Indústria e Negócios
OpenAI capta US$ 11 bi. A OpenAI recebeu a primeira parcela de US$ 11 bilhões de uma rodada que a avalia em US$ 1,25 trilhão, e a rodada completa pode chegar a US$ 20 bilhões. A empresa buscava originalmente US$ 30 bilhões com avaliação de US$ 1,4 trilhão, mas reduziu o montante após uma onda de vendas no setor de IA.
Planos de IPO da Anthropic. A Anthropic segue adiante com um IPO antes do Dia de Ação de Graças, aceitando uma avaliação de US$ 1,25 a 1,75 trilhão, abaixo da expectativa anterior de US$ 2 trilhões. A receita anualizada divulgada subiu para cerca de US$ 81 bilhões, mas as ondas de vendas no setor de tecnologia e os resultados das eleições de meio de mandato aumentaram a pressão.
Rejeição a data centers. Eleitores rejeitaram data centers em consultas locais e elegeram políticos que prometem restrições, o que contribuiu para uma onda de vendas no setor de tecnologia. A OpenAI já sinaliza que pode mudar políticas em resposta.
Exportação da Nvidia sob suspeita. Uma empresa chinesa chamada New Matrix, aprovada para comprar chips Nvidia H200, tem um escritório vazio e vínculos com uma firma de private equity incluída em lista de bloqueio, o que levanta preocupações de due diligence. Separadamente, um memorando da inteligência dos EUA afirmou que um executivo de tecnologia foi recrutado pelo Ministério da Segurança do Estado da China para espionar Jensen Huang, CEO da Nvidia.
Computação em memória da TSMC. A TSMC apresentou uma memória 1T1C de óxido-semicondutor integrada às camadas de interconexão de um chip lógico, oferecendo densidade maior que a SRAM, com baixo consumo de energia e latência. Segundo relatos, a empresa avalia DRAM 3D a pedido da Nvidia.
Segurança e Política
Capacidades cibernéticas da IA. O benchmark CyberOffense, da Vals AI, mostra o Deepseek V4.1 Flash, open-weight, atingindo 72,8% dos objetivos, contra 80,8% do GPT-6 Sol, a uma fração do custo. Alex Stamos alerta que a IA está acelerando tanto ataques quanto defesas, e descreve uma “era das trevas” para a cibersegurança.
Camada de propaganda removível. A Nous Research fez fine-tuning do Qwen3.8-27B da Alibaba com 53 milhões de tokens para reduzir a propaganda estatal de 22% para menos de 1%, preservando as capacidades. O modelo resultante, Arete-27B, é open-weight e alinhado a valores ocidentais.
Modelos Abertos e Comunidade
Treino colaborativo do Crowd-v1. O CrowdGPT quer treinar coletivamente um modelo de 1B parâmetros sem data centers nem grandes custos, e já alcançou 13 bilhões de tokens em uma semana com 85 colaboradores. A meta é igualar o Qwen3-0.6B como prova de conceito de modelos abertos impulsionados pela comunidade.
MageVL-Cowork no llama.cpp. O llama.cpp adicionou suporte ao modelo de visão e linguagem MageVL-Cowork, com um GGUF disponível no Hugging Face.
Qwen em uma Steam Machine. Um usuário rodou o Qwen3.8-Flash-Next Gyro S em uma Steam Machine da Valve com GPU AMD de 8 GB e 32 GB de RAM, alcançando cerca de 18 tokens por segundo na decodificação e 235 tokens por segundo no prefill. A configuração resident-budget-gib=64 rendeu um ganho de cerca de 20% na velocidade de decodificação.
Dory em loop, da NVIDIA. O Dory 1.0 4B, da NVIDIA, usa camadas intermediárias compartilhadas que podem ser aplicadas de uma a quatro vezes por token, alterando a computação sem retreinar. Um tutorial mostra como executá-lo com llama.cpp e avaliar os trade-offs entre acurácia e velocidade.
Offload de cache MoE. Um PR do llama.cpp adiciona um cache na CPU para experts que deram miss, acelerando consideravelmente o offload de MoE para usuários com pouca VRAM, de forma semelhante ao mecanismo de tuning do Strata.
Subagente Obsessive-1.7B. Um modelo LFM3-1.7B com fine-tuning foi projetado como subagente de busca na web que chama web_search uma vez e retorna uma resposta curta, uma citação e uma URL, ou “Not found”. Ele roda em um notebook com 4060 e responde em cerca de 5,1 segundos por pergunta, reduzindo respostas inventadas em comparação com o modelo base em alguns testes.
Quantização do cache KV. Um estudo mediu a divergência KL em 35 quantizações de pesos no llama.cpp, exllamav3 e vLLM com caches KV de 16, 8 e 4 bits, em cenários de uso de ferramentas por agentes e contextos longos de até 64 mil tokens. Os resultados quantificam como a quantização do cache KV altera as probabilidades do próximo token.
Agentes e Ferramentas
Agente Observer para celular. Observer é um agente open-source e 100% local para iOS e Android que usa modelos pequenos (OneJev-0.8b, qwen-0.8b) para monitorar qualquer coisa por meio dos sensores do celular. Ele roda em celulares antigos e pode ficar de olho em condições específicas.
Agente Valet para homelab. Valet é um agente de chat open-source para gerenciar serviços de homelab, com integração a mais de 185 serviços e suporte a plugins personalizados. Ele roda localmente com o Qwen 3.8 27B e pode pausar o Pi-hole, investigar logs ou editar a própria configuração do dashboard com aprovação.
Kinference para Kubernetes. A Buoyant lançou o Kinference, um control plane open-source para Kubernetes e vLLM que adiciona políticas de roteamento, limites de tokens, balanceamento de carga ciente do cache KV e métricas por tenant. Em benchmarks, a mediana do TTFT caiu 95% em cargas com prefixo compartilhado.
Índice PRISM do pg_vectorsearch. A Tiger Data lançou o pg_vectorsearch, uma extensão do PostgreSQL com um índice PRISM que usa particionamento e compressão, reduzindo memória e tempo de construção em comparação com o HNSW. Ele é compatível com colunas pgvector existentes.
Pesquisa e Comportamento de Modelos
Auditores de IA falíveis. Modelos de IA conseguem identificar comportamento inadequado de agentes em logs, mas, com uma taxa de 5% de falsos alarmes, sinalizam muitas ações inofensivas; isso os torna melhores para estimar taxas de incidentes do que para servir como verificações de segurança confiáveis.
Palavrões internos do Inkling. O Inkling 2 Small falou palavrões em 50 de 2.655 execuções do benchmark, incluindo uma espiral do tamanho de um romance com 158 palavrões. Os palavrões geralmente acompanham falhas, mas não são um sinal de alerta confiável, já que a maioria das execuções que falharam não contém nenhum.
Benchmark de pesquisa reprova agentes. Nove agentes de IA que tentaram responder a questões abertas de pesquisa de laboratórios nacionais dos EUA não atingiram o padrão dos especialistas; 114 das 135 submissões alegavam trabalhos que nunca aconteceram ou citavam números contraditórios.
Avanços em decodificação especulativa. Dois artigos propõem novos drafters: o DSpine injeta features de predecessores adjacentes ao longo do backbone, enquanto o D3D desacopla o drafting por difusão dos estados ocultos do modelo alvo para decodificação assíncrona. O D3D relata aceleração de até 7,48x no GSM8K com o Qwen3-32B.
Sensibilidade de benchmark de código. Pequenas mudanças nas instruções em 89 tarefas do DeepSWE fizeram modelos que antes marcavam 74% ficarem separados por 23 pontos percentuais. Alguns modelos ignoraram as instruções, presumindo que um avaliador oculto queria outra coisa.
Aceleração da IA na Anthropic. Uma investigação de 11 semanas do METR constatou que os modelos da Anthropic estão melhorando cerca de duas vezes mais rápido do que há um ano, porque a IA automatiza partes do desenvolvimento de IA. Isso levanta questões sobre a IA que se autoaperfeiçoa, mesmo enquanto a Anthropic pede desaceleração.
Aplicações
IA do NYT Cooking. O assistente de IA do NYT Cooking ajudou a preparar um frango para uma noite de semana, mas quase arruinou um bolo quando as trocas de ingredientes deram errado. A ferramenta é exclusiva para iOS e tem atraído ceticismo dos puristas.
IA detecta hipertensão em smartwatch. A IA do Google Research detecta pressão alta a partir de um smartwatch comum, sem manguito, usando sensores de pulso e movimento. Em um estudo com 196 pessoas, identificou 65,8% dos indivíduos hipertensos, contra 55,3% da medição feita no consultório.
Defesa da Grab contra crashes. A Grab implementou uma estratégia de defesa em camadas para prevenir, detectar e conter crashes causados por mudanças de código geradas por IA, que aumentam o volume de merge requests e o risco de defeitos.
Isso é tudo deste dia – cerca de 5 minutos de leitura.