Anthropic alerta: modelos menores de IA podem se replicar em TVs e eletrodomésticos

IA

Benchmark Humanity’s Sixth Sense aponta falhas em raciocínio visual de IA

Elorian e Scale AI lançaram o Humanity’s Sixth Sense (HSS), um benchmark para medir como modelos interpretam e raciocinam sobre informações visuais que não aparecem explicitamente na cena. O conjunto reúne 522 perguntas distribuídas em 288 imagens e 234 clipes de vídeo, totalizando 17,6 horas, com tarefas de dinâmica temporal e causal, lógica física e espacial, entendimento social e inferência abstrata e contextual.

No desempenho, humanos alcançam pass@1 agregado de 93,1, enquanto o melhor sistema de IA citado, o GPT 6 Astra, fica em 53,6. Modelos open weight chineses tiveram resultados mais baixos, como GLM-5.3-flash (26,8) e Kimi K3 (25,5), com erros comuns ligados a detalhes decisivos ausentes e à identificação incorreta de objetos, pessoas ou papéis.

#InteligenciaArtificial · #IA · #benchmarks · #IAgenerativa · #multimodal · #pesquisaemIA · #raciociniovisual

IA

NVIDIA e Hugging Face: podcast destaca aquisições e “transfer station” na China

A NVIDIA aparece em destaque em um episódio do Software Engineering Daily ao tratar de uma aquisição reportada de US$ 12,9 bilhões da Hugging Face. O programa também comenta negócios como o acordo de quase US$ 1 bilhão da Dynatrace para a plataforma de observabilidade de IA Arize e uma possível rodada de captação da Temporal em uma avaliação de US$ 12 bilhões.

O episódio ainda explora a economia de “transfer station” na China, que oferece acesso barato a modelos de fronteira oficialmente banidos no país, incluindo táticas como “one fish, three meals” (credit farming) e troca silenciosa de modelos. A conversa conecta esse fluxo de saídas capturadas e rastros humanos ao aumento de modelos open weight de alta qualidade, além de mencionar a mudança da Meta após pausar o Llama e direcionar esforços à família Muse.

#InteligenciaArtificial · #IA · #HuggingFace · #NVIDIA · #openweights · #ModelosDeIA · #observabilidadeDeIA

IA

RPCS3 critica DLSS 5 após testes com DLL vazada no emulador de PS3

O emulador de PlayStation 3 RPCS3 criticou o DLSS 5 da NVIDIA depois que modders testaram uma versão vazada da DLL da tecnologia no renderizador do software. Em publicação no X, a equipe afirmou que viu “slop” gerado pelo recurso e disse que não vai lançar “lixo”.

O RPCS3 também argumentou que o objetivo do emulador não é focar em hardware high-end para atingir jogabilidade e que jogos da era do PS3 não fornecem motion vectors exigidos por temporal upscalers modernos, o que inviabiliza o uso do DLSS 5. A equipe ainda defendeu o uso de spatial upscaling, como FSR 1 e filtragem bilinear, dizendo que o FSR 1 não depende de motion vectors.

#InteligenciaArtificial · #IA · #NVIDIA · #DLSS · #RPCS3 · #EmuladorDePS3 · #Upscaling

Eng · Dev com IA Destaque

Twilio cria métrica de “time-in-queue” para pipelines Apache Hudi

A Twilio descreveu um método para medir a “time-in-queue” em pipelines de data lake com Apache Hudi Delta Streamer e Kafka, corrigindo a diferença entre offset lag e idade real dos dados. Em vez de usar apenas métricas de consumer offset, o sistema calcula quanto tempo se passou desde a chegada da primeira mensagem ainda não consumida após o último commit do Hudi.

O cálculo é feito por um job externo que lê o checkpoint do commit mais recente no S3, busca o offset correspondente em cada partição do Kafka, extrai o timestamp da mensagem e calcula a defasagem por delta de tempo. A abordagem roda a cada 15 minutos, inclui tratamento quando o commit mais novo não traz metadados de checkpoint e permite transformar a defasagem temporal em um “data contract” com SLAs e alertas de freshness.

#InteligenciaArtificial · #IA · #ApacheHudi · #Kafka · #DataLake · #StreamingData · #FreshnessSLA

Eng · Dev com IA

Workflow de IA “agnóstico”: dura em prod e roda rápido em eval

Uma equipe da Brex descreveu um padrão para construir workflows de IA que funcionam tanto em produção quanto em rotinas de avaliação (evals) offline. A ideia é separar a “lógica de orquestração” (passos, ordem e ramificações) do runtime: a mesma lógica roda sem mudanças em ambientes duráveis e também em loops leves para testar centenas de variações. O artigo explica por que engines focadas em execução durável (com persistência e replay) tornam as evals caras e lentas, enquanto harnesses leves não garantem resiliência para agentes longos.

Na prática, isso reduz bugs causados por divergência entre o que foi avaliado e o que vai para o ar—já que existe apenas uma versão da lógica. Para devs, a arquitetura precisa “forçar” o caminho correto (build falha se alguém escrever código não-agnóstico) e aceitar um custo: a orquestração perde acesso direto a recursos nativos de cada runtime, exigindo uma camada intermediária para novas capacidades. O resultado é um fluxo mais confiável para ajustar prompts e modelos sem sacrificar estabilidade em produção.

#AI workflows · #LLM evals · #workflow engine · #TypeScript · #Temporal · #Vercel AI SDK · #MLOps

IA

Zero-Mem reduz custo de memória em agentes de LLM sem tokens extras

Uma pesquisa apresentada no arXiv propõe o Zero-Mem, um método de “operações de memória zero-token” para agentes baseados em LLM. A ideia é que, durante o acesso à memória, não sejam feitas chamadas adicionais ao modelo nem sejam consumidos tokens de entrada/saída para gerar registros intermediários. Em vez disso, o sistema preserva os rastros originais da conversa e os organiza em duas visões (um grafo entidade–contexto e uma hierarquia temporal) para recuperar evidências e contexto. Nos testes, o Zero-Mem manteve desempenho competitivo em benchmarks de long-memory e long-context, reduzindo o tempo de operações de memória em 57,6% em relação ao melhor baseline comparado.

Na prática, a abordagem pode tornar agentes mais eficientes e rápidos ao lidar com interações longas, diminuindo custos recorrentes de tokens e latência associados à “mediação” da memória. Para times que constroem agentes e fluxos de QA, isso abre caminho para arquiteturas em que a memória estruturada não depende necessariamente de reprocessar o histórico com o LLM a cada consulta.

#LLM · #agentes de IA · #memória para agentes · #long context · #zero-shot · #arXiv

Temporal usa agentes e coding tools para acelerar entregas

A Temporal está acelerando o desenvolvimento com agentes e ferramentas de coding, como Claude Code e Cursor, aplicados tanto no dia a dia de engenharia quanto em fluxos de trabalho. A empresa relata que tarefas que antes levavam meses passaram a ser concluídas em menos de 30 dias, com receita dobrando no período. O CEO Samar Abbas diz que não consegue comprovar ligação direta entre o aumento de custos em IA e o crescimento, mas reforça a necessidade de adaptação cultural e adoção das ferramentas para manter produtividade e qualidade.

#InteligenciaArtificial · #AIagents · #codingassistants · #softwareengineering · #devtools · #MLOps · #ClaudeCode