Today’s frontier report
Research Pool → Multi-Scout → Editor → Edition
3qk7 · AI LOCAL LABS TECHNICAL SCOUTING

AI FRONTIER

Signals worth understanding before they become obvious.

2026-11-20
01
testmodelscost collapse

DaisyRose-27B: ampliando a fronteira da eficiência de pós-treinamento

A RadixArk lança o DaisyRose-27B, seu primeiro modelo, construído sobre o Qwen3.8-27B e treinado com aprendizado por reforço usando Miles em tarefas de agente de horizonte longo, com sessões de até 1M de tokens, a partir de apenas 1.200 tarefas selecionadas em 18 dias em 144 GPUs H200.

  • O pass@1 no Terminal-Bench 4.1 melhora de 5,6% para 12,0%.
  • Os checkpoints estão disponíveis sob Apache 2.0 em BF16, FP8 e NVFP4.
  • O modelo mantém a arquitetura, o tokenizador, o template de chat, a compreensão de imagens e a janela de contexto de 256K tokens do Qwen3.8-27B.
  • O treinamento durou semanas em 144 H200, totalizando 63.000 GPU-horas.

Para quem constrói agentes, o DaisyRose-27B mostra que cerca de 1.200 tarefas selecionadas e 18 dias de treinamento podem dobrar uma pontuação de benchmark de terminal enquanto publica checkpoints sob Apache 2.0.

Hugging Face Blog
02
watchdeveloperincremental

Como a Performance Factory da OpenAI mantém o ChatGPT rápido

A OpenAI construiu a Performance Factory, um sistema de fluxos de trabalho impulsionados por Codex que encontra e corrige problemas de desempenho para ajudar a manter o ChatGPT rápido.

  • A Performance Factory é um sistema de fluxos de trabalho impulsionados por Codex.
  • Ela encontra e corrige problemas de desempenho.
  • A OpenAI afirma que o objetivo é ajudar a manter o ChatGPT rápido.

Para equipes que constroem produtos de IA, isso mostra como fluxos de trabalho de geração de código podem automatizar o diagnóstico e a correção de desempenho em vez de depender apenas de ajuste manual.

OpenAI News
03
testresearchincremental

Uma teoria diferencial dos trade-offs qualidade-recursos para seleção de modelos de IA: a fronteira multirrecurso e seu preço minimax

O artigo desenvolve uma teoria diferencial que representa fronteiras qualidade-recursos como uma curva plana independente de preço, relacionando o número efetivo de canais de recursos ativos, N_eff = s²/κ, à profundidade de erro logarítmico restante, ΔS = ln(ε/ε∞). Quando cada um dos N recursos contribui com um canal a...

  • O artigo relata ter avaliado a teoria em 117 fronteiras publicadas.
  • A teoria deriva preços de recursos minimax λ*_i = α_i/(N+1) com arrependimento exato no pior caso de ln(N+1) nats.
  • Quando cada um dos N recursos contribui com um canal ativo, a teoria fornece a regra operacional sem parâmetros N_eff = 1 em unidades entregues.
  • A teoria está implementada no pacote de código aberto nn-rank, que deriva preços a partir da qualidade e do custo medidos, classifica candidatos e relata escolhas suportadas e arrependimento minimax.

Construtores de IA podem usar o nn-rank para derivar preços de recursos a partir da qualidade e do custo medidos e classificar candidatos sem taxas de câmbio escolhidas manualmente, obtendo também uma garantia quantificada de arrependimento...

arXiv stat.ML
04
testresearchcapability unlock

Bits, Not Boxes: seleção de camadas sem rótulos para localização visual em VLMs

O artigo apresenta o WhereBits, que transforma bits where-to-look medidos em perguntas sem rótulos em um prior de camadas e os combina com pontuações contrastivas por cabeça para selecionar camadas que localizam o objeto consultado, sem anotações de caixas ou regras fixas.

  • O artigo relata que o WhereBits alcança precisão de apontamento no COCO de 0,72, contra 0,22 do mean attention.
  • Em oito VLMs, o WhereBits iguala a precisão de apontamento de camadas ajustadas com caixas no COCO e no RefCOCO e classifica melhor os tokens alvo.
  • A vantagem se mantém em uma família de modelos reservada e em resoluções mais altas.
  • No zoom-in sem treinamento, seus recortes elevam a precisão do V* em 6,0 pontos sob avaliação de escolha forçada.

Para quem constrói pipelines de localização com VLMs, a seleção de camadas pode ser recalibrada para um novo modelo ou resolução usando apenas perguntas sem rótulos, eliminando a necessidade de anotações de caixas.

arXiv cs.CV
05
testmodelsopen source unlock

Tencent lança Hy4-flash: modelo MoE multimodal com 220B parâmetros e 12B ativos

O Hy4-flash da Tencent usa uma arquitetura Mixture-of-Experts com 220B parâmetros totais e 12B ativos por token, aceita nativamente entradas de texto e imagem, suporta janela de contexto de até 1M tokens e é publicado sob a Tencent Hy License.

  • 220B parâmetros totais (incluindo 64B parâmetros Engram) com 12B parâmetros ativos por token; o backbone de linguagem de 42 camadas tem uma camada densa e 41 camadas MoE.
  • Comprimento de contexto de 1M (1.048.576 tokens); o codificador de visão é adaptado do SigLIP2-So400m-Patch16-Res512 e se conecta ao backbone por meio de um projetor MLP.
  • Um drafter integrado de 5 camadas, DFly2 (0,85B parâmetros), reutiliza o cache KV e os índices sparse do modelo alvo para decodificação especulativa de contexto longo.
  • Os pesos abertos são publicados sob a Tencent Hy License como Hy4 flash, Hy4 flash-FP8 e o modelo pré-treinado Hy4 flash-base.

Para os desenvolvedores, o Hy4-flash combina 12B parâmetros ativos com contexto de 1M tokens e entrada de imagem nativa, e a redução relatada do cache KV com decodificação acima de 150 tokens/s pode reduzir memória e custo na operação de co...

Hugging Face Trending
06
watchothercapability unlock

Modelos da OpenAI avançam no design de chips: otimizam circuitos do silício Jalapeño e melhoram projetos de núcleos RISC-V

A OpenAI afirma que seus modelos otimizaram circuitos usados no silício Jalapeño e melhoraram projetos de núcleos RISC-V, mostrando progresso no design de chips assistido por IA com o GPT-6 Astra.

  • Modelos da OpenAI otimizaram circuitos usados no silício Jalapeño.
  • Modelos da OpenAI melhoraram projetos de núcleos RISC-V.
  • A OpenAI apresenta isso como progresso no design de chips assistido por IA com o GPT-6 Astra.

Para equipes de design de chips, isso indica que os modelos da OpenAI estão sendo aplicados a trabalho real de circuitos de silício e projetos de núcleos RISC-V, não apenas a demonstrações conceituais.

OpenAI News
07
watchresearchincremental

Artigo: a controlabilidade do raciocínio em cadeia pode reduzir sua monitorabilidade

O artigo testa o risco do monitoramento do raciocínio em cadeia por meio de treinamento de controle de persona: ajuste supervisionado em traços de raciocínio matemático reescritos nas vozes de diversas personas. Isso induz uma capacidade mais ampla de controle do CoT, embora o treinamento não contenha exemplos de evasã...

  • O treinamento é ajuste supervisionado em traços de raciocínio matemático reescritos nas vozes de diversas personas, sem exemplos de evasão de monitores nos dados.
  • Em avaliações de intervenção, a ocultação explícita frequentemente leva a monitorabilidade para perto de zero.

Equipes que constroem monitores de agentes devem tratar o ajuste de persona como um fator que pode enfraquecer a monitorabilidade do CoT e testar prompts de transparência direcionados como mitigação.

arXiv cs.AI
08
testdeveloperincremental

Por que seu job de fine-tuning demora mais do que os FLOPs indicam

A Dharma-AI comparou estimativas analíticas baseadas em FLOPs com preditores aprendidos em 272 jobs SFT de produção (cerca de 7.382 GPU-horas em NVIDIA H200): a linha de base de FLOPs atingiu apenas R² 0,31, enquanto um regressor CatBoost usando somente informações disponíveis antes do dispatch atingiu R² 0,98.

  • 272 execuções SFT totalizando cerca de 7.382 GPU-horas, executadas em 1, 2 ou 4 GPUs H200 em 1 a 4 nós, com durações de 1,6 a 172,4 horas.
  • A linha de base de FLOPs (MFU 30%) obteve R² 0,31 e MAE 12,41 h; com MFU 45% o R² foi 0,18 e com MFU 60% foi 0,01.
  • O CatBoost alcançou R² 0,98, MAE 1,71 h e erro mediano de 0,51 h em validação cruzada de 5 folds, usando apenas características de configuração disponíveis antes do dispatch.
  • O modelo analítico Calculon produziu estimativas correspondentes a uma mediana de apenas 11% do tempo real observado.

Para escalonadores em clusters de GPU compartilhados, um preditor de gradient boosting baseado na configuração pode fornecer estimativas de duração utilizáveis antes do dispatch, o que o cálculo baseado apenas em FLOPs não consegue.

Hugging Face Blog