma interface de programação para encadear habilidades e se recuperar de erros. Em torno do número de 95%, relatos que citam materiais de pesquisa da NVIDIA disseram que as tarefas avaliadas foram selecionadas entre aquelas que o modelo podia aprender com cinco episódios a uma taxa de sucesso de pelo menos 80%; essa média deve, portanto, ser lida junto com esse filtro.

Os parceiros que testam o modelo incluem a Nexuni para o manuseio robótico de roupa, a Foxconn para a automação de fábricas de servidores e a Siemens em casos de uso industriais.

A NVIDIA também publicou o Isaac Lab 3.0 com um backend Newton, que permite ao quadro de simulação modelar objetos deformáveis e outras físicas mais delicadas. A empresa disse que, em um teste visual de manipulação destreza, o Isaac Lab 3.0 com Newton alcançou até cerca de 2,5 vezes o rendimento de treinamento do Isaac Lab 2.3 com PhysX. O AlphaNIST usa uma única política para aprender as 20 tarefas da placa de montagem do NIST e supera 98% de sucesso de treinamento, contra cerca de 81% de políticas separadas por tarefa, usando cerca de 39 vezes menos tempo de GPU. A empresa também apresentou avaliações industriais como DexBench e VABAR, e o Graph-as-Policy (GaP), um quadro de robótica agêntica desenvolvido com a UC Berkeley.

Takeaway: A NVIDIA reuniu em um modelo aberto o «ver o que acontece a seguir» e o «decidir como se mover», e usou grandes volumes de vídeo humano em primeira pessoa para preencher lacunas nas demonstrações de robôs, ao mesmo tempo em que comunica altas taxas de sucesso com poucos exemplos que vêm acompanhadas de uma nota sobre como as tarefas avaliadas foram selecionadas.

4. Meta lança Muse Ember, um modelo leve para a execução de agentes

Em 9 de novembro de 2026, a Meta apresentou o Muse Ember e o descreveu como o menor e mais eficiente modelo Muse, pensado para a execução de raciocínio complexo e para o trabalho que os agentes repetem o dia todo: chamadas a ferramentas, subtarefas de programação, roteamento, extração e análise de documentos longos. A empresa afirmou que o Muse Ember oferece mais inteligência por dólar do que o Claude Haiku 5.5 ou o GPT-6 Luna em qualquer ajuste de raciocínio, e que se situa na fronteira de eficiência da classificação da Artificial Analysis. A TechCrunch informou o lançamento no mesmo dia e observou que o Ember foi pensado para se emparelhar com o Muse Wonder maior dentro de um aparato agêntico.

Para prompts de até 200K tokens, o preço é de US$ 0,10 por milhão de tokens de entrada, US$ 0,004 por milhão de tokens de entrada em cache e US$ 0,50 por milhão de tokens de saída; prompts mais longos custam US$ 0,30, US$ 0,012 e US$ 1,50. O modelo tem uma janela de contexto de 1 milhão de tokens e pode produzir até 512K tokens de saída, com suporte nativo a texto, imagens, áudio e vídeo. Está disponível como muse-ember-1.0 no Muse Code e na Meta Model API, além do Google Cloud e do Oracle Cloud.

Os resultados citados pela Meta no esforço máximo de raciocínio incluem AutomationBench-AA com 37,8, contra 13,9 do Haiku e 20,2 do Luna; Agents’ Last Exam com 61,6; Terminal-Bench 4.0 com 40,9; Coding Agent Index-AA com 46; OSWorld 2.1 parcial com 69,5; e um índice Artificial Analysis de 36. A empresa disse que o Muse Ember custa cerca de US$ 0,14 por tarefa da Artificial Analysis, contra cerca de US$ 2,39 do Muse Spark 1.3.

Ao situar o modelo, a Meta escreveu que «o Muse Wonder planeja, o Muse Ember lida com o volume». Disse que o Ember é o primeiro modelo treinado com o Muse Wonder Full e que avaliações no Meta Superintelligence Scaling Framework concluíram que ele permaneceu abaixo dos limiares de alto risco do quadro. Parceiros como Box, Cline e Cloudflare comentaram testes iniciais sobre conteúdos empresariais, programação de subagentes e cargas de alto rendimento; a Cloudflare disse que ele foi até cerca de 30% mais rápido na cauda de latência do que o modelo comparável testado.

Takeaway: A Meta não pede ao Ember que desbanque seu modelo de ponta mais poderoso; coloca o novo sistema em uma divisão de trabalho — o Wonder planeja, o Ember executa em volume — e compete em inteligência por dólar e custo por tarefa, mais do que apenas nas pontuações máximas.

5. OpenAI lista ChatGPT Enterprise no AWS Marketplace

Em 9 de novembro de 2026, a OpenAI disse que o ChatGPT Enterprise agora está disponível pelo AWS Marketplace. A empresa escreveu que a listagem oferece às organizações uma forma mais simples de descobrir, comprar e gerenciar o ChatGPT Enterprise usando a relação existente de compra e faturamento da AWS, e de aplicar gastos elegíveis a seus compromissos com a AWS. A oferta inclui ChatGPT, ChatGPT Work, Codex e dots; as informações da listagem indicam que os preços são definidos por ofertas privadas.

A OpenAI disse que clientes que compram pelo AWS Marketplace recebem os mesmos modelos, funções e características disponíveis diretamente da OpenAI, com novidades publicadas ao mesmo tempo. Os produtos são apresentados como complementares aos modelos da OpenAI já disponíveis no Amazon Bedrock: desenvolvedores podem construir aplicações e agentes com esses modelos no Bedrock, enquanto equipes da empresa usam o ChatGPT Enterprise no trabalho diário. Clientes elegíveis também podem acessar o ChatGPT for Healthcare e o ChatGPT for Financial Services pelo AWS Marketplace.

Takeaway: Isto não é tanto um lançamento de modelo quanto a abertura de um canal de compra: colocar o ChatGPT empresarial na fatura de compromissos de nuvem que as organizações já pagam, e reduzir o atrito de aquisição em vez de publicar uma tabela pública de preços.

---

Em uma linha: A Anthropic publicou o Claude Fable 5.2 e o Mythos 5.2, o mesmo modelo subjacente, com o Fable disponível de forma geral e o Mythos limitado a organizações verificadas, e disse que as saídas são mais rápidas do que as do 5.1 e que os preços são mais baixos; o Google apresentou o TPU 8tx para inferência confidencial e o TPU 8i Max para janelas de contexto massivas; a NVIDIA revelou na CoRL o modelo de ação sobre o mundo GR00T 2 e o Isaac Lab 3.0; a Meta lançou o Muse Ember, um modelo leve para a execução de agentes; e a OpenAI listou o ChatGPT Enterprise no AWS Marketplace para que gastos elegíveis possam contar para compromissos de nuvem já existentes.