A X demitiu seu diretor de marketing e realizou cortes de pessoal não técnico nas últimas semanas. A empresa está se ajustando diante do potencial IPO de mais de US$ 1 trilhão da SpaceX, sua controladora. A maior parte da equipe restante foi instruída a focar no aumento da receita, e a empresa planeja lançar um negócio de pagamentos, o X Money, em acesso público antecipado no próximo mês.
CEVIU News
As melhores notícias de tecnologia, curadas diariamente para quem vive tech.
2860 notícias encontradas
A USV desenvolveu agentes de IA internos que processam transcrições de reuniões, emails e calendários para criar "menções" estruturadas vinculadas a empresas e pessoas, formando uma base de conhecimento interna atualizada continuamente. O sistema evoluiu de um simples email de resumo de reuniões para um CRM customizado após falhas em ferramentas existentes para oferecerem agregação de contexto em tempo real. A USV melhorou a adoção nomeando agentes, definindo funções e acesso a ferramentas, e incorporando-os diretamente em emails, onde equipes fornecem feedback que ajusta o comportamento dos agentes.
'RL em tempo real' é uma técnica criada pela equipe do Cursor que utiliza tokens de inferência reais para o treinamento. A equipe disponibiliza checkpoints do modelo para produção, observa as respostas dos usuários e utiliza essas respostas como sinais de recompensa. Essa abordagem permite enviar uma versão aprimorada do Composer a cada cinco horas.
A Anthropic conquistou uma liminar em seu processo contra o Departamento de Defesa dos EUA, que havia classificado a empresa como um 'risco de cadeia de suprimentos'. O juiz declarou que nenhuma lei vigente apoia a ideia de que uma empresa americana pode ser tachada como potencial adversária e sabotadora dos EUA por discordar do governo. A Anthropic se recusou a dar ao Pentágono acesso irrestrito a seus modelos para todos os propósitos legais, pois não quer que sua tecnologia seja usada para armas autônomas ou vigilância doméstica em massa. A empresa afirmou que continuará trabalhando produtivamente com o governo.
Chroma Context-1 é um modelo de busca agentic com 20 bilhões de parâmetros, treinado em mais de oito mil tarefas sinteticamente geradas. Ele alcança performance de retrieval comparável a modelos de fronteira, a uma fração do custo e com até 10 vezes a velocidade de inference. O modelo retorna um conjunto classificado de documentos de apoio para um modelo de resposta subsequente, separando claramente busca de geração. Ele decompõe consultas de alto nível em sub-consultas e busca iterativamente em um corpus por várias rodadas, descartando seletivamente resultados irrelevantes para liberar capacidade à medida que sua janela de contexto se preenche.
Atualmente, o Grok detém a maior participação de tráfego no espaço de geração de vídeos por IA.
📋
Apresentando Cline Kanban: um aplicativo independente de CLI para orquestração de múltiplos agentes
Cline Kanban é um quadro kanban para gerenciar agentes de codificação que simplifica os fluxos de trabalho ao exibir o status e as dependências das tarefas de forma clara.
Embora as empresas de IA guardem suas estratégias a sete chaves, suas páginas de contratação são públicas. Essas postagens contêm pistas sobre quais produtos as empresas estão desenvolvendo, para quem esperam vender e quais gargalos veem surgindo. Este artigo analisa as funções atuais em aberto nos principais laboratórios de base. À medida que esses laboratórios continuam a crescer e suas estratégias mudam, suas páginas de carreira continuarão a ser um dos melhores lugares para observar isso acontecer.
Modelos quantizados são realmente eficazes. A quantização de 16 bits para 8 bits quase não afeta a qualidade, já a quantização de 4 bits é mais perceptível, mas ainda atende cerca de 90% do desempenho do original. Vale a pena experimentar esses modelos, pois são menores e compatíveis com mais sistemas. Este artigo explica como funcionam os parâmetros dos modelos, o que é quantização, como é aplicada na prática e seus efeitos na precisão dos modelos.
A OpenAI delineou a filosofia e estrutura por trás de sua Model Spec, uma estrutura que define o comportamento desejado do modelo, princípios de segurança e como os sistemas devem seguir instruções e resolver conflitos.
O treino final de um modelo é apenas a etapa final de um processo longo e caro. Antes dessa etapa, empresas queimam compute realizando experimentos em várias escalas, gerando dados sintéticos, testando ideias e treinando modelos não lançados. O custo completo do desenvolvimento de um modelo é muito mais alto que o custo do treino final de um modelo de fronteira. A maior parte do gasto está na exploração, não na execução. Empresas que aprendem com a concorrência podem replicar resultados por uma fração do custo original.
Manthan Gupta desenvolveu o Auto-Inference-Optimiser para permitir que um agente de IA otimize a velocidade de inferência de LLM enquanto mantém a qualidade fixa no Apple Silicon. O uso de amostragem argmax e simplificação do código de inferência proporcionou os maiores ganhos de throughput, enquanto a maioria das opções de ajuste e quantização do cache KV não tiveram efeito ou até mesmo foram prejudiciais. O projeto destaca que um controle rigoroso e observável é crucial para distinguir ganhos reais de performance de ruídos ou ilusões de benchmark.
Empresas de IA estão mudando de soluções específicas para plataformas amplas, impulsionadas por rápidas mudanças nos modelos.
O Lyria 3 Pro estende a duração máxima das faixas para três minutos e oferece controle mais preciso sobre a estrutura e personalização das músicas.
Devin, da Cognition, é um engenheiro de software IA capaz de criar software do início ao fim sem intervenção humana. Desde seu lançamento em 2024, é visto como um passo rumo ao sonho de uma máquina que codifica por você, alimentado por um desejo antigo do Vale do Silício. O CEO da Cognition, Scott Wu, acredita que essa tecnologia não marcará o fim da engenharia de software. Em vez de eliminar engenheiros, as ferramentas da Cognition permitirão que eles se concentrem nas partes mais gratificantes do trabalho, poupando-os das tarefas pesadas que consomem a maior parte do tempo tradicionalmente.
Harvey levantou $200 milhões em uma nova rodada liderada por GIC e Sequoia, elevando sua avaliação para $11 bilhões e o financiamento total para mais de $1 bilhão.
A Reflection é uma startup que lidera um esforço para criar sistemas de IA dos EUA de acesso livre. É uma das poucas startups ligadas à Nvidia que busca construir uma rede de modelos de IA open source. A empresa está em negociações para levantar US$ 2,5 bilhões com uma valorização de US$ 25 bilhões. Investidores chamam a Reflection de 'DeepSeek do Ocidente', oferecendo uma alternativa aos modelos open source de empresas chinesas.
ARC-AGI-3 foi projetado para avaliar a inteligência agentic por meio de ambientes de raciocínio interativos. Superar esse modelo significaria que um sistema de IA alcança ou excede a eficiência humana em todos os ambientes ao vê-los pela primeira vez. 100% dos ambientes são solucionáveis por humanos no primeiro contato, sem treinamento prévio ou instrução. Atualmente, todos os modelos de raciocínio de IA de fronteira resolvem menos de 1%.
A OpenAI lançou um programa público de bug bounty focado no uso indevido de IA e riscos à segurança, expandindo o foco além das vulnerabilidades tradicionais de segurança para incluir cenários de abuso.
Os co-fundadores da Manus, Xiao Hong e Ji Yichao, foram informados de que não podem deixar a China enquanto as autoridades revisam a venda de US$ 2,5 bilhões da empresa para a Meta. As primeiras versões da Manus foram criadas por engenheiros de uma empresa chinesa. Uma entidade com sede em Cingapura assumiu as operações posteriormente e transferiu a maioria dos funcionários baseados na China para Cingapura, o que possibilitou a compra pela Meta. As autoridades temem que as ações da Manus possam encorajar outras empresas chinesas a fazer o mesmo e sair do país sem passar por avaliações.