Um novo preprint introduz o Long-Transduction, um teste projetado para isolar como os erros crescem em modelos de IA quando o contexto se alonga, o formato dos dados muda ou a complexidade das sub-tarefas aumenta. Os autores relatam quedas significativas de desempenho em sete modelos de pesos abertos, apontando uma vulnerabilidade crítica para fluxos de trabalho agênticos de longa duração.
Um estudo recente identifica uma falha específica em agentes de IA: a sobredependência da memória. Os autores propõem o MEMTRIM, um framework para filtrar memórias parciais, embora sua validação em produção ainda esteja pendente.
Um preprint avalia se a discrepância entre respostas de um modelo pequeno pode prever quando é vantajoso derivar a consulta para um modelo maior. Os resultados em GSM8K mostram uma melhoria, mas o estudo alerta sobre armadilhas metodológicas e custos operacionais.
Um preprint propõe avaliar a coordenação de agentes de código como um problema de planejamento: dividir o trabalho em áreas compatíveis e ordenar as tarefas antes que as mudanças entrem em conflito. O resumo declara melhorias na integração limpa, mas o escopo dos ensaios e a reprodutibilidade exigem examinar o artigo completo e seus materiais.
A H Company apresenta dois modelos de agentes capazes de alternar entre interfaces gráficas, execução de código e ferramentas MCP ou APIs. A empresa publica pesos e resultados, mas os testes não demonstram autonomia geral nem desempenho uniforme em todos os ambientes.
O Google DeepMind e a GovTech Singapore anunciaram uma ferramenta que analisa possíveis golpes em conversas usando modelos Gemma no próprio dispositivo. As informações disponíveis não especificam a variante, os resultados dos testes nem o alcance da proteção da privacidade.
A Mistral apresentou o Large 4 em prévia pública e anunciou que publicaria os pesos no fim de outubro. A empresa declara um trilhão de parâmetros, dos quais 52 bilhões ativos, mas os números e os resultados de desempenho precisam de contexto: a maioria das comparações disponíveis vem de avaliações da própria empresa.
Um modelo avançado completou uma cadeia de replicação numa rede controlada, com acesso simplificado. A Anthropic alerta que ainda não existe um modelo pequeno que combine capacidade suficiente e tamanho viável para se propagar por dispositivos de consumo em condições reais.
O Agent Lightning conecta agentes e seus sistemas de ferramentas e contexto a um fluxo de treinamento por reforço. O projeto oferece código sob licença MIT e apresenta resultados próprios que ainda precisam de avaliação independente.
O Google amplia o acesso ao Gemini 4 Argon, apresentado para trabalhos prolongados de programação, ciência, finanças e cibersegurança. Os resultados e o uso real ainda precisam de avaliação independente; as informações disponíveis também não permitem confirmar capacidades concretas em robótica.
Quine combina um modelo de biologia com ferramentas de pesquisa para priorizar hipóteses antes de testá-las em laboratório. A Microsoft Research relata ensaios iniciais em câncer de pâncreas, mas ainda falta uma avaliação independente do sistema.
O Google DeepMind apresenta uma prova de conceito que marca sequências de proteínas e estruturas previstas. Os ensaios divulgados sustentam a funcionalidade de alguns designs, mas não demonstram rastreabilidade universal nem resistência a manipulações deliberadas.
