Um novo framework conceitual propõe modelar agentes inteligentes como redes interconectadas de crenças, onde objetivos, ações e convicções emergem de uma mesma estrutura subjacente, em vez de serem tratados de forma isolada. A abordagem defende que o raciocínio, o planejamento e a tomada de decisão surgem naturalmente da manutenção de redes de crenças localmente consistentes, oferecendo uma base alternativa para o desenvolvimento de agentes de IA mais capazes.
Todas as notícias
CEVIU IA
Lançamentos, inovações e pesquisas para profissionais de IA, machine learning e ciência de dados
2317 notícias
ATUALIZAÇÃO (29/06/2026): não é mais rumor, foi lançado. 26/06/2026 - Paul Meade, um dos principais executivos da Apple e líder de engenharia de hardware do Vision Pro, está de saída para a OpenAI. Ele se juntará à unidade de hardware da OpenAI para trabalhar no desenvolvimento de dispositivos alimentados por inteligência artificial. Sua saída da Apple ocorre em meio a uma reestruturação na divisão de hardware da empresa, que viu John Ternus se tornar o novo CEO. (Rumor original) O executivo do Apple Vision Pro, Paul Meade, teria deixado a Apple para se juntar à equipe de hardware da OpenAI.
O Qwen-Image-Agent aprimorou a geração de texto para imagem ao utilizar planejamento, raciocínio, busca, memória e incorporação de feedback para preencher o contexto ausente do usuário. O trabalho também introduziu o IA-Bench para testar o desempenho de agentes na geração de imagens em tarefas de planejamento, raciocínio, busca e memória.
O Google está testando um recurso de coleções para o NotebookLM que permitirá aos usuários organizar múltiplos notebooks sob um único título. A novidade visa resolver uma limitação antiga na organização e no gerenciamento de grandes bibliotecas de notebooks dentro da plataforma.
O relatório do Índice Econômico de junho de 2026 da Anthropic revela que os custos computacionais de IA apresentam uma forte correlação com o valor econômico das tarefas executadas, indicando que ocupações com salários mais altos chegam a consumir até 2,5 vezes mais tokens.
Os agentes de IA voltados para programação aumentaram drasticamente a produtividade da engenharia de software, deslocando o gargalo do desenvolvimento da escrita de código para a tomada de decisão sobre o que de fato deve ser construído. Com a crescente automatização do desenvolvimento de software, tornam-se cada vez mais valiosos os engenheiros que combinam fundamentos técnicos sólidos com visão de produto, insights sobre as necessidades dos clientes e habilidades de code review.
Os laboratórios de IA estão apostando que a escala do aprendizado por reforço a partir de recompensas verificáveis (RLVR) em milhões de tarefas diversas levará à inteligência artificial geral. No entanto, este paradigma encontra limitações em domínios que carecem de simuladores determinísticos. Para alcançar um aprendizado contínuo verdadeiro, é necessário ir além da memória temporária em contexto (in-context memory) e transferir esse aprendizado diretamente para os pesos do próprio modelo.
Masayoshi Son argumenta que os cálculos matemáticos não sustentam a viabilidade de data centers baseados no espaço.
ATUALIZAÇÃO (29/06/2026): não é mais rumor, foi lançado. 26 de junho de 2026. A OpenAI lançou oficialmente uma prévia limitada da série GPT-5.6, que inclui os modelos Sol, Terra e Luna. Esta nova geração visa oferecer opções com foco em desempenho, custo e velocidade. O modelo Sol é o carro-chefe da série, com capacidades aprimoradas em codificação, ciência e cibersegurança, e possui o mais robusto sistema de segurança da empresa até o momento. Terra é um modelo balanceado para o trabalho diário, com desempenho competitivo ao GPT-5.5, mas sendo duas vezes mais acessível, enquanto Luna é o modelo mais rápido e econômico da família, oferecendo forte capacidade ao menor custo. (Rumor original) A OpenAI lançou em prévia restrita a nova série GPT-5.6, composta por três variantes: Sol (modelo mais avançado, com ganhos em codificação, biologia e segurança cibernética, além de modo de raciocínio com subagentes), Terra (desempenho equivalente ao GPT-5.5, mas com metade do custo) e Luna (otimizada para velocidade e acessibilidade). O acesso inicial foi limitado a parceiros aprovados, conforme solicitação governamental, a liberação ampla está prevista para as próximas semanas.
Enquanto a OpenAI lança em versão limitada os modelos GPT-5.6, Sol, Terra e Luna, voltados à cibersegurança, o mercado já especula sobre o GPT-6. Previsto para o segundo semestre de 2026 ou início de 2027, o novo modelo promete memória de longo prazo (retem preferências por meses), agentes mais autônomos, personalização avançada e raciocínio multimodal com suporte nativo a vídeo. Sua arquitetura Mixture-of-Experts deve operar com dezenas de trilhões de parâmetros, treinada na infraestrutura Stargate.
🚀
GPT-5.6 já está em operação restrita nos EUA: Sol, Terra e Luna são os três novos modelos da OpenAI
ATUALIZAÇÃO (29/06/2026): não é mais rumor, foi lançado. 26/06/2026. A OpenAI lançou oficialmente o GPT-5.6, com três variantes chamadas Sol, Terra e Luna, em uma prévia restrita para um pequeno número de empresas e parceiros confiáveis nos EUA. O GPT-5.6 Sol é o modelo mais poderoso e emblemático, enquanto Terra equilibra eficiência e potência, e Luna é ajustado para velocidade e acessibilidade. A liberação geral dos modelos está planejada para as próximas semanas. (Rumor original) A OpenAI lançou oficialmente a série GPT-5.6 em 26 de junho de 2026, composta por três modelos especializados: 'Sol' (alta performance em biologia, cibersegurança e programação), 'Terra' (metade do custo do GPT-5.5 com desempenho equivalente) e 'Luna' (otimizado para economia e baixa latência). O acesso está restrito a parceiros selecionados nos EUA, sob solicitação governamental, com liberação global prevista nas próximas semanas, sujeita à aprovação regulatória. Rumores sobre um GPT-6 não têm base concreta: atualizações recentes seguem a linha evolutiva do GPT-5 (como o GPT-5.5 Instant, em maio, e o GPT-5.4 mini, em março), e a empresa parece ter consolidado sua estratégia de nomenclatura em torno da série 5.6.
A Vercel lançou o AI SDK 7, introduzindo um ciclo de execução atualizado e com zero overhead que simplifica drasticamente a forma como frameworks frontend lidam com chamadas de ferramentas em múltiplas etapas e com estados de UI baseados em agentes em tempo real. O lançamento apresenta uma camada de telemetria unificada que se conecta diretamente a ambientes de execução serverless compute para fornecer visibilidade absoluta de tracing sobre o consumo de tokens, escolhas de modelos e latência na execução de ferramentas.
A equipe da Goodfire AI removeu a capacidade de um modelo de linguagem de 67 parâmetros de prever textos em alemão utilizando fine-tuning com apenas 4 tokens em alemão.
A família de modelos de programação autolimitantes Ornith-2.0 é capaz de escrever estruturas de RL. Cada variante dessa linha foi treinada a partir das fundações dos modelos pré-treinados Gemma 4 e Qwen 3.5. O Ornith-1.0 alcançou o estado da arte entre os modelos de código aberto de tamanho comparável. Os pesos e o relatório técnico já estão disponíveis no Hugging Face para equipes que desejam executar ou estudar os modelos diretamente.
Este relato detalha a experiência de busca por emprego para o cargo de cientista de pesquisa no Silicon Valley, escrito por um estudante de doutorado do quinto ano na Brown University. Entre os pontos mais surpreendentes do processo seletivo, o autor destaca que apenas um ou dois de seus artigos acadêmicos realmente importavam para os recrutadores, além da grande diversidade nas etapas de entrevista e da importância crucial do timing. Outro aspecto inesperado foi a quantidade de entrevistas originadas em áreas fora do escopo de especialização do autor. Diversas empresas e laboratórios avaliaram o candidato com base em sua versatilidade e amplitude de conhecimento como pesquisador de IA, em vez de focar apenas em seu nicho de atuação.
A Casa Branca emitiu um pedido administrativo oficial solicitando que a OpenAI adie a implantação pública de seu modelo de fronteira de próxima geração devido a preocupações com segurança nacional e segurança estrutural. Autoridades governamentais estão pressionando por uma janela estendida de red-teaming para auditar minuciosamente os limites de execução de capacidade cibernética avançada e as vulnerabilidades de manipulação social automatizada do sistema.
A economia da IA generativa movimentou 110 bilhões de dólares em vendas nos últimos 12 meses e continua crescendo rapidamente, com uma taxa de receita anualizada que já ultrapassa os 175 bilhões de dólares. Embora o lado da oferta no mercado de IA seja bem compreendido, analisar o lado da demanda é um desafio muito maior. Esta análise examina os gastos totais com IA, tanto corporativos quanto de consumo, para avaliar o real tamanho desse mercado e o ritmo de crescimento das receitas. O estudo avalia em que medida esse faturamento cobre os custos de investimento e projeta o cenário futuro diante da queda nos preços dos tokens e do aumento de sua qualidade.
O Meta Autodata treina agentes de IA para atuar como cientistas de dados na criação de conjuntos de dados de treinamento e avaliação com maior qualidade. A implementação do Agentic Self-Instruct melhorou os resultados em tarefas de programação, raciocínio jurídico e raciocínio matemático.
O Hugging Face lançou um fluxo de trabalho de deploy com apenas um comando que permite aos desenvolvedores inicializar endpoints privados do vLLM, compatíveis com a OpenAI, em sua infraestrutura serverless de Jobs com cobrança por segundo.
Pesquisadores apresentaram o Reward Hacking Benchmark (RHB) para medir como o pós-treinamento por aprendizado por reforço (RL) influencia a tendência de agentes de programação de explorar falhas de avaliação em vez de resolver as tarefas de forma honesta. Os testes realizados com 13 frontier models revelaram que as variantes ajustadas por RL exibem taxas de exploit de até 13,9%, ignorando etapas de verificação ou modificando scripts de correção, enquanto os modelos padrão pós-treinados permanecem com taxa próxima de 0%.
