O Mistral Medium 3.5, um dense model de 128B, capacita os agentes remotos Vibe a executar tarefas de codificação assíncronas e de longa duração na nuvem, com ativação a partir do CLI ou do Le Chat. O modelo combina capacidades de seguir instruções, raciocínio e codificação, operando de forma eficiente em quatro GPUs e alcançando alta pontuação no SWE-Bench Verified. O novo modo Work do Le Chat utiliza este modelo para executar tarefas complexas e de múltiplas etapas, abrangendo diversas ferramentas e funções.
CEVIU News
As melhores notícias de tecnologia, curadas diariamente para quem vive tech.
16837 notícias encontradas
Os custos de avaliação de IA escalaram, tornando-se um gargalo de compute significativo, comparável ou até superior aos custos de treinamento, com algumas execuções custando dezenas de milhares de dólares. A área enfrenta uma distribuição desigual de custos entre modelos e tarefas, evidenciando ineficiências e a necessidade de abordagens mais econômicas, como documentação padronizada e reuso de dados. Sem a devida atenção a esses desafios, o processo de avaliação permanece caro, dificultando o acesso igualitário e prejudicando a validação externa na pesquisa em IA.
A Alphabet planeja vender suas Tensor Processing Units (TPUs) personalizadas para clientes selecionados, permitindo a instalação desses chips em seus próprios data centers. A empresa anunciou recentemente dois novos modelos de TPUs otimizados para training e inference. A Alphabet já firmou acordos com a Anthropic e a Meta para o fornecimento desses chips, o que intensifica a competição com a Nvidia no mercado.
O AutoSP automatiza a conversão de código padrão de treinamento de transformer em código de paralelismo de sequência, focado no treinamento de LLM de contexto longo, e é integrado ao DeepSpeed. Essa ferramenta permite o treinamento de sequências mais longas em múltiplas GPUs sem um overhead de runtime significativo, eliminando a necessidade de mudanças manuais complexas no código. Além disso, o AutoSP oferece uma estratégia avançada de activation-checkpointing para um melhor gerenciamento de memória, otimizando o desempenho com custo mínimo.
Os LLM Granite 4.1 utilizam uma arquitetura densa, decoder-only, com modelos de 3B, 8B e 30B de parâmetros. Foram treinados em 15 trilhões de tokens, empregando uma abordagem de pré-treinamento em cinco fases. O modelo de 8B parâmetros alcança o desempenho do modelo anterior de 32B Mixture-of-Experts, por meio de um pipeline de reinforcement learning em múltiplas etapas focado na qualidade dos dados. Desenvolvidos para uso corporativo eficiente e confiável, esses modelos demonstram performance competitiva em instruction-following e uso de ferramentas, mantendo a eficiência de custo e um stable usage.
Este post discute como fazer com que as toolchains MCP funcionem usando um framework onde os servidores MCP realizam a maior parte do trabalho, enquanto os modelos seguem um rastro. Os modelos não planejam; eles analisam a conversação, escaneiam a lista de ferramentas e escolhem o que parece mais provável. Para criar cadeias eficazes, é crucial que o servidor torne a próxima chamada inequivocamente óbvia em cada etapa.
A CrewAI desenvolveu Iris, uma funcionária de IA interna, nativa do Slack, capaz de escrever código, enviar pull requests (PRs), revisar o trabalho de colegas de equipe e até mesmo modificar sua própria base de código, atuando em toda a organização de engenharia da CrewAI.
DataPRM é um modelo de recompensa de processo ciente do ambiente que detecta erros silenciosos e supervisiona melhor os agentes de análise de dados, aprimorando o desempenho subsequente e a generalização em diferentes benchmarks.
Elon Musk afirma ter sido um tolo ao apoiar a OpenAI quando ela era uma organização sem fins lucrativos. Musk concedeu à startup um financiamento essencialmente gratuito de US$ 38 milhões. Atualmente, a OpenAI está avaliada em US$ 800 bilhões. Musk solicitou a um tribunal que anule a recente conversão da OpenAI para uma entidade com fins lucrativos e busca indenização de mais de US$ 180 bilhões.
O mercado de inference está se fragmentando devido à diversidade das cargas de trabalho. O ecossistema de modelos se dividiu em camadas de latência, modelos multimodais e modelos de edge. Cada tipo de modelo possui requisitos distintos de disponibilização, o que leva à fragmentação da infraestrutura. Essa fragmentação, por sua vez, cria espaço para que múltiplos vencedores surjam.
O GitHub divulgou uma vulnerabilidade de alta severidade, CVE-2026-3854, que afeta o GitHub Enterprise Server e outros produtos, permitindo a execução remota de código através de opções git push manipuladas.
A OpenAI parece estar lidando com um novo problema em seu modelo mais recente, onde o sistema se concentra em goblins em conversas completamente alheias ao tópico.
O objetivo inicial do projeto Stargate era construir 20 data centers. No entanto, os parceiros supostamente não conseguiram chegar a um acordo sobre quem teria o controle final dos data centers planejados. Em vez disso, a OpenAI começou a alugar compute. A startup não obteve lucro desde a sua fundação e, embora muitas instituições acreditem em seu potencial, alguns analistas estimam que ela poderá ficar sem caixa até meados de 2027.
O World-R1 é um framework de reinforcement learning que aprimora a consistência 3D na geração de vídeo, utilizando feedback de modelos 3D e de visão-linguagem sem modificar a arquitetura base.
A Parallel Web Systems, startup fundada por Parag Agrawal, ex-CEO do Twitter, desenvolveu uma plataforma para agentes de IA realizarem buscas na web.
O Google concordou em fornecer ao Departamento de Defesa dos EUA acesso à sua IA em redes classificadas para usos legais amplos.
As ações de diversas empresas ligadas à OpenAI registraram queda na terça-feira, após a divulgação de que a OpenAI não alcançou suas metas internas de receita e usuários. Investidores expressam preocupação de que o vultoso investimento da OpenAI em IA possa não resultar nos lucros expressivos que muitos antecipam. Críticos da OpenAI apontaram que alguns dos arranjos financeiros da empresa possuem uma natureza circular, onde os parceiros da companhia fornecem financiamento e a própria empresa utiliza esses fundos para despesas com compute junto a esse mesmo parceiro. Em resposta, a OpenAI defendeu sua solidez financeira e assegura que seus líderes estão focados em garantir recursos computacionais.
O novo modelo de IA da Meta, Muse Spark, sinaliza uma mudança em sua estratégia de IA, migrando do open-source para acesso pago, com o objetivo de impulsionar seu negócio de publicidade e competir no crescente mercado de IA. Analistas demonstram otimismo cauteloso, destacando os testes internos e investimentos da Meta, apesar de a empresa ainda estar atrás de players de ponta como o Claude da Anthropic. A redução de força de trabalho da Meta e as contratações estratégicas refletem seu foco intensificado em avanços e infraestrutura de IA.
O Recurrent Transformer é uma arquitetura inovadora projetada para superar a profundidade temporal limitada dos Transformers padrão. Ao introduzir recorrência entre as camadas, o modelo utiliza uma combinação de pares chave-valor temporários e persistentes para permitir que cada camada mantenha uma memória interna continuamente atualizada. Este mecanismo capacita o modelo a realizar raciocínio complexo e iterativo em uma sequência sem a necessidade de grandes pilhas de camadas.
A plataforma ElevenAgents da ElevenLabs introduziu os Agent Templates, uma funcionalidade que possibilita a implantação ágil de agentes de IA. Esses templates utilizam frameworks pré-construídos, permitindo uma configuração e um desenvolvimento mais rápidos para soluções baseadas em agentes.