Curadoria e redação: Gabriel Martins
Resumo do Dia
- Quatro assinantes processaram Anthropic, OpenAI, SpaceXAI e Google por conluio — e o objeto da suposta cartelização não é preço: é a promessa de ir mais devagar. A ação antitruste transforma o debate sobre ritmo em litígio.
- Trump anunciou uma "AI Force" e um czar de IA, chamou os alertas de segurança de "embuste" e prometeu que a Casa Branca não vai "de forma alguma atrapalhar" o setor. Nenhum nome, orçamento ou competência foi divulgado.
- A chinesa StepFun abriu a API do Step 5 Preview, um modelo de 600 bilhões de parâmetros que empata com o Kimi K3 Max no índice da Artificial Analysis cobrando cerca de um sétimo do preço do GPT-5.6 Sol. Os pesos abertos foram prometidos para 15 de outubro.
- A PrismML comprimiu um modelo de 27 bilhões de parâmetros de 54 GB para 5,9 GB preservando 98,2% do desempenho agregado — em licença Apache 2.0, rodando em laptop de 16 GB.
- A Anthropic está em ritmo de mais de US$ 100 bilhões de receita anualizada e adiou o IPO de outubro para novembro, para incluir o terceiro trimestre. A mira é uma avaliação perto de US$ 2 trilhões.
Modelos, Benchmarks e Papers
BenchmarkPreçoStep 5 Preview: 600 bilhões de parâmetros a um sétimo do preço do topo americano
A StepFun anunciou oficialmente hoje o Step 5 Preview e abriu a API (interface de programação, o canal pelo qual programas acessam o modelo) no mesmo dia. É um MoE esparso (Mixture of Experts, "mistura de especialistas" — arquitetura em que só uma fração do banco de parâmetros é ativada a cada token) com 600 bilhões de parâmetros totais e 27 bilhões ativos por token, e janela de contexto de 1 milhão de tokens. A Artificial Analysis mede o modelo em 44 no seu Intelligence Index, o que o empata com o Kimi K3 Max — a US$ 1 por milhão de tokens de entrada e US$ 2,70 de saída, com desconto de 95% para cache, o que sai por volta de um sétimo do preço do GPT-5.6 Sol.
Duas ressalvas antes de tratar isso como fato consolidado. A primeira é que o índice da Artificial Analysis é um agregado, não uma medida de adequação a uma tarefa específica — empatar num índice composto não significa empatar no que cada equipe precisa fazer. A segunda é mais concreta: a StepFun promete pesos completos e abertos em 15 de outubro, mas o repositório no Hugging Face hoje contém apenas um arquivo .gitattributes. Promessa de abertura com data marcada é padrão comum no setor chinês e costuma ser cumprida; ainda assim, "aberto em outubro" e "aberto" são coisas diferentes, e vale registrar a diferença.
BenchmarkSoL-Pi: a NVIDIA põe o agente para otimizar o próprio andaime — e corta metade dos tokens
Segundo dia consecutivo com um paper relevante sobre harness — o andaime de software em volta do modelo num agente de programação, responsável por planejar, chamar ferramentas e decidir o que fica no contexto. O SoL-Pi, de um time da NVIDIA com 14 autores nomeados, é o paper mais votado do Hugging Face na janela, com 82 votos. A abordagem é declaradamente inspirada em RSI (Recursive Self-Improvement, autoaperfeiçoamento recursivo): em vez de humanos projetarem o andaime, laços automáticos de pesquisa são escalados sobre ambientes cada vez mais numerosos e diversos, e o que sobrevive à seleção vira o produto. Quatro mecanismos sobreviveram, cobrindo execução de ações, compactação de contexto, tratamento de observações e leitura delegada.
Os números reportados no EdgeBench, uma avaliação de 51 tarefas: desempenho comparável ao do harness Pi com GPT-5.6 Sol e Opus 5, mas com 44,7% a 49,0% menos tráfego de tokens registrado e cerca de um terço a menos de custo de API — o que os autores traduzem em economia estimada de US$ 8,75 a US$ 13,50 por hora em relação aos harnesses nativos do Codex e do Claude Code. O ceticismo devido: o robô de recomendação do próprio Hugging Face listou sete papers muito semelhantes publicados nos últimos dois meses, todos sobre harnesses que se autoevoluem. Quando sete grupos independentes publicam a mesma ideia em oito semanas, é sinal de que a ideia está no ar — e também de que nenhum deles ainda foi replicado por terceiros. O código está publicado.
JEPA-Anything: um mesmo princípio preditivo para visão, biologia, clima e dinâmica molecular
Modelos de mundo — sistemas que aprendem a antecipar as consequências de uma ação — costumam ser feitos sob medida para um domínio. O JEPA-Anything, de um consórcio com 13 autores, propõe o contrário: um princípio único, batizado de fatoração preditiva ortogonal, que decompõe o alvo latente em fatores complementares, aprende cada um por um caminho dedicado e os recombina num desenho preditivo compartilhado. A sigla JEPA (Joint-Embedding Predictive Architecture, arquitetura preditiva de incorporação conjunta) designa a família de modelos que aprende prevendo representações abstratas do futuro em vez de pixels ou tokens brutos.
A avaliação cobre sete domínios: visão, biologia, trajetórias clínicas, controle, dinâmica molecular, campos físicos e clima. Os autores relatam melhora em todas as 10 tarefas de dinâmica contra bases JEPA equivalentes, redução de 34,8% no erro de previsão de intervenção única no Interventional Pong, e os menores erros moleculares em um passo e em 100 passos nos quatro sistemas comparados. O detalhe mais ambicioso — e o que mais merece cautela — é que uma intervenção biológica indicada pelo modelo teria recebido apoio experimental em cocultura de células, organoides derivados de pacientes, fragmentos tumorais e camundongos; a validação aparece descrita no paper, mas replicação independente é outra história. O código está no GitHub.
Hugging Face · arXiv · GitHub
Ferramentas, Produtos e Preços
BenchmarkPreçoTranscrição de voz: o erro cai por dois terços e o preço não muda
A SpaceXAI lançou o Grok Voice Transcribe 2.0 afirmando cerca de 2× mais acurácia que a versão anterior pelo mesmo preço — US$ 0,10 por hora em lote e US$ 0,20 por hora em fluxo contínuo. O número que sustenta a afirmação é a taxa de erro por palavra (WER, word error rate, a métrica padrão de transcrição: quantas palavras em cada cem saem erradas): em frases curtas, através de 19 idiomas, caiu de 20,6% para 6,8%; em chamadas telefônicas em inglês, de 3,9% para 2,7% na primeira transcrição final. O modelo aparece em primeiro entre 32 sistemas de fluxo contínuo no ranking público de acurácia da Artificial Analysis, e inclui separação de locutores, marcação de tempo e ponderação de termos-chave sem cobrança extra.
Duas observações honestas. A primeira: 20,6% de erro em frases curtas era um número ruim, então dobrar a acurácia partindo dali é menos impressionante do que soa — o ponto de comparação relevante é o campo, não a versão anterior. A segunda: é API apenas, sem pesos abertos, o que significa que quem precisa transcrever material sensível sem que ele saia da própria infraestrutura continua tendo de olhar para outro lugar. Para uso em português, vale testar antes de migrar: a média de 19 idiomas não diz o que acontece em cada um.
FerramentaO ChatGPT para computador agora aceita extensões do Chrome — com o agente isolado delas
A OpenAI ligou o suporte a extensões do Chrome dentro do navegador embutido do aplicativo de desktop do ChatGPT. Na prática, dá para instalar e fixar um gerenciador de senhas como o 1Password sem trocar de janela. Dois detalhes de arquitetura merecem atenção porque são a parte que importa em segurança: o navegador embutido mantém estado próprio, separado do perfil do Chrome do usuário, e a OpenAI isola explicitamente o agente do ChatGPT do DOM e dos dados das extensões — ou seja, a extensão enxerga a página, o agente não enxerga a extensão.
Para administradores corporativos, há controles: é possível desabilitar o navegador inteiro, restringir sites, bloquear importação de credenciais e impor políticas que o usuário não consegue sobrescrever. O padrão que se desenha aqui é interessante e vale copiar em qualquer produto que junte agente e navegação: as duas capacidades convivem na mesma janela, mas em compartimentos que não se leem. É a resposta de desenho para o problema que ronda todo agente de navegador — o de que qualquer coisa que o agente consiga ler, um texto malicioso na página consegue usar como instrução.
FerramentaOpenClaw 2026.9.5: atualização que se testa antes de entrar, e plugin sem reiniciar
O OpenClaw — plataforma de código aberto para agentes pessoais autohospedados — lançou a versão 2026.9.5, com 4.179 pull requests de 502 contas contribuintes, número que dá a dimensão do ecossistema. A mudança de maior consequência operacional se chama Atomic Updates: em vez de substituir a instalação e torcer, o processo mantém a versão atual rodando, prepara a próxima em paralelo, valida a nova versão contra uma cópia privada da configuração existente e só então faz a troca. Atualização que falha reverte sozinha, e o agente que estava funcionando continua disponível para diagnosticar o problema.
O resto do pacote: recarga a quente de plugins (instalar ou recarregar sem reiniciar o gateway), compartilhamento de conversas, arquivos de conversa recuperáveis, páginas de navegador trabalháveis ao lado do agente, presença em reuniões e chamadas telefônicas, e um assistente guiado para montar times de agentes especialistas. O padrão de atualização validada contra a configuração real antes da troca é o tipo de coisa que qualquer projeto de automação caseira deveria tomar emprestado: a maioria das rotinas de atualização assume que o ambiente de teste do fornecedor se parece com o ambiente de produção de quem instala, e quase nunca se parece.
Ferramenta"Apagar" que não apaga: a denúncia sobre o Google AI Studio, e a resposta em 60 segundos
Um pesquisador independente publicou no Medium a alegação de que o botão de exclusão do Google AI Studio — o ambiente gratuito em que muita gente testa os modelos do Google — retorna um erro 404 falso enquanto mantém os dados do prompt no servidor. Mais desconfortável que a falha é o que ele relata sobre a denúncia: o programa de recompensa por vulnerabilidades do Google (VRP) teria banido o relator automaticamente 60 segundos após o envio. Discussões no fórum oficial de desenvolvedores do Google corroboram o comportamento e o classificam como falha de exclusão nos termos do Artigo 17 do GDPR (o regulamento europeu de proteção de dados; o artigo trata do direito ao apagamento, o equivalente ao que a LGPD chama de direito à eliminação).
O Google não se pronunciou publicamente até o fechamento deste boletim, e vale ser explícito: é a versão de uma pessoa, ainda não verificada de forma independente, e o comportamento descrito pode ter explicação mundana — exclusão assíncrona, cache, réplica que demora. Dito isso, a lição prática não depende de o caso se confirmar. Interface que diz "apagado" é uma afirmação do fornecedor, não uma verificação; quem tem obrigação legal de comprovar eliminação de dados precisa do compromisso contratual e do registro de auditoria, não do botão.
Open Source e Local
Open SourceBenchmarkTernary Bonsai 2: 27 bilhões de parâmetros em 5,9 GB, com 98,2% do desempenho
O item mais concreto do dia para quem roda modelo em máquina própria. A PrismML publicou o Ternary Bonsai 2 27B, uma reescrita ternária do Qwen3.8 27B da Alibaba. "Ternário" aqui é literal: cada peso é reduzido a um de três valores — −1, 0 ou +1 —, o que na prática custa 1,71 bit por peso no formato usado. O resultado é uma compressão de 54 GB para 5,93 GB, fator de 9,1×, com retenção reportada de 98,2% do desempenho agregado em 20 avaliações — incluindo 99,5% em matemática e 99,3% em código, que são justamente as capacidades que costumam desabar primeiro quando se quantiza agressivamente.
A técnica declarada é rotação de Hadamard em blocos antes da quantização, um truque que espalha o "peso" da informação entre as dimensões e reduz a perda de arredondar cada uma para três valores. As velocidades reportadas: 142,5 tokens por segundo numa RTX 5090 e 46,8 numa máquina com chip M5 Max — e, o ponto que muda o alcance prático, cabe em laptop com 16 GB de memória. Duas ressalvas: a licença é Apache 2.0 (permissiva, inclusive para uso comercial), mas a execução depende de um fork do llama.cpp mantido pela própria PrismML, o que é dependência de um fornecedor só até que a mudança entre no projeto principal; e a retenção de 98,2% é agregada e autorreportada — quem depende de uma capacidade específica deveria medi-la na própria tarefa antes de trocar.
Open SourceFerramentaUm modelo de 706 mil parâmetros que só sabe preencher formulário — e isso é o ponto
A Cua abriu o código do CUA-S1-FORMS, um modelo de 706.048 parâmetros — não bilhões, mil — que planeja ações de preenchimento de formulário numa única passagem para a frente, em vez de gerar a resposta token a token. O checkpoint tem 2,8 MB, licença MIT (das mais permissivas que existem), e a liberação inclui geração de dados sintéticos, código de treino e de avaliação. A empresa descreve o lançamento como o primeiro de uma família planejada de modelos pequenos e especialistas para decisões limitadas de interface.
É o terceiro modelo de "Sistema Um" a aparecer nesta semana, junto do Laya e do Jev, e a linha já dá para ser lida como tendência e não como coincidência. A tese compartilhada pelos três é a mesma: há uma classe grande de decisões — qual campo preencher, qual botão clicar, que rótulo aplicar — em que gerar texto é desperdício puro, porque a saída útil é uma escolha entre opções conhecidas. Vale a cautela de sempre com modelo minúsculo e especialista: ele funciona dentro do domínio em que foi treinado e falha fora dele sem avisar, o que torna a detecção de "estou fora do meu escopo" parte essencial de qualquer sistema que o use.
Open SourceOllama 0.34.3: o nível de raciocínio vira informação consultável
Atualização pequena e útil do Ollama, o runtime mais usado para rodar modelos abertos localmente. A partir da 0.34.3, o endpoint /api/show passa a anunciar os controles de raciocínio de cada modelo e o padrão adotado — a consulta devolve, por exemplo, os valores aceitos (low, high, max) e qual deles está valendo. Parece detalhe, mas resolve um atrito real: até aqui, descobrir se um modelo aceitava ajuste de esforço de raciocínio, e qual o padrão, exigia ler documentação dispersa ou tentar e ver o que acontecia. Quem monta orquestração sobre vários modelos agora consegue descobrir isso programaticamente, em vez de codificar a suposição.
O resto da versão: suporte aos modelos de visão Nemotron H em Apple Silicon com MLX (o framework de aprendizado de máquina da Apple para os chips da série M), correção nos downloads vindos do Hugging Face e o aplicativo de macOS parando de reabrir janelas fechadas. Vale lembrar, para quem ainda não atualizou desde a 0.34.1, que aquela versão transferiu a conversão de safetensors para GGUF ao ferramental do llama.cpp — a checagem continua valendo antes de subir de versão.
Negócios, Regulação e Impacto Social
Processam-se os laboratórios por combinarem ir devagar — e o argumento não é frívolo
O item mais inesperado do dia. Quatro assinantes de ChatGPT, Claude, Grok e Gemini entraram na sexta-feira com ação coletiva antitruste no Tribunal Distrital dos EUA para o Norte da Califórnia contra Anthropic, OpenAI, SpaceXAI e Google, pedindo representação de uma classe nacional de assinantes pagantes. A tese: ao combinarem desacelerar o desenvolvimento, as quatro empresas violaram a lei antitruste, porque um acordo entre rivais de que o progresso "deve ser mais lento do que a concorrência produziria" tem efeito anticompetitivo sobre o consumidor — que paga por uma assinatura cujo valor futuro foi deliberadamente reduzido.
A ação data a suposta coordenação em 12 de setembro, quando Dario Amodei publicou o ensaio pedindo cooperação setorial pela desaceleração e Sam Altman, Elon Musk e Demis Hassabis responderam publicamente concordando, todos no mesmo dia. Os autores fazem questão de dizer que não se opõem a que as empresas peçam regulação ao Congresso ou à Casa Branca, nem a que peçam uma isenção antitruste — opõem-se a que ajam como se já a tivessem. O detalhe que torna o caso difícil de descartar é que o próprio Amodei antecipou o problema no ensaio, escrevendo que seria útil o governo americano mediar as conversas ou "ao menos emitir uma renúncia estreita para certos tipos de conversa sobre segurança". Altman havia respondido que não seria preciso "esperar por uma isenção antitruste ou legislação para começar". Do outro lado do espectro político, o senador republicano Josh Hawley já declarou em audiência que "não existe mundo" em que concederia isenção antitruste às "empresas mais poderosas da história". As quatro empresas não comentaram.
"AI Force" e um czar: a Casa Branca responde ao debate sobre ritmo pelo lado oposto
Em publicação na Truth Social na sexta-feira, o presidente Donald Trump anunciou que vai nomear um czar de IA e criar uma "AI Force" nos moldes da Space Force para supervisionar o setor, acrescentando que "apenas indivíduos de alto Q.I. precisam se candidatar". No mesmo texto, descartou as preocupações com segurança de IA como um "embuste" — reagindo especificamente ao alerta de um pesquisador da Anthropic sobre risco superior a 10% de a tecnologia "matar todos os humanos" na próxima década — e prometeu que a Casa Branca "não vai de forma alguma atrapalhar ou sufocar" o crescimento do setor, enquadrando a liderança americana como condição para "vencer a China". Em outra publicação, sugeriu que a própria expressão "inteligência artificial" deveria ser rebatizada.
Nenhum nome foi anunciado, e não há detalhe sobre orçamento, competências ou onde a nova estrutura ficaria no organograma federal. O cargo de czar de IA e criptomoedas existiu até março, ocupado por David Sacks, que deixou o posto ao atingir o limite de tempo como funcionário público especial. Vale registrar a tensão entre os dois anúncios do mesmo dia: cria-se uma estrutura militarizada de supervisão do setor e, no mesmo texto, declara-se que aquilo que ela supervisionaria não é um risco real. Nos termos práticos que interessam a quem opera fora dos EUA, o sinal é de divergência regulatória crescente entre Washington, Bruxelas e Pequim — e quem constrói produto para os três mercados vai precisar de conformidade em três regimes que não convergem.
NBC News · Axios · TechCrunch
PreçoAnthropic em ritmo de US$ 100 bilhões, e o IPO escorrega para novembro
Reportagem do New York Times, replicada por Axios e Yahoo Finance, afirma que a Anthropic está em ritmo de gerar mais de US$ 100 bilhões de receita anualizada neste ano — alta de 50% sobre os US$ 65 bilhões divulgados em julho e mais de dez vezes o patamar do fim de 2025 —, puxada pela adoção corporativa do Claude Code e do Cowork. A empresa empurrou o IPO de outubro para novembro de 2026 para incluir os números do terceiro trimestre na oferta, mirando avaliação de cerca de US$ 2 trilhões, o que seria a maior abertura de capital da história.
Três coisas que valem a cautela. Primeira: "receita anualizada" é uma projeção, não faturamento realizado — pega-se o mês mais recente e multiplica-se por doze, o que em uma curva de crescimento acelerado produz um número maior do que o que se vai efetivamente arrecadar no ano. Segunda: adiar a oferta para incorporar um trimestre melhor é prática normal e também é escolha de apresentação; a decisão diz que a empresa espera que o terceiro trimestre ajude. Terceira, e a mais interessante: o mesmo mês em que a empresa pede publicamente que o setor desacelere é o mês em que ela prepara a maior abertura de capital já feita — e a ação antitruste noticiada acima vai explorar exatamente essa justaposição, com ou sem razão.
Universal e Sony processam a Suno de novo: 60.202 gravações e a tese da "árvore envenenada"
A Universal Music Group e a Sony Music protocolaram na sexta-feira uma queixa de 45 páginas no Tribunal Distrital de Massachusetts contra a nova família de modelos "v6" da Suno, geradora de música por IA. A tese jurídica é o que merece atenção: as gravadoras não alegam apenas que o v6 foi treinado com material protegido — alegam que ele é "fruto da mesma árvore envenenada", por ter sido treinado sobre as saídas dos modelos anteriores da própria Suno, que já eram objeto de litígio. Se essa tese vingar, ela alcança uma prática hoje disseminada em todo o setor: usar dados sintéticos gerados por um modelo anterior para treinar o próximo.
A ação coloca número no que antes era genérico — 60.202 gravações protegidas, que as gravadoras descrevem como "apenas uma pequena porção" do total infringido — e pede indenização legal e honorários. O contraste com o resto do mercado é o dado mais revelador: Warner, BMG e Believe licenciaram conteúdo para o v6; Universal e Sony não. Ou seja, a mesma versão do mesmo produto é, ao mesmo tempo, licenciada e processada, a depender de quem detém o catálogo. Para quem acompanha a discussão brasileira sobre remuneração de conteúdo protegido no PL 2.338/2023, é uma prévia útil de como o impasse se resolve na prática: não por doutrina, mas por negociação caso a caso, com litígio de quem ficou de fora.
BrasilA TV estatal chinesa ataca a política de privacidade da Anthropic — e cita o Brasil pelo nome
Uma conta ligada à televisão estatal chinesa CCTV publicou no sábado um texto acusando a Anthropic de elevar riscos aos dados dos usuários por meio de 13 revisões da política de privacidade desde 2023, incluindo dispositivos que transferem para os Estados Unidos dados coletados de usuários no Canadá, no Brasil, na Coreia do Sul e na União Europeia. O texto destaca a mudança de setembro de 2025, quando o treinamento com dados de usuário passou a ser ativado por padrão, e a cooperação declarada da empresa com agências de inteligência americanas em torno de alegada destilação de modelos por laboratórios chineses.
O enquadramento e o momento pedem leitura cuidadosa: a publicação vem de um veículo estatal, às vésperas de negociações comerciais entre Estados Unidos e China, e faz parte de uma disputa geopolítica em que nenhuma das partes é observadora neutra. Mas o fato citado é verificável e importa por si: dados de usuários brasileiros de um serviço de IA americano são transferidos para fora do país, e a LGPD trata transferência internacional como hipótese que exige base legal específica e garantias adequadas. Para empresas brasileiras que usam esses serviços em fluxo com dados pessoais, o dispositivo relevante não é a manchete chinesa — é a cláusula do contrato e a avaliação de impacto que a própria organização deveria ter feito.
Dois relatos sobre IA implantada onde a evidência é fina: apostas e medicina
O New York Times publicou depoimentos de ex-funcionários da DraftKings segundo os quais a casa de apostas construiu, em 2023, um modelo de aprendizado de máquina que pontua clientes pelas perdas esperadas depois de receberem apostas grátis — e executivos teriam creditado a promoções guiadas por IA uma melhora de cerca de 13% na margem do livro esportivo em 2025. Quatro ex-funcionários afirmam que o trabalho paralelo, de usar ferramentas semelhantes para sinalizar risco de jogo problemático, foi travado ou engavetado. A DraftKings responde que suas promoções miram usuários "sustentados e engajados" e rejeita a implicação de prática injusta.
No mesmo fim de semana, o Financial Times relatou reação de médicos à expansão da IA médica para além de imagem e diagnóstico, rumo a fluxos clínicos mais amplos, com o argumento de que há pouca evidência revisada por pares sustentando essas implantações. Entre as preocupações mais citadas aparecem perda de habilidade por desuso — sinalizada por 74% dos clínicos em pesquisas recentes —, alucinações e governança indefinida, com as políticas institucionais ainda em construção na maioria dos sistemas hospitalares. Os dois relatos descrevem o mesmo padrão em setores muito diferentes: a capacidade preditiva chega primeiro à aplicação que gera receita ou eficiência, e só depois — quando chega — à aplicação que protege quem está do outro lado.
Para Ficar de Olho
- 15 de outubro — data prometida pela StepFun para a publicação dos pesos abertos do Step 5. Repositório hoje vazio; vale conferir na data em vez de planejar em cima da promessa.
- Novembro — janela declarada para o IPO da Anthropic, com mira em cerca de US$ 2 trilhões. Se sair, passa a ser referência de avaliação para o setor inteiro.
- Memória: a China entra com um segundo fornecedor. A CXMT anunciou hoje, em Hefei, produção em massa da quinta geração de DRAM (memória dinâmica), com meio-passo de matriz de 11,95 nm, dois produtos LPDDR5X já integrados a celulares chineses de topo e aumento de mais de 50% no rendimento por bolacha frente à geração anterior. Num setor em que a escassez de memória virou o gargalo de preço, uma alternativa a Samsung, SK Hynix e Micron mexe com mais coisa do que celular. Global Times
- O "botão de desligar" sob escrutínio técnico. O New York Times publicou uma reportagem argumentando que legislar um mecanismo de desligamento emergencial é bem mais difícil do que os projetos em tramitação supõem — há ao menos três em jogo nos EUA. NYT
- A Anthropic confirmou operar um laboratório úmido na Bay Area, onde o Claude testa hipóteses biológicas em experimentos físicos, com foco em biologia fundamental e não em descoberta de fármacos. TechCrunch
- Contraponto cético da semana: o New York Post cita fontes anônimas alegando que OpenAI e Anthropic teriam superdimensionado incidentes de segurança para pressionar reguladores federais. É reportagem de fonte não identificada e deve ser tratada como tal, mas serve de lembrete de que a série recente de divulgações de "agente fora de controle" também tem função estratégica. New York Post
- Rumor de hardware, tratado como rumor: vazamento atribuído a fontes internas descreve a próxima Radeon RX 10800 XT da AMD com 48 GB de memória GDDR7, o que colocaria modelos da classe de 70 bilhões de parâmetros numa única placa de consumo. Sem benchmark público, sem confirmação da fabricante. GameGPU
Três coisas que importam mais
1. A ação antitruste é o item mais consequente do dia, porque fecha uma armadilha que vinha sendo montada há duas semanas. Desde o ensaio de Amodei em 12 de setembro, o debate sobre ritmo vinha sendo conduzido como uma questão de responsabilidade: seria certo ou errado que os laboratórios combinassem ir mais devagar? O processo troca a pergunta por outra, e essa tem resposta jurídica: é legal? A armadilha é estrutural e vale enunciá-la sem torcida. Se os laboratórios coordenam a desaceleração sem autorização, expõem-se a acusação de cartel — e a ação de sexta-feira mostra que a exposição é real, não teórica. Se esperam autorização do Congresso, ficam dependentes de um corpo legislativo em que um senador da base governista já declarou que "não existe mundo" em que concederia a isenção, e de uma Casa Branca que no mesmo fim de semana chamou o risco de embuste. E se não fazem nada, a crítica volta a ser a de sempre, a de que a corrida competitiva impede qualquer contenção. Para quem acompanha governança de IA profissionalmente — em jurídico, em conformidade, em política pública —, a conclusão operacional é que autorregulação setorial coordenada não é um caminho disponível no arcabouço jurídico americano atual. Isso empurra o problema para três saídas: regulação estatal, compromissos unilaterais de cada empresa, ou padrões técnicos verificáveis por terceiros. As três estão em andamento simultaneamente, e nenhuma delas depende de as empresas conversarem entre si.
2. O Ternary Bonsai 2 e o Step 5 são a mesma notícia contada por dois caminhos: o custo de acesso a capacidade de fronteira está caindo por dois lados ao mesmo tempo. Por cima, um modelo que empata com o topo chinês num índice composto cobrando um sétimo do preço americano; por baixo, um modelo de 27 bilhões de parâmetros que passou a caber em laptop comum sem perder matemática nem código. Não são fenômenos independentes: os dois decorrem da mesma pressão, a de que memória virou o insumo escasso do setor, e por isso a inovação de maior retorno deixou de ser treinar maior e passou a ser precisar de menos. O anúncio da CXMT hoje, de produção em massa de DRAM de quinta geração, é a terceira face do mesmo fato — a restrição que move a pesquisa também está movendo política industrial. A consequência prática para quem decide arquitetura é que a premissa de que "capacidade séria exige nuvem e contrato" envelheceu mais rápido do que os contratos assinados sob ela. Não significa que rodar local seja sempre melhor: significa que a comparação precisa ser refeita, com números atuais, e que quem a fez há seis meses está decidindo com dados vencidos.
3. O caso DraftKings e a reação dos médicos à IA clínica descrevem o mesmo mecanismo e merecem ser lidos juntos. Em ambos, existe uma capacidade preditiva que serve para duas coisas opostas. O modelo que identifica quem vai perder dinheiro é, tecnicamente, o mesmo modelo que identificaria quem está desenvolvendo comportamento de jogo problemático — muda o uso, não a matemática. O sistema que sugere conduta clínica é o mesmo que poderia sinalizar quando o médico está confiando demais nele. Em ambos os casos, segundo os relatos, a versão que gera receita foi implantada e a versão que protege ficou pelo caminho. Isso não é maldade corporativa particularmente sofisticada; é o resultado previsível de que uma das versões tem dono interno, orçamento e métrica de sucesso, e a outra não. Para quem discute regulação de IA — no Brasil, o PL 2.338/2023 classifica sistemas por nível de risco e prevê avaliação de impacto —, o caso sugere que exigir avaliação pode não ser suficiente: o que separou os dois usos na DraftKings não foi a falta de capacidade técnica nem de conhecimento do risco, foi a ausência de alguém com poder interno para priorizar o uso protetivo. E, para quem constrói, fica o teste incômodo de olhar para o próprio sistema e perguntar quais capacidades protetivas ele já teria, tecnicamente, se alguém tivesse decidido construí-las.