Rabbit transfere a aposta do gadget para o agente, para os ecrãs habituais
O OS3 integra o trabalho através do navegador, de mensageiros e de computadores: o agente pode executar ações em programas e na web, sem necessidade do dispositivo R1. Em vez de uma mensalidade, o sistema utiliza as chaves de API do utilizador ou modelos locais ligados.
Acesso em diferentes ecrãs
A Rabbit transfere o foco de um dispositivo dedicado para uma plataforma de software para os equipamentos que já possui. A empresa anunciou o OS3 — um sistema operativo autónomo e baseado em agentes para vários ecrãs.
Não é necessário ter um Rabbit R1. O OS3 está disponível no browser do computador, no Telegram do telemóvel e no iMessage.
Os proprietários do R1 também receberão o OS3 como atualização de software. O dispositivo poderá servir como meio de entrada e saída.
Critério prático: o OS3 foi concebido para funcionar através de um computador e de um telemóvel, e não apenas através de um dispositivo dedicado da Rabbit.
Como funciona o OS3 com o computador
O OS3 funciona na nuvem e liga-se aos programas, ficheiros e páginas Web do computador através de um agente local. O agente é instalado no Windows, Mac ou Linux.
- O sistema utiliza a tecnologia DLAM — Direct Large Action Model.
- Executa tarefas em programas locais, além de escrever e depurar código.
- Uma conta associa até cinco computadores; o OS3 escolhe automaticamente em qual executar a tarefa.
Critério prático: esta configuração é adequada para tarefas que necessitam de acesso a programas e ficheiros no computador.
Chat e competências de terceiros
A interface do OS3 consiste num único chat contínuo, sem ramos de conversa separados. O utilizador pode inserir aí uma ligação pública para uma competência de um agente de terceiros.
Depois disso, o OS3 instala automaticamente a competência. A interação mantém-se no chat geral, em vez de passar para um ramo separado.
Critério prático: a principal diferença da interface é a conversa única e a instalação de competências através de uma ligação pública.
Chaves e pagamento
O OS3 utiliza o modelo Bring Your Own Key (BYOK): não há mensalidade. Para o utilizar, o utilizador fornece as suas próprias chaves API, por exemplo, da OpenAI ou da Anthropic.
Em vez de chaves API, é possível ligar modelos locais de código aberto. Em ambos os casos, o utilizador fornece o método de acesso ao modelo que escolheu.
Critério prático: o modelo exige uma chave API própria ou a ligação a um modelo local; não há mensalidade.
O que a Rabbit planeia para os dispositivos
A Rabbit já não fabrica o Rabbit R1, e as unidades disponíveis estão a diminuir. A empresa não tem planos para lançar um Rabbit R2.
A Rabbit anunciou que o seu próximo dispositivo de hardware será o Cyberdeck — uma máquina dedicada a vibe coding, que funciona com o OS3. Jesse Lyu afirmou que deverá chegar dentro de «meses».
Critério prático: a Rabbit está a apostar mais na plataforma de software; entre os próximos dispositivos anunciados pela empresa está o Cyberdeck, e não uma nova versão do R1.
Perguntas mais frequentes
Materiais semelhantes
Todos os materiais
Avaliação de agentes de programação no desenvolvimento XR interativo: resultados do GenXR-Bench
Foi publicado o GenXR-Bench, um conjunto de 112 tarefas especializadas para avaliar de ponta a ponta agentes de programação no desenvolvimento interativo de XR: desde o aprimoramento de funcionalidades e a correção de defeitos até a criação de aplicações com verificação do comportamento em dispositivos de consumo. Entre os dez modelos testados, o melhor resultado foi de 50,9% no Pass@1; entre as falhas recorrentes estão o processamento de eventos assíncronos de sensores, a ancoragem de objetos no espaço real e a compreensão das interações em contextos físicos.
5 novembro 2026
Anotação híbrida de imagens: a automatização acelera o treino de modelos de visão por computador
O artigo descreve como a pré-anotação por algoritmos reduz o trabalho manual e melhora a qualidade dos conjuntos de dados de treino, bem como por que motivo a verificação por amostragem humana continua a ser necessária. São abordadas as limitações do método em condições difíceis de captura e em tipos de objetos raros.
5 novembro 2026
Da recompensa escalar à fronteira de Pareto: síntese de RTL com aprendizagem por reforço multiobjetivo
É proposto um método para treinar um modelo de linguagem a gerar não apenas um esquema, mas um conjunto de candidatos RTL com diferentes compromissos entre área, latência e consumo de energia; a recompensa é calculada com base na contribuição de cada variante para o hipervolume da fronteira de Pareto. No RTLLM v2, o hipervolume relativo aumentou 13,3 p.p. em relação à versão de base sem otimização de PPA e 14,4 p.p. em relação ao treinamento por reforço com um único objetivo.
5 novembro 2026