CEVIU News - CEVIU IA - 15 de junho de 2026

A Anthropic informou que desativou o Fable 5 e o Mythos 5 para todos os usuários após receber uma diretriz de controle de exportação do governo dos Estados Unidos, vinculada a preocupações de segurança nacional e riscos reportados de jailbreak.

Conversas entre o CEO da Amazon, Andy Jassy, e autoridades dos EUA levaram a administração a suspender o uso estrangeiro dos modelos de IA mais capazes da Anthropic. Pesquisadores da Amazon utilizaram prompts para fazer com que o modelo Fable 5 fornecesse informações que poderiam auxiliar em ataques cibernéticos. O governo solicitou que a Anthropic corrigisse as vulnerabilidades ou desativasse o modelo. A Anthropic encerrou o acesso aos seus modelos Mythos e Fable para cumprir a determinação, embora afirme que as vulnerabilidades sinalizadas pela Amazon são básicas e também podem ser exploradas por outros modelos disponíveis publicamente.

O Google está integrando seus produtos sob o Gemini Enterprise com uma nova aba de Skills Marketplace para habilidades pré-definidas e otimizadas pelo Google. O marketplace, voltado para ajudar equipes a desenvolverem dashboards e ferramentas de relatórios sem atrasos de engenharia, inclui uma UI de gerenciamento de habilidades, um construtor de habilidades e o próprio marketplace.

Para estimar o preço por usuário, é necessário considerar especificações de hardware de GPU, tamanho do contexto, contagem de parâmetros ativos do modelo e fatores específicos do produto. Surpreendentemente, as particularidades da arquitetura do modelo importam pouco, exceto em casos como diffusion. Este artigo detalha como realizar esses cálculos matemáticos, demonstrando como otimizações em motores de inference permitem que produtos SaaS mantenham a lucratividade.

Redes de modelos de IA menores estão superando todos os sistemas de IA de fronteira atuais em termos de velocidade, precisão e custo. Assim como a visão sobre os mainframes na década de 1960 estava equivocada, o pensamento atual sobre a IA centralizada também está. O futuro aponta para uma rede de redes neurais.

Rafa Schwinger faz engenharia reversa do Claude Mythos e do Fable, argumentando que a verdadeira vantagem competitiva não reside na arquitetura, mas no ambiente de desenvolvimento, o foundry. A capacidade é decomposta como a base de fundação multiplicada pelo sinal graduável extraído, tornando a recompensa verificável o insumo escasso e decisivo, uma vez que o texto e o compute bruto deixaram de ser. A receita combina pretraining denso, RL com verificador estilo GRPO, onde a solidez contra o reward-hacking é a restrição real, e recompensas de processo de longo horizonte com context-folding aprendido que supera janelas de um milhão de tokens operando a 32K ativos, além do test-time compute de best-of-N exposto como um controle de esforço.

O Open Knowledge Format é uma especificação aberta que formaliza o padrão LLM-wiki em um formato portátil e interoperável. A solução é agnóstica a fornecedores e projetada para ser amigável tanto para agentes quanto para humanos. Este padrão permite representar metadados, contexto e o conhecimento curado que sistemas de IA modernos exigem.

O olmo-eval é um novo workbench de avaliação projetado para o desenvolvimento iterativo de LLM. Aprimorando o padrão OLMES, ele simplifica a adição de benchmarks, oferece suporte a avaliações agentic e de múltiplos turnos, e facilita a análise ao comparar mudanças entre checkpoints de modelos. Diferente do Harbor, o olmo-eval foca na flexibilidade e na redução do uso de recursos computacionais, priorizando o fluxo de desenvolvimento em vez de benchmarks públicos.

A contagem de objetos permanece fragmentada entre datasets e tarefas específicas de cada domínio. Os modelos atuais de contagem são frequentemente adaptados a cenários restritos, apresentando dificuldades para generalizar entre categorias, domínios visuais, escalas de objetos e distribuições de densidade. Este artigo apresenta um modelo generalista para contagem de objetos guiada por texto que alcança alta precisão e capacidade de generalização em múltiplos domínios.

OpenAI e Anthropic adotam estratégias distintas para a gestão de contexto em modelos de linguagem. A OpenAI utiliza técnicas de compactação, comprimindo os dados para manter apenas as informações relevantes em uma única thread longa, o que preserva a coerência. Por outro lado, a Anthropic segmenta as janelas de contexto entre vários agentes, onde cada um processa subproblemas independentes. Nesse modelo, os subagentes executam tarefas complexas e devolvem apenas o necessário para o agente principal, embora essa abordagem possa gerar redundância, perda de informações e um consumo maior de tokens.

O beta do iOS 27 contém um sistema de extensões para IA de terceiros, incluindo um painel de configurações e uma seção dedicada na App Store. Embora ambos tenham sido desenvolvidos, eles estão desativados no backend. A Apple manteve discussões com grandes provedores de IA para conceder autorizações para o framework, mas a empresa decidiu não anunciar o recurso por enquanto.

O sistema de engenharia do Devin garante uma produtividade superior ao custo operacional, com o compromisso de US$ 10 milhões por cliente. A eficácia da plataforma é validada por meio de dados independentes, reforçando a confiança na produtividade de engenharia entregue pelo sistema.

A plataforma Blackwell Ultra NVL72 da NVIDIA lidera o benchmark AgentPerf, entregando 20 vezes mais throughput de agentes por megawatt em comparação com a arquitetura NVIDIA Hopper.

A Ramp disponibilizou seu próprio benchmark privado, construído a partir de desafios reais de engenharia enfrentados internamente. O objetivo é fornecer à equipe uma forma precisa de avaliar modelos de codificação dentro do seu ecossistema real de software financeiro.

Satya Nadella, CEO da Microsoft, defende que toda empresa precisa construir tanto capital humano quanto capital de token para sustentar sua evolução tecnológica.

Esta thread analisa a teoria de que o foco da DeepSeek em modelos open-source, compartilhamento de pesquisas e desenvolvimento de infraestrutura faz parte de uma estratégia mais ampla. O objetivo seria se tornar uma infraestrutura de IA fundamental, em vez de competir diretamente no mercado de produtos de consumo.