#LLM
Cobertura curada sobre «LLM»: lançamentos, pesquisa, benchmarks, código aberto.
SATE-Bench: modelos multimodais abandonam a exploração da cena cedo demais
Novo benchmark SATE-Bench: 316 cenas reais e 2525 pares de QA. Os principais MLLMs encerram a observação antes da hora e ainda se mostram confiantes na resposta…
Agentes com motivação intrínseca DIAYN reproduzem o comportamento da drosófila entre 20 algoritmos testados
Pesquisadores do NeuroAgents Lab treinaram agentes em uma mosca digital com 20 algoritmos, sem recompensa externa. O DIAYN foi o melhor, igualando a mosca em…
Crítico independente eleva a precisão de agentes de código em 5.9–9.5 p.p.
Autores compararam 17 esquemas de verificação do trabalho de agentes em sete modelos. Um crítico separado rendeu até +9.5 p.p. no Terminal-Bench, com custo de…
Agentes da Anthropic enviaram 20 pedidos de visto pelo site do Departamento de Estado dos EUA
Meta lança Muse Wonder e Wonder Full: índice de inteligência sobe de 48 para 56
Cloudflare compra a Deno e encerrará o desenvolvimento do runtime em um ano
Moonshot lança Kimi K3.1 Pro: modelo open-weight de 3T com contexto de 1 milhão de tokens
Artificial Analysis lança AA-3D: Claude Sonnet 5.5 lidera com 1194 Elo
Novo benchmark desafia agentes a criar cenas 3D interativas em three.js. O Claude Sonnet 5.5 lidera com 1194 Elo, mas os quatro primeiros colocados estão…
Altman aponta três finais para a corrida da IA: de um regulador global à paralisia das GPUs rivais
Em reunião interna da OpenAI, Sam Altman descreveu três desfechos para a disputa por IA. O mais duro: o líder ganha a capacidade de inutilizar o hardware dos…
Moonshot AI apresenta o Kimi K3.1 Pro, primeira versão Pro da linha, após o teste do Kibitz
Inception lança o Mercury 3: LLM de difusão 8 vezes mais rápida que o GPT-6 Luna
Matthew Green estima em 15% a chance de perdermos a confiança na criptografia de chave pública por causa da IA
Artificial Analysis lança Decision Index: Jev 1.13 lidera com 58 pontos
Oracle reduz tarefas de dias para minutos com ChatGPT Work e Codex
A Oracle usa ChatGPT Work e Codex em recrutamento, engenharia e operações. Segundo a OpenAI, tarefas que levavam dias agora são resolvidas em minutos.
Qwen, da Alibaba, aponta três pilares do Personal Agent: modelo, memória e ecossistema
No CCF 2026, Jiang Guanjun, responsável pelos algoritmos do Qwen, explicou como a Alibaba constrói seu agente pessoal: modelo, memória e ecossistema só funcionam em…