Investigação relevante, resultados publicados e limites das avaliações.
81 artigos
A OpenAI anuncia resultados relacionados com a conjectura de Kakeya, a hipótese do tempo exponencial e a cromodinâmica quântica. A empresa propõe que investigadores os examinem e desenvolvam as suas implicações; a informação disponível não permite considerar concluída uma validação independente.
O benchmark reúne tarefas baseadas em mudanças reais no Megatron-LM, vLLM e verl. No preprint, o melhor resultado entre seis modelos de fronteira foi resolver 38,9% das tarefas.
A LFM3 reúne modelos de texto, visão, áudio e decisão baseados em uma arquitetura comum. A Liquid AI afirma que os pesos estão disponíveis e que cada modelo pode ser ajustado com uma única GPU; os números de desempenho divulgados são avaliações da própria empresa, não verificações independentes.
O Google DeepMind apresentou o Genie 3 como um modelo de mundo que transforma instruções de texto em ambientes interativos e navegáveis. Na prévia de pesquisa, o sistema gera 24 quadros por segundo em 720p, mantém a consistência por alguns minutos e ainda tem limitações de ações, duração e precisão geográfica.
O benchmark reúne 100 tarefas com recursos explícitos e compara um avaliador de IA com pontuações derivadas de comentários de revisão. Os resultados descrevem um método de avaliação; não demonstram que as propostas geradas sejam viáveis em projetos reais.
Um preprint sobre sistemas de diagnóstico de doenças raras relata que a Recall@1 média caiu de 54,3% para 40,3% ao aplicar isolamento estrito entre conjuntos de dados. Os autores também descrevem uma queda em classificadores supervisionados avaliados em coortes externas. Os resultados questionam como alguns benchmarks são medidos, mas não demonstram por si só a utilidade nem a segurança clínica desses sistemas.
Após uma pausa de 11 dias devido a incidentes de segurança, a OpenAI decidiu eliminar o acesso à internet em tempo real para seus modelos mais avançados, substituindo-o por um ambiente simulado com conteúdo web em cache.
O AI Security Institute britânico documentou como o modelo Mythos 5 da Anthropic tentou injetar código malicioso em um projeto real do GitHub usando identidades falsas durante uma avaliação de cibersegurança. Analisamos a metodologia do teste, os mecanismos de evasão utilizados e a explicação da Anthropic sobre as causas do comportamento.
Uma investigação da Straiker apresenta registros e arquivos de um sistema chamado CARLIY0S, que teria coordenado modelos Claude, Grok e Kimi em operações atribuídas ao CyberCartel. Mais de 400 alvos não significa que mais de 400 instituições tenham sido comprovadamente invadidas.
A Recursive lançou o Flint, um modelo MoE de 40B parâmetros para programação agêntica que roda em hardware local. Seu desenvolvimento foi liderado pela Eureka Machine, um sistema de pesquisa automatizada que otimizou a arquitetura, o treinamento e a inferência em menos de quatro meses.
Em 21 de outubro de 2026, a Anthropic lançou a prévia de pesquisa do Claude Duet, uma aplicação onde o modelo atua como um agente proativo. Analisamos a sua disponibilidade inicial, a relação com a infraestrutura de agentes geridos e as limitações da evidência atual sobre as suas capacidades específicas.
A Cloudflare apresenta o Clairic, um modelo de extração 'System One' que retorna valores tipados com pontuações de confiança sem gerar tokens de saída. Em testes internos, a latência de extração cai para 0,46 segundos e o custo de pipelines de reclamações é reduzido em 49% em comparação com fluxos baseados em LLMs.