Lançamentos de modelos e produtos
Qwen-Image-2.1 com pesos abertos. A Alibaba lançou o Qwen-Image-2.1, modelo de geração e edição de imagens de 7B com pesos abertos que, segundo a empresa, supera modelos fechados em seu próprio benchmark. Ele lida nativamente com imagens RGBA transparentes e com até 10 imagens de referência para edição, mas sua licença de pesquisa proíbe uso comercial sem aprovação.
Modelo Gander, da Tencent. A Tencent apresentou o Gander, um modelo de pesquisa que combina conversa em tempo real com tarefas de agente em segundo plano, usando um “cerebelo” para a fala e um “cérebro” substituível para trabalhos complexos. Ele suporta interrupções e o processamento simultâneo de fala, imagem e texto, mas ficou atrás em precisão de tarefas nos testes.
Vídeo em tempo real da Runway. A Runway mostrou uma prévia de sua pesquisa em geração de vídeo em tempo real, em que o usuário transmite e controla o vídeo enquanto escreve o prompt, com base em seu modelo de mundo GWM-1. O objetivo é reduzir o tempo de espera e os custos de GPU gerando quadros de forma interativa, em vez de em um único lote.
Ferramentas e frameworks
Google ADK para Kotlin. O Google lançou o ADK for Kotlin 1.0, que leva o Agent Development Kit à paridade de recursos com Python e Java e acrescenta suporte a IA híbrida e a IA que roda no próprio dispositivo Android. O framework inclui orquestração hierárquica de múltiplos agentes, compactação de contexto e gerenciamento de sessões.
OpenCodeReview, da Alibaba. A Alibaba abriu o código do OpenCodeReview, uma CLI sob Apache-2.0 que combina seleção determinística de arquivos e correspondência de regras com um agente LLM para análise de código. A ferramenta já foi usada internamente por dezenas de milhares de desenvolvedores e ataca falhas como desvio de número de linha e instabilidade de prompt.
ZCode em código aberto. O ZCode, plataforma de agentes de programação, agora é código aberto depois de resolver problemas de segurança relatados. O repositório inclui aplicativo desktop, workspace web, backend, Agent CLI e runtime, além de um novo processo de relato de vulnerabilidades com recompensas.
Sistema 1 e modelos de decisão
Modelo de decisão Laya. Laya é um modelo “Sistema 1” não autorregressivo e de pesos abertos, da Convai Innovations, que responde a perguntas de decisão tipadas em um único forward pass, com checkpoints nas variantes em inglês, multilíngue e de decisões tipadas. Uma implementação em C++, o laya.cpp, alcança até 810 perguntas por segundo em uma RTX PRO 6000.
Alternativas caseiras ao Jev. Vários projetos replicam a pontuação de decisão no estilo do Jev com LLMs comuns de pesos abertos: um deles ajustou o Qwen3.5 4B por LoRA até 0,709 em decisões tipadas, enquanto outros verificam candidatos em lote via llama.cpp ou usam n_predict=1 com logprobs. A ideia é igualar o Jev sem cabeças de classificador separadas.
Agentes locais e hardware
Loop de agente com Qwen 3.8 27B. Um loop de agente local baseado no Qwen 3.8 27B rodou praticamente sem supervisão por cerca de três semanas em uma única RTX 3090 e construiu um motor de inferência CUDA com apenas 12 mensagens humanas. A compactação consumiu 83 horas, mas a experiência mostrou que trabalho de agente local de longo horizonte é viável, ainda que por ora não seja um ganho de desempenho.
Aprendizado contínuo do mini-AGI. O mini-AGI é um modelo de aprendizado contínuo de 530 milhões de parâmetros, treinado do zero em um notebook com 8 GB de VRAM com uma abordagem dinâmica de mistura de especialistas e um único fluxo contínuo de dados. O projeto demonstra treinamento em escala de consumidor com controle total sobre os dados.
Kimi K3 em cluster GB10. Um cluster GB10 de 16 nós rodou o Kimi K3, da Moonshot AI, com 2,8 trilhões de parâmetros e patches personalizados no runtime, sustentando cerca de 30 tokens/s de vazão em programação e pico de 136 tokens/s com concorrência. A configuração exigiu topologia NCCL modificada e rede com dois switches.
Destaques de pesquisa
Raciocínio social do Fuse. O Fuse é um framework de simulação multiagente para avaliar como assistentes LLM inferem motivos sociais a partir de narrativas de usuários, fornecendo ground truth verificável por meio de agentes-alvo ocultos. Testes com 12 LLMs mostram que a mediação do usuário aumenta a dificuldade e que os modelos são sensíveis a enquadramentos enviesados.
Tutores de IA do StudentSim. Pesquisadores da Microsoft e da UIUC criaram o StudentSim, que gera réplicas digitais de alunos capazes de cometer erros realistas para acelerar o aprimoramento de tutores de IA sem os custos de testes com alunos reais. A abordagem constrói réplicas separadas a partir de dados limitados e pretende acelerar o desenvolvimento desses tutores.
Indústria e política
Debate sobre segurança de IA. Dario Amodei, da Anthropic, propôs um plano para “ditar o ritmo da fronteira”, enquanto Jensen Huang, da Nvidia, chamou os temores sobre IA de exagerados e disse que há “0% de chance” de a IA acabar com o mundo. A divisão escancara a discordância entre líderes do setor enquanto os formuladores de políticas discutem regulação.
Plano “AI Force” de Trump. O presidente Trump anunciou planos de criar uma “AI Force” e um “AI czar”, prometendo não atrapalhar o avanço da IA e afirmando que data centers beneficiam as comunidades. As postagens vêm depois de alertas de líderes da área sobre risco existencial e refletem a postura desregulamentadora de seu governo.
Processo por desaceleração da IA. Uma ação judicial alega que Anthropic, OpenAI, SpaceXAI e Google firmaram um acordo ilegal para desacelerar a IA. Os detalhes são escassos, mas o caso adiciona pressão jurídica ao debate sobre o ritmo de desenvolvimento da IA de fronteira.
IPO da Anthropic adiado. A Anthropic estaria adiando seu IPO de outubro para novembro de 2026, e assessores citam a necessidade de apresentar bons resultados do terceiro trimestre. Investidores esperam uma avaliação em torno de US$ 2 trilhões e uma captação de até US$ 100 bilhões.
Isso é tudo deste dia – cerca de 5 minutos de leitura.