Duas configurações de API triplicaram as pontuações do GPT-5.6 no ARC-AGI-3
Habilitar duas configurações específicas de API para o GPT-5.6 resultou em uma tripla das suas pontuações de desempenho na benchmark ARC-AGI-3.
Z.ai lança GLM-5.3 com pós-treinamento estendido
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.
DeepSeek-V4 Flash 0731 vs GPT-5.6 Luna no DeepSWE: Custo e Codificação
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.
Alibaba anuncia Qwen3.8-Max com 2,4T de parâmetros e pesos abertos em breve
A Alibaba anunciou o Qwen3.8-Max como seu novo modelo principal, descrevendo-o como uma arquitetura esparsa de 2,4T de parâmetros focada em trabalho agêntico de longo prazo, codificação e raciocínio multimodal. A empresa confirmou que os pesos abertos do Qwen3.8-Max serão lançados na próxima semana junto à variante de pesos abertos Qwen3.8-27B.
Atualizações do DeepSeek V4 Flash com pontuações melhoradas no Terminal Bench e Toolathlon
A DeepSeek atualizou seu modelo V4 Flash, lançando uma nova versão em 2026-07-31 que apresenta ganhos significativos de desempenho em relação à versão anterior. A atualização introduz resultados para vários novos benchmarks enquanto melhora as pontuações nos existentes.
Kimi K3 supera GPT-5.6 Sol no DeepSWE pass@4 e custa 64% menos
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.
Anthropic lança Claude Opus 5, provocando debate sobre benchmarks
A Anthropic lançou o modelo Claude Opus 5, desencadeando escrutínio sobre seu desempenho em métricas de codificação e capacidade geral, além de reacender o debate sobre a avaliação de modelos de fronteira.
Anthropic lança Claude Opus 5 com ECI de 159
A Anthropic lançou o Claude Opus 5, um novo modelo de fronteira que gerou discussões significativas sobre pontuações em benchmarks e desempenho prático. Avaliações independentes da Epoch AI reportam um Índice de Capacidades da Epoch (ECI) de 159 e um SWE-ECI de 161 para o novo modelo.
Kimi K3 iguala Claude Fable 5 na qualidade do DeepSWE com um terço do custo
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.
τ-bench 1.0.1 corrige a avaliação de banking_knowledge para evitar penalizar comportamento cauteloso do agente
A Sierra Research lançou o τ-bench 1.0.1, que corrige o esquema de avaliação da tarefa `banking_knowledge` para parar de penalizar agentes por leituras prudentes de verificação e corrige várias inconsistências nos dados. A atualização garante que a reavaliação das trajetórias do ranking apenas aumente as pontuações, sem que simulações anteriormente aprovadas falhem.
Moonshot AI lança Kimi K3, um modelo MoE de 2,8 trilhões de parâmetros
Em 16 de julho, a Moonshot AI lançou seu mais recente modelo principal, Kimi K3, uma arquitetura Mixture of Experts (MoE) com 2,8 trilhões de parâmetros. A empresa prometeu liberar os pesos do modelo em 27 de julho.
Moonshot lança Kimi K3, um modelo de pesos abertos chinês com forte capacidade de codificação e eficiência
A Moonshot lançou o Kimi K3, um modelo de pesos abertos que provocou uma reavaliação sobre quão próximos os modelos chineses estão da fronteira. O lançamento é caracterizado por desempenho robusto em codificação, tarefas agênticas e trabalho de conhecimento de longo prazo.
Moonshot AI lança Kimi K3, um modelo de fronteira aberta com 2,8T parâmetros
A Moonshot AI apresentou o Kimi K3, um novo modelo de pesos abertos de classe fronteira com 2,8 trilhões de parâmetros totais e capacidades nativas de entrada multimodal. Oficialmente posicionado como "Inteligência Fronteira Aberta", o modelo suporta uma janela de contexto de 1 milhão de tokens e utiliza componentes arquiteturais inovadores, como Kimi Delta Attention (KDA) e Attention Residuals, para melhorar a eficiência.
Moonshot lança Kimi K3, um modelo de pesos abertos com 2,8T parâmetros
A Moonshot AI lançou o Kimi K3, um modelo de pesos abertos de classe fronteira com 2,8 trilhões de parâmetros e entrada multimodal nativa. O modelo apresenta o Kimi Delta Attention (KDA) para decodificação mais rápida em contextos longos e é posicionado para fluxos de trabalho de codificação agêntica de longo prazo.
Moonshot AI anuncia Kimi K3, um modelo de 2,8T parâmetros com alto preço
O laboratório chinês de IA Moonshot AI anunciou o Kimi K3, descrevendo-o como seu modelo mais capaz até hoje, com 2,8 trilhões de parâmetros. O modelo está atualmente disponível por meio do site e da API, com uma versão de pesos abertos prometida para 27 de julho de 2026.
DharmaOCR supera modelos mais novos no português brasileiro por meio de especialização
O DharmaOCR alcança maior qualidade e estabilidade na extração do que o Mistral OCR4 e o Unlimited-OCR no português brasileiro por meio de treinamento específico do domínio.
Qwen lança o modelo Qwen3.8-27B no ModelScope e Hugging Face
A Qwen lançou o modelo Qwen3.8-27B, disponível para download no ModelScope e Hugging Face.
Atualização do Gemini 3.7 Flash traz o GDM de volta à tona
O artigo destaca um gráfico da atualização do Gemini 3.7 Flash mostrando que as versões anteriores, especificamente 3.5 e 3.6 Flash, ficaram para trás em relação aos modelos mais recentes das séries Claude 4.8+ e GPT 5.5+.
DeepSeek DSv4 Flash 0731 alcança alto desempenho em hardware acessível
Um usuário do Reddit destaca o modelo DeepSeek DSv4 Flash 0731, observando suas fortes capacidades de desempenho em relação ao seu custo. O post referencia o Artificial Analysis Intelligence Index v4.1.1 para apoiar a afirmação de que o modelo tem um desempenho excepcional.
RAG clínico VITA iguala ou supera LLMs de ponta no HealthBench
Um sistema de geração aumentada por recuperação projetado especificamente chamado VITA, destinado a contextos de baixa e média renda, foi avaliado em comparação com modelos de linguagem grandes de propósito geral no benchmark HealthBench. O estudo demonstra que o design específico do corpus pode manter um desempenho competitivo mesmo à medida que novos modelos de ponta são lançados.