Nota: Este artigo foi traduzido automaticamente com Claude Sonnet 4.5; a qualidade pode estar reduzida, especialmente na terminologia técnica.
Lançamentos
Sonnet 4.5
Grande lançamento da Anthropic esta semana, com o lançamento do modelo Sonnet 4.5, mostrando melhorias promissoras em benchmarks de codificação e segurança.

Mas direto ao desempenho no mundo real. Tendo usado por uma semana e também lido bastante sobre o que outros estão dizendo, este não é o grande aumento de desempenho que esperávamos e torcíamos. Definitivamente é uma melhoria. O modelo tem qualidade similar ao Opus 4.1, mas ainda não tem aquela inteligência bruta e atenção aos detalhes que o GPT-5 possui.
Nos meus testes esta semana, eu não diria que o modelo é necessariamente mais inteligente, mas sim que ele é menos burro, significando que não comete alguns dos erros bobos ou tem tantas falhas na sua implementação quanto o Sonnet 4.
Isto também é de certa forma corroborado pela própria Anthropic, pois no relatório de segurança do modelo, eles mencionam que o Sonnet 4.5 não alcança o limiar de “notavelmente mais capaz” que exigiria uma nova avaliação abrangente do modelo quanto às suas potenciais capacidades prejudiciais.
Eles também não mudaram o preço de $15 por milhão de tokens de saída, significando que ainda é 50% mais caro que o GPT-5. Isto, combinado com todos os outros fatores acima, torna esta uma “atualização” bastante decepcionante. Se você estava usando o Sonnet 4 anteriormente, então espere um ligeiro aumento do que está acostumado, mas não é melhor por grandes margens de forma alguma.
GLM 4.6
Falando em preços, os reis de codificação agêntica em custo-benefício, Z.ai lançaram uma atualização para seu modelo GLM 4.5. Se você não nos ouviu falar sobre este modelo anteriormente, os modelos GLM 4.5 e agora 4.6 estão disponíveis na Z.ai por apenas $3 por mês, são comparáveis ao Sonnet em qualidade, e têm um limite de taxa quatro vezes maior que a assinatura de $20 da Anthropic. Também se conecta diretamente ao Claude Code, permitindo que você mantenha toda sua infraestrutura de codificação agêntica existente no lugar.
GLM 4.6 mostra um aumento impressionante sobre o modelo 4.5 anterior, e quando comparado frente a frente contra o Sonnet 4 e outros modelos open source, sai por cima. Eu também tenho usado na semana passada junto com o Sonnet 4.5, e há muito pouca diferença entre os dois.
Por causa disso, minha recomendação atual de stack de codificação é Codex-cli com GPT-5-codex para todas as tarefas difíceis (plano de $20/mês), e o plano de codificação GLM de $3/mês para tarefas fáceis e médias. Esta combinação lhe dará o melhor custo-benefício em termos de inteligência do modelo e saída bruta.
Sora 2
A OpenAI decidiu lançar seu modelo Sora 2 da forma oposta ao Sora original. Desta vez, lançando diretamente uma forma para os usuários acessarem e brincarem com o modelo, ao invés de soltar alguns exemplos do modelo e depois desaparecer, sem lançamento real do modelo à vista.
Embora não esteja em nenhum dos benchmarks públicos habituais, o Sora 2 é muito claramente o melhor modelo de geração de vídeo disponível agora. A OpenAI deixou de lado os advogados e filtros de segurança e está permitindo diretamente que os usuários gerem conteúdo protegido por direitos autorais como Family Guy e SpongeBob.
O modelo tem uma compreensão muito forte de física do mundo real e capacidades de composição de cena. Tem um nível de clareza e coesão que nenhum dos outros modelos no mercado agora parecem ter.
Similar ao VO3 do Google, ele também faz a geração de áudio para seus vídeos. Eu diria que nesta frente, está um pouco aquém quando comparado ao VO3, mas ainda muito utilizável.
Eles também lançaram a capacidade de adicionar você mesmo aos vídeos assim como usar sua voz permitindo muita criatividade e uso em produção de vídeo no mundo real.
Mas por outro lado, você agora pode gerar vídeos de quase qualquer pessoa fazendo coisas ilegais. Por exemplo, Sam Altman disponibilizou sua imagem no app por padrão para todos, e então houve numerosos vídeos dele realizando atos ilegais como roubar GPUs da loja, brigando com pessoas, e outros crimes do tipo.
Destaques Rápidos
DeepSeek 3.2 Exp
A DeepSeek lançou mais uma versão atualizada do seu modelo V3, desta vez chamando-o de 3.2 Experimental. O principal destaque deste lançamento é sua nova arquitetura DeepSpeak Sparse Attention (DSA), que é um transformer baseado em atenção linear que reduz drasticamente a computação necessária para sequências longas.
Esta arquitetura promete ser relativamente direta para treinar em seu modelo existente. Espere ver isto ou outra variante de atenção esparsa no lançamento do DeepSeek V4.

Thinking Machines LoRa
A Thinking Machines publicou um post de blog esta semana mostrando como LoRa, quando usado corretamente, é idêntico ao ajuste fino completo. E então construindo sobre isso, eles também lançaram uma plataforma chamada Tinker para permitir que você ajuste finamente LLMs usando LoRas, abstraindo todo o código de infraestrutura, enquanto ainda deixa você no controle dos dados, função de perda, e algoritmos sendo usados.
IBM Cria LLMs
A IBM tem silenciosamente lançado alguns LMs open source pequenos que são bastante decentes nos últimos meses e esta semana eles lançaram outro conjunto em sua série de modelos Granite que são competitivos se não melhores que modelos Qwen3 de tamanho similar enquanto também são de duas a cinco vezes mais rápidos.

ChatGPT Checkout Instantâneo
A OpenAI acabou de anunciar Checkout Instantâneo no ChatGPT em colaboração com Etsy e Spotify, permitindo que você compre produtos diretamente no site do ChatGPT. Eles também lançaram o Protocolo de Comércio Agêntico que usaram para alimentá-lo, que é construído em cima do Stripe.
Não tenho muito mais a dizer sobre isso, mas achei esse meme engraçado, que é por isso que quis destacar este tópico.

Desnecessário dizer, não estarei usando este recurso tão cedo.
Conclusão
Espero que você tenha gostado das notícias desta semana. Se você quer receber as notícias toda semana, certifique-se de se juntar à nossa lista de e-mails abaixo.
