Palavras-chave：Programação com IA, Escassez de memória, Matemática para IA, Modelos de código aberto, Tecnologia robótica, Busca por IA, Comercialização de IA, Estrutura Self-play SWE-RL, Memórias HBM e DDR5, Modelo de código aberto DeepSeek-R1, Otimização de motor de geração GEO, Quatro grandes fabricantes de GPU nacionais
🔥 Destaques
Meta lança framework SSR, a programação com AI entra na era do “combate entre si” : Equipes de pesquisa da Meta, UIUC e CMU lançaram o framework Self-play SWE-RL (SSR), marcando o início do momento em que programadores de AI começam a se desvincular do teto de dados humanos. O framework faz com que a AI assuma os papéis de “destruidor” (injetando Bugs) e “reparador” (resolvendo Bugs), realizando uma evolução adversária em um sandbox de código. Experimentos mostram que o SSR melhorou o desempenho no conjunto de validação do SWE-bench em 10,4%, mesmo sem nunca ter visto Issues em linguagem natural. Esse avanço significa que o nascimento de sistemas de software superinteligentes pode não precisar mais de humanos como professores, apenas do código humano como campo de batalha (Fonte: Arxiv)
Escassez global de memória: demanda por computação de AI provoca onda de aumento de preços em eletrônicos : A explosão da supercomputação de AI em 2025 causou uma escassez estrutural no mercado global de memória (RAM). Gigantes de chips como Micron e Samsung redirecionaram permanentemente sua capacidade de produção para HBM e DDR5 de alta margem, fazendo com que os preços de DRAM para consumidores disparassem 3 vezes em um ano. Análises indicam que a AI consumirá quase 20% da capacidade global de wafers, o que não apenas eleva o custo de BOM de smartphones e PCs, mas também força fabricantes a adotar estratégias de “redução de especificações” em 2026. Isso marca o fim da era dos dividendos de hardware, com os custos da infraestrutura de computação sendo repassados a cada consumidor (Fonte: NPR)
Terence Tao revela a verdade sobre a AI resolvendo problemas matemáticos: é “arqueologia do conhecimento”, não inovação : O mestre da matemática Terence Tao comentou sobre a recente resolução de vários problemas de Erdos por AI, apontando que o valor central da AI reside no “long-tail scanning”. A AI não inventou uma nova matemática, mas utilizou seu enorme poder computacional para minerar “frutos baixos” em literaturas obscuras esquecidas pela humanidade. Essas soluções já existiam em buracos negros de informação, esquecidas pelos humanos devido ao alto custo de recuperação; a AI atuou como um “super bibliotecário”. Essa visão define o papel da AI na descoberta científica: a AI é responsável por encontrar pistas em montanhas de lixo, enquanto os humanos são responsáveis pela validação (Fonte: Mathstodon)
DeepSeek no topo da Nature: modelo open-source chinês remodela o cenário global de AI : Em 2025, o DeepSeek-R1 tornou-se o primeiro grande modelo a passar por revisão por pares e estampar a capa da Nature, com o fundador Liang Wenfeng eleito uma das dez personalidades do ano pela revista. O DeepSeek provou que, através da otimização de algoritmos e eficiência de engenharia, é possível alcançar desempenho de ponta com custos de computação extremamente baixos. Este momento “zebra” levou diretamente ao declínio do status de modelos open-source veteranos como o Llama na mente dos desenvolvedores; o ecossistema global de código aberto está mudando de “seguir o Vale do Silício” para “ter a China como referência” (Fonte: Nature)
Diretor de robótica da NVIDIA, Jim Fan, resume 2025: hardware à frente do software, mas a confiabilidade é o ponto fraco : Jim Fan apontou que o campo da robótica ainda está no “Velho Oeste”. Embora a engenharia de hardware de Optimus, Figure e outros seja impressionante, a confiabilidade limita severamente a iteração de software, e a indústria carece de benchmarks unificados e reproduzíveis. Ele criticou especialmente o paradigma VLA baseado em VLM, argumentando que encoders visuais descartam detalhes de baixo nível que são contrários às necessidades de operação ágil dos robôs, e previu que “Video World Models” se tornarão o novo ápice do pré-treinamento de estratégias robóticas em 2026 (Fonte: DrJimFan)
🎯 Tendências
Vazamento de 1200 linhas de prompts da Waymo, Gemini entra oficialmente como “AI Co-pilot” : Pesquisadores analisaram reversamente o código da Waymo e descobriram o meta-prompt do seu “Ride Assistant”, revelando como o Google Gemini interage com os passageiros como assistente de bordo. O prompt proíbe estritamente a AI de avaliar o comportamento de direção ou se autodenominar “motorista”, limitando-se a controlar o ambiente, consultar informações e oferecer conforto emocional. Esse mecanismo de isolamento duplo, físico e lógico, visa evitar que os passageiros entendam erroneamente que a AI controla a direção, marcando a transição da direção autônoma de “realização de função” para “otimização de experiência” (Fonte: JaneManchunWong)
CPO da Anthropic alerta: em 2026, a AI corporativa precisará superar a “barreira organizacional” : Mike Krieger apontou que, embora as capacidades dos modelos já tenham atingido o nível necessário, a maioria dos projetos de AI corporativa está travada em permissões de dados e organização de processos. Ele enfatizou que o papel da AI mudou de “assistente de perguntas e respostas” para um Agent focado em “entrega de resultados”, como o PR Agent do GitHub. A chave para 2026 não será o quão inteligente o modelo é, mas se as empresas estão prontas para deixar a AI “assumir a responsabilidade” — ou seja, estabelecer limites claros de responsabilidade e fluxos de trabalho automatizados (Fonte: MikeKrieger)
OpenAI recruta “Diretor do Apocalipse” com salário milionário : Sam Altman anunciou a contratação de um “Head of Preparedness”, com salário base de US$ 555 mil mais ações, visando lidar com riscos de saúde mental e vulnerabilidades de segurança de alto risco trazidos pelo fortalecimento dos modelos. A medida é vista como uma reposição urgente para o “vazio de segurança” após a saída de Ilya. O novo diretor será responsável por estabelecer sistemas de identificação e avaliação para modelos potentes ainda não lançados, garantindo que a corrida armamentista de AI não saia do controle (Fonte: OpenAI)
GEO (Generative Engine Optimization) explode, busca por AI torna-se o novo campo de batalha do marketing : Com o fluxo de tráfego migrando para assistentes de AI como Doubao e DeepSeek, as marcas começaram a mudar de SEO para GEO, visando aumentar a taxa de citação da marca nas respostas da AI. Atualmente, o mercado de GEO ainda está em uma fase de “caixa preta”, com riscos de poluição de informações, como fontes forjadas. Análises preveem que o tamanho desse mercado atingirá 373,9 bilhões de yuans até 2029, sinalizando que a busca por AI está remodelando as regras do marketing na internet (Fonte: Kimi)
🧰 Ferramentas
NVIDIA lança NitroGen, modelo universal para jogos : O modelo aprendeu através de 40 mil horas de vídeo com indicadores de controle, conseguindo “jogar vendo imagens” sem treinamento especial. Embora o desempenho em batalhas complexas contra chefes seja mediano, sua capacidade de generalização entre jogos fornece uma base intuitiva para a pesquisa de robótica universal. O NitroGen implementa o “pensar antes de agir” interceptando o relógio do sistema, demonstrando o potencial de autoaprendizado da AI em mundos de regras virtuais (Fonte: NVIDIA)
Claude Code ultrapassa US$ 1 bilhão em receita anualizada, tornando-se o “fentanil digital” dos desenvolvedores : Como um projeto paralelo da Anthropic, o Claude Code varreu a comunidade de desenvolvedores em seis meses após o lançamento, graças à sua altíssima capacidade de Agent. Ele não apenas escreve código, mas também lida de forma autônoma com tarefas de DevOps e pesquisa. Muitos engenheiros seniores afirmam que dominar o Claude Code tornou-se um novo dividendo tecnológico, permitindo que desenvolvedores entrem em um estado zen de “fusão homem-máquina” (Fonte: Anthropic)
Step-DeepResearch: um agente de pesquisa eficiente com 32B de parâmetros : Este relatório introduz o Step-DeepResearch que, ao mudar o objetivo do treinamento de prever Tokens para decidir “ações atômicas”, alcançou níveis comparáveis aos sistemas fechados da OpenAI e Gemini no benchmark da Scale AI. Ele prova que modelos de médio porte, desde que passem pelo treinamento correto de Agent, podem realizar recuperação profunda de informações e validação lógica de nível especialista (Fonte: Arxiv)
MAI-UI: agentes de operação de GUI voltados para o mundo real : Esta é uma família de agentes de GUI que abrange escalas de 2B a 235B, resolvendo a fragilidade das operações de UI através de pipelines de dados autoevolutivos e uma arquitetura de colaboração ponta-nuvem. Ele estabeleceu um novo SOTA em benchmarks de navegação como o AndroidWorld, demonstrando a capacidade da AI de assumir diretamente o controle de aplicações complexas em dispositivos móveis e desktops (Fonte: Arxiv)
📚 Aprendizado
Meta abre o dataset RPG para ajudar no treinamento de cientistas de AI : A Meta lançou no Hugging Face o dataset Research Plan Generation (RPG), contendo 22 mil tarefas interdisciplinares e critérios de avaliação. O dataset visa treinar assistentes de AI capazes de planejar caminhos de pesquisa científica de forma autônoma, sendo um pilar importante rumo ao “Cientista de AI” (Fonte: _akhaliq)
Stanford publica o AI Index Report 2025: AI já superou humanos em 7 testes : O relatório mostra que a AI já superou os benchmarks humanos em áreas como classificação de imagens, raciocínio visual e matemática de nível de competição. Atualmente, a única lacuna é o raciocínio multimodal complexo, mas modelos como o Gemini 3 Pro estão fechando essa diferença rapidamente. Ao mesmo tempo, o investimento em AI generativa cresceu 18,7% em relação ao ano anterior, com a indústria em um período crítico de transição de “chatbots” para “agentes de execução” (Fonte: Stanford)
Documentário de Deep Learning “The Thinking Game” faz sucesso no YouTube : Filmado ao longo de cinco anos pela equipe original do AlphaGo, o filme registra a jornada da DeepMind desde o jogo Pong até o AlphaFold resolvendo o dobramento de proteínas. Ele não apenas mostra a evolução tecnológica, mas também explora os dilemas éticos da AGI como o “Projeto Manhattan da nova era”, ultrapassando 200 milhões de visualizações em quatro semanas (Fonte: YouTube)
💼 Negócios
OpenAI reinicia plano de anúncios, cedendo à realidade comercial : Embora Altman tenha chamado os anúncios de “último recurso”, diante dos enormes gastos com computação e do gargalo no crescimento de assinaturas, os anúncios no ChatGPT entraram em fase de design substancial. A OpenAI prevê que a receita de anúncios de usuários não pagantes chegará a US$ 110 bilhões até 2030. Esse “anúncio contextual” será profundamente integrado ao fluxo de conversa, marcando o momento em que a superplataforma de AI repete o caminho trilhado pelos gigantes da internet (Fonte: Fortune)
As “Quatro Pequenas Dragoas” de GPUs chinesas se reúnem no mercado de capitais : Moore Threads, Muxi, Biren e Tianshu Zhixin buscam coletivamente o IPO no final de 2025. Apesar de enfrentarem altos prejuízos em P&D, impulsionadas pela substituição nacional e pela demanda por computação de AI, essas empresas receberam forte apoio de gigantes como Tencent e ByteDance. Esta disputa pela “NVIDIA da China” mudou dos laboratórios para uma corrida de sobrevivência por participação de mercado e ecossistema de software (Fonte: 36氪)
Avaliação da ferramenta de programação Lovable dispara para US$ 6,6 bilhões : A empresa sueca, focada em “Vibe Coding”, atingiu US$ 100 milhões em receita anualizada em 8 meses, tornando seu cofundador de 26 anos um dos bilionários mais jovens da Europa. A Lovable permite que usuários não técnicos criem aplicações através de comandos de texto, provando que a “democratização da programação” é uma das trilhas mais explosivas na camada de aplicação de AI atual (Fonte: Forbes)
🌟 Comunidade
Pesquisa do Stack Overflow: afinidade dos desenvolvedores com AI sofre queda rara : A pesquisa de desenvolvedores de 2025 mostra que, embora 84% usem AI, a afinidade caiu de 70% para 60%. 66% dos programadores foram prejudicados por códigos de AI “plausíveis, mas incorretos”, considerando que depurar Bugs de AI consome mais tempo do que escrever à mão. Isso reflete uma mudança na comunidade técnica de uma adoração cega para um escrutínio racional; o “tsunami de dívida técnica” gerado por AI tornou-se um ponto de dor real (Fonte: StackOverflow)
Rob Pike critica o AI Village: a “bondade aleatória” de máquinas desprezíveis é poluição : O criador da linguagem Go, Rob Pike, usou palavras fortes nas redes sociais após receber uma carta de agradecimento gerada automaticamente por AI. Ele criticou as empresas de AI por poluírem o planeta e bagunçarem a sociedade enquanto fazem máquinas imitarem emoções. O incidente gerou uma discussão intensa sobre os “limites da autonomia dos agentes de AI”, com a comunidade concordando amplamente que contatos automatizados por AI não solicitados são uma ofensa à atenção humana (Fonte: Bluesky)
“Vibe Coding” torna-se um divisor de águas no ambiente de trabalho : A comunidade discute fervorosamente que “equipes técnicas que não fazem Vibe Coding são um passivo”. Apoiadores acreditam que a AI acelera drasticamente a validação de protótipos, e os humanos devem ser “pilotos de Shoggoth”; oponentes insistem no rigor da engenharia, acreditando que modelos de desenvolvimento superficiais criarão montanhas de código impossíveis de manter. Essa disputa sinaliza uma polarização das equipes técnicas tradicionais entre “infraestrutura” e “aplicações nativas de AI” (Fonte: dotey)
💡 Outros
Jeff Dean atualiza notas de performance: retorno às leis fundamentais do mundo físico : O lendário Jeff Dean da Google reiterou que, embora a AI possa escrever código, as regras físicas subjacentes aos computadores não mudaram. Ele lembrou aos engenheiros de terem um “senso de escala” para a latência, evitando custos de abstração desnecessários. As notas são vistas como uma resposta contundente à interpretação errônea de que “otimização precoce é a raiz de todo mal”, enfatizando que a performance é projetada, não ajustada (Fonte: JeffDean)
Estado do Tennessee, nos EUA, propõe legislação para proibir AI como “companheira emocional” : O projeto de lei tornaria crime grave treinar deliberadamente AI para fornecer suporte emocional ou simular interação humana. A reação da comunidade foi polarizada: alguns veem como uma medida necessária para evitar a atomização social, enquanto outros ironizam como uma “Lei Seca da era digital”, acreditando que a lei não pode impedir a necessidade humana de apego emocional à AI (Fonte: Reddit)
