Carregando...
Modelos, agentes, infraestrutura e impactos da inteligência artificial
36 matérias publicadas — Página 1 de 3
A inteligência artificial conversa, programa e resume com fluência. Mas pegar um copo numa cozinha bagunçada segue fora do alcance dela. Não é falha de engenharia: é um paradoxo de quarenta anos, e a conta de energia explica por quê.
DeepSeek-V2, com 236 bilhões de parâmetros e 21 bilhões ativados por token, mostra a resposta chinesa mais séria ao bloqueio de aceleradores: menos força bruta, mais arquitetura. O embargo americano não parou Pequim; empurrou a competição para MoE, quantização e custo por token.
O modelo DeepSeek-V2, com 236B parâmetros totais e 21B ativados por token, continua sendo a melhor lente para ler a disputa EUA x China: embargo de chip não matou a corrida chinesa, empurrou Pequim para MoE, compressão e custo por inferência.
A Anthropic anunciou o dreaming para Claude Managed Agents em maio: um processo que reorganiza memória de agentes entre sessões. É um passo bom. Em ambiente experimental, dá para mostrar que o desenho pode ir bem mais longe.
OpenAI abriu bastidores de voz de baixa latência, Google levou webhooks à Gemini API e o arXiv trouxe SpecKV para decodificação especulativa adaptativa. A disputa útil desta semana não está no demo bonito: está em fila, token, cache e integração.
Harness é o sistema ao redor da IA: objetivo, memória, ferramentas, limites, testes e rastro. Este manual mostra como montar agentes confiáveis sem burocracia.
Quando uma regra é específica demais para confiar num prompt genérico, a saída pode ser treinar um modelo pequeno só para aquela função. O ganho não é charme técnico; é consistência, custo menor e resposta mais rápida.
O país tem plano de R$ 23 bilhões, talentos dispersos e bons laboratórios. Mas não tem a pilha industrial necessária para treinar modelos frontier. O caminho realista passa por infraestrutura de inferência, fine-tuning em português e execução pública sem fetiche regulatório.
Publicações recentes ligadas a universidades e pesquisadores chineses mostram uma virada prática: gêmeos digitais, agentes com LLMs, world models e dados sintéticos estão deixando de ser demonstração para virar método de pesquisa.
A ideia de Software 2.0 continua sendo uma das melhores lentes para entender a IA atual: parte do programa deixou de ser escrita linha por linha e passou a ser treinada em dados, métricas e avaliação contínua.
Uma das abordagens menos convencionais para o problema da memória persistente em inteligência artificial chega ao ponto de rodar um ciclo noturno inspirado no sono humano. O desenho não substitui os sistemas já consolidados no mercado. Acrescenta uma linha de pesquisa distinta, que merece ser descrita em detalhe.
Anthropic libera Claude 3.7 Opus com 2M de contexto nativo e tool use paralelo em até 16 ferramentas simultâneas. Benchmark SWE-bench mostra 49.2% de resolução autônoma, mas custo de inferência dobra.