A AWS explica quatro escolhas de requisição no Amazon Bedrock que mudam o custo sem trocar modelo ou prompt, como duração do cache, service tier, esforço de raciocínio e maxTokens.
Por que importa: Mostra quatro ajustes de requisição que alteram o custo no Bedrock sem trocar de modelo, com teste em que o esforço alto elevou os tokens de saída em 169%.
A AWS mostra como calcular o custo por tarefa no Amazon Bedrock, e não só o preço por token. O texto também propõe medir o ROI de agentes contra a linha de base humana, com testes holdout.
Por que importa: O texto ensina a calcular o custo por tarefa concluída e a comparar o agente com a linha de base humana, o que ajuda a justificar o gasto com IA.
AWS mostra como rastrear e limitar gastos do Amazon Bedrock por identidade IAM, sem código para o caso comum. O AWS Budgets aplica uma política Deny quando o limite é atingido.
A Amazon Bedrock AgentCore atualiza seu runtime, com sessões até 15x mais rápidas. Cada sessão tem até 8 vCPUs e 32 GB, inicia em menos de 2 segundos e é até 68% mais eficiente.
O Google apresentou o Gemini 4 Hydrogen, modelo para execução rápida de código e fluxos agênticos. Ele custa $1.50 por milhão de tokens de entrada e $7.50 por milhão de saída.
Por que importa: O texto traz preço de $1.50 e $7.50 por milhão de tokens de entrada e saída e acesso pela API e Gemini for business, útil para comparar custo de uso.
A AWS ensina a montar um monitor de dependências com LangGraph e a Web Search API do Amazon Bedrock AgentCore. No teste, rodar em paralelo levou 36 segundos, contra 99 em sequência.
A AWS resume as novidades de outubro de 2026 para construtores de IA. O GPT-6.1 Terra ficou disponível no Amazon Bedrock com preço por token pelo menos 50% menor que o do GPT-6.1 Sol.
Amazon lança a Web Search API no Amazon Bedrock AgentCore para busca na web com uma chamada de API. Os resultados vêm ranqueados, com trecho e, quando disponíveis, título, URL e data.
O Google disponibilizou o Gemini 4 Carbon para desenvolvedores e empresas. Ele ocupa o 1º lugar no CursorBench 4.0, com custo por tarefa mais de 2 vezes menor que o segundo melhor modelo externo.
Por que importa: O próprio Google indica o Argon para a maioria das tarefas, e o Carbon para problemas complexos que consomem mais tokens por execução.
Dois pesquisadores, entre eles Xinzhi Zhang, da Microsoft Research, provaram a conjectura KLS, proposta em 1995. O limite passa a ser fixo, independente do número de dimensões.
A Mistral AI lançou o Voxtral 3, com modelos de fala e um SDK para agentes de voz. A transcrição cobre mais de 50 idiomas; a API fica na Europa ou pode rodar na infraestrutura própria.
Por que importa: O material explica como transcrição, raciocínio, chamada de ferramentas e síntese de voz rodam em um só pipeline para atendimento por telefone.
Mistral lança prévia pública do Mistral Large 4, modelo de 1 trilhão de parâmetros com 52 bilhões ativos. Os pesos abertos saem no fim deste mês; a prévia já pode ser testada pela API.