AI FRONTIER
Signals worth understanding before they become obvious.
Inferência LLM local e distribuída em larga escala com MLX e RDMA no Mac Studio
A Apple Machine Learning Research lista um artigo intitulado “Local and Distributed Large LLM Inference with MLX and RDMA on Mac Studio”; o resumo fornecido diz que ele aborda capacidades, avaliação ou alinhamento de grandes modelos de linguagem e é adequado para métodos e resultados experimentais.
- Título: “Local and Distributed Large LLM Inference with MLX and RDMA on Mac Studio”.
- Fonte: Apple Machine Learning Research.
- Termos técnicos do título: MLX, RDMA e Mac Studio.
- O resumo fornecido indica que o trabalho é adequado para métodos e resultados experimentais.
Para desenvolvedores de IA, é um sinal para acompanhar a inferência LLM local e distribuída combinando MLX e RDMA em hardware Apple, mas o resumo fornecido não traz números de desempenho.
OpenRouter adiciona Elorian: Glimpse, modelo multimodal de raciocínio visual
O Glimpse, da Elorian, raciocina diretamente sobre imagens e vídeos em vez de convertê-los primeiro em texto; aceita texto, imagens e vídeo como entrada e devolve texto, com janela de contexto de 262.144 tokens.
- O preço é US$ 0,60 por milhão de tokens de entrada, US$ 3,00 por milhão de tokens de saída e US$ 0,06 por milhão de tokens de leitura de cache.
- A janela de contexto é de 262.144 tokens e suporta até 256.000 tokens de conclusão; o modelo foi lançado em 17 de outubro de 2026.
- O Glimpse aceita tools e tool_choice para chamadas de função e suporta saídas estruturadas por meio de um esquema JSON em response_format.
- A OpenRouter indica um único provedor de hospedagem, latência P50 de 0,21 s, throughput P50 de 109 tokens/s e disponibilidade de 99,15% nos últimos três dias; o roteamento na região da UE não está disponível no momento.
Como o Glimpse baseia as respostas em pixels e quadros de vídeo em vez de texto transcrito, os desenvolvedores podem criar agentes de busca visual, legendagem de vídeo e contagem densa sem uma etapa separada de legendagem.
Ancorar agentes de IA na realidade biológica: o framework VERID e o design molecular em ciclo fechado
O Google Research apresenta três projetos que permitem a agentes de IA planejar, simular e executar protocolos de manipulação de líquidos por meio do gêmeo digital VERID, alcançando descobertas em ciclo fechado em aptâmeros e design de proteínas de novo.
- Em uma campanha de auto-jogo em ciclo fechado, um agente reconstruiu misturas de corantes cegas e identificou seus próprios artefatos ópticos e fluídicos entre execuções, melhorando a precisão em mais de cinco vezes.
- Em experimentos com aptâmeros, as taxas de acerto confirmadas no alvo para α-trombina subiram de 0% na rodada 1 para 26,0% na rodada 2 e 42,1% na rodada 3, com 98,5% de especificidade.
Para equipes que constroem agentes de laboratório, o VERID mostra que incorporar o estado físico e a validação de segurança no ciclo do agente é fundamental para uma experimentação automatizada reproduzível e autocorretiva.
Um agente de IA pode executar a ferramenta que seu modelo diz recusar
Segundo um resumo de artigo reportado pela ActuIA, um agente de IA pode executar a ferramenta que seu modelo subjacente diz recusar. Isso indica uma desconexão entre a recusa no nível do modelo e a execução de ferramentas no nível do agente.
- A fonte é um resumo de artigo da ActuIA.
- O resumo afirma que um agente de IA pode executar a ferramenta que seu modelo diz recusar.
Quem constrói pipelines de chamadas de ferramentas agênticas não pode confiar apenas nos sinais de recusa do modelo para bloquear a execução de ferramentas.
Microsoft Research publica na Nature estudo sobre previsão meteorológica com IA
A Microsoft Research publicou na Nature um estudo sobre previsão meteorológica com IA, conforme reportagem da Unite.AI.
- O estudo da Microsoft Research sobre previsão meteorológica com IA foi publicado na Nature.
- A reportagem sobre o estudo é da Unite.AI.
Para os desenvolvedores de IA, isso indica que a pesquisa em previsão meteorológica com IA alcançou a etapa de publicação revisada por pares na Nature.
Accelerating the search for antimicrobial peptides with Google Antigravity
Accelerating the search for novel antimicrobial peptides using Google Antigravity for Science.
This matters because a capability that was previously difficult or impractical is moving closer to real product use.