Together AI leva nove trabalhos de pesquisa à ICML 2026, em Seul

A Together AI anunciou em 30 de junho de 2026 que nove trabalhos de pesquisa da empresa e de seus parceiros foram aceitos na ICML 2026, em Seul. Os artigos serão apresentados no estande B714 e cobrem toda a pilha de infraestrutura de IA, dos agentes aos kernels de GPU.

Como a pilha de pesquisa está organizada

A Together AI destaca que a IA de fronteira não se constrói em uma única camada. Um ganho em uma camada é inútil se as camadas vizinhas não acompanharem. A empresa distribuiu os nove trabalhos em cinco níveis da pilha, com os agentes no topo e os kernels de GPU na base, e mostrou como cada nível alimenta o seguinte. As cargas de produção da plataforma Together, por sua vez, indicam qual problema de pesquisa atacar em seguida.

A ICML (International Conference on Machine Learning) é uma das principais conferências de machine learning do mundo, ao lado da NeurIPS e da ICLR. Ter um artigo aceito em sua programação é tradicionalmente visto pelo setor como um forte sinal de qualidade da pesquisa. Em 2026, a conferência acontece em Seul, onde a Together AI terá seu próprio estande, o B714, para receber os participantes.

O que há de novo em agentes e treinamento de modelos

Três trabalhos tratam de agentes que executam trabalho real e são avaliados em tarefas que não dá para fingir que foram resolvidas. O DSGym é um framework para avaliar e treinar agentes de dados: são mais de 1 000 tarefas em 10+ domínios sob uma API unificada. O ThunderAgent acelera a inferência de agentes em até 3,6 vezes. O TTT-Discover é um modelo aberto que, segundo os autores, supera o melhor resultado humano em sua categoria de tarefas.

Outros dois trabalhos mostram como transformar um modelo base em um modelo de raciocínio mesmo quando não há uma resposta de referência para conferir. O RARO treina o modelo sem verificador e obtém 25% de vitórias na comparação com a versão base. O V1 acrescenta até 10% de respostas corretas. Os dois atacam o mesmo problema prático: como melhorar um modelo em tarefas cuja resposta correta não pode ser verificada por simples comparação com um "gabarito".

Como a inferência e os kernels de GPU ficam mais rápidos

No nível de otimização algorítmica, o Aurora implementa decodificação especulativa adaptativa. Nessa técnica, um modelo mais leve "antecipa" vários tokens e o modelo principal os verifica, o que acelera a geração de texto. O algoritmo do Aurora se ajusta ao tráfego real e entrega aceleração de até 1,25 vez. Segundo a Together AI, essa mesma linha de pesquisa já roda em produção na plataforma sob o nome de especulador ATLAS. Ou seja, o caminho do artigo na ICML até um serviço real levou um ciclo de desenvolvimento, e não anos.

Principais dados dos níveis de sistema e hardware:

• O Untied Ulysses sustenta um contexto de 5 milhões de tokens em um único nó de computação
• O Opportunistic Expert Activation (OEA) acelera a decodificação de modelos MoE em até 39%
• O ParallelKernelBench é um conjunto de 87 tarefas para kernels multi-GPU, a base da pilha, onde o hardware bruto se converte em velocidade útil
• No total, 9 trabalhos da Together AI e parceiros foram aceitos na ICML 2026
• A empresa os apresenta no estande B714, em Seul

Por que isso importa para a empresa

A Together AI liga diretamente a pesquisa à produção: os avanços do Aurora já são usados em sua plataforma como especulador ATLAS. A lógica do ciclo descrita pela empresa é a seguinte: os resultados de pesquisa passam a fazer parte da plataforma Together, e as cargas de produção nessa plataforma mostram qual problema de pesquisa resolver em seguida.

O que isso significa

A ICML 2026 mostra que a disputa por inferência de IA mais rápida e barata acontece tanto no nível dos próprios modelos quanto no dos frameworks de agentes, dos algoritmos de decodificação e dos kernels de GPU. Empresas como a Together AI estruturam suas pesquisas ao longo de toda essa pilha, e não em um único ponto.