O fio condutor de hoje vai dos novos modelos técnicos de um laboratório de modelos, à expansão por um fornecedor de nuvem da família de aceleradores de oitava geração, a um modelo de base de robótica virado para o trabalho de destreza, a um modelo ligeiro construído para a execução de agentes, e a uma mudança na forma como as empresas podem comprar software: a Anthropic lançou a 9 de novembro o Claude Fable 5.2 e o Claude Mythos 5.2, o mesmo modelo subjacente, com melhorias na programação, no raciocínio e na visão, resultados até cerca de 30 por cento mais rápidos do que a versão 5.1 e um preço inferior ao da geração anterior. A Google no mesmo dia, num texto de Amin Vahdat, apresentou o TPU 8tx e o TPU 8i Max, alargando a linha TPU de oitava geração a quatro sistemas num só ano. A NVIDIA revelou na Conference on Robot Learning (CoRL) o GR00T 2, um modelo aberto de fronteira de ação sobre o mundo construído sobre o Cosmos, e falou de ferramentas de simulação e avaliação, incluindo o Isaac Lab 3.0. A Meta lançou o Muse Ember, o modelo Muse mais pequeno e mais eficiente, para chamadas de ferramentas, subtarefas de programação, encaminhamento, extração e análise de documentos longos. A OpenAI listou o ChatGPT Enterprise no AWS Marketplace, permitindo às organizações comprar e gerir o produto através da relação de aquisição e faturação já existente com a AWS.

1. A Anthropic lança o Claude Fable 5.2 e o Claude Mythos 5.2

A 9 de novembro de 2026, a Anthropic lançou o Claude Fable 5.2 e o Claude Mythos 5.2, descrevendo os modelos como concebidos para enfrentar os desafios técnicos mais exigentes. A empresa escreveu que se trata do mesmo modelo subjacente: o Fable tem salvaguardas fortes de cibersegurança e biologia, o que permite à Anthropic disponibilizá-lo a todos os utilizadores; as organizações que prossigam aplicações benéficas em cibersegurança ou investigação biomédica podem candidatar-se ao Mythos através dos programas Life Sciences e Cyber Verification, recentemente alargados.

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

Em testes anteriores ao lançamento, a Anthropic citou exemplos que apresentou como ilustrações das capacidades dos modelos: engenheiros usaram-nos para concluir migrações de software que de outro modo teriam sido inviáveis; os modelos conceberam de raiz três dispositivos eletrónicos funcionais; resolveram dois problemas em aberto na física dos buracos negros; fizeram progressos substanciais em avaliações de robótica; e uma equipa de cerca de 1 000 agentes Fable 5.2 formalizou a demonstração do último teorema de Fermat em 30 horas com intervenção humana mínima. No mesmo dispositivo, o Opus 5.5 concluiu cerca de 26 por cento da formalização às 18 horas.

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

A Anthropic recomendou que os utilizadores comecem pelo Claude Opus 5.5, o seu instrumento quotidiano mais forte, para a maior parte do trabalho de programação e de conhecimento, e depois subam para o Fable ou o Mythos — ou desçam para o Claude Sonnet 5.5 ou o Claude Haiku 5.5 — conforme o âmbito e a complexidade da tarefa. O Fable 5.2 também pode servir de Advisor, em que modelos mais pequenos o consultam sobre problemas mais difíceis, ou de Orchestrator, em que delega tarefas mais simples a modelos mais pequenos.

Em matéria de segurança, a empresa disse ter implementado as proteções mais fortes de sempre contra ataques de destilação e que os dados colhidos por destiladores foram reduzidos em 90 a 99 por cento; o pensamento preservado aplica-se agora a todas as contas. Durante o treino, a Anthropic tomou medidas para limitar os avanços em capacidades de investigação que mais diretamente poderiam acelerar o desenvolvimento da inteligência artificial — incluindo a otimização de núcleos de aceleradores e melhorias nas arquiteturas de grandes modelos de linguagem — a cerca do nível do Opus 5.5, mantendo intactas capacidades conexas como a programação agêntica, o desenvolvimento de equipamento e a investigação em interpretabilidade. O Enterprise Frontier Safeguards está agora em beta privada com clientes que incluem a Bridgewater, a Salesforce e a Stripe.

O Claude Fable 5.2 está hoje disponível em plataformas que incluem a Amazon Web Services, o Google Cloud e o Microsoft Azure, com o identificador de modelo claude-fable-5-2. O Mythos está disponível através dos programas de verificação; os clientes Claude Enterprise também podem usar o Claude Security, agora alimentado em parte pelo Mythos 5.2.

Em resumo: A Anthropic dividiu um único modelo subjacente no Fable para uso geral e no Mythos para organizações verificadas, associando um preço mais baixo e uma saída mais rápida ao trabalho técnico mais exigente — ao mesmo tempo que retém no nível aproximado do Opus 5.5 as capacidades mais propensas a acelerar o desenvolvimento da própria inteligência artificial, e continua a recomendar o Opus 5.5 como ponto de partida quotidiano.

2. A Google apresenta o TPU 8tx e o TPU 8i Max e alarga a linha de oitava geração a quatro sistemas num ano

A 9 de novembro de 2026, Amin Vahdat, vice-presidente sénior da Google e tecnologista-chefe de inteligência artificial e infraestruturas, escreveu que a empresa está a apresentar o TPU 8tx e o TPU 8i Max, alargando a carteira TPU de oitava geração a quatro sistemas num só ano: o 8t para treino em grande escala, o 8i para raciocínio em tempo real, o novo 8tx para inferência confidencial e segura bem como treino em pequena escala, e o 8i Max para janelas de contexto massivas e aquilo a que a Google chamou a maior densidade de cálculo por bastidor. Vahdat escreveu que os TPU têm agora quase 100 clientes externos, incluindo laboratórios de fronteira, sociedades de negociação, retalhistas e universidades. The Verge relatou no mesmo dia o posicionamento dos dois novos sistemas. O texto do blogue mencionou ainda uma emissão às 9h00, hora do Pacífico, nesse dia.

Sobre o TPU 8tx, a Google disse que o sistema incorpora a computação confidencial na camada de equipamento, mantendo protegidos e isolados os dados sensíveis e os pesos do modelo mesmo quando estão a ser usados. É construído sobre o mesmo silício que o 8t e emparelhado com anfitriões AMD EPYC de 5.ª geração, e adota a rede Boardfly criada para o raciocínio em tempo real, entregando uma latência até cerca de duas vezes mais baixa do que o 8t com uma penalização de desempenho quase nula. A empresa disse que as organizações podem ajustar modelos com dados privados, destilar modelos maiores em modelos mais pequenos e treinar agentes com aprendizagem por reforço num único sistema, sem migrar dados sensíveis entre agrupamentos separados.

Sobre o TPU 8i Max, a Google disse ter combinado dois chips TPU 8i de baixa latência num único encapsulamento, entregando o dobro do cálculo, o dobro da SRAM e o dobro da largura de banda da memória de elevada largura de banda (HBM) do TPU 8i, de modo a que os centros de dados possam instalar mais potência de cálculo por metro quadrado e por watt e impedir que as janelas de contexto longas fiquem retidas no muro da memória.

No software, a Google disse ter tornado o TorchTPU de código aberto para que o código PyTorch e os modelos do Hugging Face corram de forma nativa nos TPU; um conjunto de agentes TPU está em pré-visualização; apresentou o XLA Serving Engine e o Agent Compute Engine; e está a abrir o código do TPU Sync, descrito como a camada de estado do modelo para agrupamentos TPU. O Cloud Pathways está agora geralmente disponível no Google Kubernetes Engine, tal como o GKE dynamic slicing.

Em resumo: Em vez de esperar pela próxima geração de silício, a Google recortou dois novos sistemas a partir dos mesmos chips de oitava geração — um ao envolver a computação confidencial em torno da inferência e do treino em pequena escala, o outro ao encapsular dois chips em conjunto para perseguir o contexto longo e a densidade por bastidor.

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

A 9 de novembro de 2026, a NVIDIA apresentou o GR00T 2 na Conference on Robot Learning (CoRL), em Austin, no Texas. O blogue da empresa descreveu-o como um modelo aberto de fronteira de ação sobre o mundo construído sobre o NVIDIA Cosmos, que prevê em conjunto o vídeo futuro e as ações do robot. A página de investigação disse que o modelo foi treinado com dados diversos de robots e de pessoas; a mistura de pré-treino inclui 402 730 horas de vídeo humano egocêntrico, 10 184 horas de demonstrações com pinça de mão ao longo de 2 897 tarefas e 23 500 horas de teleoperação de robots, com 100 000 horas de dados humanos egocêntricos de código aberto publicadas como Human-1M-100K.

As métricas citadas pela NVIDIA incluem a conclusão de 40 de 50 tarefas avaliadas pelo menos uma vez sem demonstrações específicas da tarefa, e uma taxa média de êxito de 71 por cento com uma demonstração por tarefa, que sobe para 95 por cento com cinco. A página de investigação relatou também 40 por cento de êxito médio num dispositivo de disparo zero, e disse que os agentes podem usar uma interface de programação para executar competências em sequência e recuperar de erros. Em torno da cifra de 95 por cento, relatos que citam o material de investigação da NVIDIA disseram que as tarefas avaliadas foram escolhidas entre aquelas que o modelo conseguiu aprender com cinco episódios a uma taxa de êxito de pelo menos 80 por cento, pelo que essa média deve ser lida em conjunto com este filtro.

Os parceiros que estão a testar o modelo incluem a Nexuni na movimentação robotizada de roupa para lavar, a Foxconn na automatização fabril da produção de servidores e a Siemens em casos de uso industrial.

A NVIDIA lançou também o Isaac Lab 3.0 com um backend Newton, permitindo que o enquadramento de simulação modele objetos deformáveis e outra física mais complexa. A empresa disse que, num referencial de manipulação hábil baseado na visão, o Isaac Lab 3.0 com Newton alcançou até cerca de 2,5 vezes o débito de treino do Isaac Lab 2.3 com PhysX. O AlphaNIST usa uma única política para aprender as 20 tarefas do NIST Assembly Task Board, atingindo mais de 98 por cento de êxito de treino face a cerca de 81 por cento com políticas separadas por tarefa, e usando cerca de 39 vezes menos tempo de GPU. A empresa apresentou ainda referenciais industriais, incluindo o DexBench e o VABAR, e o Graph-as-Policy (GaP), um enquadramento de robótica agêntica desenvolvido com a UC Berkeley.

Em resumo: A NVIDIA colocou «ver o que acontece a seguir» e «decidir como se mover» num único modelo aberto e usou grandes volumes de vídeo humano na primeira pessoa para preencher lacunas nas demonstrações de robots — ao mesmo tempo que comunica taxas de êxito elevadas com poucas tentativas, acompanhadas de uma nota de rodapé sobre a forma como as tarefas avaliadas foram escolhidas.

4. A Meta lança o Muse Ember, um modelo ligeiro para a execução de agentes

A 9 de novembro de 2026, a Meta apresentou o Muse Ember, descrevendo-o como o modelo Muse mais pequeno e mais eficiente, concebido para a execução de raciocínio complexo e para o trabalho que os agentes repetem ao longo do dia: chamadas de ferramentas, subtarefas de programação, encaminhamento, extração e análise de documentos longos. A empresa afirmou que o Muse Ember entrega mais inteligência por dólar do que o Claude Haiku 5.5 ou o GPT-6 Luna em qualquer definição de raciocínio, e que se situa na fronteira de eficiência da tabela da Artificial Analysis. A TechCrunch relatou o lançamento no mesmo dia, observando que o Ember está concebido para se emparelhar com o Muse Wonder, de maior dimensão, dentro de uma armação agêntica.

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

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

Ao posicionar o modelo, a Meta escreveu que «o Muse Wonder planeia, o Muse Ember trata do volume». Disse que o Ember é o primeiro modelo treinado com o Muse Wonder Full, e que as avaliações no Meta Superintelligence Scaling Framework concluíram que se manteve abaixo dos limiares de risco elevado do enquadramento. Parceiros como a Box, a Cline e a Cloudflare ofereceram comentários de testes iniciais sobre o uso em conteúdos empresariais, programação por subagentes e cargas de trabalho de elevado débito; a Cloudflare disse que, na cauda, correu até cerca de 30 por cento mais depressa do que o modelo comparável que testou.

Em resumo: A Meta não pede ao Ember que desaloje o modelo de referência mais forte; coloca o novo sistema numa divisão de trabalho — o Wonder planeia, o Ember executa em volume — e compete em inteligência por dólar e em custo por tarefa, mais do que apenas nas pontuações de pico.

5. A OpenAI lista o ChatGPT Enterprise no AWS Marketplace

A 9 de novembro de 2026, a OpenAI disse que o ChatGPT Enterprise está agora disponível através do AWS Marketplace. A empresa escreveu que a listagem dá às organizações uma forma mais simples de descobrir, comprar e gerir o ChatGPT Enterprise com a relação de aquisição e faturação já existente com a AWS, e de aplicar a despesa elegível aos respetivos compromissos com a AWS. A oferta inclui o ChatGPT, o ChatGPT Work, o Codex e o dots; as informações da listagem indicam que os preços são fixados através de ofertas privadas.

A OpenAI disse que os clientes que compram através do AWS Marketplace recebem os mesmos modelos, funcionalidades e funções disponíveis diretamente junto da OpenAI, com as novas funcionalidades lançadas ao mesmo tempo. Os produtos são posicionados como complementares aos modelos da OpenAI já disponíveis no Amazon Bedrock: os programadores podem construir aplicações e agentes com esses modelos no Bedrock, enquanto as equipas de toda a empresa usam o ChatGPT Enterprise no trabalho diário. Os clientes elegíveis também podem aceder ao ChatGPT for Healthcare e ao ChatGPT for Financial Services através do AWS Marketplace.

Em resumo: Isto não é tanto um lançamento de modelo quanto a abertura de um caminho de aquisição — ao colocar o ChatGPT empresarial na fatura de compromissos na nuvem que as organizações já pagam, e ao reduzir o atrito da compra em vez de publicar uma lista de preços pública.

---

Numa linha: A Anthropic lançou o Claude Fable 5.2 e o Mythos 5.2, o mesmo modelo subjacente, com o Fable geralmente disponível e o Mythos limitado a organizações verificadas, e disse que os resultados são mais rápidos do que na versão 5.1 e os preços mais baixos; a Google apresentou o TPU 8tx para inferência confidencial e o TPU 8i Max para janelas de contexto massivas; a NVIDIA revelou o modelo de ação sobre o mundo GR00T 2 e o Isaac Lab 3.0 na CoRL; a Meta lançou o Muse Ember, um modelo ligeiro para a execução de agentes; e a OpenAI listou o ChatGPT Enterprise no AWS Marketplace, para que a despesa elegível possa contar para os compromissos de nuvem já existentes.