O artigo aborda o processo de profiling no PyTorch, detalhando a transição de um componente nn.Linear padrão para a implementação de um MLP com técnica de fusion.
CEVIU News
As melhores notícias de tecnologia, curadas diariamente para quem vive tech.
2860 notícias encontradas
As margens brutas de lucro em modelos de assinatura são significativamente inferiores às obtidas via API. Por conta disso, a tendência é que os laboratórios de IA comecem a restringir o acesso a novos recursos ou modelos em seus planos de assinatura.
Este artigo descreve como um desenvolvedor criou seu próprio LLM do zero. O relato detalha a construção dos scripts de base-training e fine-tuning, além dos pipelines de processamento de dados e do dataset personalizado. O custo total do projeto foi de aproximadamente 80 dólares, contando com o uso de um PC próprio para o processamento dos dados. O código e o modelo resultante estão disponíveis na publicação.
O MiMo Code V0.1.0 é um assistente de codificação IA open source focado em terminal desenvolvido pela Xiaomi. A ferramenta supera o Claude Code em benchmarks de codificação agentic, apresentando desempenho superior especialmente em tarefas de longo horizonte com múltiplas etapas. O sistema inclui um mecanismo de memória entre sessões que utiliza um subagente independente para registrar decisões, problemas e o escopo do projeto ao longo da execução. O modelo já está disponível no GitHub sob licença MIT.
A Anthropic decidiu tornar visíveis as suas salvaguardas para o desenvolvimento de LLMs de fronteira após sofrer críticas de pesquisadores. Anteriormente, a empresa redirecionava discretamente solicitações para um modelo inferior quando este era requisitado para executar tarefas específicas. Pesquisadores descobriram que o Claude estava recusando ou degradando respostas para tarefas como o treinamento de modelos concorrentes, debugging de código de IA e otimização de arquitetura neural. O caso gerou preocupações sobre a falta de transparência da Anthropic e o desperdício de tokens e recursos computacionais em modelos que não entregavam o desempenho esperado.
Modelos de IA frontier são geralmente treinados em sequências de números inteiros conhecidas como tokens. Cada token refere-se a uma sequência de bytes, que frequentemente corresponde a palavras comuns. Esta publicação apresenta um algoritmo capaz de computar um tokenizer ótimo em determinados cenários.
O cofundador da CoreWeave, Brannin McBee, argumentou recentemente que o compute não é fungível da maneira que uma commodity exige. Embora ele apresente um argumento válido, essa estruturação de não-commodity é a peça central do valor de sua empresa. Ao sugerir a ausência de um mercado, ele na verdade está precificando o setor e revelando onde as margens de lucro ainda estão ocultas.
A Oracle comunicou aos investidores a expectativa de um aumento de capital adicional de 20 bilhões de dólares e reportou um fluxo de caixa livre negativo para o ano. Embora a receita tenha crescido no quarto trimestre fiscal, a expansão da infraestrutura de IA elevou os gastos de capital em 162%, totalizando 55,7 bilhões de dólares. O mercado reagiu negativamente à magnitude desses investimentos, gerando incertezas sobre a capacidade da empresa em converter esses gastos em crescimento de lucro.
O debugging de dados preditivo identifica comportamentos potenciais de um modelo antes do treinamento, por meio da análise de datasets de preferência. Essa técnica, integrada à plataforma Silico, permite que engenheiros reformulem datasets ou processos de treinamento para prevenir efeitos indesejados, aprimorando o desempenho e a segurança. Estudos de caso revelam problemas comuns, como guardrails de safety comprometidos, alucinação de links e sycophancy específica ao contexto, permitindo intervenções direcionadas para corrigir falhas antes do deployment.
O desempenho dos modelos de IA tem melhorado continuamente sem sinais de estagnação. Atualmente, modelos com pesos abertos estão apenas alguns meses atrás dos frontier models em termos de benchmarks. Se a tendência atual persistir, é provável que, até o início de 2029, seja possível rodar um modelo aberto com capacidade equivalente ao Claude Fable 5 em dispositivos equipados com 16 GB de RAM.
O sistema automatizado de pesquisa em IA da Recursive alcançou resultados de estado da arte em treinamento de modelos de linguagem com orçamento fixo, velocidade de modelos pequenos e otimização de kernel de GPU.
A Preply utiliza a OpenAI para lançar resumos de aulas gerados por IA, oferecendo feedback personalizado e exercícios de aprendizado de idiomas.
Os modelos DeepSeek foram integrados ao AI Gateway, permitindo o uso via Azure.
Assista a 9 vídeos que exibem as capacidades dos modelos Gemini Omni e Gemini 3.5, anunciados durante o Google I/O 2026.
Vulnerabilidades N-day são falhas já divulgadas publicamente, mas que permanecem sem patch em diversos dispositivos. Por fornecerem um roadmap claro para o problema, elas podem ser mais perigosas do que vulnerabilidades zero-day. Historicamente, o processo de engenharia reversa de uma falha a partir de um patch é uma tarefa lenta e especializada, mas o uso de IA tem demonstrado potencial para automatizar e acelerar essa atividade. Como consequência, qualquer sistema que apresente uma lacuna de atualização enfrenta hoje uma ameaça significativamente maior do que no passado.
O Claude Managed Agents simplifica a criação de agentes prontos para produção ao oferecer APIs componíveis com infraestrutura integrada.
Conheça como o astrofísico Chi-kwan Chan utiliza o Codex para criar simulações de buracos negros, auxiliando cientistas no estudo da física extrema e na verificação da teoria da relatividade geral de Einstein.
A OpenAI avalia um contrato de locação de 20 anos para um campus de data center em Ohio com capacidade de 10 GW, que teria suporte da Nvidia. Sob o acordo, a OpenAI controlaria os equipamentos de processamento da instalação, cuja operação está prevista para começar em 2028.
A União Europeia determinou que a Meta deve abrir o WhatsApp para chatbots de empresas concorrentes de forma gratuita. Em outubro do ano passado, a Meta proibiu chatbots de IA de terceiros na API do WhatsApp for Business, medida que a UE classificou como abuso de posição dominante no mercado europeu de mensageiros ao impedir que assistentes rivais utilizassem a API. A Meta pretende recorrer da decisão, argumentando que a ordem é um exagero regulatório que permitiria que algumas das maiores empresas do mundo acessem a API sem custos.
O modelo, o harness, o workflow e o ciclo de avaliação não são mais elementos separados na stack, mas superfícies de design conjunto que se potencializam. A defensibilidade estratégica decorre de possuir todo o loop de feedback, em vez de apenas alugar capacidade de frontier models que podem sofrer restrições, mudanças de preço ou revogação conforme os termos do fornecedor.