Início 23/11Turma 3 ao vivo de Vibe Coding & Agentes de IA: 3 semanas, 9 aulas ao vivoTurma 3 (23/11) →

Agente BioMaster, com Kimi, seleciona 100 genes em 90 minutos em vez de 4 horas

A Moonshot AI, criadora do Kimi, considera que o mercado de IA para código está perto da saturação e começa a mirar a ciência. O agente BioMaster, com o Kimi K3.1 Pro, escolheu em 90 minutos 100 genes para estudo posterior a partir de dados de 3696 células de camundongo. Um humano levaria cerca de quatro horas. Mas 72% das farmacêuticas já usam IA, e apenas 24% esperam que ela aumente o sucesso dos medicamentos. A aceleração do trabalho de rotina está comprovada; a ideia de que "a IA vai inventar o remédio" ainda não.

Processado por IA de TG: @ai_machinelearning_big_data (Machinelearning); editado por Hamidun News
Agente BioMaster, com Kimi, seleciona 100 genes em 90 minutos em vez de 4 horas
Fonte: TG: @ai_machinelearning_big_data (Machinelearning). Colagem: Hamidun News.
Ouvir artigo
Ficha técnica e números-chave
ParâmetroDados
Fonte originalTG: @ai_machinelearning_big_data (Machinelearning) ↗
Editor-chefe
BioMaster100 genes candidatos a partir de 3696 células em ~90 minutos
Pesquisa da Citi72% dos 50 executivos de P&D já usam IA
Dado-chave #3Apenas 24% esperam um aumento relevante nas chances de sucesso de novos medicamentos

A Moonshot AI, empresa chinesa que desenvolve os modelos Kimi, afirmou que a programação, principal fonte de demanda por modelos de IA de ponta, está chegando à saturação. Agora, a companhia busca um novo campo: biologia, química e farmacêutica. A primeira prova já existe: o agente BioMaster, baseado no Kimi K3.

1 Pro, recebeu dados sobre quais genes estão ativos em 3696 células do pâncreas de camundongo e, em cerca de 90 minutos, escolheu 100 genes que o biólogo deve verificar em seguida. Segundo estimativa, um humano gastaria cerca de quatro horas na mesma seleção. Imagine uma tabela enorme em que as linhas são células, as colunas são genes e cada célula traz o nível de atividade: o agente substitui o analista que procura padrões nela manualmente.

Para desenvolvedores e fundadores, é um sinal de que a corrida pelo melhor modelo está saindo do editor de código e indo para o laboratório, mas a indústria farmacêutica ainda encara o movimento com cautela.

Por que a Moonshot está saindo do código

O diretor de desenvolvimento internacional da empresa falou sobre o tema na conferência Web Summit, em Lisboa. Segundo ele, a programação, que sustentou a maior parte da demanda por modelos de ponta, se aproxima da saturação tecnológica: para a maioria das tarefas com código, o nível atual dos modelos já basta.

A partir daí, pela lógica dele, o patamar sobe. Tarefas em finanças e direito exigem aproximadamente o mesmo nível de IA que o trabalho com código, e a ciência eleva essa exigência ainda mais. Na ciência, não basta escrever um texto verossímil: o resultado precisa resistir à verificação por experimento.

O que já foi feito: BioMaster com Kimi K3.1 Pro

A DP Technology, de Pequim, anunciou uma parceria com a Moonshot: o Kimi K3.1 Pro vai operar no BioMaster, seu agente voltado a tarefas biológicas. É um exemplo do esquema "modelo de uso geral mais agente especializado": o modelo raciocina, e o agente conecta a ele os dados e as ferramentas de uma área específica.

Na demonstração, o BioMaster analisou, junto com o Kimi, a expressão gênica, ou seja, quais genes estão "ligados" na célula e com que intensidade. A partir dos dados de 3696 células, ele destacou 100 genes candidatos para estudo posterior em cerca de 90 minutos, contra quatro horas de trabalho humano, segundo estimativa.

É importante entender o que de fato ficou mais rápido. Isso não é a descoberta de um medicamento, mas uma triagem preliminar: de milhares de características, chegar a uma centena que o biólogo vai testar depois em laboratório. Esse trabalho de rotina consome muito tempo dos pesquisadores. Ao mesmo tempo, as quatro horas são uma estimativa, e não uma medição feita com um grupo independente, e o material não informa nada sobre a qualidade dos genes selecionados.

A indústria farmacêutica olha com ceticismo

O entusiasmo dos desenvolvedores não coincide com o humor do setor. Uma pesquisa da Citi feita em junho com 50 executivos de áreas de pesquisa e desenvolvimento de farmacêuticas americanas mostrou um descompasso entre uso e expectativas. Em 72% das empresas, a IA já é usada ou está totalmente integrada aos processos de pesquisa. Mas apenas 24% dos entrevistados esperam que a tecnologia aumente de forma significativa a probabilidade de sucesso de novos medicamentos.

Em outras palavras, a IA sabe acelerar a análise de dados, mas ninguém se arrisca a garantir que mais medicamentos chegarão aos pacientes. O principal gargalo da indústria farmacêutica são os ensaios clínicos, e um modelo de linguagem, por si só, não o elimina.

O que fazer na prática

Para as equipes que constroem agentes, os domínios científicos abrem um nicho próprio: o valor vem da combinação de um modelo forte com ferramentas para uma área específica. As equipes de produto devem vender o que pode ser medido, como a economia de tempo em análise exploratória de 90 minutos contra quatro horas, e não a promessa de que "a IA vai criar o remédio", que o setor ainda não compra.

A estratégia da Moonshot é clara e pode se repetir em outros laboratórios: quando o mercado de código satura, ir para onde o custo do erro é maior e, portanto, também é maior a disposição de pagar por qualidade. Se o Kimi vai se manter na ciência, só ficará claro quando surgirem verificações independentes dos resultados do BioMaster, e não apenas uma demonstração.

História

Perguntas frequentes sobre a notícia

Por que a Moonshot está saindo do código?

O diretor de desenvolvimento internacional da empresa falou sobre o tema na conferência Web Summit, em Lisboa. Segundo ele, a programação, que sustentou a maior parte da demanda por modelos de ponta, se aproxima da saturação tecnológica: para a maioria das tarefas com código, o nível atual dos modelos já basta. A partir daí, pela lógica dele, o patamar sobe. Tarefas em finanças e direito exigem aproximadamente o mesmo nível de IA que o trabalho com código, e a ciência eleva essa exigência ainda mais.

O que já foi feito: BioMaster com Kimi K3.1 Pro?

A DP Technology, de Pequim, anunciou uma parceria com a Moonshot: o Kimi K3.1 Pro vai operar no BioMaster, seu agente voltado a tarefas biológicas. É um exemplo do esquema "modelo de uso geral mais agente especializado": o modelo raciocina, e o agente conecta a ele os dados e as ferramentas de uma área específica. Na demonstração, o BioMaster analisou, junto com o Kimi, a expressão gênica, ou seja, quais genes estão "ligados" na célula e com que intensidade.

O que se sabe sobre A indústria farmacêutica olha com ceticismo?

O entusiasmo dos desenvolvedores não coincide com o humor do setor. Uma pesquisa da Citi feita em junho com 50 executivos de áreas de pesquisa e desenvolvimento de farmacêuticas americanas mostrou um descompasso entre uso e expectativas. Em 72% das empresas, a IA já é usada ou está totalmente integrada aos processos de pesquisa. Mas apenas 24% dos entrevistados esperam que a tecnologia aumente de forma significativa a probabilidade de sucesso de novos medicamentos.

ZK
Zhemal Khamidun — CPO da Alpina Digital, gerente de produto do AlpinaGPT. Cria produtos de IA desde 2019. O Hamidun News é um projeto pessoal que virou um agregador em produção com mais de 6.000 leitores.
✦ Unified AI Workspace · Nomad

Test Frontier LLMs & Autonomous Agents in One Workspace

Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.

Try Nomad AI →Launch Nomad Agent
O que você acha?
Carregando comentários…