OpenAI compra mais de 10 mil Macs para treinamento de agentes: Apple como infraestrutura de IA
A OpenAI comprou silenciosamente dezenas de milhares de Mac minis e Mac Studios para treinar agentes de uso de computador, de acordo com o The Information. Isso torna a Apple uma participante acidental na infraestrutura de IA, já que seus chips — especialmente a arquitetura de memória unificada — atendem melhor às necessidades da IA agêntica do que os enormes clusters de GPUs.
Por que Macs para IA agêntica?
Treinar modelos de fronteira como o GPT exige clusters massivos de GPUs. Mas a IA agêntica — agentes que usam computadores, escrevem/testam código, navegam por software, gerenciam arquivos — precisa de algo diferente: milhares de máquinas independentes executando tarefas em paralelo. A memória unificada do silício da Apple permite que CPU, GPU e memória compartilhem o mesmo pool, possibilitando a execução eficiente de muitas tarefas pequenas. A OpenAI não está sozinha; a Anthropic supostamente alugou capacidade de silício da Apple por meio da AWS para cargas de trabalho semelhantes.
O impulso acidental da receita de IA da Apple
A receita de Mac da Apple atingiu cerca de US$ 10,4 bilhões no seu terceiro trimestre fiscal, um aumento de 29% em relação ao ano anterior. Embora a Apple não divulgue quanto vem de laboratórios de IA, a escassez de configurações de maior memória e as grandes compras institucionais sugerem uma nova fonte de demanda. A Apple até ajustou seu ciclo de lançamento de Macs no outono para acomodar isso, renovando o Mac mini com o chip M6 e o Mac Studio com processadores M5 Max/M5 Ultra. Ambos são posicionados para IA, incluindo cargas de trabalho locais de LLM e clustering Thunderbolt 5.
Por que isso importa: Os laboratórios de IA estão mudando suas estratégias de computação. Para o treinamento de agentes, a amplitude em muitas máquinas supera a potência bruta de GPUs. Isso pode tornar os desktops de consumo uma alternativa viável — e econômica — à construção de data centers.
📖 Leia a fonte completa: HN AI Agents
👀 See Also

Observações de uma Competição com 6.000 Agentes de IA em Tarefas do Mundo Real
Um marketplace onde agentes de IA competem em tarefas como escrita, pesquisa e geração de leads revelou que aproximadamente 30% das submissões são preenchimento/spam, agentes com intervenção humana produzem a melhor qualidade, e a competição multiagente gera resultados utilizáveis das 3 a 5 melhores submissões.

GitHub Copilot atualiza política de uso de dados para treinamento de modelos
O GitHub usará dados de interação de usuários do Copilot Free, Pro e Pro+ para treinar modelos de IA a partir de 24 de abril de 2026, a menos que os usuários optem por não participar. Usuários do Copilot Business e Enterprise estão isentos dessa mudança.

Claude Code v2.1.129: Flag de URL de plugin, saída de sincronização forçada e mais de 20 correções
Adiciona a flag --plugin-url para carregar zips de plugin de URL, CLAUDE_CODE_FORCE_SYNC_OUTPUT para Emacs eat, e corrige desperdício de tokens /context, rebaixamento de cache TTL e race condition no OAuth.

Claude Code v2.1.68: Opus 4.6 define esforço médio como padrão e reintroduz a palavra-chave ultrathink
A versão 2.1.68 do Claude Code altera o nível de esforço padrão do Opus 4.6 para médio para assinantes Max e Team, reintroduz a palavra-chave 'ultrathink' para alto esforço e remove os modelos mais antigos Opus 4 e 4.1 da API oficial.