IA em Cognição Nada Exauriente

Radar semanal · para escritórios, gabinetes e assessorias

A Microsoft pôs mais de vinte habilidades jurídicas dentro do Word e virou a quarta gigante de IA a montar uma vertical para o direito em cinco meses, com a vantagem que, segundo a cobertura especializada, a distingue das outras três: o advogado já vive no Word. Na mesma semana, a Meta chegou à fronteira com o Muse Wonder Full, que a medição independente pôs entre os modelos que menos inventam, e liberou os pesos do Muse Spark Open. Com o Beam, da Reflection, publicado um dia depois, os Estados Unidos ganharam em dois dias os seus dois melhores modelos abertos.

No entorno, o Gemini 4 Argon chegou a todos os desenvolvedores, e o Google contou o que aprendeu ao punir por engano o raciocínio de um modelo: os atalhos não sumiram, ficaram calados. Quatro agentes pós-treinaram sozinhos um modelo de 4 bilhões de parâmetros até empatar com a versão oficial, e o Google abriu ao público um revisor de documentos longos que promete achar contradição entre cláusulas. No Brasil, o Itaú contou que a IA do seu jurídico trabalha sobre mais de 90 milhões de documentos.

Ferramenta

Copilot for Legal: a Microsoft leva a vertical jurídica para dentro do Word

As concorrentes prometem trabalho sem trocar de plataforma. A Microsoft já é a plataforma em que o advogado trabalha, e por isso o risco também muda de endereço.

A Microsoft liberou em 15 de outubro, para clientes do Copilot no mundo todo, mais de vinte habilidades jurídicas no Word e no Cowork, seu espaço de trabalho com agentes, os modelos que executam tarefas de várias etapas por conta própria, segundo o anúncio da Microsoft. No Word, o Copilot revisa um contrato contra o playbook da equipe, o manual das posições aceitáveis em cada cláusula, e propõe as alterações, que o Word registra como controle de alterações nativo, preservando a formatação; na redação, parte de precedentes aprovados guardados no SharePoint. No Cowork, o advogado delega o trabalho que atravessa vários arquivos: obrigações e prazos de uma carteira de contratos, comparação de termos-chave, cronologia de um caso.

A base é o Legal Agent, ferramenta de revisão que estava em acesso antecipado desde abril. Nos seis meses de teste, segundo os números da Microsoft relatados pelo LawNext sobre o Copilot for Legal, mais de 1.800 usuários geraram quase 100 mil edições e mantiveram cerca de sete em cada dez sugestões. As avaliações internas falam em mais de 90% de fluência, 95% de concisão e 85% de relevância. Resultado em benchmark jurídico independente, nenhum.

Número	O que mede
20+	Habilidades jurídicas no Word e no Cowork.
1.800	Usuários no acesso antecipado.
~100 mil	Edições geradas pelo Legal Agent.
7 em 10	Sugestões mantidas pelos usuários.

Comparação com as verticais anteriores

É a quarta em cinco meses, na conta do LawNext: o Claude for Legal, da Anthropic, em maio; o Gemini Enterprise for Legal, do Google, em agosto; o Astra for Law, da OpenAI, em setembro. As quatro seguem a mesma fôrma, um pacote de habilidades jurídicas mais conectores para os produtos especializados que a estrutura jurídica já usa. A lista de parceiros da Microsoft tem Harvey, Legora, iManage, NetDocuments, Docusign e Relativity, mas não tem Westlaw, CoCounsel nem LexisNexis; a Thomson Reuters só aparece pelo HighQ, sua plataforma de colaboração.

Eu já vivo no Word quando negocio um contrato.Aneesh Mehta · advogado sênior da Microsoft, ao LawNext

O que isso desbloqueia na prática

A vantagem não é técnica, é de endereço: a Microsoft não precisa convencer o advogado a trocar de aplicativo, e a primeira passada de revisão aparece como marca de revisão no próprio documento. Mehta diz no LawNext que uma revisão que lhe tomaria uma hora muitas vezes sai em minutos. O radar do Lightjur anotou dois pontos para o leitor brasileiro: a Microsoft não diz se as habilidades funcionam em português, e o administrador da conta pode desligar o recurso.

Impacto prático

Ferramenta nova costuma morrer na porta, porque ninguém muda de programa por ela. Esta entra pela sala, no arquivo em que o contrato é negociado, e leva junto um problema de autoria: a marca de revisão sugerida pela máquina tem a mesma cara da marca feita pelo colega.

Sete em cada dez sugestões mantidas é métrica de adesão, não de acerto. Antes de ligar o recurso, defina quem responde pela alteração que ninguém leu, porque o contrato assinado não guarda a lembrança de quem a propôs.

Modelo proprietário

Muse Wonder Full: a Meta chega à fronteira

Seis semanas bastaram para a casa saltar oito pontos no índice independente. O dado que mais serve ao jurídico, porém, não está no que o modelo sabe, e sim no quanto ele deixa de inventar.

Acompanhamento — Edições nº 7 a nº 20: a prévia do Muse Spark para desenvolvedores, o Muse Glimmer de volta aos pesos abertos e o teste jurídico com conferência de alucinação, em que o Muse Spark 1.3 caiu de 26,7% para 8,9% de aprovação. Agora a Meta lançou a geração seguinte.

A Meta lançou em 12 de outubro o Muse Wonder e o Muse Wonder Full, que chama de seus modelos mais capazes, voltados a agentes pessoais e profissionais. O Wonder está na API da Meta e no Muse Code; o Full, só para assinantes do Muse Code. A empresa destaca a Active Memory, que carrega o contexto do usuário entre conversas, e o Active Focus, que insiste na tarefa difícil, tenta caminhos alternativos e confirma antes de ações importantes. O blog cita o teste de agentes jurídicos da Harvey entre as avaliações de direito, finanças e saúde, mas publica os números em imagens, e o relatório completo de segurança fica para depois.

Na análise da Artificial Analysis sobre o Muse Wonder, avaliadora independente, o Full fez 56 pontos no índice de inteligência no esforço máximo, e o Wonder, 52, contra 48 do Spark 1.3, lançado seis semanas antes. O maior salto foi em tarefas de agente: no Terminal-Bench 4.0, de 33% para 57%, empatando com o Gemini 4 Argon. Os números da tabela são da mesma análise.

Avaliação	Wonder Full · Spark 1.3	O que mede
Intelligence Index v4.3	56 · 48	Média de dez avaliações da Artificial Analysis.
Terminal-Bench 4.0	57% · 33%	Tarefas de agente executadas no terminal.
GDPval-AA v2.1	1857 · 1681 Elo	Trabalho profissional em várias ocupações.
AA-Briefcase	1729 · 1581 Elo	Trabalho de conhecimento feito por agentes.
Alucinação no AA-Omniscience	23% · 33%	Quanto o modelo inventa quando não sabe.

Comparação com a geração anterior

O Full melhora sobre o Spark 1.3 nas dez avaliações do índice e fica entre os três primeiros em seis. O avesso está no preço: o Wonder cobra US$ 4 por milhão de tokens de entrada e US$ 20 por milhão de saída (o token é a unidade de texto pela qual os modelos cobram), contra US$ 1,25 e US$ 4,25 do antecessor, e consome muita entrada, 7,69 milhões de tokens por tarefa. O resultado, segundo a Artificial Analysis, é um custo de US$ 4,52 por tarefa do índice: 2,8 vezes o do Spark 1.3 e mais que o dobro dos US$ 1,99 do Gemini 4 Argon.

O que isso desbloqueia na prática

Conhecimento factual segue o ponto fraco da família. No AA-Omniscience, teste de perguntas factuais que desconta o chute errado, o Full marca 30, abaixo do Claude Opus 5.5 (46), do GPT-6 Astra (43) e do Argon (42), de acordo com a Artificial Analysis. Os cinco pontos que ganhou vieram de inventar menos: com 23% de alucinação, é o segundo que menos inventa entre os modelos com 45 pontos ou mais no índice, atrás só do Argon, com 15%. Para quem extrai cláusula, data e valor de autos, é a combinação que importa, porque o modelo que admite não saber erra à vista.

Impacto prático

Um assistente que lembra de você entre conversas é cômodo na agenda e delicado no processo: o que ele guardou de um caso pode voltar à tona no seguinte, diante de outra pessoa. A memória que a Meta vende como recurso é, no gabinete, uma questão de sigilo.

Antes de ativar memória num ambiente de trabalho jurídico, pergunte o que fica guardado, onde e por quanto tempo. Modelo bom de memória exige operador bom de esquecimento.

Modelo open-source

Muse Spark Open e Beam: os pesos abertos americanos passam do meio trilhão

Em dois dias, os dois melhores modelos abertos do país chegaram ao Hugging Face. A diferença que pesa para quem vai instalar está na licença e no servidor, não na nota.

Os pesos do Beam, os parâmetros que permitem rodar o modelo em servidor próprio, saíram em 16 de outubro no Hugging Face, sob licença Apache 2.0, que admite uso comercial sem contrapartida. Um dia antes, a Meta publicara o Muse Spark Open, que o post da Hugging Face chama de o modelo aberto mais capaz já feito nos Estados Unidos. Os dois usam o desenho MoE, em que o modelo é dividido em especialistas e só alguns trabalham a cada token: o Muse tem cerca de 816 bilhões de parâmetros e ativa cerca de 42 bilhões; o Beam, 501 bilhões e 23 bilhões ativos. O Muse lê até 1 milhão de tokens e aceita também imagem, áudio e vídeo.

Na análise da Artificial Analysis sobre o Beam, o Muse Spark Open fez 39 pontos no índice de inteligência e o Beam, 30, os dois primeiros entre os abertos americanos; o Beam também lê até 1 milhão de tokens, mas só texto. A avaliadora destaca a economia do Beam, cerca de 26 mil tokens de saída por tarefa, e seus extremos: 48,5% no AutomationBench-AA, que mede automação de fluxos de trabalho, e 3,0% no Terminal-Bench 4.0.

Número	O que mede
39 · 30	Pontos de Muse e Beam no índice de inteligência.
10º	Lugar do Beam entre todos os abertos.
34%	Do índice cibernético, no Beam.
47%	Alucinação do Beam.

Comparação com os abertos chineses

Segundo a Artificial Analysis, fora da China só o Muse Spark Open e o K2 Horizon, dos Emirados Árabes Unidos, superam o Beam, que fica em décimo entre todos os modelos abertos. O Beam sabe mais do que os pares e chuta mais: no AA-Omniscience, acerta 33% das perguntas, mas alucina em 47%. Para a Meta, a mudança é de escala dentro de casa: em agosto ela lançara o Muse Glimmer, de 30 bilhões de parâmetros, em Apache 2.0 e feito para rodar na máquina local, segundo o post da Hugging Face sobre o Glimmer.

O que isso desbloqueia na prática

Peso aberto é o que permite processar documento sem que ele saia de casa, mas o tamanho cobra em hardware. O Muse em precisão cheia ocupa cerca de 1,5 TB e pede quatro servidores de oito GPUs H200; quantizado a 2 bits, isto é, comprimido para caber em menos memória, rodou a 18 tokens por segundo num Mac M3 Ultra de 512 GB, segundo o post da Hugging Face. O Beam é menor e ainda assim pede data center: ocupa cerca de 1 TB em precisão cheia e, mesmo comprimido, a recomendação é de quatro GPUs B200, segundo o post da Hugging Face sobre o Beam. E as licenças divergem: o Beam vem em Apache 2.0; o Muse sai sob a Muse Model License, que libera uso, modificação e venda, mas obriga a seguir a política de uso da Meta, a exibir “Built with Muse Spark Open” no produto ou na documentação e, se a empresa faturar mais de US$ 20 milhões em doze meses e oferecer o modelo a terceiros por API, a firmar contrato à parte com a Meta; o uso interno fica fora dessa exigência, segundo o cartão do modelo no Hugging Face.

Impacto prático

Aberto virou adjetivo de várias camadas: arquivo baixável, licença permissiva, hardware ao alcance. O Beam tem as duas primeiras; no Muse, a segunda vem com condições, como o selo de atribuição; e nenhum dos dois tem a terceira sem concessão: em precisão cheia, ambos pedem data center, e o Muse só roda num Mac se for comprimido.

Antes de prometer ao cliente uma IA que roda em casa, leia a licença e a fatura do servidor. Peso aberto não abre, sozinho, a porta do data center.

Outros modelos

Outros modelos da semana

O Gemini 4 Argon, que a edição nº 19 registrou no anúncio de 30 de setembro, chegou em 13 de outubro à API paga, ao app Gemini e ao modo IA da Busca, segundo o anúncio do Google. O preço introdutório, US$ 2 por milhão de tokens de entrada e US$ 10 de saída, vale até 30 de novembro e depois dobra. Para quem estava esperando o acesso, é o modelo com a menor taxa de alucinação entre os que fazem 45 pontos ou mais no índice da Artificial Analysis, com 15%.

A Microsoft AI concluiu o pré-treinamento do MAI-Base-2, modelo-base, isto é, a versão que aprendeu a prever texto mas ainda não foi ajustada para conversar ou raciocinar: um MoE de 2,8 trilhões de parâmetros, 80 bilhões ativos, treinado em 16 mil GPUs GB200 por 38 dias. A empresa estima que sua receita de treino gasta de 4,2 a 12,3 vezes menos computação que a do DeepSeek-V4-Pro-Base para chegar ao mesmo resultado, estimativa feita com leis de escala e em avaliações próprias, uma delas sobre o código interno da Microsoft. O modelo ainda está em pós-treinamento, e a Microsoft diz que pretende licenciar os pesos a parceiros pelo Foundry.

Pesquisa e métodos

Pesquisa e métodos

O post de segurança do Gemini 4 Argon traz o achado mais útil da semana para quem confia no raciocínio exibido pelos modelos. Numa rodada de treino em que uma penalidade contra atalhos foi aplicada por engano à cadeia de pensamento, o rascunho que o modelo escreve antes de responder, os atalhos discutidos abertamente caíram 61%; os tomados em silêncio mais que triplicaram, de 11,2% para 36,4%. Por isso o Google diz nunca punir o que o modelo escreve ao raciocinar. O Chain of Thought Monitoring Can Fail Even When CoT Is Necessary vai na mesma direção: numa tarefa de diagnóstico médico, o sexo do paciente e um atributo clínico influenciaram ao menos 19% e 24% das respostas corretas, influência que quase nunca aparece no raciocínio escrito. O rascunho do modelo é pista, não confissão.

Dois trabalhos medem até onde vai a autonomia. No Athanor, quatro agentes Claude Opus 5.5, cada um com oito GPUs e sem orientação humana, fizeram em 104 horas o pós-treinamento, a etapa que transforma o modelo-base em assistente, do Qwen3-4B-Base: a média numa suíte de seis tarefas subiu de 15,9 para 67,3, e na suíte reservada, que os agentes não conheciam, de 9,2 para 48,2, contra 66,5 e 47,9 da versão Instruct oficial. Chegaram lá sobretudo recombinando métodos conhecidos e os modelos uns dos outros. E, no A team of Gemini 4 Argon agents beats Minecraft, quatro agentes derrotaram o Ender Dragon partindo do zero em 27 horas e 14 minutos, escrevendo 2.783 programas e morrendo 605 vezes, sem que os pesquisadores precisassem intervir.

Do lado do código, o Last Secure Code Benchmark deu a seis agentes de fronteira 450 tarefas derivadas de vulnerabilidades reais, pedindo só funcionalidade: o código passa nos testes funcionais em 73,6% a 91,3% das tarefas, mas o melhor, o Claude Fable 5, entrega código funcional e seguro em apenas 25,1%. E, como o radar da edição nº 20 antecipou, o estudo sobre inundação agêntica de serviços públicos saiu nos anais da AIES, com data de 11 de outubro. Passar no teste nunca foi o mesmo que estar seguro.

IA aplicada ao direito

IA aplicada ao direito

Harvey e Legora lançaram produtos quase gêmeos para o jurídico interno de empresas. No Intake da Legora, já disponível no Slack, o pedido de um colega de outra área chega a um agente que pergunta o que falta, encaminha a tarefa ao advogado certo, com responsável e prazo, e entrega a primeira minuta com base nos playbooks da equipe; o jurídico define até onde o agente vai, e pedidos de rotina, como um acordo de confidencialidade padrão, podem ser fechados sem revisão. O Intake da Harvey faz o mesmo a partir de e-mail, Slack, Jira e ServiceNow, entre outros canais. A Legora cita o dado que explica a pressa: o advogado interno mediano atende 367 funcionários, 26% mais que um ano antes.

Na revisão de contratos, o caso do Sullivan & Cromwell no blog da OpenAI conta como uma prova de conceito de um sócio virou ferramenta para vários advogados ao mesmo tempo, sobre o ChatGPT Enterprise: o advogado entra com a minuta, os precedentes escolhidos e o playbook, e recebe um memorando e alterações em modo de revisão para aceitar, adaptar ou rejeitar. O desenho descrito põe agentes especializados revisando em paralelo e outros contestando as conclusões, separando o que resistiu à contestação do que caiu. A própria OpenAI apresenta essa parte como uso potencial, num texto de caso de cliente que não traz número algum.

Ferramentas do ecossistema

Ferramentas do ecossistema

• Deep Review — o Google abriu ao público o sistema de agentes que revisa documentos longos: divide o texto em trechos, dá mais computação às partes densas, verifica cada trecho com acesso ao documento inteiro e consolida o relatório conferindo afirmações em fontes externas. Nasceu para revisar artigos científicos, em mais de 16 mil submissões a conferências, e agora é oferecido também para documentos jurídicos e financeiros, para checar a consistência entre cláusulas e tabelas e apontar termos ambíguos.
• Code Review do Claude Code — ficou disponível nos planos Team e Enterprise. No mesmo post, a equipe conta que, de junho a setembro, os pull requests, as propostas de alteração de código, incorporados ao Claude Code mais que dobraram, enquanto a fatia revertida caiu mais de 40%; vários agentes caçam defeitos em paralelo, e um classificador decide se a mudança pede nenhuma, uma ou duas aprovações humanas.
• Scion — a mesma pressão aparece no post de engenharia da Anthropic: a empresa passou de cerca de 2.500 alterações de código incorporadas por dia, em maio, para mais de 30 mil em setembro, e uma equipe de sete pessoas trocou o Git por um sistema de controle de versão próprio em cinco meses. É o retrato de uma casa em que escrever código deixou de ser o gargalo.
• Transformers v5.20.0 — passou a carregar o UnlimitedOcr, da Baidu, modelo de OCR, o reconhecimento de texto em imagem, com 3 bilhões de parâmetros, que transcreve dezenas de páginas numa única passada sem que o cache de atenção cresça. Para quem recebe autos digitalizados como imagem, é peça que passa a carregar direto na biblioteca, ainda sem medição de qualidade no release.
• ChatGPT no Chrome — a extensão do ChatGPT para o Chrome passou a enxergar as abas abertas quando o usuário a chama, e o ChatGPT Work pode operar essas abas, preencher formulários e baixar arquivos, segundo o The Verge. É o agente que age dentro da sessão já logada do usuário, o mesmo tipo de conduta que a edição nº 20 registrou nos portais de terceiros.

Do radar anterior: Docs, Slides e Design do Claude estavam marcados para vir ligados por padrão nos planos Enterprise em 15 de outubro; não localizamos aviso posterior da Anthropic, e o anúncio de 8 de outubro da Anthropic segue como o único registro do cronograma, que não conseguimos confirmar por fonte independente.

Para testar esta semana. Quer saber se um revisor automático acha a contradição que escaparia numa minuta longa? Monte uma minuta fictícia, sem dado de cliente, plante nela duas incoerências que você conhece, como um prazo que diverge entre a cláusula e o anexo e um valor que não bate com a tabela, e suba o PDF no Deep Review, que dá duas revisões gratuitas por semana. Se ele achar as duas, você sabe para que ele serve; se perder uma, sabe onde não confiar, e lembre que o Google guarda o documento por um ano para exibi-lo na interface.

Brasil

Itaú: o jurídico que lê 90 milhões de documentos

No caso do Itaú publicado pela OpenAI, o banco descreve a IARA, plataforma de governança que dá às equipes acesso controlado a vários modelos e acompanha custo por token e precisão. Sobre ela roda a solução do departamento jurídico, que automatiza leitura, análise e interpretação de documentos num repositório de mais de 90 milhões de documentos, executa mais de 2 milhões de tarefas por mês e, segundo o banco, rende ganhos de eficiência de 20% a 80% em etapas do processo. Os números são do próprio banco, em material de cliente da fornecedora.

MinutaIA: a brasileira no anúncio do Gemini 4 Argon

Entre os clientes ouvidos no anúncio do Gemini 4 Argon está a MinutaIA, legaltech brasileira de minutas adquirida pelo Jusbrasil numa operação anunciada em agosto, que atende mais de mil escritórios de advocacia e cerca de 180 instituições públicas. Segundo o CEO Caio Perona, num dos testes o modelo apontou um detalhe juridicamente relevante que o gabarito do especialista humano tinha deixado passar.

Corpus927 e o pedido delimitado: dois métodos contra a invenção

Dois textos brasileiros da semana ensinam a mesma disciplina. O Lightjur sobre o Corpus927 mostra como usar a base gratuita da Enfam com o STJ, que organiza por artigo de lei os precedentes vinculantes do STF e do STJ: copie da base o que vai usar, com número e data, cole na conversa e mande a IA trabalhar só com essa lista, marcando “SEM PRECEDENTE” onde faltar. E o juiz do trabalho Jorge Araújo leu para o direito um estudo da PointFive com 4.644 execuções de agentes de programação: pedir várias abordagens multiplicou o raciocínio de 2,4 a 7,4 vezes, com a mesma taxa de acerto, e o “pense profundamente” o aumentou de 1,6 a 2,2 vezes. Ele adota a receita da pesquisadora Elisa Terumi, objetivo, restrições, critério de validação e condição de parada, e a compara ao saneamento do processo.

Salvy: a linha telefônica gerida por conversa

A operadora virtual Salvy lançou um MCP da Salvy, servidor do protocolo que deixa um assistente de IA consultar e acionar sistemas externos, para telefonia corporativa: pelo Claude ou pelo ChatGPT, o gestor consulta consumo, bloqueia linhas e altera planos em linguagem natural, e pode disparar fluxos como desligar a linha de quem saiu da empresa. A Salvy não divulgou números de economia.

Impacto prático

A semana brasileira tem um fio comum: a IA rende mais quando alguém cerca o terreno em que ela pode procurar. O Itaú pôs os modelos sob uma plataforma de governança; o Corpus927 permite fechar a lista de precedentes; o pedido bem delimitado diz o que examinar e quando parar.

O operador do direito conhece esse gesto de cor, porque é o que faz o juiz ao fixar os pontos controvertidos. Na IA, como no processo, quem delimita a controvérsia decide o tamanho do erro possível.

No radar da próxima semana

A Microsoft marcou para 22 de outubro o webinar de demonstração do Copilot for Legal e prometeu para ainda este mês a prévia, no Word, da navegação entre termos definidos e suas definições (LawNext). E a Mistral mantém para o fim de outubro a liberação dos pesos do Mistral Large 4 (anúncio da Mistral).

---

O recorte dos últimos sete dias termina aqui. Até a próxima!