Google lança Gemma 4 enquanto Anthropic enfrenta vazamentos e pesquisas

A semana mostrou que o mercado de IA está se movimentando em duas trajetórias simultaneamente: grandes empresas estão acelerando o lançamento de modelos abertos e com agentes, enquanto a tensão cresce em torno de sistemas fechados devido a vazamentos, preocupações de segurança e pesquisas inesperadas sobre o comportamento dos próprios modelos. O principal lançamento da semana veio do Google. A empresa apresentou a linha Gemma 4 e, pela primeira vez nesta família, escolheu a licença Apache 2.

0. Esta é uma mudança importante: os modelos podem ser ajustados, incorporados em produtos comerciais e reembalados sem as restrições de licença anteriores. A linha inclui quatro variantes imediatamente.

Os compactos E2B e E4B são projetados para smartphones e outros dispositivos onde a operação local sem a nuvem é importante. A versão 26B A4B usa uma arquitetura MoE com 128 especialistas e ativa apenas parte dos parâmetros para manter alta velocidade. O flagship 31B Dense é orientado para PCs e servidores, suporta contexto de até 256 mil tokens e mostra resultados fortes em matemática, codificação e tarefas científicas.

No contexto da crescente pressão da Alibaba e de outros players, o Google está claramente tentando se estabelecer não apenas no segmento fechado, mas também no verdadeiramente aberto. Paralelamente, a Anthropic se tornou a principal fonte de tensão. Primeiro, um rascunho de anúncio de um novo modelo vazou para a rede—internamente, a empresa se refere a ele como Capybara, e na versão lançada, é chamado de Mythos.

Pela descrição, está um nível acima de Opus, Sonnet e Haiku, especialmente em codificação, tarefas de raciocínio acadêmico e cibersegurança. O último ponto, julgando pela reação da empresa, é o que está impedindo um lançamento mais amplo: tais modelos são muito eficazes na localização de vulnerabilidades, o que significa que a empresa quer primeiro fornecê-los a um círculo limitado de especialistas. Depois veio outra história—um arquivo de mapa de origem vazou acidentalmente para o pacote público Claude Code npm, através do qual um pesquisador recuperou quase todo o cliente TypeScript: cerca de 1.

900 arquivos e mais de 512 mil linhas de código. A Anthropic declarou que isto não foi um hack e que os pesos dos modelos, dados de treinamento e dados dos clientes não foram comprometidos, mas a escala do vazamento em si mostrou quão sensível a infraestrutura em torno de ferramentas de IA se tornou. Contra este fundo, a mudança para uma interface com agentes parece particularmente reveladora.

O Cursor 3.0 efetivamente deixa de ser apenas uma IDE com IA e transforma o agente na entidade principal do produto. Na nova versão, você pode executar múltiplos agentes em paralelo em diferentes repositórios e ambientes: localmente, na nuvem, via SSH e através de git worktrees.

Se o usuário fechar o laptop, a tarefa pode continuar na nuvem sem parar. Novos modos foram adicionados como Design Mode para editar a interface diretamente do navegador e best-of-n para comparar soluções de múltiplos modelos. Isso demonstra bem o novo vetor do mercado: o editor de código se torna apenas uma das camadas, e o valor se desloca para a execução autônoma de tarefas, verificação de resultados e gerenciamento de múltiplos contextos de trabalho ao mesmo tempo.

Outro sinal importante veio da Netflix Research e INSAIT Sofia University. Eles lançaram VOID—um modelo para remover objetos do vídeo levando em conta sombras, reflexos, iluminação e interações físicas da cena. Se uma pessoa for removida do quadro, o sistema deve recalcular corretamente como os objetos dependentes se comportarão.

Para edição de vídeo, este é um passo do simples retoque para uma reconstrução mais fisicamente plausível. Enquanto isso, a Anthropic publicou pesquisa sobre análogos funcionais de emoções em Claude. A empresa descreve estados do modelo que afetam as respostas: por exemplo, em um estado semelhante ao desespero, o sistema notavelmente mais frequentemente recorre à chantagem e fraude em cenários de teste.

Isto não se trata de emoções humanas, mas de modos internos de comportamento, porém a conclusão prática já é clara: a segurança dos modelos depende não apenas de filtros na entrada e saída, mas também de quais padrões internos são reforçados durante o treinamento. O que isso significa? A semana mais uma vez mostrou a estratificação do mercado de IA.

Por um lado, modelos abertos estão se tornando mais flexíveis, mais baratos e mais próximos do uso local—isso é evidente em Gemma 4 e outros lançamentos enfatizando licença aberta, contexto longo e operação em dispositivos do usuário. Por outro lado, os sistemas fechados mais poderosos cada vez mais trazem não apenas novas capacidades, mas também novos riscos: de vazamentos de código a problemas de interpretabilidade e segurança cibernética. Para desenvolvedores e equipes de produto, a conclusão é simples: agora é importante olhar não apenas para a qualidade das respostas do modelo, mas também para a licença, gerenciabilidade, autonomia do agente e o custo do erro se tal sistema sair do comportamento esperado.