AI FRONTIER
Signals worth understanding before they become obvious.
Qwen3.8-27B lançado: modelo nativo de visão e linguagem de 27B sob Apache-2.0
A Qwen apresentou o Qwen3.8-27B, um modelo denso nativo de visão e linguagem de 27B baseado na arquitetura Qwen3.5, com compreensão de imagens e vídeos, profundidade de raciocínio ajustável e pesos abertos sob Apache-2.0.
- 27B parâmetros, dimensão oculta 5120, 64 camadas, comprimento de contexto nativo de 262.144 tokens, extensível até 1.000.000 tokens.
- Suporte nativo à compreensão de imagens e vídeos, de diagramas STEM e documentos a vídeos de uma hora.
- O modo de pensamento vem ativado por padrão e pode ser desativado por requisição; a profundidade de raciocínio é ajustada com reasoning_effort, e preserve_thinking vem ativado por padrão.
- Os pesos são publicados no formato Hugging Face Transformers e são compatíveis com Transformers, vLLM, SGLang e TokenSpeed sob a licença apache-2.0.
Para equipes que hospedam agentes multimodais por conta própria, um modelo denso de 27B sob Apache-2.0 reduz a barreira de implantação, mas o desempenho em contexto longo e vídeo deve ser verificado conforme as condições de benchmark relata...
thinkingmachines/Inkling-2-Small: MoE multimodal de 594B parâmetros lançado com pesos abertos
Inkling 2 Small é um modelo multimodal de propósito geral que aceita entradas de texto e imagem e gera saídas de texto, construído sobre um transformer decodificador de 48 camadas com um backbone feed-forward de Mixture-of-Experts esparso que roteia cada token para 8 de 384 especialistas. Tem 594B parâmetros totais e 1...
- 594B parâmetros totais com 17B ativos; cada token é roteado para 8 de 384 especialistas.
- O checkpoint principal NVFP4 requer pelo menos 500GB de VRAM agregada, atendido por 2x NVIDIA B300 ou 4x NVIDIA H200.
- O checkpoint alternativo MXFP8 requer pelo menos 800GB de VRAM agregada, atendido por 4x B300 ou 8x H200.
- NVFP4 é a precisão nativa; o MXFP8 mostra apenas um ganho marginal de 1–2 pontos percentuais sobre o NVFP4 nas avaliações.
Para os desenvolvedores, o modelo oferece capacidade multimodal de 594B parâmetros totais com 17B ativos, mas o piso de mais de 500GB de VRAM agregada implica implantação em cluster multi-GPU.
Claude Opus 5.5: programas de robôs de IA passam em 221 de 240 execuções de teste
A BornCity relata que o Claude Opus 5.5 passou em 221 de 240 execuções de teste em tarefas de programas de robôs de IA.
- A BornCity relata 221 de 240 execuções de teste aprovadas.
- O resultado abrange tarefas de programas de robôs de IA.
Para quem desenvolve agentes robóticos, passar em 221 de 240 execuções significa que cerca de 8% das execuções ainda falham, tornando necessários mecanismos de fallback e verificação.
Vijay Gadepally (MIT) afirma que é possível reduzir em até 30% o consumo de energia da IA sem afetar o desempenho
Segundo o El Español, Vijay Gadepally, do MIT, afirmou que o consumo de energia da IA pode ser reduzido em até 30% sem afetar o desempenho.
- Vijay Gadepally é vinculado ao MIT.
- O El Español relata uma redução declarada de até 30% no consumo de energia da IA.
- A afirmação sustenta que o desempenho não é afetado.
Para os desenvolvedores de IA, uma redução de energia declarada sem perda de desempenho sugere possíveis economias de custo e implantação, mas o número de 30% precisa ser validado em cargas de trabalho reais.