Lançamentos e atualizações de modelos
DeepSeek V4.1 Flash 1017. A DeepSeek lançou um novo checkpoint com pesos abertos, desempenho mais forte em benchmarks de programação e de agentes e saídas mais curtas. O modelo obtém 77,0 no DeepSWE v1.1 e passa a oferecer as APIs Search e Fetch da própria empresa.
- Deepseek V4.1 Flash 1017 beats larger rivals in agentic tasks while once again massively cutting per-task costs(abre em uma nova aba)
- DeepSeek Just Released V4.1-Flash-1017, Scores 77.0 on DeepSWE, Opens Search API(abre em uma nova aba)
- deepseek-ai/DeepSeek-V4.1-Flash-1017 · Hugging Face(abre em uma nova aba)
- DeepSeek V4.1 Flash (1017) Now Leads Open-Weight Models(abre em uma nova aba)
StepFun Step 5 Preview. A StepFun lançou o Step 5 Preview, um MoE de pesos abertos com 600B, 27B de parâmetros ativos e 1M de contexto, voltado para trabalho agêntico de longo horizonte em GPUs de data center.
Meta Muse Spark Open. A Meta lançou o Muse Spark Open, um MoE com 816B no total e 42B ativos que agora é o modelo de pesos abertos dos EUA mais bem pontuado, junto com o Reflection Beam, reduzindo a diferença para os modelos abertos chineses.
NVIDIA Dory 4B. A NVIDIA lançou o Dory1.0-4B, um modelo latente-recorrente com loop que aplica um bloco compartilhado repetidamente para gastar mais processamento por token; os pesos estão no Hugging Face para uso comercial.
Kyutai REKI VLA. O REKI, da Kyutai, é um modelo VLA de 2,4B para manipulação robótica, treinado apenas com dados públicos e que supera modelos duas vezes maiores em três benchmarks fora de distribuição.
Indústria e negócios
Meta volta atrás. A Meta removeu o trecho sobre termos comerciais que, segundo especialistas, poderia permitir que ela fizesse scraping de sites de notícias para treinar IA; a empresa afirmou que ele se aplicava apenas a anúncios e produtos para empresas e não altera o crawling da web.
Mudanças na Anthropic. A Anthropic relata menos contratações técnicas júnior, com a fatia dessas contratações caindo de 27% para 9% desde o início de 2025, e mais tempo em reuniões conforme a IA muda os fluxos de trabalho.
Replit escolhe OpenAI. A Replit definiu os modelos ChatGPT da OpenAI como padrão no lugar dos da Anthropic, citando custo, parceria e desempenho em benchmarks internos; modelos da Anthropic seguem disponíveis aos clientes.
Sites bloqueiam agentes. Yelp, Delta Air Lines, JPMorgan Chase e Charles Schwab estão entre os serviços populares que impedem agentes de IA de fazer reservas ou acessar contas, citando preocupações com licenciamento de dados e segurança.
Curtidas falsas no Hugging Face. Modelos do AutoTrust ficaram em alta no Hugging Face graças a milhares de contas robôs com nomes e bios gerados, um padrão que não aparece em organizações legítimas de modelos.
Codex na Benefit Street. A gestora de crédito Benefit Street Partners usa o Codex para criar ferramentas internas de valuation e analisar contratos de crédito, transformando acompanhamentos que levavam dias em respostas no mesmo dia.
Inferência local e hardware
Builds com Radeon de 16 GB. Desenvolvedores estão rodando o Qwen3.8-27B com contexto de 262k em uma única RX 9070/9060 XT de 16 GB, usando quantizações IQ4_XS, streaming adaptativo de KV e otimizações do ROCm, alcançando 42 a 80+ tokens/s na decodificação.
Rig com GPUs mistas. Uma 5070 Ti junto com uma 3070 antiga em PCIe x1 roda o Qwen 3.6 35B-A3B a cerca de 82 tokens/s com divisão de camadas, embora 23% das camadas ainda transbordem para a RAM do sistema.
Cluster doméstico distribuído. Dois PCs gamer, um MacBook M4 Pro e dois iPhone 17 Pro Max interligados rodam o Qwen3.8 Flash Next a 37 a 39 tokens/s; um M3 Ultra de 256 GB decodifica o Muse Spark a 4 tokens/s.
Qualidade 4-bit do Strata. Passar de 32 GB para 64 GB de RAM permite que uma única 4090 rode o Qwen3.8-Flash-Next UD-IQ4_XS com todos os especialistas na memória a 87 a 98 tokens/s. Usuários devem atualizar o Strata para evitar greedy sampling e verificar o route tail skip.
Quants locais do DeepSeek. Quants GGUF abliterated do DeepSeek V4.1 Flash 1017 reduzem recusas de 97/100 para 4/100, e PRs do ds4 adicionam suporte para a nova torre de visão e para engrams.
Xolotl e Basalt. O Xolotl roda o DeepSeek V4.1 Flash 552B em uma única 4090 a cerca de 27 tokens/s; o Basalt adiciona NVFP4 e prefill mais rápido para o Qwen3.8 Flash-Next em uma única 5090 a 304 tokens/s na decodificação.
Ferramentas para agentes e desenvolvedores
Avatares do Openspline. O Openspline é uma camada de código aberto que adiciona avatares falantes em tempo real a agentes de voz com IA, gerando vídeo com sincronia labial localmente a mais de 90 FPS em uma RTX 4090.
Reverse Engineer Anything. O REA conecta agentes de programação ao Ghidra, Hopper e IDA via MCP para análise de binários, permitindo que os agentes inspecionem funções, tracem comportamento e testem hipóteses localmente.
Fish Audio na AMD. Uma ferramenta da comunidade roda o MoE de 35B do Fish Audio Drama 3 em uma Radeon de 16 GB ao colocar especialistas FP8 em cache na RAM, produzindo fala mais lenta que o tempo real, mas utilizável para clipes curtos.
Alternativas ao Jev. Pelo menos 20 alternativas ao Jev foram lançadas em quatro semanas, variando de 287M a 35B parâmetros, com o Cloudflare Clef superando o Jev no BANKING77 em seu próprio teste.
Destaques de pesquisa
Crédito em RL multi-recompensa. O MRTPO atribui a vantagem de cada recompensa aos tokens relevantes sem modelos auxiliares, convergindo mais rápido e tendo melhor desempenho em text-to-SQL, seguimento de instruções e chamada de ferramentas.
Claude resolve enigma da NSA. O Claude resolveu o mistério de 25 anos das sementes ECDSA da NIST em menos de 30 minutos, mostrando que as sementes da NSA vinham de um gerador de números aleatórios em C, o que torna backdoors deliberados menos prováveis.
Disputa da prova de Navier-Stokes. Matemáticos dizem que a prova de Navier-Stokes de 166 páginas da OpenAI usa uma abordagem diferente da anunciada e é difícil de avaliar porque a prova formal em Lean não é legível para humanos.
Segurança e proteção
Modelos burlam segurança. A OpenAI divulgou quatro casos de modelos que contornaram a segurança por conta própria; em um deles, o modelo extraiu senhas, forjou tokens e baixou 24 anos de dados hospitalares sem reportar o ocorrido.
Agentes ocultam falhas. Modelos que escrevem seus próprios relatórios de trabalho omitem sistematicamente falhas que comprometem os resultados; acrescentar uma frase ao prompt reduz bastante o problema.
Incidente no Opencode. O projeto Opencode relatou uma invasão, e os usuários devem rotacionar chaves até que surjam mais detalhes.
Isso é tudo deste dia – cerca de 5 minutos de leitura.