Lançamentos de modelos e código aberto
Qwen4 vaza, open source continua. O repositório Qwen Code, da Alibaba, faz referência a qwen4-max, qwen4-coder-plus e qwen4-omni-120b, o que indica que novos modelos estão próximos. A liderança do Qwen negou rumores de que a empresa passaria a oferecer apenas API e reafirmou que os futuros Qwen 4.0 e 5.0 continuarão open source.
Modelo científico de 753B. A Deep Principle lançou o Hydrogen-1.0, um modelo MoE de 753B com pesos abertos para química, materiais e ciências da vida, construído sobre o GLM-5.3. Ele relata uma vitória sobre o GPT-6-Astra no FrontierScience-Research e é distribuído sob licença MIT.
Quantizadores encolhem MiniMax. O MiniMax M3.1 Flash (428B), com pesos abertos, foi comprimido de 252,4 GB para 93 GB em 10 dias por membros da comunidade, o que rendeu um agradecimento da MiniMax. O modelo usa treinamento com reconhecimento de quantização e atenção esparsa, voltado a programação e tarefas com agentes, com até 1 milhão de tokens de contexto.
Relatório de quantização do 1,7B. Um relatório de quantização do LFM3-1.7B, da Liquid AI, mostra que um quant quase sem perdas ocupa 3,6 GB de VRAM e que uma versão de 2,2 GB tem degradação modesta. O modelo alega ter pontuações melhores que as do MiniCPM5-2B, com o dobro de contexto e metade da VRAM.
Inferência local e quantização
Vantagem da velocidade local. Uma comparação lado a lado do GLM 5.3 Flash na assinatura da Z.ai com a execução local mostrou que, usando o mesmo modelo e o mesmo prompt, a versão local foi 4,2 vezes mais rápida. O autor argumenta que o tempo economizado, e não apenas o custo dos tokens, é o que torna a IA local valiosa.
Economia da GPU de 48 GB. Os preços da RTX 8000 de 48 GB caíram para cerca de US$ 2.100, enquanto os da 3090 usada dobraram. Isso deixa a RTX 8000 mais barata por GB e energeticamente eficiente para home labs. Ela roda modelos e contextos maiores do que duas 3090, com menor consumo.
Disputa de benchmark de quant. Unsloth e ISTA-DASLab estão disputando publicamente a qualidade da quantização do DeepSeek-V4.1-Flash: a Unsloth afirma que seus GGUFs superam o GSQ-RCO em 10% a 20% em benchmarks de programação com contexto longo, enquanto uma análise separada questiona a consistência dos gráficos do LiveCodeBench da Unsloth. A competição tem gerado quants melhores para a comunidade.
Ajuste oculto do Strata. O Strata/PolyStrata traz por padrão o recurso answer_room, que limita silenciosamente o raciocínio a 75% de max_tokens e injeta uma frase de encerramento no thinking do modelo. Esse comportamento oculto pode afetar comparações de benchmark e a qualidade das transcrições.
DeepSeek sem censura em 12 GB. Um quant modificado do DeepSeek-V4.1-Flash-1017 GSQ-RCO elimina recusas (de 85% para 0% no JailbreakBench) e mantém estáveis as pontuações no GPQA/AIME. Ele roda em 12 GB de VRAM com Strata + offload para SSD, deixando os especialistas roteados byte a byte idênticos aos da versão da ISTA.
Agentes, programação e ferramentas
Agente de programação para growth. A empresa The Letter Company lançou o Letterpress-1, um agente de programação e IDE que lê um site e sinais de mercado, implementa mudanças em um sandbox e então abre pull requests com previews ao vivo. Ele expõe 760 ferramentas via MCP/REST/CLI, mas ainda não tem benchmark público.
Git em escala de agentes. A OpenAI criou o Pando, um novo backend Git para seu monorepo, capaz de lidar com pushes e leituras concorrentes na escala do Codex. Ele reduziu a latência mediana de push em quase 5 vezes e entrega quase um petabyte de dados Git por dia, mantendo compatibilidade com o Git.
Modelo improvisa no Blender. Um usuário observou o Qwen 3.8 27B descobrindo seu acesso ao Blender MCP e escrevendo Python dentro do Blender para acelerar cálculos de física. A capacidade do modelo de buscar ferramentas inesperadas reforça a necessidade de restrições explícitas.
Edição de pesos de modelos. O GPT-6 Astra teria editado pesos do Qwen para elevar o MATH-500 de 7,9% para 48,1%, e um novo preprint explora LLMs que leem e escrevem pesos de redes neurais nativamente. Isso indica que LLMs podem modificar modelos diretamente, uma mudança em relação a prompting ou fine-tuning.
Claude restringe clones de jogos. A Anthropic atualizou o prompt de sistema do Claude Code para proibir a recriação de jogos específicos já existentes, mas ainda permite jogos originais ou que se encaixem em um gênero. A mudança provavelmente não impedirá ports assistidos por IA, e alguns usuários de LLMs locais citam o caso como mais um motivo para fazer self-host.
Banco restringe programação com IA. O Goldman Sachs cortou o acesso de traders e banqueiros ao Claude Code e ao GitHub Copilot, restringindo as ferramentas aos engenheiros. O banco diz que a fase de experimentação acabou e cita produtividade e gestão de risco, apesar dos elogios anteriores ao “vibe coding” por funcionários não técnicos.
ChatGPT unifica abas. A OpenAI vai unir as abas Chat e Work do ChatGPT para que os usuários passem da exploração de ideias à criação de sites ou apresentações em um só lugar. O Codex continua separado, e ambos agora dividem a mesma cota de tokens.
Mudança na engenharia de contexto. A LangChain argumenta que a arquitetura padrão de agentes com loop de LLM e ferramentas está convergindo, mas novos desafios surgem em gestão de contexto de longo horizonte, revelação progressiva e uso de ferramentas em sandbox. O post descreve práticas emergentes para agentes do fim de 2026.
Indústria e negócios
Finanças do IPO da Anthropic. A receita trimestral da Anthropic cresceu 12 vezes, para quase US$ 17 bilhões, mas um custo operacional de US$ 17,5 bilhões levou a um prejuízo líquido de US$ 23,3 bilhões, impulsionado por compromissos de computação e matching de doações. O S-1 também alerta que a empresa está próxima da capacidade de autoaperfeiçoamento recursivo, classificada como promissora e, ao mesmo tempo, um risco de segurança.
Garry Tan gasta em tokens. Garry Tan, CEO da Y Combinator, diz gastar de US$ 100 mil a US$ 200 mil por ano em tokens de IA, usando agentes para programação, pesquisa e tarefas pessoais. Seu gstack de 23 skills do Claude Code está no GitHub.
Trajectory capta US$ 45 milhões. A startup Trajectory captou uma Série A de US$ 45 milhões liderada pela Sequoia, com valuation de US$ 300 milhões, para automatizar fine-tuning e aprendizado contínuo em domínios especializados como direito e finanças. A empresa quer substituir o caro modelo de consultoria com engenheiros forward-deployed.
Modelo de mundo comportamental. A startup israelense 42AI saiu do stealth com US$ 62,5 milhões e afirma ter um modelo de mundo comportamental capaz de prever decisões individuais de pessoas em situações inéditas. A tecnologia começou a ser implantada em corretoras financeiras para prever o comportamento de traders.
Grok Bot limitado. A SpaceX reduziu as cotas semanais do Grok Bot depois que Musk disse que o custo de operação era “insustentavelmente alto em relação à receita”. Alguns usuários viram os limites serem atingidos da noite para o dia, apesar de o Grok Bot ser chamado de produto que mais cresce.
Data centers ajudam a rede. A OpenAI lançou o Grid Protectors Program, com a promessa de que futuros data centers poderão reduzir a demanda elétrica em até 1.000 MW durante emergências na rede. O piloto na Geórgia é apresentado como uma forma de fazer os complexos de IA protegerem a rede em vez de poluírem.
Editoras processam Brave. O New York Times e outros veículos processaram a Brave, alegando que seu navegador fez scraping de conteúdo protegido por direitos autorais e vendeu acesso a um índice usado por empresas de IA como Anthropic, Mistral e xAI. A ação também mira o recurso da Brave para contornar paywalls.
Construindo agentes jurídicos. O CTO da Legora fala sobre a criação de agentes de IA para advogados no podcast Latent Space. A Legora atingiu US$ 100 milhões de ARR em menos de 18 meses, tem hoje 1.800 clientes e é avaliada em US$ 8,8 bilhões; como não tem acesso aos dados dos clientes, a empresa cria ambientes de teste simulados.
Receita de IA da Apple. A Apple deu a entender que pode buscar receita com apps de IA de terceiros e parcerias, possivelmente distribuindo agentes de IA pela App Store e ficando com uma parte. Não foram dados detalhes na call de resultados.
Pesquisa e infraestrutura
Avanço em atenção esparsa. A Zyphra lançou o ZHA, uma atenção esparsa com estrutura de árvore que pode ser destilada em modelos congelados como o Qwen3.6-35B com poucos parâmetros extras e mantém desempenho próximo ao de modelos densos em raciocínio e programação. Um esforço open source relacionado estende a atenção esparsa para 10 milhões de tokens, com precisão preservada na maioria das tarefas.
PyTorch nativo em TPUs. Google e Meta abriram o código do TorchTPU, um backend PyTorch nativo para TPUs com execução eager e mudanças mínimas no código. Ele resolve a latência de compilação do PyTorch/XLA e a necessidade de alterações intrusivas no código.
Benchmark de tempo real. Pesquisadores apresentaram o Realtime-Bench, um benchmark de 50 tarefas que testa se a IA consegue agir em ambientes web e de jogos sensíveis ao tempo. Resultados iniciais mostram que os LLMs ainda têm dificuldade com decisões de baixa latência.
Lacuna em analytics agêntico. Um relatório do MIT Technology Review Insights mostra que menos da metade dos insights gerados por agentes leva a melhorias nos negócios, e que insights prescritivos são especialmente fracos. As organizações estão focando em elevar a qualidade dos insights em analytics agêntico.
Isso é tudo deste dia – cerca de 5 minutos de leitura.