AI FRONTIER
Signals worth understanding before they become obvious.
Mage-VL-Cowork: uma receita completa de treinamento para aprender uso híbrido do computador a partir de harnesses evoluídos
O artigo apresenta o Mage-VL-Cowork, um agente de uso de computador híbrido de 4B treinado a partir de um checkpoint geral alinhado multimodalmente por meio de um currículo progressivo de cinco estágios de ponta a ponta abrangendo midtraining, SFT e RL. O Mage-CUA-Forge sintetiza 293.806 tarefas de desktop e web em 6.9...
- Mage-VL-Cowork é um CUA híbrido de 4B treinado a partir de um checkpoint geral alinhado multimodalmente.
- O treinamento usa um currículo progressivo de cinco estágios de ponta a ponta abrangendo midtraining, SFT e RL.
- O Mage-CUA-Forge sintetiza 293.806 tarefas de desktop e web em 6.915 habilidades.
- O artigo relata que o Mage-VL-Cowork-4B alcança 66,0% no OSWorld-Verified e afirma obter desempenho de ponta em seu tamanho de parâmetros.
Para equipes que constroem agentes no dispositivo, a receita mostra que a síntese de tarefas reutilizável condicionada por habilidade, junto com um harness professor evoluído, pode unificar a interação GUI com a execução de código e termina...
mistralai/Mistral-Large-4-1T-A52B: MoE multimodal nativo de 1 trilhão de parâmetros
A Mistral lançou o Mistral Large 4, um modelo Mixture-of-Experts multimodal nativo de 1 trilhão de parâmetros com 52 bilhões de parâmetros ativos por token, comprimento de contexto de 1M e suporte a mais de 160 idiomas sob a Mistral Ecosystem Open-Weight License.
- ~1T de parâmetros totais / ~52B ativos, com 128 especialistas roteados (4 ativos por token) e 1 especialista compartilhado
- Suporta comprimento de contexto de 1M e entrada multimodal nativa de texto e imagem com um codificador visual no estilo Pixtral
- Treinado do zero em 3.800 GPUs NVIDIA Grace Blackwell nos próprios data centers da Mistral na Europa
- Reporta 48% no Artificial Analysis Coding Agent Index, praticamente empatado com o principal modelo de pesos abertos GLM-5.3, usando em média 47% menos tokens por tarefa
Para quem constrói fluxos de trabalho multimodais e agênticos, este modelo oferece contexto de 1M e chamada de função nativa em pesos abertos, mas a escala de 1T de parâmetros exige implantação tensor-parallel multi-GPU e o uso comercial em...
AutoHebb: redes neurais automodificáveis que inferem em zero-shot e aprendem continuamente
O artigo apresenta as redes hebbianas autônomas (AutoHebb), uma classe de redes neurais feedforward de aprendizado online que combinam feedback externo com atividade gerada internamente para produzir um sinal de aprendizado global (neuromodulador), que controla uma regra de aprendizado local hebbiana de três fatores qu...
- O artigo relata que as redes AutoHebb têm sucesso em tarefas de inferência zero-shot (ZI).
- O artigo relata habilidades emergentes (não treinadas) de ZI e aprendizado contínuo (CL).
- O artigo relata que AutoHebb admite engenharia reversa em algoritmos explícitos.
Para os construtores de IA, buscar pesos fixos por meta-aprendizado enquanto se atualizam os pesos plásticos com uma regra hebbiana de três fatores oferece um caminho alternativo analisável para o aprendizado contínuo online e a inferência ...
DyCraft: um sistema agêntico para geração de cenas 4D de horizonte longo
O DyCraft decompõe a geração de animação em etapas: primeiro expande o prompt do usuário em um plano detalhado e constrói uma cena estática, depois cria um storyboard 3D das poses-chave de animação para que um agente de programação possa escrever movimento local entre estados inicial e final verificados.
- O artigo avalia o DyCraft em 24 tarefas de animação de horizonte longo e múltiplos planos, abrangendo robôs humanoides, personagens humanos e animais, e mecanismos físicos.
- O artigo relata que agentes de programação de fronteira equipados com harnesses de propósito geral frequentemente produzem objetos que se interpenetram, não têm suporte físico ou se movem de forma antinatural.
- O DyCraft usa storyboard 3D para decompor o problema em pares de estados inicial e final verificados, combinados com uma coleção de ferramentas de autoria de movimento.
- O artigo foi submetido ao arXiv em 29 de outubro de 2026 (arXiv:2610.40754, cs.CV).
Para quem constrói pipelines de 3D e animação, o DyCraft indica que dividir a geração de horizonte longo em estados inicial e final verificáveis de forma independente contém melhor as violações físicas do que deixar um agente programar toda...
OpenAI apresenta o LifeVal, um benchmark para IA em tarefas cotidianas
A OpenAI apresenta o LifeVal, um benchmark que mede quão bem a IA ajuda as pessoas a concluir tarefas cotidianas, desde encontrar cuidado infantil até gerenciar finanças e lidar com burocracia governamental.
- LifeVal é um benchmark apresentado pela OpenAI.
- Ele mede quão bem a IA ajuda as pessoas a concluir tarefas cotidianas.
- Exemplos de tarefas incluem encontrar cuidado infantil, gerenciar finanças e burocracia governamental.
Para os desenvolvedores de IA, o LifeVal desloca a avaliação para tarefas reais como cuidado infantil, finanças e burocracia governamental, indicando onde são necessárias melhorias específicas nos modelos.
Qodo incorpora contexto à revisão de código com IA no Codex
O Qodo traz o conhecimento da empresa e os padrões de codificação para o Codex, ajudando os desenvolvedores a detectar problemas P0 em todos os repositórios antes de abrir um pull request.
- O Qodo traz o conhecimento da empresa e os padrões de codificação para o Codex.
- A integração ajuda os desenvolvedores a detectar problemas P0 em todos os repositórios antes de abrir um pull request.
Para os construtores de IA, injetar contexto específico da organização nos agentes de revisão de código desloca a revisão de verificações genéricas para a detecção de problemas graves antes do PR.
Novo artigo de Yann LeCun, de 66 anos, desafia a Scaling Law: 109 milhões de parâmetros superam 72 bilhões
Yann LeCun publicou um novo artigo relatando que um modelo de 109 milhões de parâmetros superou um modelo de 72 bilhões de parâmetros, desafiando a suposição da Scaling Law de que modelos maiores necessariamente entendem melhor o mundo.
- O artigo relata que um modelo de 109 milhões de parâmetros superou um modelo de 72 bilhões de parâmetros.
- O artigo foi publicado por Yann LeCun, de 66 anos.
- O artigo desafia a Scaling Law, argumentando que modelos maiores não necessariamente entendem melhor o mundo.
Para os construtores de IA, este artigo sugere que a escala de parâmetros não é o único determinante da compreensão do mundo, e que arquitetura e objetivos de treinamento podem importar mais.