Lançamentos, versões, disponibilidade, preços e alterações nas APIs de inteligência artificial.
104 artigos
Uma análise de 22 benchmarks distingue a fiabilidade da comparação entre sistemas implementados da fiabilidade de atribuir diferenças aos modelos. Os resultados sugerem que mais tarefas não eliminam todas as incertezas.
Code to Control separa a geração da estrutura de um controlador do ajuste dos seus parâmetros. O preprint afirma que, depois de aprendido, o controlador pode atuar sem inferência do LLM nem planeamento em cada passo; as evidências disponíveis não bastam para avaliar os números, a reprodutibilidade ou a preparação para robôs reais.
A empresa abriu listas de espera nos Estados Unidos para um agente integrado ao Apple Messages e uma API para pedidos em grandes quantidades. Ainda não foram esclarecidos aspetos importantes, como a confirmação do pagamento, os restaurantes disponíveis ou o tratamento das conversas.
Uma fonte relata um anúncio para a Índia, mas a documentação fornecida não permite confirmar quais modelos, datas ou configurações estão disponíveis no país, nem verificar uma expansão equivalente para a Coreia do Sul e Singapura.
Vários veículos atribuem a testes internos problemas de segurança no GPT‑6.1 Astra. No entanto, as informações disponíveis não incluem resultados públicos nem uma confirmação direta da OpenAI, e as páginas oficiais citadas tratam do GPT‑6 Astra.
Uma comparação entre três modelos em tarefas baseadas nos conjuntos Adult, COMPAS e Credit indica que o raciocínio corrigiu algumas mudanças contrafactuais, mas criou outras com maior frequência. O resultado não demonstra que todos os modelos ou usos produzam o mesmo efeito.
O pré-print apresenta um método de busca evolutiva que modifica casos de avaliação existentes. Em três benchmarks e três escalas do Qwen3.5, os autores relatam uma redução média de 22,7% na precisão, embora o resumo não permita auditar o cálculo nem determinar até que ponto os casos gerados representam situações reais.
Na Apsara, a Alibaba apresentou o Zhenwu V900 e informou em que etapa de treinamento está o Qwen 4, além de antecipar modelos futuros de maior escala. A data prevista para a comercialização do chip e a comparação de desempenho são declarações da empresa, não resultados independentes.
Um relatório da Google, da Google DeepMind e do MIT FutureTech reúne interações com o Gemini, um inventário de modelos especializados e uma pesquisa com cientistas. Os resultados dão pistas sobre o uso da IA, mas as quase sete horas semanais declaradas não equivalem a uma medição objetiva de produtividade.
A decisão do Circuito de D. C. confirma uma medida do Pentágono contra a Anthropic. Por si só, o seu alcance não equivale a uma proibição geral do Claude nem permite concluir que todos os contratos públicos da empresa tenham sido afetados.
Um estudo teórico e computacional propõe que um agente pode influenciar aquilo que o supervisor aprende num debate, selecionando e ordenando argumentos verdadeiros. O resultado é uma prova de conceito, não uma demonstração com modelos implementados ou supervisores humanos.
O preprint reúne eventos já resolvidos e notícias datadas para avaliar agentes em diferentes momentos históricos. Seu resumo relata melhorias com ferramentas de pesquisa em 12 modelos, embora todos tenham ficado atrás das previsões históricas do mercado.