AI FRONTIER
Signals worth understanding before they become obvious.
Novo modelo no OpenRouter: Particle-1 da Particle AI
Particle-1 é um modelo de codificação agêntica eficiente em tokens da Particle AI, pós-treinado sobre o DeepSeek V4.1 Flash, voltado a fluxos de trabalho em terminal, alterações em bases de código e tarefas de engenharia de dados, usando bem menos tokens de raciocínio e de chamadas de ferramentas com precisão próxima a...
- Preço de $0,25 por 1M de tokens de entrada e $1,00 por 1M de tokens de saída, com leitura de cache a $0,03 por 1M.
- Janela de contexto de 1.048.576 tokens e suporte a até 131.072 tokens de conclusão.
- Aceita tools e tool_choice para chamadas de função e suporta saídas estruturadas via esquema JSON em response_format.
- Aceita texto e imagens como entrada e retorna texto; data de lançamento em 28 de outubro de 2026.
Para equipes que constroem agentes de codificação, o Particle-1 oferece preço baixo por token e contexto de 1M que vale testar, mas a alegação de precisão próxima ao modelo base precisa de verificação independente.
Polymathic AI e pesquisadores de Princeton lançam FlashMap, um drafter de mapa de fluxo que acelera a decodificação de LLM em 6,14x
Polymathic AI e pesquisadores de Princeton lançaram o FlashMap, um drafter de mapa de fluxo para decodificação de grandes modelos de linguagem, cujo resumo do artigo relata uma aceleração de decodificação de 6,14x.
- O resumo do artigo relata que o FlashMap alcança decodificação de LLM 6,14x mais rápida.
- O FlashMap é descrito como um drafter de mapa de fluxo.
- O trabalho é de Polymathic AI e pesquisadores de Princeton.
Para equipes que constroem pilhas de inferência, vale testar a aceleração de decodificação baseada em drafter nos próprios modelos para verificar se o 6,14x relatado se reproduz nas suas cargas de trabalho.
NVIDIA Nemotron 3.5 Transcribe e Granary v2: transcrição multilíngue com prompts e adaptável
A NVIDIA lança o Nemotron 3.5 Transcribe, um modelo de pesos abertos que reúne transcrição, atribuição de falantes, tradução e perguntas e respostas em áudio em um único checkpoint, junto com o pipeline de dados Granary v2 e receitas de fine-tuning do NeMo Speech.
- O modelo transcreve 40 idiomas, traduz 31 de ou para o inglês e atribui falantes em 13, com gravações de até uma hora e até oito falantes.
- Lidera entre os modelos de pesos abertos no Hugging Face Open ASR Leaderboard para inglês, com WER médio de 5,33%.
- No Artificial Analysis, empata em primeiro entre os modelos de pesos abertos com 2,8% de AA-WER e cerca de 4B de parâmetros ativos, contra 24B do modelo com o qual empata.
- O manifesto público do Granary v2 abrange 463.062 horas em 48 idiomas e 16 corpora de origem, ante 25 idiomas no Granary v1.
Desenvolvedores podem orientar o formato de saída com prompts em linguagem natural e adaptar o vocabulário de domínio via Granary v2 e receitas do NeMo Speech, unindo ampla cobertura multilíngue e precisão especializada em um modelo de peso...
Exposição do cache KV entre requisições no modelo GLM-5.3 Workers AI e nossa remediação com SGLang
O blog da Cloudflare relata exposição do cache KV entre requisições no modelo GLM-5.3 Workers AI e descreve uma remediação usando SGLang.
- A fonte é o blog da Cloudflare.
- O problema é a exposição do cache KV entre requisições no modelo GLM-5.3 Workers AI.
- A remediação usa SGLang.
Desenvolvedores que executam o GLM-5.3 no Workers AI devem auditar o isolamento do cache KV e avaliar a remediação com SGLang.
OmniBrain-0: um modelo agêntico unificado para inteligência incorporada
A equipe Xiaomi Embodied Intelligence apresenta o OmniBrain-0, um agente incorporado unificado e leve que coordena manipulação e navegação por meio de um modelo de decisão de alto nível compartilhado, integrando compreensão da tarefa, planejamento, acompanhamento de progresso e recuperação guiada por feedback. Seu fram...
- O artigo relata avaliação do OmniBrain-0 em LIBERO-Pro, LIBERO-Plus, RoboCasa365, RoboTwin 2.0 e R2R-CE Val-Unseen, além de múltiplas tarefas de manipulação no mundo real.
- O artigo afirma que o OmniBrain-0 tem sobrecarga de inferência e execução substancialmente menor que seu professor de código fechado.
- O framework de treinamento combina pré-treinamento incorporado, destilação de agentes especializados por domínio e destilação on-policy multi-professor (MOPD).
- O Rubric-Guided Recursive Self-Improvement (RSI) usa um Meta-Agent para transformar evidências de execução em rubricas refinadas, lembretes em nível de etapa e trajetórias verificadas.
Para equipes que constroem agentes incorporados, este trabalho mostra que destilar a experiência de interação de vários professores em um único modelo de decisão compacto pode reduzir a sobrecarga de inferência sem perder desempenho entre d...
MiniMax-M3.1-Flash lançado: MoE multimodal nativo de 428B parâmetros com contexto de 1M tokens
A MiniMax lançou o MiniMax-M3.1-Flash, um modelo mixture-of-experts multimodal nativo baseado no M3 com cerca de 428B de parâmetros totais e 23B ativados por token, que aceita entradas de texto, imagem e vídeo e produz texto com janela de contexto de até 1M tokens. Em relação ao M3, aplica atenção esparsa em todo o mod...
- O cartão do modelo indica cerca de 428B de parâmetros totais, 23B ativados por token e MiniMax Sparse Attention (MSA) em todo o modelo.
- O cartão do modelo reporta 76,2 no BankerToolBench, 73,7% no DeepSWE v1.1, 61,7 no OSWorld V2, 29,6 no Agents' Last Exam e 82,2 no CyberGym.
- A licença é minimax-community, e SGLang, vLLM ou TokenSpeed são recomendados para servir o modelo, com integrações como Transformers ainda em andamento.
Para os desenvolvedores, contexto de 1M tokens combinado com atenção esparsa e treinamento ciente de quantização pode reduzir memória e custo de inferência em cargas de agentes de contexto longo, mas os 428B de parâmetros totais ainda exige...
LOTUS: detecção de alucinações em LLMs via decomposição multilinear de posto baixo
O artigo propõe o LOTUS (Low-rank Order-statistic TUcker-based Subspace learning), um framework de decomposição multilinear de posto baixo que extrai representações compactas dos estados ocultos de LLMs e reduz a dependência de dados rotulados, para então treinar um classificador de alucinações leve.
- Representações de tokens de comprimento variável são primeiro resumidas por descritores estatísticos complementares que capturam ativações de pico, distribuições de ativação e mudanças entre camadas.
- A decomposição multilinear de posto baixo extrai representações compactas da estrutura dos estados ocultos para treinar um classificador de alucinações leve.
- O artigo relata detecção de alucinações superior às recentes baselines do estado da arte em vários LLMs e benchmarks de perguntas e respostas.
- O artigo tem 26 páginas e 3 figuras, e fornece um link para o código.
Para desenvolvedores, a abordagem sugere extrair sinais da estrutura dos estados ocultos entre camadas, modos de características e tokens em vez de ativações selecionadas ou compressão por pooling, permitindo detectores leves treinados com ...