🔥 Destaques
NVIDIA lança arquitetura Vera Rubin: Iniciando a próxima era da supercomputação de AI : Na CES 2026, Jensen Huang revelou a nova plataforma Vera Rubin, que inclui a Vera CPU autodesenvolvida (núcleo Olympus customizado) e a Rubin GPU. O sistema introduz o Transformer Engine, com desempenho de inferência 5 vezes superior ao Blackwell, e suporta a primeira Confidential Computing em nível de rack. O sistema Rubin NVL72, através de resfriamento líquido 100% e design sem cabos, aumenta a eficiência de montagem e manutenção em 18 vezes. Além disso, a NVIDIA lançou uma plataforma de armazenamento de memória de contexto de inferência, dedicada a resolver gargalos de armazenamento de KV Cache em aplicações de textos longos, visando reduzir o custo de Token de grandes modelos MoE para 1/10 do Blackwell, marcando a evolução da infraestrutura de AI de “poder computacional de ponto único” para “engenharia de sistemas”. (Fonte: NVIDIA, Zhitongxi, TheTuringPost)
Jerry Tworek, líder de inferência da OpenAI, deixa a empresa: Perda contínua de cérebros principais : Jerry Tworek, vice-presidente de P&D da OpenAI e um dos fundadores principais dos modelos de inferência o1/o3 e do modelo de programação Codex, anunciou sua saída. Ele esteve na OpenAI por quase sete anos, liderando desde o aprendizado por reforço robótico inicial até o desenvolvimento dos mecanismos de inferência do GPT-4 e GPT-5. Tworek afirmou que sua saída visa “explorar pesquisas difíceis de realizar dentro da OpenAI”, sugerindo uma ruptura entre o ambiente de pesquisa idealista e a pressão de entrega de produtos sob alta comercialização. Como líder do projeto o1, sua partida é outra perda significativa de talentos técnicos essenciais após Ilya Sutskever e John Schulman, gerando preocupações profundas na comunidade sobre a independência futura das pesquisas da OpenAI. (Fonte: 36Kr, Liangziwei, The Verge)
Google DeepMind une forças com Boston Dynamics: Cérebro de AI impulsionando o corpo mais forte : Google DeepMind anunciou uma parceria de pesquisa com a Boston Dynamics. Esta colaboração integrará as capacidades de Vision-Language Model (VLM) da Gemini Robotics no novo robô humanoide Atlas totalmente elétrico. Isso significa que os algoritmos de inferência de AI de ponta do mundo se unirão ao hardware robótico mais avançado, impulsionando a Embodied AI de simples correspondência de padrões para uma “AI Física” capaz de possuir senso comum físico e planejar tarefas complexas de forma autônoma. Esta aliança é vista como um passo crucial contra os ecossistemas Tesla Optimus e NVIDIA Isaac, prevendo que os robôs humanoides estão prestes a vivenciar seu verdadeiro “momento iPhone”. (Fonte: GoogleDeepMind, HuggingFace)
NVIDIA abre código do Alpamayo: O “momento ChatGPT” da condução autônoma : A NVIDIA abriu o código do primeiro modelo de condução autônoma baseado em inferência, Alpamayo (10B parâmetros), na CES. Diferente da cadeia tradicional de “percepção-planejamento”, o Alpamayo possui capacidade de Chain of Thought (CoT), permitindo entender situações de trânsito complexas e explicar a lógica de decisão como um motorista humano (ex: “desacelerando porque um pedestre pode atravessar”). O modelo vem acompanhado do framework de simulação AlpaSim e 1700 horas de dados de condução real em código aberto. Jensen Huang chamou isso de “momento ChatGPT da AI Física”, visando quebrar o monopólio de sistemas fechados como o Tesla FSD através de um ecossistema open-source, permitindo que montadoras globais acelerem a implementação da condução autônoma L4 baseada em um framework de inferência unificado. (Fonte: TheTuringPost, NVIDIA)
🎯 Tendências
NVIDIA Cosmos Reason 2: Desempenho de inferência de AI Física atinge o topo : A NVIDIA lançou o Cosmos Reason 2, conquistando o primeiro lugar em vários rankings como o Physical AI Bench. O modelo melhora significativamente a compreensão espaço-temporal e a precisão de timestamps, suportando localização de pontos 2D/3D e saída de dados de trajetória. Sua janela de contexto saltou de 16K para 256K, permitindo anotações precisas e análise lógica para vídeos longos. A Salesforce já o integrou ao Agentforce para análise de conformidade de segurança dos robôs Cobalt, demonstrando a evolução da AI da compreensão da linguagem para a compreensão das leis do mundo físico. (Fonte: HuggingFace)
Modelo misterioso da Kimi “Kiwi-do” aparece na arena: Capacidades multimodais impressionantes : Um modelo misterioso com o codinome “kiwi-do”, autodenominado Kimi, apareceu na LMArena. Testes de usuários mostram que o modelo performa excepcionalmente bem em desenhos SVG (como um pelicano andando de bicicleta) e tarefas de compreensão física visual (VPCT), conseguindo inferir com precisão combinando leis físicas. Acredita-se que este seja o modelo multimodal K2-VL que a Moonshot AI está prestes a lançar. Yang Zhilin revelou anteriormente que a empresa possui reservas de caixa de dezenas de bilhões e planeja lançar uma nova geração de Agent multimodal que suporta “pensar enquanto colabora” em 2026. (Fonte: 36Kr)
GEO: Novos dividendos de marketing e indústria cinzenta na era da busca por AI : À medida que ferramentas de busca por AI como ChatGPT e Perplexity desviam o tráfego dos motores de busca tradicionais, a Generative Engine Optimization (GEO) tornou-se o novo campo de batalha para as marcas. Ao publicar conteúdo estruturado para guiar as citações da AI, estima-se que o mercado de GEO atinja 12 bilhões de dólares em 2025. No entanto, surgiu uma indústria cinzenta de “envenenamento de dados”, enganando a captura da AI através de tutoriais de baixo custo e informações de autoridade falsas. A OpenAI também sinalizou claramente a introdução de anúncios, estudando a exibição prioritária de conteúdo patrocinado em respostas, marcando a rendição dos grandes modelos a modelos de monetização realistas sob pressão de perdas massivas. (Fonte: 36Kr, Tech Planet)
Crise de confiabilidade em modelos pequenos: 50-69% das respostas corretas vêm de raciocínio errado : Uma pesquisa compartilhada pela DAIR.AI revelou o fenômeno “Right-for-Wrong-Reasons”: modelos pequenos com parâmetros de 7-9B, embora deem respostas corretas em tarefas de matemática e Q&A, frequentemente apresentam cadeias de raciocínio logicamente quebradas. Surpreendentemente, prompts de Self-critique podem prejudicar o desempenho, pois modelos pequenos tendem a gerar defesas que parecem razoáveis, mas são falsas. O estudo sugere a introdução de Reasoning Integrity Score (RIS) e RAG para aumentar a integridade do raciocínio, em vez de confiar cegamente na saída final. (Fonte: dair_ai)
NVIDIA Cascade RL: Resolvendo conflitos de treinamento de inferência multi-domínio : Para resolver o conflito entre objetivos de treinamento em diferentes domínios como matemática, código e alinhamento, a NVIDIA propôs o framework Cascade RL. Este framework adota um modo de aprendizado por reforço sequencial, realizando primeiro o alinhamento RLHF, seguido sucessivamente por RL de seguimento de instruções, matemática, código e engenharia de software. Experimentos mostram que o modelo Nemotron-Cascade de 14B superou o DeepSeek-R1-0528, que é 84 vezes maior, em rankings de código. Este método prova que o treinamento sequencial não apenas previne o esquecimento catastrófico, mas também eleva o teto de inferência de tarefas subsequentes através de etapas preliminares. (Fonte: omarsar0)
Era pós-Transformer: Três novas arquiteturas competindo por vagas : Um dos inventores do Transformer apontou que a arquitetura está se tornando um obstáculo ao progresso da AI. Em 2026, três grandes arquiteturas lançarão desafios: 1. Text Diffusion, suportando o denoising de frases completas para melhorar a capacidade de planejamento; 2. Continuous Thought Machines, permitindo que o modelo decida autonomamente o tempo de pensamento através de sincronização neural; 3. Nested Learning, simulando os circuitos de pensamento rápido e lento do cérebro humano. Estas arquiteturas visam resolver os gargalos de acoplamento do Transformer em inferência, memória e controle. (Fonte: Reddit)
🧰 Ferramentas
Claude Agent SDK: Iniciando o desenvolvimento de agentes inteligentes avançados : A comunidade de desenvolvedores está discutindo fervorosamente o Claude Agent SDK (anteriormente Claude Code SDK), considerando-o muito além de um simples assistente de programação. O SDK permite construir Agents complexos com raciocínio de múltiplas etapas, chamadas de ferramentas e capacidades de operação autônoma em ambientes. Na conferência AI Engineer, Thariq demonstrou como usar este SDK para construir orquestradores de Agent futuristas. Comparado a IDEs como Cursor, o SDK oferece controle de nível mais baixo para desenvolvedores, suportando a construção de fluxos de trabalho automatizados altamente customizados. (Fonte: omarsar0, swyx)
ik_llama.cpp: Salto no desempenho de inferência local multi-GPU : O branch de alta performance do llama.cpp, ik_llama.cpp, incorporou uma atualização importante, alcançando verdadeiro Tensor Parallelism através da integração da biblioteca NVIDIA NCCL. Em ambientes multi-GPU, esta ferramenta pode aumentar a velocidade de geração de grandes modelos locais em 3 a 4 vezes, eliminando efetivamente a espera no pipeline. Este avanço permite que desenvolvedores executem modelos com parâmetros na escala de Trillion em hardware de consumo com altíssima eficiência, reduzindo drasticamente a barreira para implantação local de AI. (Fonte: karminski3, Reddit)
Memvid v2: Substituindo stacks RAG complexas por um único arquivo : O projeto open-source viral Memvid lançou a versão v2, propondo o conceito de “Smart Frames”, que armazena embeddings de texto em frames de vídeo, alcançando 100% de portabilidade de memória. Ele pode comprimir 50.000 documentos em um arquivo de 200MB, com latência de recuperação inferior a 17ms. O Memvid visa substituir completamente bancos de dados vetoriais complexos e pipelines RAG, permitindo que Agents carreguem memória de longo prazo como se estivessem com um pendrive, suportando alternância contínua entre diferentes modelos como GPT, Claude e Llama. (Fonte: Reddit)
hf-mem: Estimativa de um clique para demanda de VRAM de modelos HuggingFace : O desenvolvedor Alvaro Bartolome lançou a ferramenta Python leve hf-mem. Esta ferramenta depende apenas de metadados Safetensors para prever com precisão a VRAM necessária para inferência sem baixar o modelo completo. Através do comando uvx hf-mem --model-id, os usuários podem determinar rapidamente se seu hardware suporta um modelo específico. Com a explosão de parâmetros de modelos, esta ferramenta oferece grande conveniência para implantação local, evitando desperdício de recursos por downloads cegos. (Fonte: huggingface)
Unsloth-MLX: Ferramenta poderosa para fine-tuning local no Mac : O desenvolvedor Abdur Rahim lançou o Unsloth-MLX, permitindo que usuários realizem fine-tuning de grandes modelos usando o framework MLX em Macs equipados com Apple Silicon. A ferramenta mantém uma API consistente com o Unsloth, suportando a migração contínua para GPUs na nuvem após o prototipagem local. Isso é um grande benefício para usuários de Mac que desejam treinar com dados privados localmente, mas são limitados pelo alto custo da computação em nuvem, promovendo ainda mais a democratização da tecnologia de fine-tuning. (Fonte: awnihannun)
📚 Aprendizado
Enciclopédia de Deep Learning: Lançada a edição 2025 do Deep Learning Book : A Universidade de Notre Dame publicou o manual de notas “Deep Learning Book 2025” com centenas de páginas. O livro cobre desde perceptrons básicos até os mais recentes modelos de difusão, variantes de Transformer e tecnologias de ponta em aprendizado por reforço. O conteúdo é detalhado e acompanhado por inúmeras derivações matemáticas e diagramas intuitivos, sendo um excelente recurso gratuito para profissionais de AI em 2026 complementarem sistematicamente suas lacunas técnicas. (Fonte: Reddit)
Manual de Engenharia GRPO + LoRA: Construindo um ciclo de RL de nível industrial do zero : Em resposta à febre de aprendizado por reforço desencadeada pelo DeepSeek-R1, Maxime Labonne compartilhou o “Manual de Engenharia GRPO + LoRA com Verl”. O guia explica detalhadamente como construir um pipeline RLVR estável em ambientes multi-GPU, incluindo rastreamento de experimentos, técnicas de depuração e experiências práticas sobre como extrair o máximo do poder computacional da A100, sendo atualmente o melhor tutorial prático para introduzir capacidades de inferência estilo DeepSeek em modelos privados. (Fonte: maximelabonne)
9 livros para entender a AI: Lista de leitura obrigatória para 2025/2026 : TheTuringPost recomendou 9 livros para ajudar a entender profundamente as tendências de AI, incluindo “Apple in China” (perspectiva da cadeia de suprimentos), “The Thinking Machine” (biografia de Jensen Huang e NVIDIA), “The Path to AGI” e “Source Code” de Bill Gates. A lista abrange perspectivas desde a competição de chips de baixo nível até o impacto social de alto nível, adequada para leitores que desejam manter o pensamento crítico em meio ao frenesi tecnológico. (Fonte: TheTuringPost)
💼 Negócios
Meta adquire Manus AI: Aposta pesada em agentes de inteligência geral : A Meta anunciou a aquisição da startup de AI Agent, Manus AI, visando integrar suas capacidades líderes de Agent nos produtos de consumo e comerciais da Meta. A Manus foi avaliada anteriormente em cerca de 500 milhões de dólares e possui uma taxa de crescimento de receita extremamente alta. Este movimento mostra que Zuckerberg, após perder a oportunidade inicial na “AI Física”, está compensando agressivamente suas lacunas no campo de Agents de operação autônoma através de aquisições. (Fonte: Reddit)
RayNeo recebe 1 bilhão de yuans em financiamento: China Mobile e China Unicom apostam juntas no “próximo celular” : A RayNeo, líder em óculos AR, completou uma nova rodada de financiamento de mais de 1 bilhão de yuans, com investimento conjunto de fundos da China Mobile e China Unicom. Esta é a primeira vez que as operadoras investem coletivamente de forma pesada no setor de óculos inteligentes, visando posicionar o melhor suporte para a implementação de grandes modelos de AI. A RayNeo demonstrará seu primeiro óculos AR com eSIM na CES, utilizando o poder computacional de borda das operadoras para compensar a latência do terminal, acelerando o processo de substituição de smartphones por óculos inteligentes. (Fonte: 36Kr)
Zhipu AI ruma para IPO em Hong Kong: Corrida para ser a “primeira ação de grandes modelos do mundo” : A Zhipu AI iniciou oficialmente sua oferta pública em Hong Kong, com planos de listagem em 8 de janeiro. Como líder dos “Seis Pequenos Tigres” da China, a Zhipu completou várias rodadas de financiamento em 2025, com uma avaliação pós-investimento superior a 20 bilhões de yuans. Gigantes como Alibaba, Tencent e Meituan estão entre os acionistas. A listagem da Zhipu é vista como um teste para a avaliação da indústria de AI e afetará diretamente a direção comercial das startups de grandes modelos na China. (Fonte: 36Kr)
🌟 Comunidade
Vibe Coding vs. Engenharia Abstrata: A disputa filosófica da programação com AI : A comunidade iniciou uma discussão acalorada sobre “Vibe Coding”. Andre Karpathy e outros acreditam que a AI tornou o código barato, e a programação está evoluindo para uma arte semelhante a tocar um instrumento musical. No entanto, estudiosos como Omar Khattab alertam que, se dependermos apenas do diálogo para gerar 100.000 linhas de código de baixo nível sem abstração de alto nível, isso levará à proliferação de “Slop Code” (código lixo) difícil de manter. O verdadeiro futuro deve ser o desenvolvimento de linguagens de programação de nível superior, onde a AI atue como compilador, não apenas como um simples gerador de código. (Fonte: lateinteraction, gfodor)
Estudo de Harvard: Eficiência de aprendizado dobra com tutores de AI : Um ensaio controlado aleatório da Universidade de Harvard mostrou que estudantes que usam tutores de AI para aprender física tiveram ganhos de aprendizado duas vezes maiores que em salas de aula tradicionais, gastando metade do tempo. Tutores de AI podem alcançar “paciência infinita” e “feedback personalizado instantâneo”, algo difícil para professores humanos. Discussões na comunidade apontam que isso é tanto uma oportunidade para a democratização da educação quanto um risco de agravar a exclusão digital: 87% dos estudantes em países de alta renda têm internet, comparado a apenas 6% em países de baixa renda. (Fonte: Reddit)
Milagre jurídico da AI: Claude auxilia na vitória de processo de 8.000 dólares : Um usuário em uma área remota compartilhou sua experiência de usar o Claude Opus 4.5 para aprender direito de forma autodidata e redigir uma petição, vencendo finalmente um caso civil de 8.000 dólares no tribunal. Ele afirmou que a jurisprudência e as leis estatutárias encontradas pelo Claude eram “sólidas como rocha”, sem qualquer alucinação. Este caso gerou discussões sobre se a AI acabará com a “hegemonia da informação” na indústria jurídica, permitindo que pessoas comuns obtenham justiça a baixo custo. (Fonte: Reddit)
💡 Outros
LEGO lança “Smart Bricks”: A maior evolução em 50 anos : A LEGO anunciou o lançamento de blocos inteligentes 2×4 com microcomputadores embutidos, permitindo que modelos de blocos “ganhem vida”. Através de sensores e AI, os modelos LEGO podem emitir luz, som e responder a movimentos, como um sabre de luz que zumbe ao ser balançado. Isso marca a adoção total da AI pela indústria de brinquedos tradicional. (Fonte: robrombach)
Baterias de íon de sódio em produção em massa em 2026: Eliminando a ansiedade de autonomia : A CATL confirmou que as baterias de íon de sódio entrarão no mercado em larga escala em 2026. Elas possuem uma densidade de energia de 175 Wh/kg, suportam operação em frio extremo de -40°C e têm preços extremamente baixos. A comunidade acredita que isso acelerará o colapso da demanda por petróleo e fornecerá a energia central para frotas de veículos autônomos baratos movidos por AI. (Fonte: teortaxesTex)
