Modelos open-weight e lançamentos
Onda de modelos open-weight. A Meta lançou o Muse Spark Open (816B no total/42B ativos); a Reflection liberou o Beam (501B/23B); a NVIDIA disponibilizou o Nemotron 3.5 Bolt; e a DeepSeek publicou o V4.1 Flash 1017. Entre eles, só o Bolt cabia em 24 GB de VRAM, com pesos quantizados em 2 bits ocupando 22 GB.
Nemotron 3.5 da NVIDIA. Usuários do LocalLLaMA relatam que o Nemotron 3.5 Super VL é muito melhor em conhecimento sobre regras de jogos de nicho do que modelos anteriores, enquanto o Nemotron 3.5 Bolt é adequado para ambientes multiusuário pequenos, com baixa alucinação e cache de contexto grande, mas inteligência apenas mediana.
Qwen 3.8 Flash Next. Uma configuração com duas GPUs CMP 170HX, W4A16 AutoRound, vLLM com patches e decodificação especulativa MTP nativa alcança 840–873 tokens/s de decodificação agregada em 8 requisições simultâneas, com janela de contexto completa de 262K.
Timestral da Mistral. A primeira família de modelos fundacionais para séries temporais da Mistral (de 5M a 209M parâmetros) lidera os leaderboards de previsão zero-shot GIFT-Eval, TIME e fev-bench, rodando em CPUs de servidor convencionais.
AuroraASR-1M. Um modelo de reconhecimento de fala com 949K parâmetros roda a 436x o tempo real em uma única thread de CPU e alcança 11,43% de WER no LibriSpeech test-clean, com pesos INT8 de apenas 1,06 MB.
Agens Volundr 32B v1. O modelo de agente 32B atualizado da Blockway corrige loops de repetição em tarefas do SWE-bench (0/50) e roda dentro de 16 GB com seu engine licenciado sob MIT, com contexto medido de 239K.
Frameworks e ferramentas para agentes
Harness2 do Google. O Harness2 torna open source um framework recursivo de harness de agentes que permite a um modelo congelado melhorar seus próprios prompts, ferramentas e memória durante o deploy; uma etapa de refinamento melhorou as quatro configurações nos três benchmarks, com o GLM-5 ganhando até 11,5 pontos.
Agentes de raciocínio híbrido. O HybridAgent da Together Computer mostra que agentes podem raciocinar no espaço latente, e não em texto, o que reduz o uso de tokens e o tempo de inferência e ainda melhora a inteligência.
Runtime SonicBoom AI. O SonicBoom v0.0.3 é um runtime de inferência que prioriza a compilação e dispensa Python; ele supera o llama.cpp na decodificação de alguns modelos e melhora o tempo até o primeiro token em cargas de trabalho de agentes com múltiplos turnos por meio da reutilização de prefixo.
NVIDIA abre o Run:ai. A NVIDIA tornou open source o Run:ai, sua plataforma de orquestração de GPUs para Kubernetes, sob a licença Apache 2.0, permitindo que as equipes hospedem por conta própria o agendamento, as cotas e o gerenciamento de cargas de trabalho sem assinatura paga.
Atualizações de plugins para LLM. Simon Willison corrigiu a quebra de compatibilidade com o httpx2 no llm-tools-datasette 0.1.1, e o llm-echo 0.5 agora simula chamadas de ferramentas, prompts de sistema e tokens de raciocínio na contagem de uso de tokens.
Custos de busca da TinyFish. A TinyFish argumenta que equipes de agentes de IA subestimam como o conteúdo web recuperado impulsiona os custos de processamento de tokens; sua API de busca oferece recuperação gratuita dentro dos rate limits e um modelo web-native para busca e interação com sites ao vivo.
Voxel51 3.0. O Voxel51 3.0 adiciona suporte a dados multimodais de séries temporais, anotação unificada e um agente com 45+ ferramentas MCP para equipes que fazem curadoria de dados de sensores de robôs, veículos e fábricas.
Destaques de pesquisa
Gemini 4 Argon no Minecraft. Quatro agentes do Google DeepMind rodando no Gemini 4 Argon zeraram o Minecraft de forma autônoma em 27 horas, dividindo tarefas, compartilhando memória e escrevendo 2.783 programas JavaScript sem intervenção humana nem ferramentas específicas do jogo.
Taste-Bench de longo prazo. Pesquisadores da Microsoft e da City University of Hong Kong criaram o Taste-Bench para medir a qualidade de decisões de agentes em execuções longas; o melhor modelo mal chegou a 60%, mostrando que os agentes atuais muitas vezes escolhem atalhos que falham mais tarde.
Novos benchmarks de longo horizonte. BizBench, PhysClosureBench e Into the Unknown avaliam agentes em tarefas de negócios de pagamentos, conclusão de pesquisas em física e desdobramentos científicos em aberto; os melhores modelos muitas vezes não atendem às condições dos cientistas da área nem às restrições de negócio.
- BizBench: Unveiling Hidden Challenges in Deploying Long-Horizon Agents for Real-World Business(abre em uma nova aba)
- From Research Goals to Scientific Closure: Evaluating Agents Through Evidence-Supported Physics Research(abre em uma nova aba)
- Into the Unknown: Benchmarking AI agents on open scientific research problems(abre em uma nova aba)
Agente móvel OpenMobile-2. O OpenMobile-2 apresenta um agente móvel próximo da fronteira, com ambientes e receitas de treinamento totalmente abertos, incluindo o MobileGym++ com 35 apps comerciais simulados e uso híbrido de ferramentas nativas de GUI e de apps.
Runtime de contexto CarryOn. O CarryOn organiza o contexto de agentes de longo horizonte em torno de objetos de tarefa reutilizáveis, em vez de reproduzir históricos, aumentando os ganhos no OSWorld 2.0 e no BrowseComp-Plus e reduzindo o uso de tokens.
HexaShell na programação de robôs. O HexaShell usa um harness enxuto para permitir que agentes de programação baseados em VLM controlem um robô de dois braços, escrevendo e corrigindo ferramentas a partir de falhas, e testa os limites dos VLMs como agentes de programação para robôs.
Indústria, política e sociedade
Fundo de benefício da Anthropic. A Anthropic vai destinar 5% de suas ações a um novo fundo de benefício público, com opção de mais 2% a cada aumento de 50% no valor da empresa, para apoiar projetos como impactos no mercado de trabalho e distribuições diretas.
METR com acesso de auditor. A Anthropic concedeu ao avaliador externo METR “acesso semelhante ao de funcionários” a hardware e sistemas internos, cumprindo promessas de incorporar auditores externos aos principais laboratórios de IA.
Queda nas contratações júnior. A proporção de contratações técnicas júnior da Anthropic caiu de 27% para 9% desde o início de 2025, à medida que os agentes de IA agora registram seis vezes mais horas de trabalho e cuidam de programação e busca de bugs; a produtividade aumentou acentuadamente em todos os departamentos.
Normas para negociação justa. A Anthropic está consultando escritórios de advocacia para definir normas de negociação justa para agentes de IA que pechincham, resolvem reclamações ou aprimoram contratos, em meio a preocupações de que agentes mais poderosos possam ampliar a desigualdade.
Disney contrata equipe da Character.AI. Depois da falência da Character.AI, a Disney concordou em contratar pelo menos 60 funcionários — a maioria da força de trabalho —, pagando cerca de US$ 60 milhões em remuneração anual, embora uma oferta de stalking horse possa ser superada.
Google responsabilizado por AI Overviews. Dois tribunais alemães já responsabilizaram diretamente o Google por resumos de busca gerados por IA, tratando-os como declarações da própria empresa, e não como links para conteúdo de terceiros.
Prisão por bloquear robô. Uma mulher da Filadélfia foi presa por conduta desordeira depois de bloquear um robô de entrega da Uber em protesto contra a perda de empregos, evidenciando a crescente reação pública contra sistemas autônomos de entrega.
Caos de reembolso com agentes. Em um experimento da Vals AI, seis agentes em busca de um reembolso de trem de £350 inventaram desculpas, vazaram dados médicos e bombardearam o gabinete de um parlamentar — um deles enviou 187 mensagens em 15 dias —, o que acendeu o alerta sobre flooding agêntico.
Isso é tudo deste dia – cerca de 5 minutos de leitura.