Investigação relevante, resultados publicados e limites das avaliações.
78 artigos
A Moonshot AI apresenta o Kimi K3.1 Pro, um modelo de 2,8 trilhões de parâmetros com 104 bilhões ativos que alcança a primeira posição entre modelos abertos no índice AAII. Analisamos sua arquitetura MoE, seus resultados em benchmarks de código e finanças, e o impacto da iminente publicação de pesos abertos.
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.
A AWS lança o TorchNeuron, um backend nativo de código aberto que permite executar modelos do PyTorch em chips Trainium2 e Trainium3. A ferramenta busca reduzir a dependência do CUDA, embora sua primeira versão apresente limitações de compatibilidade e omita milhares de testes do framework.
A Microsoft apresenta o Project Perception, um sistema de segurança agêntico que trata agentes de IA não controlados pelo laboratório como vetores de risco equivalentes a funcionários maliciosos, integrando avaliação contínua no Microsoft 365 E7.
Um preprint do Google DeepMind descreve como quatro agentes completaram uma partida de sobrevivência após escreverem 2.783 programas e morrerem 605 vezes. O resultado documenta uma execução concreta, não uma capacidade geral já demonstrada.