CEVIU News - CEVIU IA - 29 de junho de 2026

A OpenAI introduziu o GPT-5.6 Preview, uma família de modelos composta por Sol, Terra e Luna, sendo o Sol posicionado como o modelo principal. O system card detalha testes de cyber e bio safety mais rigorosos, novas salvaguardas e um preview limitado antes de uma disponibilização mais ampla.

Elon Musk anunciou que o Grok 4.5 entrou em fase de beta privado na SpaceX e na Tesla. O modelo é baseado em um modelo de fundação V9 de 1,5T, com a adição de dados do Cursor durante o treinamento suplementar. As avaliações iniciais indicam um desempenho próximo ou superior ao do Opus, enquanto o aprendizado por reforço continua a aprimorar o modelo.

ATUALIZAÇÃO (29/06/2026): não é mais rumor, foi lançado. 28 de junho de 2026. O Google restringiu o acesso da Meta aos seus modelos de IA Gemini devido à incapacidade de fornecer a capacidade computacional que a empresa de redes sociais desejava. Essa limitação, notificada à Meta por volta de março de 2026, impactou e atrasou alguns projetos internos de IA da Meta. Em resposta, a Meta instruiu seus funcionários a usar os "tokens" de IA de forma mais eficiente e está transferindo cargas de trabalho para seu próprio modelo interno, o Muse Spark, para reduzir a dependência de provedores externos. (Rumor original) De acordo com relatos, o Google limitou o acesso da Meta à capacidade do Gemini após a empresa solicitar mais poder computacional do que o Google poderia fornecer. A escassez teria atrasado alguns projetos internos de IA da Meta e forçado a equipe a utilizar os tokens de IA de maneira mais eficiente.

Com o tempo, as bases de código e as linguagens de programação se tornarão mais fáceis de serem compreendidas, corrigidas e escritas por modelos de IA. Embora a linguagem de programação Lean apresente uma constante de linha de base e uma perda total piores em bases de código existentes quando comparada a outras linguagens, ela possui componentes de scaling laws superiores. Isso sugere que implementações em Lean podem, eventualmente, sobressair e trazer grandes benefícios para a corretude de programas em escala global. Esse cenário pode justificar investimentos robustos na reescrita de bases de código existentes em Lean ou no financiamento para o desenvolvimento de novos códigos nessa linguagem.

A Stanford publicou um relatório interativo sobre os preços históricos e atuais de memórias e armazenamento. O conjunto de dados segue a linha do clássico trabalho de John C. McCallum sobre preços de memória, contando com dados brutos para download e ferramentas de exportação de gráficos.

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.

Os pipelines de engenharia de dados devem descontinuar o uso de horas operacionais cumulativas como métrica primária. Em vez disso, a eficiência da engenharia e o dimensionamento de modelos devem ser avaliados por meio de parâmetros quantificáveis. Uma estratégia otimizada de alocação de capital equilibra os diferentes tipos de dados em relação às suas métricas de utilidade específicas, escalando a eficiência de capital ao precificar com precisão a novidade dos dados.

Modelos como o Gemini Nano e o Gemma possibilitam levar grandes modelos de linguagem poderosos diretamente no bolso, mas entregar essa tecnologia em dispositivos móveis representava um desafio significativo. Para superar esse gargalo, o Google desenvolveu uma nova arquitetura que integra o sistema de Multi-Token Prediction a modelos Gemini Nano v3 já existentes e congelados. Os novos componentes arquitetônicos foram projetados especificamente para maximizar os ganhos de eficiência em ambientes móveis. O trabalho detalha como a equipe de pesquisa do Google enfrentou as restrições extremas e únicas do ecossistema de edge computing.

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.

A Meta investigou como os modelos de recompensa podem reagir de forma exagerada a respostas igualmente boas, direcionando o aprendizado por reforço para o chamado reward hacking. O estudo propõe mensurar tanto a capacidade discriminativa quanto a especificidade, utilizando posteriormente o método Monte Carlo dropout para agrupar as recompensas em sinais discretos mais seguros.

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.

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.

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.

Masayoshi Son argumenta que os cálculos matemáticos não sustentam a viabilidade de data centers baseados no espaço.

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.