Abril de 2026 está sendo um dos meses mais densos da história recente da inteligência artificial — e não pelo volume de anúncios, mas pela qualidade do que está acontecendo. Modelos que operam computadores de forma autônoma, uma IA de segurança cibernética poderosa demais para ser lançada ao público, a Meta abandonando o open source, e uma regulamentação europeia chegando com força real. Se você quer entender onde o setor está de verdade, este é o panorama.
1. GPT-5.4: a primeira IA que usa seu computador melhor do que a média dos humanos
Lançado em março e consolidado em abril como a referência do momento, o GPT-5.4 marcou algo concreto: pela primeira vez, um modelo de uso geral superou humanos em benchmarks de automação de desktop. No OSWorld-Verified, a avaliação padrão da indústria para controle de sistemas operacionais, o modelo atingiu 75% de acerto — contra 72,4% da média humana e 47,3% do seu antecessor GPT-5.2.
Na API e no Codex, o GPT-5.4 é o primeiro modelo de uso geral lançado pela OpenAI com capacidades nativas de uso de computador, permitindo que agentes operem computadores e executem fluxos de trabalho complexos em múltiplas aplicações. Na prática, isso significa que o modelo consegue tirar screenshots, clicar em elementos, digitar e navegar por interfaces sem precisar de APIs ou integrações específicas.
O GPT-5.4 elimina a escolha entre modelos separados ao combinar programação, uso de computador e trabalho com documentos em um único modelo — a um custo menor do que seus antecessores. Para quem usa o GPT-5.4 pelo ChatGPT Brasil, o acesso às versões Thinking e Pro já está disponível em português sem necessidade de VPN.
Em benchmarks técnicos, a OpenAI reportou uma redução de 33% em erros factuais em comparação com o GPT-5.2. As melhorias de performance foram focadas em fluxos de trabalho profissionais, e o modelo possui capacidades de uso de computador integradas.
2. Claude Mythos Preview: a IA que a Anthropic se recusou a lançar para o público
Esta é provavelmente a história mais relevante de abril. A Anthropic revelou — primeiro por acidente, via vazamento de dados, depois oficialmente — o Claude Mythos Preview, seu modelo mais avançado. A decisão da empresa foi não disponibilizá-lo publicamente.
A Anthropic apresentou o Claude Mythos Preview, seu modelo de fronteira mais capaz até o momento, com melhorias dramáticas em raciocínio, programação e cibersegurança. Em um movimento incomum, a empresa optou por não disponibilizá-lo ao público em geral, restringindo o acesso a um consórcio de empresas de tecnologia por meio de uma nova iniciativa chamada Project Glasswing.
Durante os testes internos, o modelo descobriu e explorou de forma autônoma vulnerabilidades zero-day em todos os principais sistemas operacionais e navegadores web. A mais antiga encontrada foi uma falha de 27 anos no OpenBSD, um sistema conhecido justamente pela sua segurança.
A estreia limitada do modelo faz parte de uma nova iniciativa de segurança chamada Project Glasswing, na qual 12 organizações parceiras vão usar o modelo para “trabalho defensivo de segurança” e para proteger softwares críticos. Embora não tenha sido especificamente treinado para cibersegurança, o modelo será usado para identificar vulnerabilidades em sistemas próprios e de código aberto. A Anthropic afirma que, nas últimas semanas, Mythos identificou “milhares de vulnerabilidades zero-day, muitas delas críticas.”
O paradoxo aqui é evidente: uma vulnerabilidade é mais fácil de encontrar do que de corrigir — e o blog da Anthropic confirmou que mais de 99% das vulnerabilidades descobertas pelo modelo ainda não foram corrigidas. O Mythos é uma faca de dois gumes e a Anthropic está tentando usar o lado certo primeiro.
3. Meta abandona o open source com o Muse Spark
Em 8 de abril de 2026, a Meta lançou o Muse Spark — e enterrou silenciosamente sua era de modelos abertos. Depois de anos de Llama 1, 2, 3 e 4, a empresa virou a página.
O Muse Spark é o modelo inaugural dos Meta Superintelligence Labs, criado depois que o CEO Mark Zuckerberg ficou insatisfeito com o progresso da Meta e com o desempenho dos modelos Llama, que ficavam atrás do ChatGPT da OpenAI e do Claude da Anthropic.
A Meta apresentou o Muse Spark, um modelo de IA desenvolvido internamente que, segundo a empresa, reduz significativamente a diferença de desempenho em relação a modelos da OpenAI, Anthropic e outros. O modelo foi codinomeado Avocado e construído ao longo de nove meses por uma equipe liderada por Alexandr Wang.
Nos benchmarks, o resultado é honesto: o Muse Spark marca 52 no Intelligence Index, atrás de líderes como Gemini 3.1 Pro e GPT-5.4 (ambos com 57) e Claude Opus 4.6 (53). Onde se destaca é em tarefas relacionadas à saúde (42,8 no HealthBench Hard) e raciocínio multimodal. Não é o melhor modelo do mercado, mas a Meta não precisava vencer nos benchmarks — precisava estar de volta na corrida, e está.
No seu último relatório de resultados, a Meta afirmou que seus gastos de capital relacionados a IA em 2026 ficarão entre US$ 115 bilhões e US$ 135 bilhões, quase o dobro do capex do ano anterior. É uma aposta de longo prazo, não uma vitória rápida. Para quem usa ferramentas de automação — vale combinar com o que exploramos neste guia sobre N8n Version 2, que integra bem modelos de múltiplos fornecedores.
4. Gemini 3.1 e a guerra das janelas de contexto
O Google lançou o Gemini 3.1 Ultra com algo que muda o jogo para quem trabalha com grandes volumes de dados: uma janela de contexto de 2 milhões de tokens — o maior valor disponível publicamente.
O Google lançou o Gemini 3.1 Ultra, com uma janela de contexto de 2 milhões de tokens que funciona nativamente em texto, imagem, áudio e vídeo, sem intermediários de transcrição. Ao contrário de versões anteriores do Gemini, o 3.1 foi projetado desde o treinamento para raciocinar em todas as modalidades simultaneamente. O modelo também traz uma nova ferramenta de execução de código em sandbox, permitindo que o modelo escreva, execute e teste código durante a conversa.
Para dar dimensão: 2 milhões de tokens equivalem a cerca de 1.500 páginas de texto, ou uma hora de vídeo. É a diferença entre carregar um trecho de um repositório de código e carregar o repositório inteiro de uma vez, sem perder contexto.
Além disso, o Google lançou a nova geração de seus modelos abertos, Gemma 4, disponíveis em quatro variantes otimizadas para uso em dispositivos locais, desde GPUs de ponta até smartphones. A empresa também mudou a licença para Apache 2.0, menos restritiva e mais aderente à comunidade de desenvolvedores. Isso importa: o Google está competindo em dois mercados ao mesmo tempo — modelos proprietários de fronteira e modelos abertos para desenvolvedores.
5. OpenAI ultrapassa US$ 25 bilhões em receita e anuncia rodada histórica
Os números da OpenAI em abril são difíceis de ignorar. A Sacra estima que a OpenAI atingiu US$ 25 bilhões em receita anualizada em fevereiro de 2026, acima de US$ 20 bilhões ao final de 2025. A CFO Sarah Friar confirmou o número de US$ 20 bilhões em 2025 em janeiro de 2026, refletindo uma taxa de crescimento de 3x ao ano.
A OpenAI fechou a maior rodada de financiamento privado da história em 31 de março de 2026 — US$ 122 bilhões com avaliação pós-investimento de US$ 852 bilhões. A Amazon comprometeu US$ 50 bilhões, a NVIDIA investiu US$ 30 bilhões e a SoftBank contribuiu com US$ 30 bilhões.
Do ponto de vista operacional, o que muda mais concretamente é o movimento em direção a agentes. As empresas na vanguarda dessa adoção já foram além do uso de IA para escrever e-mails ou resumir documentos. Elas estão implantando o que a OpenAI chama de “equipes de agentes” — grupos de sistemas de IA que se coordenam, mantêm contexto entre sessões e tomam ações dentro de ferramentas de negócios sem supervisão humana constante.
Para quem acompanha o tema de AGI e o que isso significa para negócios, vale a leitura do que mapeamos em como a AGI já transforma negócios em 2026.
6. IA agêntica vai de demo para produção — com falhas reais incluídas
Abril é também o mês em que a distância entre promessa e realidade dos agentes de IA ficou mais clara. Abril chega com a indústria de IA entrando em uma fase de consolidação. O otimismo do início de 2026 está sendo testado contra a realidade operacional — deployments que pareciam promissores no primeiro trimestre estão entregando seus primeiros resultados honestos.
O maior obstáculo para escalar agentes de IA — o acúmulo de erros em fluxos de trabalho com múltiplas etapas — está sendo enfrentado pela autovalidação. Em vez de depender da supervisão humana em cada etapa, a IA está sendo equipada com loops de feedback internos, permitindo que modelos verifiquem autonomamente a precisão do próprio trabalho e corrijam erros.
O dado mais revelador vem da Intuit: a empresa enviou agentes de IA para 3 milhões de clientes, alcançando 85% de uso repetido. O diferencial para a adoção em massa não foi a melhora dos modelos, mas a manutenção do envolvimento especializado de humanos nas etapas críticas dos processos de contabilidade, impostos e folha de pagamento. A IA agêntica funciona melhor quando os humanos ainda estão no loop nos momentos certos — não em todos os momentos, mas nos que importam.
No mercado global, agentes autônomos de IA avançam para um mercado estimado em US$ 8,5 bilhões em 2026, com potencial de alcançar US$ 35 bilhões até 2030, segundo a Deloitte.
7. EU AI Act: o relógio está contando
Enquanto o setor corre para lançar modelos, a regulamentação europeia corre para alcançar. E em agosto de 2026, ela chegará com dentes.
O AI Act entrou em vigor em 1º de agosto de 2024 e será totalmente aplicável dois anos depois, em 2 de agosto de 2026, com algumas exceções. As regras para sistemas de IA de alto risco incluem exigências de gestão de riscos, governança de dados, documentação técnica, supervisão humana, precisão e cibersegurança.
A partir de agosto deste ano, com a entrada em vigor plena do EU AI Act, haverá penalidades substanciais por falhas de governança relacionadas à IA, especialmente quando usada em áreas de alto risco como processamento de dados pessoais ou operações financeiras.
Para empresas que desenvolvem ou usam IA na Europa, as penalidades chegam a €35 milhões ou 7% da receita global anual. O impacto vai além da Europa: qualquer sistema de IA que processe dados de usuários europeus ou opere no mercado da UE está no escopo da regulamentação. Isso inclui modelos de linguagem usados para atendimento ao cliente, análise de crédito, triagem de candidatos e decisões de saúde.
A convergência que se desenha em abril de 2026 é esta: modelos cada vez mais capazes de agir autonomamente, mercados apostando volumes históricos de capital nessa aposta, e reguladores europeus prestes a exigir que alguém, em algum lugar, seja responsável pelo que esses agentes fazem. A pergunta que vai definir os próximos 12 meses não é qual modelo é o mais inteligente — é quem vai arcar com o custo quando eles errarem.
