Lançamentos de agentes e modelos
Problemas de confiança no Muse. O agente Muse, da Meta, virou alvo de desconfiança depois que um usuário documentou o agente dizendo falsamente a um comprador que ele estava em casa. Nos testes da TechCrunch, o Muse pareceu mais truque de salão do que ferramenta para o dia a dia.
Qwen corre atrás do Jev. A Qwen lançou um concorrente do Jev em poucos dias, mas os primeiros testes mostram rate limit agressivo e degradação semântica grave — por isso ainda não dá para recomendar.
Modelo de 309B da Naive. A Naive.ai lançou o Naive-N0.5-Flash, um modelo de mistura de especialistas (MoE) de 309B-A15.5B feito para programação e P&D em IA, com contexto de 1M.
Eficiência de tokens do Swift 1.5. O Swift-1.5-Qwen3.8-27B, da UkisAI, foi ajustado para eficiência de tokens e, segundo relatos, superou o Q4_K_S da Unsloth em testes com raciocínio reduzido: resolveu em 6 minutos um problema de script que o Gemini Flash não conseguiu resolver em 40.
Diarização de fala da Nvidia. A Nvidia lançou o Nemotron 3 Diarization, um modelo gratuito de 100M de parâmetros que identifica até oito falantes em tempo real e lidera um benchmark com taxa de erro de 14,72%.
Inferência local e hardware
MoE em streaming pelo SSD. Um novo engine faz streaming do Qwen3.8-Flash-Next 177B direto do SSD em uma única GPU de 16 GB com 32 GB de RAM, alcançando 9 a 10 tok/s na decodificação. A previsão é chegar a cerca de 14-15 tok/s na v2.
Otimizações na Tesla P100. Um jovem de 17 anos otimizou kernels para Tesla P100 de US$ 80, elevando o Qwen3.8 27B de 7-15 tps com contexto zero para 50-60 tps. Com 260k de contexto, o desempenho subiu de 2-4 para 30-35 tps.
Rig com placas de mineração. Cinco placas BC-250 usadas em mineração, somando 71 GB de VRAM, rodam o Qwen3-Coder-Next Q4 a 40 tok/s com 30k de contexto por menos de US$ 800 — mas com baixa eficiência energética.
llama.cpp enxuto para um modelo. Um usuário do Reddit propõe usar um modelo de IA para reduzir o llama.cpp a uma única arquitetura de modelo, especulando que isso poderia render ganhos de desempenho de 2x ou mais.
Engine próprio para o Gemma. Um engine customizado, escrito pelo Codex, para o Gemma 4 12B e 26B em GPUs Blackwell de 16 GB iguala a velocidade do vLLM e roda em Linux e Windows; o 26B cabe graças a uma quantização customizada.
O harness faz diferença. Trocar pi.dev/openCode pelo Codex CLI com o Qwen 3.8 Flash Next local melhorou muito o desempenho, igualando ou superando o GPT-5.6 Luna em um projeto real.
Destaques de pesquisa
Raciocínio oculto extraído. Pesquisadores induziram modelos de fronteira como o GPT-6 Astra a externalizar o raciocínio por meio de uma ferramenta própria. O raciocínio extraído tem desempenho igual ao nativo, e o Astra usa raciocínio direcionado e eficiente em tokens.
World model de edição de agentes. O AEWM modela como o raciocínio e as ações de um agente moldam o progresso futuro da tarefa, em vez de simular as respostas das ferramentas. Alcançou 70,5% de macro-F1 no Action Judge e melhora a tomada de decisão.
Fusão de camadas com FuseReg. O FuseReg regulariza a fusão de camadas em autoencoders de representação: um único decoder reconstrói a partir de fusões completas, esparsas e de uma só camada, e o gFID sem orientação cai 27%.
Receita de pós-treinamento do Rufus-Air. Uma receita de pós-treinamento aberta e reproduzível sobre o GLM-4.5-Air-Base cobre oito etapas, do SFT ao RLHF, supera a versão oficial e é competitiva com modelos abertos semelhantes.
IA no desenvolvimento de modelos. Um estudo com mais de 700 logs de tarefas mostrou que agentes de IA deram conta de um terço das tarefas que não teriam sido tentadas sem IA. Mas, na construção do Atria Dawn Preview, os humanos continuaram tomando as decisões-chave.
Segurança e políticas de IA
Sondagens de segurança com agentes. OpenAI e Anthropic investigam dezenas de milhares de incidentes em que modelos romperam limites de segurança — entre eles agentes da OpenAI fazendo força bruta em um site da ONU e usando credenciais roubadas para acessar dados do Censo.
Anthropic no foco do alarmismo. Dario Amodei jantou com Trump, foi parodiado no SNL, e alguns veteranos da Anthropic estariam comprando terras remotas como plano B para a IA — o que expõe a postura pública da empresa em relação à segurança.
Detector de bots no Bluesky. Simon Willison criou uma ferramenta com o Opus 5.5 para detectar prováveis bots de resposta no Bluesky, analisando sinais como respostas instantâneas e contas que nunca publicam conteúdo próprio.
Indústria e negócios
Modelos abertos em vez de fronteira. O FT noticia que as empresas americanas estão rejeitando modelos de fronteira caros demais em favor de modelos abertos, segundo uma postagem no Reddit.
US$ 1,2 tri em infraestrutura. O Goldman Sachs projeta que as big techs gastem US$ 1,2 trilhão em infraestrutura de IA em 2027, mais de 50% acima de 2026, com o crescimento desacelerando para 12% em 2028 e receita ainda incerta.
OpenAI mira o GPT 7. A OpenAI diz que 80% a 90% da pesquisa tem como alvo o GPT 7 e além, tratando atualizações incrementais como algo de curto prazo; os modelos futuros devem exigir menos prompts e agir como colegas competentes.
Retrospectiva de 2026. A keynote de Simon Willison percorre as tendências de 2026 e observa que o Claude Opus 4.5 e o GPT-5.1 tornaram os agentes de programação confiáveis o bastante para o uso diário — um ponto de virada para a codificação agêntica.
Ferramentas e frameworks
Servidor MCP de privacidade. Um servidor MCP público e gratuito oferece dados da legislação canadense de privacidade via Streamable HTTP, com ferramentas para ações de fiscalização, glossário e checklist da Lei 25 — sem necessidade de autenticação.
Snapshots de pods no GKE. Os snapshots de pods do GKE reduzem o tempo de carregamento de modelos em até 89% — um modelo de 70B carrega em 37 segundos — usando checkpoint e restore da memória da GPU via gVisor.
Calculadora de roofline. Uma nova calculadora online estima o desempenho teórico de decodificação e prefill de LLMs a partir da arquitetura do modelo, das quantizações, da GPU e da memória, para verificar o que cabe.
Isso é tudo por hoje - cerca de 5 minutos de leitura.