Professores de Stanford lançam laboratório de IA Noeri com US$ 110 milhões da Nvidia
A maioria dos modelos de IA deixa de aprender depois do treinamento, e as empresas precisam escolher entre pagar caro por um modelo top ou aceitar um resultado pior com um modelo barato. O laboratório Noeri, dos professores de Stanford Yejin Choi e Carlos Guestrin, captou US$ 110 milhões para mudar isso. O sistema estuda os dados do cliente e reajusta a própria tarefa sozinho, e uma pessoa aprova as mudanças, como em uma revisão de código. Para equipes com APIs caras, é um caminho para economizar.
Processado por IA de TNW; editado por Hamidun News
Quase todo mundo que colocou IA em produção enfrentou a mesma encruzilhada: usar o modelo mais forte e pagar por cada requisição, ou economizar e aceitar um resultado visivelmente pior. O Noeri, novo laboratório, propõe um terceiro caminho. Fundado neste ano pelos professores de Stanford Yejin Choi e Carlos Guestrin, ele captou US$ 110 milhões logo no início.
A rodada foi liderada pela Menlo Ventures. Também participaram Madrona Venture Group, Kindred Ventures, Wing Venture Capital e NEA. Entre os investidores estratégicos estão Cisco Investments, Nvidia e Snowflake. A primeira publicação a noticiar o negócio foi a Bloomberg. A empresa não revela sua avaliação.
Como o Noeri quer ensinar o sistema a aprender no trabalho
A ideia central é simples. A maioria dos modelos para de aprender depois que o treinamento termina, enquanto os sistemas do Noeri, segundo a empresa, continuam melhorando conforme são usados.
O mecanismo funciona assim. A IA estuda os dados e os fluxos de trabalho de uma empresa específica. Depois, altera não só o modelo, mas tudo o que está ao redor dele: as instruções, o conjunto de ferramentas, a escolha do modelo para cada etapa e, quando compensa, os próprios modelos. Imagine um call center. O sistema pode perceber que chamados simples são resolvidos sem problemas por um modelo pequeno e barato, e que só os casos complexos justificam acionar um modelo caro. Ele então reescreve os prompts e redistribui as etapas.
Cada mudança vem acompanhada de uma explicação, e quem aprova é uma pessoa, como em uma revisão de código. Esse detalhe é importante: otimização automática sem controle assusta quem é responsável pela confiabilidade. Aqui, o engenheiro vê o que mudou e por quê, e pode rejeitar a alteração.
O sistema funciona tanto com modelos fechados quanto com modelos de pesos abertos. Os dados, os fluxos de trabalho e os modelos construídos continuam sendo propriedade do cliente.
Um modelo pequeno que gerencia modelos grandes
A ideia surgiu em parte do trabalho com uma equipe de microbiologia e imunologia de Stanford, que precisava usar os modelos da OpenAI por um custo menor. Choi contou à Bloomberg que a IA pequena deles aprendeu a usar outros modelos e superou o GPT-5 nas tarefas dessa equipe. Ainda assim, ela recorria ao GPT-4, e não ao GPT-5: segundo ela, Stanford não tem dinheiro suficiente para usar o modelo mais novo o tempo todo.
Esse é, por enquanto, um relato da fundadora, e não um benchmark publicado. As mensagens não trazem números verificáveis sobre quanto o sistema economiza ou quanto melhora a qualidade.
A segunda parte dos planos do Noeri se relaciona com a ciência. A empresa quer que a IA trabalhe junto com cientistas: formulando hipóteses, conduzindo experimentos e aprendendo com os resultados. Exemplos de tarefas são novas moléculas, proteínas e sistemas técnicos complexos. Modelos pequenos e especializados, segundo a empresa, tornam essa busca em grande escala acessível em termos de custo.
Quem está por trás do projeto e o que isso significa para quem trabalha com IA
Yejin Choi é bolsista MacArthur, ex-professora da Universidade de Washington e diretora sênior do Allen Institute for AI. A Bloomberg relata que ela também foi uma cientista de destaque na Nvidia. Carlos Guestrin fundou a Turi, plataforma de machine learning que a Apple comprou em 2016, e depois liderou a organização central de ML e IA da Apple. Ele também é um dos criadores da biblioteca de código aberto XGBoost.
A sede do Noeri fica em Palo Alto, e há um escritório em Zurique. Nas duas cidades, a empresa contrata pesquisadores e engenheiros. Ela já trabalha com parceiros de diversos setores, incluindo alguns de seus investidores.
Guestrin explicou à Bloomberg a posição deles: ambos se preocupam com a centralização, quando uma única empresa controla tudo. Daí a aposta na compatibilidade com modelos de terceiros e na manutenção do controle pelo cliente.
Para desenvolvedores e gerentes de produto, a conclusão é a seguinte. A escolha do modelo passa cada vez mais a fazer parte do próprio sistema, e deixa de ser uma decisão pontual. Já hoje é útil medir qualidade e custo em cada etapa do fluxo de trabalho, manter prompts e ferramentas sob controle de versão e verificar em quais pontos um modelo caro pode ser trocado por um barato. Se o Noeri cumprir o que promete, essa otimização se tornará automática, e a palavra final continuará com as pessoas. Por enquanto, a empresa tem dinheiro, uma equipe forte e uma proposta. A comprovação, na forma de resultados mensuráveis para clientes, ainda está por vir.
- 21 de nov. de 2026phi3 local foi invadida em 51% das tentativas — desenvolvedor colocou um gateway de proteção na frente dela
- 21 de nov. de 2026Thinking Machines lança o Inkling 2 Mini, modelo aberto de 26,4 bilhões de parâmetros para Macs com 32 GB
- 21 de nov. de 2026Nvidia dobrou o lucro, mas ações caem 2% por causa da busca por um novo CEO
- 21 de nov. de 2026Nous Research retreinou o chinês Qwen3.8, e a propaganda nas respostas caiu de 22% para 1%
Perguntas frequentes sobre a notícia
Como o Noeri quer ensinar o sistema a aprender no trabalho?
A ideia central é simples. A maioria dos modelos para de aprender depois que o treinamento termina, enquanto os sistemas do Noeri, segundo a empresa, continuam melhorando conforme são usados. O mecanismo funciona assim. A IA estuda os dados e os fluxos de trabalho de uma empresa específica. Depois, altera não só o modelo, mas tudo o que está ao redor dele: as instruções, o conjunto de ferramentas, a escolha do modelo para cada etapa e, quando compensa, os próprios modelos. Imagine um call center.
O que se sabe sobre Um modelo pequeno que gerencia modelos grandes?
A ideia surgiu em parte do trabalho com uma equipe de microbiologia e imunologia de Stanford, que precisava usar os modelos da OpenAI por um custo menor. Choi contou à Bloomberg que a IA pequena deles aprendeu a usar outros modelos e superou o GPT-5 nas tarefas dessa equipe. Ainda assim, ela recorria ao GPT-4, e não ao GPT-5: segundo ela, Stanford não tem dinheiro suficiente para usar o modelo mais novo o tempo todo. Esse é, por enquanto, um relato da fundadora, e não um benchmark publicado.
O que se sabe sobre Quem está por trás do projeto e o que isso significa para quem trabalha com IA?
Yejin Choi é bolsista MacArthur, ex-professora da Universidade de Washington e diretora sênior do Allen Institute for AI. A Bloomberg relata que ela também foi uma cientista de destaque na Nvidia. Carlos Guestrin fundou a Turi, plataforma de machine learning que a Apple comprou em 2016, e depois liderou a organização central de ML e IA da Apple. Ele também é um dos criadores da biblioteca de código aberto XGBoost. A sede do Noeri fica em Palo Alto, e há um escritório em Zurique.
Ship AI Faster with Founders, Engineers & Weekly Architecture Reviews
Inside Vibe Club (hamidun.com/club) — weekly live masterminds with Zhemal Khamidun, Tech Radar, full LMS access, and 370+ production Claude Code skills.
O essencial da IA — uma vez por semana
Sete histórias que realmente importaram, escolhidas a dedo. Sem ruído nem releases.
Pronto! Verifique seu e-mail para a confirmação.