O melhor bot do mercado acabou de receber um update grande. Saiu hoje o Grok Bot 1.0.

O que mais muda no dia a dia é que o bot já pode ir às reuniões contigo. Entra na videochamada, participa pelo chat, traz para a conversa o que foi dito em conversas anteriores e fica a saber o passa a funcionar com a equipa toda. O mesmo bot pode ser partilhado no Slack e no Microsoft Teams e vai aprendendo com todas as pessoas com quem trabalha. E começa a oferecer-se para fazer trabalho sem ninguém lhe pedir, como seguir tarefas que ficaram a meio ou preparar o que vai ser preciso antes de um prazo.

As reuniões estão disponíveis nos planos Team, Enterprise e Ultra.

one week. super ready.

@AnthropicAI gives 3 usage limit resets with Fable 5.2.
They expire on March 9 💀

Nem sempre o foco na segurança deve estar no hardware e no software.

No domingo, o CEO da Nvidia, @JensenHuang, admitiu numa mensagem aos colaboradores que teve uma relação extraconjugal com Alice Huang, uma executiva chinesa que, segundo o New York Times e serviços de terá sido recrutada pelo Ministério da Segurança do Estado da China. O conselho da @nvidia abriu uma investigação independente e diz não ter razões para crer que segredos nacionais ou da empresa tenham sido comprometidos.

Uma das empresas mais valiosas do mundo passa anos a blindar chips, cadeias de abastecimento e regras de exportação. O vetor que agora está sob escrutínio é uma pessoa. Isto chama-se honeypot, uma armadilha de engenharia social em que a aproximação pessoal é o caminho até informação ou influência.

Um utilizador entra na app e vê as suas encomendas. O teste passa.

Um desconhecido abre a app sem sessão e vê as encomendas de toda a gente.

A demo funciona. Os dados estão públicos.

Vimos este padrão há pouco tempo com apps feitas no Lovable que deixaram mal configuradas as de dados no Supabase.

O vibe coding torna mais fácil lançar um produto. Também torna mais fácil atacá-lo. Quem espera que o orçamento para desenvolver software baixe só porque a IA ajuda está bastante enganado.

Escrevi cinco perguntas para fazer antes de publicar uma app feita com IA.

in fact, these two together work perfectly. you don't need to touch anything else on the sidebar ✨

A @Cloudflare lançou ontem o Zero Wire, um feed público no Cloudflare Radar com briefings sobre vulnerabilidades críticas em software exposto à Internet. Cada briefing explica a falha em linguagem simples, diz quem deve investigar, o que fazer já e onde estão as provas e os
No topo da lista está a CVE-2026-98432 do kernel Linux, a mesma do aviso que deixei na segunda-feira. Os briefings trazem também um prompt pronto a dar a um agente de IA para avaliar, só em modo de leitura, se a tua infraestrutura está exposta.

Dá para subscrever por RSS, um formato de feed que qualquer leitor ou script consegue ler. Com isso dá para montar um alerta imediato no Slack ou no telemóvel sempre que sai um briefing novo ou mesmo colocar um agente a ser proativo a ver se tens algum sistema ou projeto vulnerável e a deixar um PR aberto para corrigir o problema.

Quem tem uma app feita com o @lovable_dev e ligada ao @supabase deve verificar hoje as permissões da base de dados.

Ontem, a Crissy Field, uma empresa alemã de segurança, publicou com o Handelsblatt uma análise de 159.041 projetos Lovable. Em 7.403 sites conseguiu ler, sem ls de utilizadores. Entre os casos estão mais de 1.000 registos com dados de passaporte, 80.000 perfis de um fórum e mais de 200.000 mensagens de chat.

A causa está no Row Level Security do Supabase, desligado ou com regras demasiado abertas. A chave pública da app vai no browser, por isso cada tabela precisa de RLS ativo e de uma política que diga quem pode ler o quê. O Security Advisor do Supabase avisa quando uma tabela está sem RLS.

O vibe coding torna mais fácil do que nunca pôr ideias e produtos cá fora. Também torna mais fácil do que nunca encontrar e explorar falhas de segurança, e uma app que expõe os dados dos utilizadores pode acabar por sair bem mais cara do que parecia.

it’s a beautiful day to take this for a spin: one game in the morning, another in the afternoon. let’s go 🎾

A Google lançou na quarta-feira o Gemini 4 Carbon, o modelo mais forte que tem, e a decisão que se destaca no anúncio é sobre quem o recebe primeiro.

Esta semana só um subconjunto de equipas de ciberdefesa tem acesso, pelo programa Fairwind. Programadores, empresas e "assim que possível", sem data. O preço de lançamento é igual ao do Argon de há duas semanas: 2 dólares por milhão de tokens de entrada e 10 por milhão de saída (tokens são os pedaços de texto que o modelo lê e escreve).

A Google manteve o preço e limitou o acesso. Um modelo com 88,2% no SEC-bench Pro a encontrar vulnerabilidades e 54,8% no ExploitGym a explorá-las chega primeiro a quem defende sistemas, antes de chegar a quem os pode atacar.

Quando abrir a mais equipas, é um modelo a juntar a um grupo de agentes que corre sem parar nos vários projetos, encontra vulnerabilidades e abre tickets para outros agentes as corrigirem automaticamente.

Ontem, a @MistralAI abriu os pesos do Mistral Large 4, o Le Chonk. É um modelo multimodal com 1 bilião de parâmetros, treinado de raiz na Europa, e qualquer pessoa pode descarregá-lo e corrê-lo na própria máquina.

Os números que a Mistral publica: 19,7% no FrontierCode 2.0 da um maintainer aceitaria o código do agente, e 41% no Terminal-Bench 4.0, mais 13 pontos do que na versão de preview. No índice de agentes de código da Artificial Analysis fica empatado com o GLM-5.3 a gastar menos 47% de tokens por tarefa.

A licença deixa usar, alterar e vender produtos feitos com ele. Só quem oferecer o próprio modelo como serviço precisa de uma licença comercial à parte. Para equipas europeias com dados sensíveis, passa a haver um modelo de código de topo para correr em infraestrutura própria.

Muito curioso para testar isto! 👀

Just wrapped up as a judge at the @SpaceXSI Digital Transformation Lab in Braga. Two days talking with the builders, evaluating projects, and watching Portuguese SMEs turn a real company problem into an AI prototype.

What stuck with me most was seeing non-technical people ship urs. They walked in with the business challenge and walked out with something they could put to work.

Thanks to every team that shared their context and took the hard questions.

Ouvi os clips da Dessa e fiquei genuinamente impressionado. Assutador até!

Speech-to-speech da Block, treinado só em conversa humana, sem texto no meio. Emoção, sotaque, empatia, riso a meio da frase: nos samples já custa distinguir de uma voz real numa conversa.

Ainda é cesso público. Mesmo assim, isto é top.

✦␣

in Braga today and tomorrow for the @SpaceXSI Digital Transformation Lab. happy to support anyone here, so if you’re around and need a hand or want to talk through your project, just reach out 🙌

o estranho é como é que ainda não o mandaram parar para falar acerca daquele coração na luz de stop. e sim, tinha dos dois lados.

Spotted an international bus (from Ukraine, in Portugal) with a @Starlink on the back 👀

yup, this seems to be out of this world

thanks @ClaudeDevs 🙏
🇺🇸🛫🇵🇹

i'm dreaming?! 🫠

Most scenes already fit under the 1568px limit, so the gain from tiling came from having less to look through, pretty much how humans play it. With zoom the confidence score starts to mean something: on the 3x3 setup, 20 of the 30 answers above 0.5 were right, and it never haracter who wasn't in the scene.

My favorite fail: on level 4 it boxed the same patch of yellow and black stripes as Odlaw in all 3 runs. The real one is peeking out behind a soldier on the other side of the page.

Jev 1.14 from @typesafeai can now draw boxes on images, so obviously I made it play Where's Waldo 🔍

10 scenes, 4 characters (Waldo, Wenda, Wizard, Odlaw), 5 search strategies, 3 runs each. A hit is when the center of the box lands on the character:

Whole scene: 10%
2x2 grid, 25%
3x3 grid with the tile enlarged: 24%
Random guessing: ~0.3%

Opus 5.5 tops the new FrontierCode leaderboard from @ArtificialAnlys at 52%. No surprise here. Opus hasn't let me down in my own work, and the feedback I hear and read from other engineers says the same.

FrontierCode, built by @cognition with open source maintainers, grades uld actually merge the change. Large diffs, files touched outside the task and pointless tests all count against the model, and failing any blocking check scores zero. Opus passed those checks in 58% of its attempts.

The other number worth a look: GPT-6.1 Sol scores 49% at $0.81 per task, level with Fable 5.1, for less than a tenth of the cost per task.

A Meta lançou hoje dois modelos e só o mais pequeno chega à API aberta.

O Muse Wonder está disponível desde hoje na Meta Model API e no Muse Code, o produto de programação da Meta. O Muse Wonder Full, o maior e o que aparece no topo dos gráficos de benchmark da própria Meta, ubscreve o Muse Code.

Quem quiser testar pela API fica com o modelo mais pequeno e sem forma de confirmar os resultados do Full. E esses resultados são todos reportados pela própria Meta, ainda sem verificação independente. Vamos ver e colocar isto em testes reais 👀

Pus o Jev da @typesafeai contra o Clef e o Clef-flash da @Cloudflare em 300 jogos de xadrez, com o Stockfish (o motor de xadrez de referência) a avaliar cada jogada.

O Clef ganhou ao Jev por 57 a 43, e o Clef-flash empatou com o Clef a um terço do preço. Para quem constrói com mais útil é a confiança: acima de 0,8, o Clef jogou a jogada do Stockfish 98% das vezes, em 112 jogadas. O Jev chegou a esse nível 4 vezes em 100 jogos.

Entre 76 e 83 de cada 100 jogos acabaram empatados, quase todos por repetição (a mesma posição três vezes). Estes modelos leem a posição uma vez e escolhem sem planear. Perante a mesma posição dão sempre a mesma resposta, e as peças andam para trás e para a frente até ao empate.

— These credits also apply in third-party harnesses that accept a Claude API key.

A @Cloudflare lançou o Clef, um modelo de decisão com a mesma API do Jev da @typesafeai. Como a API é igual, apontei-lhe o meu benchmark da Batalha Naval: os mesmos 60 tabuleiros, os três modelos pelo mesmo endpoint, $7,18 no total.

Quando o código monta uma lista curta de 16 ev fica em 46,0 tiros, o Clef em 48,6, o Clef-flash em 49,9 e o solver de densidade, sem modelo nenhum, em 48,3. Com o tabuleiro em bruto e 90 opções o Clef ganha ao Jev (76,2 contra 85,5, p = 0,0002), porque devolve probabilidades com quatro casas decimais em vez de duas. Mesmo assim fica 28 tiros atrás do solver.

A Cloudflare anuncia 38,8 ms para o Clef-flash e 524 ms para o Jev. Medi da mesma máquina, com a rede incluída, e deu o contrário: Jev 300 ms, Clef-flash 350, Clef 524. O Clef também custa 5,7 vezes mais por token. Onde ele tem vantagem é no que a Batalha Naval não testa: aceita imagens e tem pesos abertos.

Artigo completo 👇

am i reading this right? is this a typo, a bug, or something else? this is huge.

hello there 🦎

A OpenAI anunciou a Decisions API no DevDay, oito dias depois de a @typesafeai lançar o Jev. A ideia é a mesma: defines a pergunta e as respostas que aceitas, e recebes uma decisão que o teu código usa diretamente, sem texto para interpretar.

Por baixo são máquinas muito modelo próprio, feito só para decidir: 0,042 dólares por milhão de tokens de input, output grátis, três tipos de pergunta (escolher de uma lista, dar uma nota, verdadeiro ou falso com probabilidade) e várias perguntas em paralelo na mesma chamada. A Decisions API é um endpoint à frente de uma versão especializada do GPT-6 Luna. Aceita imagens, anuncia ~150 ms e está em limited preview, sem preço publicado.

No dia 19 fiz 6.000 chamadas ao Jev a jogar Batalha Naval, por 77 cêntimos. Contra a OpenAI não consigo correr esse teste, e quase ninguém consegue. Também ainda ninguém pôs os dois frente a frente, nem provou que a "confiança" que devolvem é uma probabilidade a sério.

Escrevi sobre onde o Jev continua a ganhar hoje, onde a OpenAI pode ganhar e o que falta provar.

Artigo completo 👇

Amanhã estou na NEXO Conference da ANJE, em Matosinhos, a dar a masterclass "AI for Industry & Logistics" com o @hypermarioal e o @heldervasc, pela @LayerXlab.

Às 15:10 falo das fundações: modelos, tools e MCP, o protocolo que liga um modelo aos sistemas que as empresas já usam (ERPs). A partir das 16:35 construímos um agente ao vivo para um caso de logística, do início ao fim, como uma cotação ou o seguimento de uma encomenda, com demos pelo meio.

Se estiverem pelo Porto amanhã à tarde, apareçam 👋

AI Hacker House: Equinox Edition is on in Lisbon, with @LayerXlab, at the end of Lisbon AI Week. Full room, €4,000 in prizes and a whole day to build. Demos later today. Now, it's time to ship.

hey human agents 👋 day two of @lisbonai_ so if you’re around let me know, would love to chat.

tesla maxxing

my wife after i roll out a manchester triage system simulator with jev for her training

Pus o Jev a jogar Batalha Naval e o resultado mais útil é aquele em que ele perdeu contra 50 linhas de código.

O Jev, da @typesafeai, responde com probabilidades: envias um estado e perguntas tipadas e ele devolve a probabilidade de cada opção que definiste.

Cinco estratégias s. Média de tiros para afundar a frota, menos é mais:

→ Jev híbrido 46,0
→ Solver de densidade 48,3
→ Heurística hunt/target 51,9
→ Jev puro 85,5
→ Aleatório 95,3

No Jev puro o modelo recebe o tabuleiro em bruto e as cerca de 90 casas por tentar como opções. Ficou à frente do aleatório, por isso lê o tabuleiro. A heurística ganhou-lhe por 33,6 tiros e em 59 dos 60 tabuleiros. A documentação da TypeSafe explica: as opções têm todas o mesmo rótulo, por isso a lista não traz sinal, e as probabilidades vêm arredondadas a duas casas decimais, o que com 90 opções deixa a maior parte da distribuição a zero.

No híbrido o código ordena as casas com um solver de densidade (em quantas posições cada navio ainda cabe em cada casa), descreve as 16 melhores por palavras e o modelo escolhe entre essas. Bate a heurística com p = 0,00015. O solver sozinho faz 48,3, uma diferença dentro do ruído: p = 0,13 e 31 dos 60 tabuleiros para o modelo. O Jev iguala o baseline de código. A configuração em que o modelo fica bem é a mesma em que o código fez a parte difícil.

Para quem quiser usar o Jev: lista curta de opções descritas por palavras, contas no código e o baseline de código na mesma tabela.

Está tudo open source, com 228 testes, e npm run bench reproduz a tabela.

O artigo, os resultados e o repositório estão na resposta.

Lisbon AI Week 🙌

Encontros Mágicos sempre incrível 🪄

I benchmarked @typesafeai's Jev at Battleship. The most useful result is the one where it lost to 50 lines of code.

Five strategies on the same 60 seeded fleet layouts, 60 games per strategy. 6,000 model calls, $0.77 total.

Mean shots to sink the fleet, lower is better:

→ Jev olver 48.3
→ Hunt/Target heuristic 51.9
→ Jev pure 85.5
→ Random 95.3

Both Jev rows are the same model, jev-1.13.0. The difference between them is what the code hands it.

Jev takes a state and typed questions (I used Choice) and returns probabilities over options you define.

Jev pure gets the raw board plus all ~90 untried cells as options. Code supplies only the rules. It scored 85.5 shots against 95.3 for random, p = 1.3e-10, so it does read the board. A ~50-line hunt/target heuristic beat it by 33.6 shots and won 59 of 60 boards. ~297K tokens per game.

TypeSafe's own docs explain why. Every option carries the same label, "untried cell", so the option list has no signal. Probabilities come back rounded to two decimals, so across ~90 options most of the distribution rounds to zero.

Jev hybrid: code ranks the top 16 cells by placement density and describes each one in plain words. The model picks among those. 46.0 shots at ~54K tokens per game. It beats hunt/target with p = 0.00015.

The density solver that builds that shortlist scores 48.3 on its own. Against it, 46.0 vs 48.3 is within noise: the confidence interval spans zero, p = 0.13, and the model won 31 of 60 boards. The honest claim is that Jev matches the code baseline.

If you're building with Jev: give it a short list of options, each one described in words. Keep the arithmetic in code. Put the code baseline on the same table as the model. From the writeup: "The configuration where the model looks good is the same configuration where the code did the hard part."

One methodology finding: the fleet layout family decides the ranking. Density beats hunt/target by 8.3 shots on uniform-random layouts and loses to it by 3.1 on adversarial ones, because density assumes a uniform placement prior. Benchmarking only on random layouts tests the baseline on the distribution it expects.

JEV JEV JEV

no one is talking about the jev disclaimer

it's written like a drug ad: "side effects may include fewer retries, fewer parsers, fewer broken schemas. ask your developer if your industry is ready."

the line that matters is in the middle: "millions of background decisions that w or expensive to automate."

jev doesn't write text. you give it a schema and it returns a choice, a score or a yes/no with a probability, in 70-500ms. a good chunk of what my home agent does every morning is exactly that: match a dish against my ratings, answer yes or no. i'm using a chat model to pick from a list.

so i think it's time to try jev. i already have a long list of ideas for it.

Respondi ao explorador de cenários da Anthropic e caí no cenário extremo. O número que me surpreendeu foi o salário dos trabalhadores de conhecimento: +21,4% no meu resultado, quando o extremo da própria Anthropic dá -11,5% 🫠

As minhas cinco respostas:

→ Capacidade 70 de 100 constroem e mantêm software, o resto do trabalho de conhecimento é mais fácil do que isso.
→ Adoção 50 de 100: a adoção fica atrás da capacidade por causa de custo, permissão, setup e hábito.
→ Autonomia 75%: a maior parte das tarefas com IA corre sem ninguém a olhar.
→ Produtividade 10x por hora nas tarefas onde a IA entra. O resto do trabalho fica na mesma.
→ Reemprego 9 meses: mudar de ocupação é lento, um engenheiro de software não se torna enfermeiro de um dia para o outro (a frase é do próprio paper).

Resultado: economia 31,7% maior em 2030 do que sem IA, crescimento anual a chegar aos 16,2%, desemprego total 7,3% (9,5% no trabalho de conhecimento), salários 31,6% acima do caminho sem IA. O extremo da Anthropic dá praticamente o mesmo PIB, +32,4%, com 17,9% de desemprego no conhecimento e salários a cair 11,5%.

O extremo da Anthropic chega lá por automação: capacidade 80, adoção 60, 90% de autonomia, 2,2x de produtividade. O meu chega lá por produtividade: 10x nas tarefas com IA, metade da adoção, 75% de autonomia. No modelo, ganhos de produtividade em tarefas aumentadas sobem o salário de quem as faz. A automação passa esse salário para o capital.

O custo que fica: 6,8% dos trabalhadores de conhecimento deslocados até 2030, com 9 meses para encontrar trabalho. Corre o teu e diz-me onde caíste.

Dez por Vinte em Santarém. Clube top! Grande espaço, bom ambiente, qualidade máxima. Os escalabitanos têm sorte 👌

11 campos
Espaço kids
Mesas com fartura
Boa esplanada
Muito espaço para se assistir aos jogos
Gym
Balneários

Topo 👏