A IA está se aproximando rapidamente da automação de ponta a ponta de sua própria P&D, com ganhos significativos em codificação, execução de experimentos e autonomia para tarefas de longo prazo. Benchmarks demonstram que os modelos agora lidam com fluxos de trabalho complexos de engenharia e ciência, gerenciam outros agentes e superam cada vez mais os humanos em subproblemas cruciais. Se as tendências se mantiverem, há uma chance de ~60% de sistemas de IA autoaperfeiçoáveis até 2028, o que levará a progresso recursivo, ganhos massivos de produtividade e uma “economia de máquinas” intensiva em capital e com pouca dependência humana.
Todas as notícias
CEVIU IA
Lançamentos, inovações e pesquisas para profissionais de IA, machine learning e ciência de dados
3077 notícias
Deepsec é uma ferramenta de segurança baseada em agentes que varre grandes bases de código localmente ou em sandboxes na nuvem paralelas para descobrir vulnerabilidades complexas.
A administração Trump está discutindo uma potencial ordem executiva para criar um grupo de trabalho de IA que reuniria executivos de tecnologia e funcionários do governo para examinar potenciais procedimentos de supervisão.
Um pipeline de ponta a ponta otimiza conjuntamente a tokenização e a geração de imagens, possibilitando feedback direto da qualidade da geração. Esta abordagem unifica as etapas, permitindo melhorias iterativas e mais eficientes nos modelos de IA.
A DigitalOcean AI-Native Cloud é uma plataforma desenvolvida especificamente para a era da inference e agentic, que integra cinco camadas, do silício a agentes, em um único open stack.
A curva de retenção viral, descrita como um "sorriso", do ChatGPT, ocultou uma lacuna significativa de monetização ao focar na retenção bruta em vez da líquida. Observou-se que mesmo os consumidores mais engajados estavam limitados a um gasto de $20 por mês. Em contraste, a receita B2B de $44 bilhões da Anthropic demonstra um crescimento notável, impulsionado pela expansão dos gastos por usuário. A IA voltada para o consumidor tem tido dificuldade em capturar valor, diferentemente dos agentes de codificação ou da IA jurídica. Isso ocorre porque os usuários não percebem o valor em pagar por respostas ou imagens geradas, e demonstram resistência em subscrever serviços que oferecem economias que, na percepção deles, já são inerentes ao uso gratuito da tecnologia.
A OpenAI detalhou uma arquitetura WebRTC redesenhada, que utiliza um modelo de relay e transceptor dividido, para manter interações de voz em tempo real e com baixa latência em escala global.
O GPT-5.5 foi lançado com um aumento de preço de 2x em relação ao GPT-5.4. Contudo, o aumento é mitigado pelo fato de o modelo gerar menos tokens de conclusão para prompts mais longos. O aumento de custo efetivo está entre 49% e 92%.
Orbit é um sistema de briefing e insights integrado ao Claude e Claude Code, capaz de gerar briefings personalizados com insights acionáveis extraídos de ferramentas de trabalho conectadas. A conferência para desenvolvedores Code with Claude da Anthropic será realizada em São Francisco em 6 de maio, Londres em 19 de maio e Tóquio em 10 de junho. Permanece incerto se o Orbit será formalmente apresentado no palco ou lançado de forma discreta.
Anthropic e OpenAI anunciaram separadamente empreendimentos de IA para empresas, apoiados por grandes firmas financeiras. O da Anthropic foi avaliado em US$ 1,5 bilhão, enquanto o da OpenAI visa uma avaliação de US$ 10 bilhões.
📈
Amjad Masad, da Replit, sobre o acordo com a Cursor, a disputa com a Apple e o desejo de não vender
Amjad Masad, da Replit, destaca um forte crescimento, aproximando-se de uma taxa de execução de um bilhão de dólares, e ostenta uma taxa de retenção de receita líquida de 300%. Ao contrário da Cursor, que enfrenta margens negativas, a Replit mantém margens brutas positivas e atrai usuários não técnicos com sua plataforma segura e de ponta a ponta. Embora Masad permaneça comprometido com a independência da Replit, ele reconhece discussões abertas com potenciais compradores e expressa frustração com as supostas práticas discriminatórias da App Store da Apple, sugerindo uma possível ação legal.
O Edit-R1 introduziu um modelo de recompensa baseado em chain-of-thought que avalia edições de imagem através de raciocínio estruturado, aprimorando o alignment e o desempenho em tarefas de edição guiadas por texto.
Um método escalável gera ambientes computacionais virtuais realistas e simulações de longo prazo, produzindo sinais de treinamento ricos que melhoram o desempenho de agentes em tarefas de produtividade.
Investidores planejam criar uma empresa para auxiliar negócios a incorporar a IA em suas operações.
Um único pool global de vLLM é uma opção padrão inadequada para lidar com tráfego misto.
A Anthropic parece ter iniciado uma nova rodada de red teaming em uma nova build interna. A empresa sediará sua conferência de desenvolvedores Code with Claude em São Francisco no dia 6 de maio, e o momento sugere que o modelo está sendo aprimorado antes de um anúncio programado para o evento. Esta rodada de red teaming é consistente com a política de escalonamento responsável da Anthropic, que exige jailbreak probes e constitutional classifier stress tests antes de qualquer deployment de classe frontier.
O Google está testando um novo modelo Omni para geração de vídeo, com o potencial de unificar suas ferramentas de geração de vídeo e imagem. O modelo Omni surge na UI de geração de vídeo do Gemini, o que sugere que pode se tornar um nome de produto público. Um lançamento durante o Google I/O 2026 é uma possibilidade, em meio à crescente concorrência no mercado de vídeo com IA.
A OpenAI atualizou o Codex com Pets animados, que surgem como sobreposições na tela e interagem através de balões de mensagem curtos. O Codex agora também importa automaticamente arquivos de configuração de outros agentes de codificação e apresenta um novo dicionário de ditado para melhorar a precisão da entrada de voz. Essas atualizações visam aprimorar a usabilidade e o apelo do Codex como um aplicativo de desktop abrangente.
Os modelos de preview mais recentes da DeepSeek, DeepSeek-V4-Pro e DeepSeek-V4-Flash, são ambos modelos Mixture of Experts de um milhão de token. A versão Pro possui um total de 1.6 trilhão de parâmetros, com 49 bilhões ativos, enquanto a Flash tem 284 bilhões no total, com 13 bilhões ativos. O DeepSeek-V4-Pro é agora o maior modelo de pesos abertos e também é um modelo muito barato de operar.
Este artigo detalha o pipeline de inference, desde a tokenization e embeddings, passando pelas camadas de self-attention empilhadas. Em seguida, divide a geração em duas fases distintas na mesma GPU: o prefill, limitado por compute, que processa todos os tokens de entrada em paralelo, e o decode, limitado por memória, que emite um token por vez.
