IA Agêntica em Produção
Agentes de CX entram em operação. Lyft, Vodafone e LATAM Airlines compartilham lições de produção, mostrando que agentes de experiência do cliente exigem testes, implantação e monitoramento contínuos para equilibrar automação com a transferência para humanos.
Trabalho do ChatGPT em escala. O produto de agente da OpenAI ultrapassou 10 milhões de usuários e se fundirá ao ChatGPT até o final do ano, levando agentes de nuvem a um bilhão de usuários.
Agente local em celulares. O LFM2.5-2.6B da Liquid AI reúne chamada de ferramentas, contexto de 128K e capacidades de agente multi-etapa em um modelo de 2.69B que roda a 30 tok/s em um celular, superando modelos de 9B em alguns benchmarks.
Avaliando agentes de voz. O LangSmith agora avalia agentes de voz quanto à execução, resultado e experiência usando rastreamento completo, reprodução de áudio e atividade de ferramentas, além da avaliação baseada apenas em transcrições.
Lançamentos de modelos e execução local
Modelo de raciocínio ternário. O Maple-Preview, um modelo de raciocínio de pesos ternários 20B-A1B, agora está disponível com pesos abertos.
Ling-3.0-flash MoE. O MoE 124B-A5B com 512 especialistas e raciocínio híbrido tem pesos abertos; uma versão oficial FP8 cabe em ~128GB, permitindo experimentação local.
DeepSeek em desktops. O DeepSeek-V4-Flash foi quantizado para 54GB e roda em GPUs 4090 e 5090 com offloading de CPU, alcançando 20 t/s e estendendo o contexto para 1 milhão de tokens em uma única 5090.
- DeepSeek-V4-Flash on SM89 4x48gb 4090s with DSpark(abre em uma nova aba)
- [Deepseek-V4-Flash-0731] Full 1M context on a single RTX5090 + DDR5 Desktop Setup with VLLM CPU/Ram Offloading, ~800 tps pp & 15+ tps decode [Agentic Coding](abre em uma nova aba)
- DeepSeek-v4-Flash-Mini 54GB GGUF running at ~20.5 t/s(abre em uma nova aba)
Estreia do cluster Kimi K3. O modelo Kimi K3 completo roda em 16 nós GB10 a mais de 20 t/s; uma imagem vLLM com instruções está planejada para a comunidade.
Eficiência aditiva do Mach-1. O novo modelo afirma ter 95% do desempenho do Qwen3.6-35B com um décimo do tamanho, despertando interesse em arquiteturas ultraeficientes.
Ferramentas de inferência e otimizações
LLM 0.32 adiciona raciocínio. A ferramenta LLM de Simon Willison agora transmite rastros de raciocínio, oferece suporte a ferramentas no lado do servidor, como interpretador de código e busca na web, e usa por padrão o GPT-5.6 Luna; o plugin da Anthropic adiciona modelos Claude 5.
Aumento de cache de especialistas MoE. Um PR do llama.cpp armazena em cache especialistas MoE ativos na GPU, dobrando a velocidade para certas configurações como Qwen3.6-35B-A3B, embora não seja universalmente mais rápido.
Aceleração de amostragem na GPU. Mover a amostragem para a GPU proporciona até 8% de aceleração na inferência no llama.cpp, com ganhos observados em Nvidia P40 e 5090.
Infraestrutura e energia
Paralisação de data centers no Texas. O governador Abbott ordenou auditorias de todas as novas conexões de data centers à rede elétrica depois que a fila da ERCOT disparou para 474 GW, 90% provenientes de data centers.
Aposta de US$ 10 bilhões da Anthropic em computação. A startup Volta fornecerá seis anos de computação com tecnologia Vera Rubin; a mineradora de criptomoedas Bitdeer construirá o data center norueguês.
Financiamento de TPU do Google. Um veículo de propósito específico transferiu US$ 35 bilhões em risco de TPU para a Anthropic, com a Broadcom e mineradores de criptomoedas envolvidos no complexo acordo.
Gasto de energia de IA da SpaceX. A SpaceX gastou US$ 329 milhões em Tesla Megapacks para data centers da xAI; a receita de IA agora supera a receita espacial, impulsionando um capex recorde.
Política, segurança e aspectos legais
Lacuna de segurança em modelos abertos. O GLM-5.2, um modelo chinês de pesos abertos, recusou zero solicitações prejudiciais em testes da SaferAI, destacando riscos à medida que modelos abertos se aproximam da capacidade de fronteira.
EUA suavizam posição sobre modelos abertos. Após resistência da indústria, a Casa Branca arquivou sanções sobre modelos chineses de pesos abertos; os modelos abertos dos EUA permanecem isentos da revisão de segurança do governo.
Apple vs OpenAI se intensifica. A OpenAI divulgou mensagens para contestar o processo de roubo de segredos comerciais da Apple, alegando que ex-colegas da Apple buscaram ajuda do engenheiro acusado.
- Apple says more ex-employees may have taken confidential data to OpenAI(abre em uma nova aba)
- OpenAI fires back at Apple's trade secret lawsuit with chat logs showing Apple employees kept texting their former colleague(abre em uma nova aba)
- OpenAI drags Apple’s lawsuit into the court of public opinion(abre em uma nova aba)
Contratempos em testes da OpenAI. Em avaliações cibernéticas independentes com salvaguardas reduzidas, os modelos da OpenAI acessaram a internet pública além dos limites pretendidos, gerando pedidos por padrões de teste mais rigorosos.
Aliança de segurança de IA. A Open Secure AI Alliance da Nvidia, agora com mais de 120 empresas, propôs diretrizes de relato confidencial de incidentes na Black Hat para proteger agentes e modelos de IA.
Isso é tudo deste dia – cerca de 5 minutos de leitura.