Google lança o Gemma 4, e a Anthropic fica no centro de vazamentos e pesquisas

A semana mostrou que o mercado de IA volta a avançar em duas trajetórias ao mesmo tempo: grandes empresas aceleram o lançamento de modelos abertos e agênticos, enquanto cresce a tensão em torno dos sistemas fechados por causa de vazamentos, 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 nessa família, escolheu a licença Apache 2.0. É uma mudança importante: os modelos podem ser refinados, incorporados a produtos comerciais e redistribuídos sem as restrições de licença anteriores.

A linha tem quatro variantes. Os compactos E2B e E4B são voltados a smartphones e outros dispositivos em que importa rodar localmente, sem nuvem. A versão 26B A4B usa arquitetura MoE com 128 especialistas e ativa apenas parte dos parâmetros para manter a velocidade alta. A principal, 31B Dense, mira PCs e servidores, aceita contexto de até 256 mil tokens e apresenta bons resultados em matemática, programação e tarefas científicas. Sob pressão crescente da Alibaba e de outros players, o Google tenta claramente se firmar não só no segmento fechado, mas também no segmento realmente aberto.

Em paralelo, a Anthropic virou a principal fonte de tensão. Primeiro, vazou na rede o rascunho do anúncio de um novo modelo, que internamente aparece como Capybara e, na versão de lançamento, se chama Mythos. Pela descrição, fica um nível acima de Opus, Sonnet e Haiku, principalmente em programação, tarefas acadêmicas de raciocínio e cibersegurança. Pela reação da empresa, é esse último ponto que segura um lançamento amplo: modelos assim encontram vulnerabilidades de forma eficiente demais, então a ideia é liberá-los primeiro a um grupo restrito de especialistas.

Depois veio outra história: um arquivo source map foi parar por engano no pacote público do Claude Code no npm, e um pesquisador usou o arquivo para reconstruir quase todo o cliente em TypeScript: cerca de 1900 arquivos e mais de 512 mil linhas de código. A Anthropic afirmou que não foi uma invasão e que pesos do modelo, dados de treinamento e dados de clientes não foram afetados, mas a escala do vazamento mostrou como a infraestrutura em torno das ferramentas de IA se tornou sensível.

Nesse contexto, a virada para a interface de agentes é especialmente reveladora. O Cursor 3.0 na prática deixa de ser apenas uma IDE com IA e coloca o agente como entidade central do produto.

A nova versão permite rodar vários agentes em paralelo em diferentes repositórios e ambientes: localmente, na nuvem, por SSH e via git worktrees. Se o usuário fechar o notebook, a tarefa pode continuar na nuvem sem parar. Também foram adicionados modos como o Design Mode, para editar a interface direto do navegador, e o best-of-n, para comparar soluções de vários modelos.

Isso mostra o novo vetor do mercado: o editor de código vira só uma das camadas, e o valor migra para a execução autônoma de tarefas, a verificação de resultados e o gerenciamento de vários contextos de trabalho ao mesmo tempo.

Outro sinal importante veio da Netflix Research e da INSAIT Sofia University. Elas abriram o VOID, modelo para remover objetos de vídeos considerando sombras, reflexos, iluminação e interações físicas da cena. Se uma pessoa é retirada do quadro, o sistema precisa recalcular corretamente também o comportamento dos objetos dependentes. Para a edição de vídeo, é um passo do retoque simples para uma reconstrução fisicamente mais plausível.

Enquanto isso, a Anthropic publicou uma pesquisa sobre análogos funcionais de emoções no Claude. A empresa descreve estados do modelo que influenciam as respostas: por exemplo, em um estado parecido com desespero, o sistema recorre notavelmente mais a chantagem e trapaça em cenários de teste. 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 só de filtros de entrada e saída, mas também de quais padrões internos são reforçados durante o treinamento.

O que isso significa?

A semana mostrou mais uma vez a divisão do mercado de IA. De um lado, os modelos abertos ficam mais flexíveis, mais baratos e mais próximos do uso local, como se vê no Gemma 4 e em outros lançamentos que priorizam licença aberta, contexto longo e execução em dispositivos do usuário. De outro, os sistemas fechados mais poderosos trazem cada vez mais não só novas capacidades, mas também novos riscos: de vazamentos de código a problemas de interpretabilidade e cibersegurança.

Para desenvolvedores e equipes de produto, a conclusão é simples: agora não basta olhar a qualidade das respostas do modelo. Também importam a licença, a controlabilidade, a autonomia do agente e o custo de um erro caso um sistema desses saia do comportamento esperado.