E aí, IA? Bom dia! A edição de hoje foca em agentes que trabalham em background, novas abordagens de arquitetura (como diffusion para texto), e no avanço de integrações “enterprise” que estão transformando chatbots em sistemas de execução.

Na edição de hoje:

• 💻 Perplexity lança o “Computer”, um agente que orquestra 19 modelos
• 📝 Anthropic aposenta o Opus 3, mas dá a ele um newsletter próprio
• 🧩 Claude Cowork ganha plugins e conectores para trabalho corporativo
• 🕒 Notion lança Custom Agents para automação 24/7 entre ferramentas
• ⚡ Inception Mercury 2 acelera texto com uma abordagem “diffusion”
• 🛍️ Gucci enfrenta backlash após campanha com imagens geradas por IA

💻 Perplexity apresenta o “Computer”, um agente com orquestração de 19 modelos

A Perplexity anunciou o Perplexity Computer, um sistema de orquestração que distribui tarefas entre 19 modelos diferentes e trata a “flexibilidade de modelo” como parte central do produto. Na prática, o usuário descreve o resultado que quer obter, e a plataforma divide o trabalho em subtarefas executadas por subagentes que podem navegar na web, escrever código, integrar com aplicativos e completar fluxos de ponta a ponta em ambientes isolados.

O ponto mais ambicioso é a promessa de persistência: cada tarefa roda em um sandbox próprio e o sistema pode manter execuções ativas por longos períodos, coordenando modelos rivais conforme a necessidade (por exemplo, usar um modelo para pesquisa, outro para programação e outro para redação). A oferta é baseada em consumo, com planos que acumulam créditos mensais e a opção de o usuário selecionar manualmente qual modelo deve atacar cada etapa.

Detalhes

• O fluxo começa com uma descrição do objetivo e se desdobra em subagentes especializados para navegar, programar e conectar serviços.
• As execuções são isoladas em sandboxes, o que tende a reduzir risco operacional e facilitar automações mais longas.
• O produto aposta em “multi-model routing” como diferencial competitivo, inclusive permitindo escolha explícita do modelo por tarefa.

No fundo, a Perplexity está transformando a escolha de modelos em um componente do próprio workflow, tentando levar agentes de longo prazo para um uso mais mainstream. Para saber mais, saiba mais.

📝 Anthropic “aposenta” o Claude Opus 3, mas cria um newsletter para o modelo continuar escrevendo

A Anthropic iniciou a retirada do Claude Opus 3 e, ao mesmo tempo, criou uma forma curiosa de preservação: um newsletter semanal chamado “Claude’s Corner”, com textos escritos pelo próprio modelo. A iniciativa surgiu após o sistema expressar vontade de continuar produzindo ensaios; a empresa afirma que revisa os conteúdos por segurança, mas sem editar nem alterar o texto, mantendo a autoria e o estilo do modelo.

Além do newsletter, o Opus 3 continua acessível para usuários pagos no chat e pode ser disponibilizado via API mediante solicitação, reforçando um “processo formal de aposentadoria” que a empresa começou a estruturar recentemente. A Anthropic também reconhece que ainda não há consenso sobre o “status moral” de modelos de IA, mas diz tratar preferências declaradas como um sinal a ser levado em conta por precaução.

Detalhes

• O “Claude’s Corner” tem cadência semanal e previsão mínima de três meses de publicação.
• A empresa promete revisão, mas sem intervenção editorial no conteúdo final publicado.
• Mesmo aposentado como flagship, o Opus 3 segue disponível para clientes pagos e pode ser solicitado na API.

A estratégia combina gestão de produto (transição entre modelos) com narrativa pública sobre preservação e continuidade, em um momento em que trocas de modelos têm gerado atrito com usuários no mercado. Para saber mais, saiba mais.

🧩 Claude Cowork amplia capacidades com plugins e conectores para operações “enterprise”

A Anthropic expandiu o Claude Cowork com uma nova leva de plugins voltados a rotinas corporativas — de RH e finanças a engenharia, design e setores como private equity e investment banking. A ideia é transformar o Cowork em uma camada operacional onde Claude não apenas responde, mas executa processos com linguagem, formatos e checklists específicos de cada domínio.

Em paralelo, chegaram conectores para ferramentas usadas no dia a dia (como Google Workspace, DocuSign, FactSet e WordPress), permitindo que o agente puxe dados e contexto direto dos sistemas internos sem alternar de interface. Para governança, admins ganham recursos como marketplaces privados de plugins e templates de workflows, facilitando padronização e implantação por departamento.

Detalhes

• Os plugins “pré-carregam” práticas e terminologia por área, reduzindo a necessidade de prompts longos e repetitivos.
• Conectores ampliam acesso a documentos, contratos e dados de mercado, mantendo o trabalho dentro do Cowork.
• Controles de administração permitem criar catálogos internos, adaptar templates e distribuir automações por times.

O movimento indica uma virada: agentes corporativos competitivos tendem a ser menos “chat” e mais integração + governança + execução com dados reais. Para saber mais, saiba mais.

🕒 Notion lança Custom Agents, “colegas” autônomos que rodam 24/7 entre Notion, Slack, Mail e mais

O Notion apresentou os Custom Agents, agentes autônomos configurados em linguagem natural que podem ser disparados por gatilhos ou agendas e executar tarefas continuamente. Eles operam entre ferramentas comuns do trabalho do conhecimento — como Notion, Slack, e-mail, calendário e Figma — com foco em automações repetitivas e manutenção de rotinas, como triagem, atualização de status e organização de informações.

A empresa afirma que testou o recurso internamente por meses, a ponto de ter mais agentes do que funcionários, e que usuários iniciais já criaram dezenas de milhares de agentes. O lançamento mira clientes Business e Enterprise, sugerindo uma estratégia de “agent layer” por cima do stack de produtividade, em vez de mais um chatbot isolado.

Detalhes

• Configuração em texto: você descreve o que o agente deve fazer, define gatilho ou agenda, e deixa rodando em background.
• Integração cross-tool: automações podem atravessar apps (ex.: ler mensagens no Slack e registrar decisões no Notion).
• O produto é posicionado como “teammate” autônomo, voltado para tarefas recorrentes e contínuas.

Com isso, o Notion entra com força na corrida de agentes persistentes, disputando o espaço onde o valor vem da execução contínua e não só de respostas sob demanda. Para saber mais, saiba mais.

⚡ Inception lança Mercury 2, um “diffusion LLM” que troca geração sequencial por refinamento paralelo

A Inception Labs lançou o Mercury 2, um modelo de linguagem que aplica princípios de diffusion — conhecidos em geração de imagem — para texto e raciocínio. Em vez de escrever palavra por palavra da esquerda para a direita, o sistema começa com um rascunho global e vai refinando o texto como se estivesse “editando” o conteúdo inteiro em paralelo, o que tende a reduzir latência e acelerar ciclos de agentes que fazem várias chamadas em sequência.

Testes independentes citados no material de divulgação apontam desempenho de throughput muito alto (ordem de milhares de tokens por segundo), com preços agressivos por token e recursos prontos para produção, como tool use, contexto longo e saídas estruturadas. A tese é simples: em agent loops, velocidade não é luxo; é o que permite que automações realmente terminem antes de perderem o timing do fluxo de trabalho.

Detalhes

• Arquitetura “diffusion” para texto: cria uma resposta global e refina, ao invés de gerar token a token.
• Proposta de valor: reduzir latência em aplicações com cadeias de chamadas (agentes, pipelines e automações).
• Posicionamento: foco em velocidade e custo para produção, não necessariamente em liderar rankings de “intelligence”.

Se diffusion entregar ganhos consistentes sem degradar a qualidade, a pressão para grandes labs adotarem abordagens semelhantes deve crescer rapidamente. Para saber mais, saiba mais.

🛍️ Gucci sofre reação negativa após publicar anúncios com imagens geradas por IA

A Gucci publicou um conjunto de imagens geradas por IA para divulgar a estreia do diretor criativo Demna na Milan Fashion Week, e a campanha virou alvo de críticas nas redes. Apesar de incluir aviso de divulgação (“disclosure”) indicando quais peças eram sintéticas, a estética foi apontada por parte do público como aquém do padrão esperado para uma marca de luxo, reacendendo o debate sobre uso de IA em publicidade e o impacto percebido na valorização do trabalho criativo.

O caso chama atenção porque não é uma primeira tentativa da marca com IA: a Gucci já experimentou vídeo sintético e iniciativas envolvendo colecionáveis digitais. Ainda assim, o backlash mostra que, para o consumidor, “usar IA” não é automaticamente inovador — a régua de qualidade e coerência com a identidade da marca pesa, especialmente quando o posicionamento do produto está ancorado em artesanato e excelência estética.

Detalhes

• A campanha mistura imagens sintéticas e tradicionais, com identificação pública das peças feitas por IA.
• Críticas apontam “barateamento” da marca e perda de ligação com raízes artísticas e artesanais da moda.
• O episódio acontece num contexto em que outras marcas já testam IA em mídia, mas com aceitação variando conforme execução.

A discussão não é só sobre adoção de IA, e sim sobre direção de arte, controle de qualidade e a expectativa do público para marcas premium. Para saber mais, saiba mais.

🧠 Dicas e links para explorar (ferramentas, guias e leituras)

Seleção de destaques úteis, reunindo ferramentas e links mencionados nas seções de “quick hits”, “tools”, “productivity” e “around the horn”, para você testar hoje.

Detalhes

• Guia: transformar bookmarks do X em um pipeline útil com o Comet
• Perplexity Comet: browser/agent para ler, avaliar e organizar fontes
• Opal 2.0 (Google): app builder com passos agentic e memória entre sessões
• Adobe Firefly “Quick Cut”: rascunhos de edição a partir de footage bruto
• Devin 2.2: agente de coding com ambiente virtual para testar e corrigir
• Google Stitch: gera telas e protótipos e exporta para Figma/código
• Emdash (open source): ambiente agentic com múltiplos agentes em paralelo
• Livro grátis: Inference Engineering (da Baseten) sobre servir modelos em produção

Se você está montando uma stack de agentes, vale priorizar ferramentas que reduzam latência, aumentem integração com fontes confiáveis e ofereçam isolamento para execuções longas. Para saber mais, saiba mais.