A linha do dia vai da liberação geral de um modelo de ponta à entrada de um laboratório no caminho dos mercados públicos, a um produto de conversa de consumo que abre uma via para a descoberta comercial, a um modelo de robótica testado em uma linha de fábrica e a um novo conjunto de pesos abertos de modelo de imagem: o Google, em 10 de novembro, disponibilizou a desenvolvedores, empresas, pesquisadores e usuários o Gemini 4 Carbon, seu modelo mais forte até hoje. A Anthropic, no mesmo dia, lançou o roadshow de sua proposta de oferta pública inicial, fixou uma faixa de preço esperada de US$ 70,00 a US$ 78,00 por ação e pediu a listagem de suas ações ordinárias Classe A no Nasdaq Global Select Market sob o código «ANT». A OpenAI apresentou o Businesses in ChatGPT em beta, permitindo que empresas reivindiquem um perfil, vejam insights agregados e, no caso de empresas elegíveis de comércio eletrônico e serviços online dos EUA, lancem um Business Agent. O Google DeepMind também apresentou o Gemini Robotics 2.5, seu modelo de visão-linguagem-ação mais capaz, e informou uma taxa de sucesso de 96% em uma prova de conceito em linha de produção da Mercedes-Benz. A MiniMax lançou e disponibilizou os pesos abertos do H3-Image, um modelo de geração e edição de imagens construído sobre o H3, afirmando que pode produzir uma imagem 4K em menos de 10 segundos.

1. Google disponibiliza de forma geral o Gemini 4 Carbon, seu modelo mais forte até hoje

Em 10 de novembro de 2026, Koray Kavukcuoglu, vice-presidente sênior do Google DeepMind e arquiteto-chefe de inteligência artificial do Google, escreveu no blog da empresa que o Gemini 4 Carbon agora está disponível para desenvolvedores, empresas, cientistas e o público. O Google chamou o Carbon de seu modelo mais forte, com desempenho de fronteira em cibersegurança e em fluxos de trabalho agênticos de longo horizonte no trabalho de conhecimento complexo, na engenharia de software e no raciocínio científico.

Duas semanas antes, o Google já havia liberado o Carbon a um conjunto de defensores de cibersegurança por meio de seu programa Fairwind. A empresa escreveu que, após o lançamento recente do Gemini 4 Argon, o Carbon empurra a fronteira ainda mais. O Argon permanece a escolha preferida para a maior parte da engenharia de software e do trabalho de conhecimento, enquanto o Carbon é feito para tarefas que testam os limites da inteligência de um modelo, como programação e depuração complexas em várias etapas e pesquisa e descoberta científicas de caráter aberto, usando mais tokens que o Argon para explorar a fundo, raciocinar com mais profundidade e conduzir ciclos prolongados de verificação.

Em benchmarks independentes desenhados para testar o desempenho em fluxos de trabalho reais, o Google disse que o Carbon fica em primeiro lugar no CursorBench 4.0, no WANDR da Perplexity e no AutomationBench da Zapier, a um custo por tarefa mais de duas vezes menor que o do melhor modelo externo seguinte. A empresa também firmou parceria com a Artificial Analysis para lançar um benchmark Multimodal Knowledge Agent (MKA), argumentando que os testes existentes não capturam de forma adequada como os agentes raciocinam de modo nativo sobre arquivos densos que contêm gráficos, imagens, plantas, esquemas e tabelas; o Carbon fica em segundo nesse benchmark, ao mesmo tempo em que custa, em média, mais de seis vezes menos por tarefa do que o modelo de melhor desempenho. Em avaliações pré-lançamento, o Google disse que o Carbon empatou com o melhor modelo testado na avaliação agêntica financeira de ponta a ponta da Hebbia e ficou em primeiro entre 23 configurações de modelos de fronteira no benchmark General Financial Intelligence da Balyasny Asset Management.

Para colocar o Carbon a trabalhar em projetos maiores e mais complexos, o Google está pré-visualizando o /swarm no Google Antigravity, convertendo um único prompt em uma equipe coordenada de agentes que pode ser acompanhada em tempo real. Os desenvolvedores podem atribuir o Carbon a papéis que exigem o raciocínio mais profundo, como o desenho de arquitetura, a coordenação e a auditoria, emparelhando-o com modelos mais rápidos e leves em espaços de trabalho isolados e paralelos e com verificadores adversariais que testam cada alteração. Em um texto no mesmo dia, a equipe do Antigravity escreveu que o /swarm entrega um prompt a uma família de agentes: um coordenador sobe trabalhadores paralelos especializados em git worktrees isolados para que as edições não colidam, e verificadores adversariais executam testes e questionam as diferenças; os agentes colaboram em um quadro de mensagens compartilhado, apenas de acréscimo, e permanecem em espera a custo zero de tokens quando ociosos.

Quanto à disponibilidade, o Gemini 4 Carbon é oferecido pela Gemini API no Google AI Studio e no Gemini for Business a todos os desenvolvedores pagantes e clientes empresariais, ao mesmo preço introdutório do Gemini 4 Argon: US$ 2 por milhão de tokens de entrada e US$ 10 por milhão de tokens de saída. O preço introdutório vale até 30 de novembro de 2026, após o qual a tarifa passa a US$ 4 por milhão de tokens de entrada e US$ 20 por milhão de tokens de saída, e se aplica apenas ao modelo Carbon destinado ao acesso público. Quando o Google anunciou o modelo pela primeira vez, em 28 de outubro, também disse que os tokens de entrada em cache teriam um desconto de 95% em relação à tarifa de entrada. O Carbon também está sendo liberado de forma gradual para todos os assinantes do Google AI Ultra no Google Antigravity, no aplicativo Gemini e no AI Mode da Busca. A model card afirma que o Carbon é baseado no Gemini 4 Argon, que as entradas podem incluir texto, imagens, áudio e vídeo, que a janela de contexto combinada de entrada e saída chega a até cerca de 1 milhão de tokens, e que a saída é texto.

Em cibersegurança, o Gemini 4 Carbon for cyber, acessado pelo programa Fairwind, é descrito como a capacidade de cibersegurança mais forte do Google até hoje, capaz de inspecionar software, rastrear como falhas podem ser encadeadas entre sistemas e gerar correções verificadas de causa raiz. O Google disse que o modelo lidera em benchmarks-chave de descoberta (SEC-bench Pro), exploração (ExploitGym) e correção (CWE-bench v1) de vulnerabilidades; as pontuações que a empresa publicou em 28 de outubro foram 88,2% no SEC-bench Pro, 54,8% no ExploitGym e 71,0% no CWE-bench. Testes internos e externos iniciais citados pela empresa incluem: em um benchmark interno do Project Fortify, o sistema autônomo do Google para varredura, triagem e remediação, o Carbon alcançou 100% de recall na varredura e 95% de precisão na triagem, e, em testes em repositórios de código aberto, melhorou em mais de 25% o recall já elevado do Argon; a equipe de pesquisa de vulnerabilidades do Google Cloud usou o Carbon para mostrar que dois bugs em um pacote popular de código aberto eram de fato exploráveis, comparáveis em gravidade ao exploit recente PHP2Shell, e, ao construir uma prova de conceito, ajudou os mantenedores a reclassificar as questões como críticas e a publicar uma correção, com detalhes a serem divulgados após a divulgação responsável; e, no programa Scan for Good da Wiz, o modelo foi usado para varrer dois grandes provedores de software como serviço, revelando vulnerabilidades de dia zero em menos de duas horas, após o que a equipe trabalhou com as organizações afetadas na remediação.

Em ciência e matemática, o Google disse que pesquisadores construíram um arcabouço agêntico de verificação formal chamado AlphaProof Code, usaram o Carbon ao lado de outros modelos para traduzir objetivos de segurança no código subjacente ao protocolo criptográfico Signal em teoremas matemáticos, e fizeram agentes gerar milhões de linhas de código Lean, ajudando a provar propriedades-chave de segurança em semanas — um trabalho que, segundo a empresa, historicamente levava anos a equipes de especialistas. Na predição de estrutura de proteínas, pesquisadores usaram um arranjo de múltiplos agentes para que o Carbon buscasse homólogos remotos em arquivos de sequências não anotadas na escala de petabases, catálogos de sequências ambientais e virais e bases de dados de estruturas tridimensionais; em sete famílias de proteínas de baixa homologia do conjunto cego CASP17, o Carbon aumentou em cerca de 40 vezes, em média, o número de homólogos recuperados, sem retreinar modelos de predição de estrutura. Quatro semanas antes, o Google havia aberto inscrições para oferecer a 10.000 cientistas seis meses de acesso gratuito ao Argon no Antigravity; a empresa disse que milhares já aderiram, e agora está estendendo o Carbon aos participantes atuais e futuros, com as inscrições ainda abertas e a integração seguindo em regime contínuo semanal.

Em segurança, o Google disse que, em ambientes simulados de ciberataque preparados com o ExploitBench e o CyScenarioBench, o Carbon bloqueou 99% das trajetórias de ataque de um agente de red teaming adaptativo, reduzindo a taxa de violação por tentativa a 0,8%, ante 3,1% do Argon; em testes do Gray Swan, a taxa de sucesso de consultas automatizadas de ciberataque caiu a 2,17%, ante 9,86% do Argon; e testes externos da Trajectory Labs não encontraram novos jailbreaks universais em 132 horas e mais de 13.000 solicitações. Em um benchmark de honestidade agêntica com 375 tarefas, o Carbon passou em 92% das tarefas, ante 70% do Argon, recusando-se a preencher dados experimentais ausentes em 98% das vezes e apontando falhas metodológicas em 68% das vezes. A empresa havia dito duas semanas antes que o Carbon alcançou uma taxa de sucesso de ataque de 0% no benchmark Gray Swan IPI de injeção indireta de prompts, ao mesmo tempo em que observou que, em algumas distribuições, o modelo ainda tem espaço para melhorar diante de ataques mais sofisticados.

Takeaway: O Google está levando o Carbon de uma prévia limitada de cibersegurança para a API paga e os assinantes Ultra, mas ainda deixa o trabalho cotidiano com o Argon e gasta os tokens extras de raciocínio em ciclos mais longos de verificação; os custos mais baixos por tarefa e os números mais fortes de segurança visam mostrar que isto não é apenas uma busca pelas pontuações máximas de benchmark.

2. Anthropic inicia o roadshow do IPO a US$ 70 a US$ 78 por ação

Em 10 de novembro de 2026, a Anthropic, PBC disse ter lançado o roadshow de sua proposta de oferta pública inicial de ações ordinárias Classe A. A empresa afirmou que a oferta consiste em 825,000,000 ações Classe A, das quais 801,351,354 são oferecidas pela Anthropic e 23,648,646 por certos acionistas existentes; a Anthropic não receberá recursos das ações dos acionistas vendedores. Também espera conceder aos subscritores uma opção de 30 dias para comprar até mais 123,750,000 ações Classe A. O preço da oferta deve ficar entre US$ 70,00 e US$ 78,00 por ação. A Anthropic pediu a listagem das ações Classe A no Nasdaq Global Select Market sob o código «ANT» e ressaltou que a declaração de registro ainda não entrou em vigor e que o anúncio não constitui uma oferta de venda nem uma solicitação de oferta de compra dos valores mobiliários.

Nessa faixa de preço, as 825 milhões de ações implicam um tamanho de oferta de cerca de US$ 57,75 bilhões a US$ 64,35 bilhões. A TechCrunch informou que, no topo da faixa e em bases totalmente diluídas, a empresa seria avaliada em cerca de US$ 1,404 trilhão, acima da valuation de US$ 965 bilhões alcançada em uma captação de maio, mas abaixo de um alvo de cerca de US$ 2 trilhões reportado anteriormente. A CNBC situou a cifra totalmente diluída em até cerca de US$ 1,405 trilhão e, citando pessoas a par do assunto, disse que a empresa planeja precificar em 18 de novembro e começar a negociar em 19 de novembro, com uma alocação de varejo de cerca de 20%.

Os dois veículos, citando o documento atualizado, também relataram que a Anthropic concordou em vender US$ 26 bilhões em ações Classe N sem direito a voto em uma colocação privada, ao preço do IPO, à AMD, Broadcom, Google, Micron, Microsoft, Nvidia e TSMC; a TechCrunch disse que o Google e a Nvidia estão investindo US$ 10 bilhões cada um, e que a Anthropic estima recursos líquidos de cerca de US$ 84,6 bilhões a US$ 93,7 bilhões, a cifra superior incluindo a opção dos subscritores. O documento, conforme relatado, situou a receita anualizada em cerca de US$ 81 bilhões no fim de outubro, cerca de US$ 10 bilhões acima do fim de setembro. A CNBC disse que a receita dos nove meses encerrados em 30 de setembro foi de US$ 33,24 bilhões, com um prejuízo líquido de US$ 104 bilhões no mesmo período, a maior parte proveniente de variações no valor justo de notas conversíveis e passivos derivativos. A TechCrunch também observou que, como sociedade de benefício público, os fundadores detêm uma ação Classe F com 50,1% do poder de voto e que o Long-Term Benefit Trust elegerá a maioria do conselho, limitando a influência dos compradores da Classe A.

Takeaway: A faixa de preço conduz o laboratório aos passos finais antes de uma listagem pública, mas a valuation implícita já recuou de relatos anteriores de cerca de US$ 2 trilhões para cerca de US$ 1,40 trilhão; a negociação ainda depende de a declaração de registro entrar em vigor, e o roadshow oferece uma faixa, não um preço final.

3. OpenAI lança o Businesses in ChatGPT e os Business Agents em beta

Em 10 de novembro de 2026, a OpenAI disse estar apresentando o Businesses in ChatGPT em beta, descrevendo-o como uma nova forma de as empresas se conectarem com 1,2 bilhão de pessoas que usam o ChatGPT a cada semana. Pelo Business Hub, as empresas podem reivindicar sua organização, gerenciar suas informações e ver como as pessoas interagem com elas no ChatGPT. A empresa também está adicionando Business Agents, começando por empresas elegíveis de comércio eletrônico e serviços online nos Estados Unidos.

No Business Hub, empresas verificadas podem atualizar dados-chave e adicionar feeds de produtos em autoatendimento com preços e disponibilidade. A OpenAI disse que qualquer empresa elegível em um lugar onde o ChatGPT está disponível pode reivindicar seu perfil pelo Business Hub; clientes empresariais e anunciantes já existentes da OpenAI podem tratar do assunto com seu representante; e comerciantes da Shopify podem conectar uma loja a partir do Business Hub ou do admin da Shopify para simplificar a verificação, com produtos elegíveis da Shopify já integrados ao ChatGPT pelo Shopify Catalog.

Quanto aos insights, o Business Hub fornece cifras agregadas como menções e cliques no site, bem como temas de descoberta — temas comuns em conversas nas quais o site de uma empresa é citado. A OpenAI escreveu que não compartilha com as empresas as conversas dos usuários nem os chats do Business Agent, e que os insights só estão disponíveis de forma agregada e somente depois de atingirem certos limiares.

Depois de reivindicar um perfil, organizações elegíveis podem construir, testar e lançar um Business Agent. Quando uma empresa aparece em uma resposta do modelo, as pessoas podem abrir seu perfil no ChatGPT; se um Business Agent estiver disponível, um cliente pode iniciar uma conversa em separado para comparar ofertas ou fazer perguntas de acompanhamento, com base nas informações que a empresa forneceu. Essa conversa é claramente identificada, mantida separada do fio original do ChatGPT e distinta das respostas independentes do ChatGPT. As empresas também podem patrocinar seu Business Agent e usá-lo como destino dos ChatGPT Ads; as inserções patrocinadas são claramente identificadas e mantidas separadas das respostas do ChatGPT. The Verge informou o lançamento em beta no mesmo dia.

Takeaway: A OpenAI está abrindo um caminho de sua audiência semanal de 1,2 bilhão de usuários até as empresas, mas apenas sob verificação, insights agregados e conversas claramente identificadas e em separado; o primeiro passo é um perfil reivindicado e um agente de marca, não uma abertura geral a todos os setores e a todos os mercados.

4. Google apresenta o Gemini Robotics 2.5, com taxa de sucesso de 96% em um ensaio na linha da Mercedes-Benz

Em 10 de novembro de 2026, o Google DeepMind, em um texto de Carolina Parada, apresentou o Gemini Robotics 2.5, chamando-o de o modelo de visão-linguagem-ação (VLA) mais capaz da empresa até hoje. O modelo visa ampliar a gama de habilidades que um robô pode aprender e a velocidade com que as adquire, e melhorar a destreza, a confiabilidade e a segurança, para que os robôs possam sair do laboratório e entrar em ambientes reais mais não estruturados. A empresa disse que, no início deste ano, já havia levado inteligência de corpo inteiro a robôs de muitos tipos, inclusive humanoides, e que o progresso mais recente se deveu em grande parte à capacidade do Gemini 4 Argon de acelerar a pesquisa em robótica. O Gemini Robotics 2.5 está sendo liberado aos parceiros de robótica do Google.

O Google disse ter avaliado a amplitude, o desempenho e a complexidade das tarefas do modelo em mais de 200 tarefas distintas, como servir comida com uma pinça, dar um laço em uma caixa de presente e pipetar líquido, combinando o uso de ferramentas, a manipulação de objetos deformáveis e o manuseio cuidadoso de itens delicados. Em comparação com as linhas de base anteriores, o Gemini Robotics 2.5 alcançou uma taxa de sucesso 30% a 100% mais alta, conforme o tipo de tarefa, e concluiu as tarefas 20% a 30% mais depressa. O modelo funciona de forma nativa com vários tipos de robôs, inclusive o humanoide Apollo 2 da Apptronik, que usa a mão SharpaWave de cinco dedos e 22 graus de liberdade, e a plataforma Franka Duo com garras paralelas de dois dedos.

Para testar a confiabilidade, o Google firmou parceria com a Apptronik e a Mercedes-Benz para implantar o Apollo 2 em linhas ativas de produção automotiva em Kecskemét, na Hungria, e em Sindelfingen, na Alemanha. Na prova de conceito, o robô usou o modelo de raciocínio corporificado Gemini Robotics ER para acompanhar o fluxo de trabalho e o modelo de ação Gemini Robotics 2.5 para controlar braços e mãos, retirando suportes metálicos automotivos de caixas de suprimento, colocando-os em recipientes de sequenciamento e corrigindo folgas, com uma taxa de sucesso de 96%. Jeff Cardenas, cofundador e diretor-presidente da Apptronik, disse que os modelos melhoraram de forma substancial em poucas semanas de pós-treinamento e se transferiram para as linhas da Mercedes-Benz com uma perda muito pequena de desempenho.

Em segurança, o Gemini Robotics 2.5 usa orientação de raciocínio no momento da inferência para desviar em tempo real de riscos físicos. O Google disse que essa capacidade elevou a conclusão segura de tarefas em 33% ao redor de obstáculos e em 43% ao redor de pessoas nas proximidades. Para testar jailbreaks adversariais voltados a robôs, a empresa também está lançando o ASIMOV-Jailbreak, um benchmark de código aberto com centenas de prompts que disfarçam pedidos inseguros em dezenas de cenas; disse que o Gemini 4 Argon alcançou 99,5% de resistência a jailbreaks, acima dos 82% da linha de base anterior, o Gemini Robotics ER 2.

Takeaway: Isto não é apenas mais uma demonstração de laboratório de dar um laço — o Google está colocando uma taxa de sucesso de 96% em linhas de produção da Mercedes-Benz que estão em operação, e publica ao lado disso um novo benchmark de jailbreak e resultados de direcionabilidade, tratando a confiabilidade e a segurança como condições para entrar em uma fábrica.

5. MiniMax abre os pesos do H3-Image e afirma que o modelo pode gerar imagens 4K em menos de 10 segundos

Em 11 de novembro de 2026, a MiniMax lançou o MiniMax H3-Image, um modelo de geração de imagens de pesos abertos construído sobre o H3, com suporte a geração texto-imagem, geração com base em referências e edição de imagens. A empresa disse que o modelo pode gerar uma imagem 4K (4096×4096) em menos de 10 segundos, com mais detalhe e maior adesão ao prompt, que pode compreender e usar até 16 imagens de referência, e que sua velocidade de geração em 4K chega a cerca de cinco vezes a das alternativas mainstream. Os pesos foram publicados no Hugging Face como MiniMaxAI/MiniMax-H3-Image, e o modelo também está disponível pela MiniMax API, pelo MiniMax Code e pelo Hailuo AI.

A MiniMax disse que o modo Standard é cerca de 1,5 a 2 vezes mais rápido que as alternativas mainstream, enquanto o modo Highspeed chega a 3 a 4 vezes; o preço fica em cerca de 50% a 70% do de ofertas mainstream comparáveis, e, na semana de lançamento, a empresa está oferecendo 50% de desconto em solicitações de geração de imagens em resolução 4K e acima. O modelo é lançado sob o MiniMax-H3-Image Community License Agreement, datado de 10 de novembro de 2026. O acordo afirma que o território aplicável é mundial, excluindo a União Europeia, o Reino Unido, a República da Coreia e os Estados Unidos da América.

Takeaway: A MiniMax está colocando no mercado ao mesmo tempo a velocidade de geração em 4K e os pesos abertos, reduzindo a barreira para obter e executar o modelo; a licença comunitária, porém, reserva expressamente mercados que incluem a União Europeia, a Grã-Bretanha, a Coreia do Sul e os Estados Unidos, de modo que pesos abertos não são o mesmo que uso comercial irrestrito em toda parte.

---

Em uma linha: O Google disponibilizou de forma geral o Gemini 4 Carbon, seu modelo mais forte até hoje, ao preço introdutório do Argon e pré-visualizou o /swarm no Antigravity; a Anthropic lançou o roadshow do IPO com uma faixa de US$ 70 a US$ 78 por ação e pediu listagem como ANT; a OpenAI apresentou o Businesses in ChatGPT e os Business Agents em beta; o Google DeepMind apresentou o Gemini Robotics 2.5 e informou uma taxa de sucesso de 96% em um ensaio na linha da Mercedes-Benz; e a MiniMax disponibilizou os pesos abertos do H3-Image, afirmando que o modelo pode gerar imagens 4K em menos de 10 segundos.