Uma comparação entre DeepSeek-V4 Flash 0731 e GPT-5.6 Luna no benchmark DeepSWE revela que, embora GPT-5.6 Luna seja o engenheiro mais forte, uma estratégia em cascata usando ambos os modelos alcança maior precisão a um custo menor.
A Moonshot AI lançou o Kimi K3, um modelo de pesos abertos com 2,8 trilhões de parâmetros projetado para codificação de longo prazo e raciocínio profundo. É o primeiro modelo de código aberto na classe de 3 trilhões de parâmetros e suporta uma janela de contexto de 1 milhão de tokens.
A Together AI anunciou uma parceria estratégica com a Moonshot AI para servir como plataforma de lançamento dos modelos open-weight da Moonshot, começando com o Kimi K3. Esta colaboração oferece aos desenvolvedores acesso imediato a lançamentos de ponta por meio da infraestrutura e ferramentas hospedadas nos EUA da Together AI.
Uma comparação entre Kimi K3 e GPT-5.6 Sol no benchmark DeepSWE revela que, embora o GPT-5.6 Sol lidera em qualidade de tiro único (72,7% contra 68,5%), o Kimi K3 alcança pontuações pass@k mais altas para k > 1 com um custo significativamente menor.
O Kimi K3, um modelo de pesos abertos da Moonshot AI, alcança desempenho comparável ao Claude Fable 5 da Anthropic no benchmark DeepSWE, enquanto custa significativamente menos por tarefa. Em uma avaliação de 16 de julho de 2026, o Kimi K3 atingiu 68,5% de pass@1 em comparação com os 69,9% do Fable 5, mas superou-o em cenários de múltiplas tentativas e ofereceu maior eficiência de custo.
A Together AI adicionou capacidades de escalonamento automático à sua plataforma de Inferência Dedicada de Modelos, permitindo que as implantações escalem com base em métricas compreendidas pelo mecanismo de inferência, como solicitações em andamento, tempo até o primeiro token (TTFT) e utilização da GPU.
O ThunderAgent é um sistema que introduz uma abstração de programa para o escalonamento de solicitações de LLM agêntico, visando mitigar a oscilação do cache KV na geração de dados sintéticos de alta concorrência. Ao tratar fluxos de trabalho de agentes como programas escalonáveis em vez de solicitações independentes, ele melhora significativamente a taxa de transferência e reduz a latência.
A Together AI detalha a arquitetura de sua plataforma de Inferência Dedicada de Modelos, que conecta endpoints, implantações e configurações imutáveis por meio de uma divisão de tráfego consciente da capacidade. Este sistema roteia solicitações com base na capacidade efetiva (peso multiplicado por réplicas prontas) em vez de porcentagens fixas, permitindo recursos como lançamentos sem tempo de inatividade e testes A/B.
A Together lançou uma atualização significativa para sua plataforma de inferência, introduzindo a "Inferência de Modelo Dedicada" projetada para dar aos usuários controle total sobre desempenho, custo e qualidade para modelos de pesos abertos. A atualização também anuncia um beta fechado para capacidades de treinamento personalizado, incluindo reforço com pesos completos e LoRA.
A Together AI e a Y Combinator anunciaram uma parceria para fornecer o primeiro cluster de GPU dedicado exclusivamente ao portfólio de startups nativas de IA da Y Combinator. Esta iniciativa visa resolver o gargalo crítico de acesso à computação, oferecendo infraestrutura flexível e econômica para treinamento e inferência, sem exigir compromissos de longo prazo.