A Z.ai anunciou o GLM-5.3, um novo modelo que alcança desempenho de ponta em benchmarks de codificação agêntica ao estender o pós-treinamento de seu modelo base GLM-5.2. O modelo de ~750B parámetros atualmente supera o Kimi K3 e iguala ou excede o Claude Fable 5 e o GPT-5.6-Sol em vários benchmarks.
A equipe do GLM lançou a versão 5.3 do modelo GLM.
A Z.ai lançou o GLM-5.3, uma atualização para seu modelo de 743B parâmetros que alcança ganhos de desempenho por meio de pós-treinamento escalado, em vez de retratamento do modelo base. O lançamento está atualmente disponível via API da Z.ai, Plano de Codificação GLM e ZCode, com pesos públicos programados para serem liberados aproximadamente duas semanas após o lançamento, após avaliações de segurança.
A Mistral agora está hospedando o modelo GLM-5.2, que tem um preço ainda mais baixo do que seu modelo principal atual, o Mistral Medium 3.5.
Um sistema de geração aumentada por recuperação (RAG) feito sob medida chamado VITA, projetado para ambientes de baixa e média renda, foi avaliado contra modelos de linguagem grandes de propósito geral no benchmark HealthBench. Em 4.023 perguntas avaliadas por um juiz GPT-4.1, o VITA ficou em primeiro lugar com 51,9% dos pontos possíveis da rubrica, superando GPT-5.4, o4-mini, Gemini 3.1 Pro e Claude Sonnet 4.6.
O Macaron-V1 é uma família de modelos de agente aberta projetada para inteligência experiencial, permitindo aprendizado a partir de ambientes reais e continuidade do aprendizado após a implantação. O sistema foca em dois objetivos: adaptação por meio da melhoria recursiva dos pares modelo-arreio e colaboração via arquitetura Mixture-of-LoRA (MoL) que seleciona adaptadores LoRA especialistas por turno do usuário.
O Macaron-V1 é uma família aberta de modelos de agente projetada para inteligência experiencial, permitindo que sistemas aprendam com experiências do mundo real e continuem a melhorar após a implantação. A arquitetura se concentra em dois objetivos: adaptação por meio da autoaperfeiçoamento recursivo dos pares modelo-arneio, e colaboração por meio de um sistema Mixture-of-LoRA (MoL) que seleciona adaptadores especialistas por turno do usuário.
A documentação do próximo modelo GLM-5.3 da Zhipu surgiu e foi excluída segundos depois. As páginas foram indexadas pelo Bing antes de desaparecerem.
Uma branch de commits para GLM 5.3 foi identificada no repositório z-ai-sdk-java no GitHub.
O novo modelo DeepSeek V4-Flash conseguiu uma pontuação de 50 no Índice ArtificialAnalysis. Esse resultado o coloca a apenas um ponto abaixo do GLM-5.2 e do GPT-5.6 Luna.
Pesquisadores apresentam o OSReward, um benchmark realista projetado para avaliar a confiabilidade de modelos de visão e linguagem (VLMs) atuando como juízes para trajetórias de agentes que utilizam computadores. O estudo revela que mesmo os VLMs mais avançados sofrem com viés sistemático de indulgência e são frequentemente caros demais para escala, enquanto modelos abertos acessíveis têm desempenho ruim.
A xAI lançou o "Modo Build" para assinantes do SuperGrok Heavy, permitindo que os usuários gerem, editem, visualizem e publiquem sites, aplicativos, jogos e painéis diretamente pelo chat, sem necessidade de configuração. Simultaneamente, mais de mil funcionários de empresas de IA de ponta assinaram uma declaração solicitando que o governo dos EUA apoie um esforço internacional para desenvolver ferramentas que delimere intencionalmente o ritmo do desenvolvimento da IA automatizada.
O projeto llama.cpp lançou a compilação b10174, introduzindo suporte à decodificação especulativa NextN/MTP para a arquitetura do modelo GLM_DSA (GLM-5.2).
A Moonshot divulgou os detalhes completos, os pesos e a infraestrutura de suporte para o Kimi K3, um modelo Mixture-of-Experts com 2.8T de parâmetros e aproximadamente 104B de parâmetros ativos por token. O lançamento inclui relatórios técnicos detalhando sua pilha híbrida de contexto longo e novas ferramentas como MoonEP, FlashKDA e AgentEnv.
O PIVOT (Proxy Indexing Via One full-prefix Traversal) é uma substituição plug-and-play sem treinamento para o indexador DeepSeek Sparse Attention (DSA) que reduz a redundância computacional ao compartilhar uma única varredura de prefixo entre um grupo de consultas próximas. Em vez de pontuar cada token precedente para cada consulta individualmente, o PIVOT agrega o grupo em uma única consulta proxy para obter um conjunto de candidatos, do qual os top-k tokens são selecionados para cada consulta.
O relatório apresenta o Zing, um framework integrado projetado para aprimorar a inteligência social de grandes modelos de linguagem ao medir, internalizar e fundamentar capacidades sociais. Os autores apresentam o SoMBench, um benchmark fundamentado na psicologia que abrange 17 dimensões secundárias e 3.481 instâncias verificadas por especialistas, revelando que os LLMs atuais têm uma margem significativa de melhoria, sem nenhum modelo alcançar desempenho próximo ao teto.
Uma comparação entre três modelos esparsos Mixture-of-Experts de pesos abertos — Kimi K3 da Moonshot AI, DeepSeek V4 Pro e GLM-5.2 da Zhipu AI — avalia suas capacidades, termos de licenciamento e custos de serviço para cargas de trabalho de codificação e agentes em horizontes longos.