Multimodal

• O Alibaba Cloud apresentou um novo conjunto de agentes multimodais, o Tongyi AgentStudio, em 8 de maio de 2026, integrando capacidades de visão, fala e processamento de documentos em uma única plataforma voltada para empresas. • O conjunto suporta até 128 chamadas de ferramentas simultâneas por sessão e pode gerenciar autonomamente fluxos de trabalho de compras, chamados de RH e otimização de custos em multi-cloud, com pilotos iniciais em bancos chineses relatando uma redução de 32% no tempo de resposta de serviços internos. • O Alibaba afirma que o Tongyi AgentStudio agora custa US$ 1,20 por milhão de tokens de entrada para contratos de grandes empresas, valor inferior à taxa de agentes ocidentais comparáveis, reforçando sua estratégia de subcotar rivais globais de nuvem.

• A OpenAI revelou o GPT-5 em 19 de abril, apresentando um raciocínio multimodal avançado que processa texto, imagens e áudio simultaneamente, com uma melhoria de desempenho de 40% em relação ao GPT-4, de acordo com o blog de pesquisas da empresa. • O modelo demonstra um raciocínio de cadeia de pensamento (chain-of-thought) aprimorado e consegue resolver problemas complexos de várias etapas em domínios que incluem matemática, programação e análise científica com taxas de precisão significativamente maiores. • Analistas do setor projetam que o GPT-5 acelerará a adoção de IA em empresas e intensificará a concorrência com o Claude da Anthropic e o Gemini do Google no mercado de grandes modelos de linguagem.